研究员 (Researcher)
研究员是AI研发中的传统核心角色，其思维范式以“突破边界”为元目标。在2026年的AI“重工业时代”，研究员的权力正在向工程师转移。
核心特征
- 目标：突破边界，追求瞬时性成功。
- 思维：点状的、瞬时性的。为了证明一个假设，可以接受99次失败，只要第100次跑出SOTA。
- 代码观：代码只是“想法的草稿”，习惯硬编码、忽略边界条件，甚至依赖“不可复现的灵感”。
- 职业自尊：建立在发表突破性论文和站在聚光灯下谈论“通用人工智能的曙光”上。
权力转移的原因
- 算法红利枯竭：早期靠天才数学公式带来性能飞跃的时代已经结束。
- Scaling Law的霸权：性能提升变成算力、数据和系统吞吐量的函数。
- 工程能力决定上限：显存压榨、分布式训练稳定性等工程问题直接决定了AI研发的成败。
- 代码的腐烂性：研究员的“史山”代码在工业界需要数倍工程人力去偿还。
心理学鸿沟
- 对“枯燥”的耐受力低：让研究员排查内存溢出等工程问题，会引发严重的职业倦怠。
- 傲慢与偏见：在传统学术鄙视链中，工程被视为“脏活累活”。
- 长期责任感缺失：倾向于“先跑通再说”，缺乏对系统长期稳定性的责任感。
相关概念
- [[工程师]] — 正在崛起的思维范式
- [[研究工程师]] — 研究员与工程师融合的新物种
- [[思维范式瞬时性与持久性]] — 解释研究员与工程师差异的元框架
- [[算法红利枯竭]] — 权力转移的前提条件
- [[代码的腐烂性]] — 代码需要长期维护迭代的特性