导师去了前沿实验室，剩下的研究生谁来带

问题是什么

仅2026年一年，就有22位教授从斯坦福、伯克利和哈佛转入OpenAI、Anthropic、Meta和Google DeepMind。分布大致均匀：OpenAI六位，Anthropic五位，Meta六位，DeepMind五位，另有五位宣布秋季学期离任。在哈佛SEAS，与计算机科学相关的43位终身轨教授中，有12位在最近五年内兼任或担任过产业界职位。

报道通常止步于离职本身，很少写留下来的人。一位教授离开时，手下往往有三到五名已经写了三到六年论文的研究生。研究课题源自这位教授的兴趣，实验环境和数据权限也绑在那个实验室里。院系会指派一位临时导师，但这位导师多半属于另一个方向，无法在实质层面评审学生的工作。

现实中这个空缺靠人情填补。离职的教授出于善意继续开视频会议，或者从前的博士后非正式地帮忙看稿。没有合同，没有报酬，也没有记录。于是只有人脉好的学生活得下来，一旦关系中断，学生要么推翻课题重来，要么毕业推迟一到两年。院系甚至没有统计这项损失。

为什么是现在

这场迁移已经从个人选择变成结构性现象。训练前沿模型需要数亿美元级别的GPU集群，学界与产业之间的算力差距成了峡谷，资深研究者的薪酬差距则是倍数级。短期内这两道差距都没有收窄的理由。

与此同时，产业一侧也有了付费的理由。实验室在博士层级招聘上的瓶颈不是投递量，而是甄别。一份论文清单看不出真实的科研执行力。联合指导让实验室在数月里直接观察候选人的思考方式，从招聘角度看是有价格的。实际上现在已经有实验室研究者在私下指导校外学生，只是没有报酬。

远程科研协作也早已成为惯例。代码放在GitHub，实验跑在共享集群，讨论走视频，这套方式在疫情之后成了标准。认为指导必须面对面的反驳，已经不像五年前那样有力。

怎么构建

起点不是撮合，而是合同。产业界研究者带学生时真正的障碍不是时间，而是所属机构的兼职与知识产权规定。提供一份标准的联合指导协议，事先写清每周时间上限、署名规则、知识产权归属和保密范围，仅此一项就能大幅降低进入摩擦。这份模板就是早期产品的核心资产。

MVP要收窄。只选一个方向，比如机器学习系统，招募30位最近两年转入产业界的研究者和50位指导断档的研究生。撮合不用算法，由人工完成。每次一小时，隔周一次，以三个月为一个周期。成功指标不是满意度，而是这段时间内提交的论文数量和通过的答辩节点。

不要向学生收费。指导断档的研究生是整条链路上支付能力最弱的一环。可能的付费方是三类：不想流失学生的院系、买招聘管道的产业实验室、把科研连续性写进条件的资助机构。因此从第一天就要收集成果数据，好把试点结果摆到这三方面前。

flowchart LR
  A[转入产业界的研究者] -->|标准兼职合同| B[联合指导撮合]
  C[指导断档的研究生] --> B
  B --> D[隔周一次，持续三个月]
  D --> E[论文提交、节点通过]
  E --> F[院系、实验室或资助机构付费]

成功条件

有两个关键假设。第一，付费之后产业界研究者是否愿意拿出时间。已经有人无偿在做，这算弱证据，但规模一大，雇主的兼职审批就会成为瓶颈。先和一家大型实验室的法务谈定模板，这个问题很快就能判明。

第二，院系会把这件事看成外部侵入还是求援。流失学生是指标上的损失，但把指导交给外人也是权威问题。严格定位为辅助指导、绝不触碰学位评定权，是早期活下来的条件。