思维范式：瞬时性 vs 持久性

这是解释研究员与工程师根本差异的元框架，也是理解AI研发权力转移的底层逻辑。

瞬时性思维（研究员）

• 目标：突破边界
• 思维：点状的、瞬时性的
• 成功标准：在特定实验条件下、特定数据集上跑出SOTA
• 代码观：代码只是“想法的草稿”，随写随扔
• 对失败的态度：接受99次失败，只要第100次成功

持久性思维（工程师）

• 目标：维持稳态
• 思维：线性的、持久性的
• 成功标准：系统的健壮性、可扩展性和可维护性
• 代码观：代码是需要长期迭代的“生物”
• 对失败的态度：追求0%崩溃率，0.1%概率崩溃的代码就是垃圾

为什么教研究员工程更难

这要求一个习惯了“破坏性创新”的人去接受“防御性规范”。研究员需要承认，那些为了“优美系统”而存在的冗余代码和测试用例，并不是在浪费时间，而是在对抗熵增。

在AI研发中的应用

• Scaling Law时代：持久性思维（工程能力）比瞬时性思维（灵感）更重要
• 研究工程师的崛起：兼具两种思维的新物种
• 权力转移：从瞬时性思维向持久性思维的转移

相关概念

• [[研究员]] — 瞬时性思维的代表
• [[工程师]] — 持久性思维的代表
• [[研究工程师]] — 两种思维的融合
• [[算法红利枯竭]] — 瞬时性思维失效的前提
• [[代码的腐烂性]] — 持久性思维的必要性