「Hào quang của kiến thức chậm」

Mọi người đều biết khoa học là thành quả của tập thể.
Sóng hấp dẫn do hàng nghìn người bỏ ra hàng chục năm nghiên cứu tạo ra. AlphaFold đứng sau là toàn bộ đội ngũ của DeepMind. Không ai nói đó là kết quả của một thiên tài đơn độc.
Nhưng khi các công ty công nghệ tuyển dụng nhà nghiên cứu AI, thì lại hoàn toàn ngược lại.
Bình luận mới nhất của 《Nature》 đã tiết lộ một con số: các nhà nghiên cứu trẻ, có khoảng năm năm làm việc và trích dẫn bài báo đứng đầu, tỷ lệ chuyển sang ngành công nghiệp vào năm sau cao gấp 100 lần so với các học giả bình thường cùng kỳ.
100 lần. Không phải hai, ba lần.
Điều này không phải là vấn đề của cá nhân, mà là vấn đề của cấu trúc, của sự rút máu có hệ thống.
Một giáo sư AI hàng đầu, lương toàn thời gian khoảng 20 đến 40 vạn USD. Nghe có vẻ khá, nhưng tổng thu nhập của Google, OpenAI có thể lên tới 100 đến 300 vạn USD. Cùng một người, làm công việc tương tự, nhưng mức lương chênh lệch một cấp số nhân.
Logic của ngành công nghiệp rất rõ ràng: chỉ cần có một “kỹ sư 10x”, thì không cần nuôi mười người bình thường. Thậm chí, ngay cả logic này cũng đang tiến hóa — nếu AI có thể thay thế các kỹ sư trung và thấp cấp, thì càng cần tập trung nguồn lực để săn lùng những người hàng đầu.
Vấn đề là, logic này đã đảo ngược một vấn đề.
Bạn có thể xem ngành học thuật như một mảnh đất, còn ngành công nghiệp là xây nhà trên đó.
Công việc của đất là chậm, không đặt trước các kịch bản ứng dụng, và cho phép thất bại. Nó tạo ra kiến thức có thể được trích dẫn nhiều lần, được mở rộng để phê bình, chứ không phải là một sản phẩm bị thúc đẩy bởi mục tiêu thương mại.
Việc đào bới phần đất màu mỡ nhất để xây nhà, ngắn hạn có thể xây nhà tốt hơn, nhưng về lâu dài, nền móng của bạn sẽ dần bị rỗng.
Trong năm cuối của chương trình tiến sĩ, tôi cũng đang xử lý vấn đề này: bài báo cần phải xuất bản, nhưng cũng phải đối mặt với các đề nghị từ ngành công nghiệp.
Lựa chọn đó không chỉ là tính toán về lương, mà còn là lựa chọn về tốc độ nghiên cứu và đối tượng phục vụ của vấn đề.
Vấn đề của ngành công nghiệp là thực tế, nhưng luôn đi kèm với áp lực thời gian và hướng ứng dụng. Vấn đề trong học thuật là tự do, nhưng bạn phải chấp nhận rằng tự do đó có cái giá của nó.
Sự chảy máu này không thể giải quyết bằng cách “ngành học cần cạnh tranh hơn”. Vấn đề tiền bạc không thể thắng bằng cách có ít tiền hơn.
Điều thực sự cần là hệ thống học thuật phải suy nghĩ lại rõ ràng về những gì mình đang cung cấp — những thứ mà ngành công nghiệp không có — rồi làm cho những thứ đó trở nên rõ ràng, dễ thấy và hấp dẫn hơn đối với những người thực sự quan tâm.
Một khái niệm tôi luôn suy nghĩ: tôi gọi đó là “hào quang của kiến thức chậm”.
Không phải tất cả kiến thức có giá trị đều có thể được hiện thực hóa trong vòng 18 tháng của chu kỳ sản phẩm. Những thứ không thể hiện thực hóa đó, phải có người giữ gìn.
--------------------------
Trích dẫn:
1. Sanders, N. E., & Schneier, B. (2026). Tại sao mức lương cao chót vót của các nhà nghiên cứu AI lại gây hại cho tương lai của khoa học. Nature.

2. Jurowetzki, R., Hain, D. S., Wirtz, K., & Bianchini, S. (2025). Khu vực tư nhân đang tích trữ các nhà nghiên cứu AI: những tác động đối với khoa học? AI & Society, 40(5), 4145–4152.