首先第一点，很少有人去考博士的，大部分都是直接保博、直博或硕博连读。

2017年是人工智能的元年。现在是一个风口过渡期，也就是说，2017年之前搞人工神经网络的人，大部分都是偏理论多一点，未曾真正地应用在工程上。当时大家都不太看好人工神经网络的发展，人数也比较少。正是他们的坚持，让这个行业度过了最艰难的寒冬，现在是他们的春天，是他们应得的回报，因为是他们推动了社会的发展。

随着吴恩达等一帮人持续多年的研究，成功的将卷积神经网络应用于图像处理，将深度神经网络、深度学习算法应用于AlphaGo围棋比赛，人工神经网络步入第三个发展阶段。因此出现了人才断层，也就是说当前能够将人工智能算法应用于工程的人数是很少的，也是工薪动辄百万的原因。

但社会的本质就是资源配置，现在正有大批的从业者进军这个行业。

因此人工智能算法工程化是当前最重要的发展方向。相反，在理论研究上，则步入了发展的瓶颈时期。也就是说能研究的方向已经基本上到了研究的极限，很难再提出根本性的创新。图像识别的准确率已经达到了90%多，除非有体制上的创新，很难再有突破了。

也就是说，理论研究陷入了一个新的发展时期。工程研究却如火如荼。

如果此时你去选择攻读博士，注意是开始读博士，那四五年毕业之后，很有可能和其他行业是一样的，你可能会错过这个行业的黄金发展时期。

因此有一个强烈的建议，不一定准确，如果你研究生是

人工智能方向，恭喜你，赶紧去趟这趟浑水。因为，如果你进入一个好的平台，在四五年的时间里，将会让你成为一个真正的工程领域的专家，你可能年薪百万以上。

如果你这个时候还想读一个博士，回头再读也不迟。

如果你是一个致力于研究的人，对金钱名利没有特别大的欲望，是完全可以选择这个方向去读博士的，因为社会的进步离不开这一类的人。

搞工程的和搞研究的最大的区别就是：

搞工程的，将那些搞研究的成果工程化、批量化、产业化，与金钱有关，与GDP有关。

搞研究的，不允许重复研究，不允许抄袭，只能搞新的方向，终其一生都有可能没有真正的成果。因为你干的是探索创新的工作。社会进步的真正动力来自你们，社会离不开你们。