•
被高盛、麥肯錫拒之門外的PhD留學生們
本科畢業時，以為碩士學歷能讓簡歷脫穎而出
碩士答辯後，堅信博士頭銜是叩開大廠的金磚
直到戴著博士帽走出校門
才發現同齡人早已在Meta、Two Sigma、Jane Street
拿著七位數的薪資談笑風生
回想那些年為實驗室經費申請熬夜改PPT的日子
真的很難不懷疑自己讀博到底是為了什麼？
1. 學術VS工業界：關乎PhD未來的“靈魂拷問”
俗話說，有人的地方就有江湖。在任何領域，越往上走資源越緊俏，在競爭資源這一塊，學術界的叢林法則比想像中更為赤裸。
🙋假設你是一位在美留學的PhD，或許當你還沉浸在"知識烏托邦"的想像中時，有心思的人早已在看不見的戰場上博弈——爭取項目資金以及推薦信。什麼樣的人會在這方面搶得先機？——學二代？博二代？官二代？
但中國PhD留學生們面臨的是什麼？是除了為這些資源絞盡腦汁外，還要去面對一些基於膚色和國籍的不信任。國外如此，國內競爭資源的情況也大差不差。以至於很多PhD們，會在深夜肝paper時懷疑人生：學術這條路，真的值得嗎？
學術界，熬到頭的人有多少？
學術圈“神仙打架”，卷是一方面，另一方面是沒有多少人能順利通過“學術馬拉松”，畢竟不是誰都能5年穩定產出頂刊，更別說熬到tenure的“終極Boss戰”了。
根據《自然》雜誌2022年的一項調查，全球範圍內，僅有不到20%的博士畢業生能夠獲得終身教職。而在中國，這一比例更低。
更殘酷的是，高校教職崗位的增長速度遠低於博士畢業生的增長速度，拿國內資料來說，每年應屆博士生數量漲幅都超過10%，但高校任職人數的漲幅也不過5.7%。
PhD在工業界真的一路暢通嗎？
LinkedIn資料顯示：
- 頂尖科技公司PhD崗位佔比不足3%；
- 學術界平均起薪僅為MAANG同等職位的1/4；
- 80%的博士遭遇過“過度qualified但不匹配”的尷尬……
工業界開給PhD的高薪是事實。以科技行業為例，AI工程師、資料科學家等崗位的平均年薪可達50萬-100萬人民幣，遠超學術界的起薪。Meta PhD Software Engineer的base就有173k美金（折合人民幣≈125萬），還不包含bonus、股權和其他福利。
無數PhD想擺脫那種“我在超算中心跑模型，當年GPA不如我的碩士同學已經在量化基金管理百萬美元資產”的窘迫現實，紛紛選擇“曲線救國”，比如降級拿Master跑路，或畢業直接沖Tech/Quant/Consulting求職。我們調查也發現，近兩年PhD學生對未來的規劃出現了一個新現象：超過60%的博士學員，在畢業前2年就開始密謀“轉型大計”。
工業界的高薪崗位對PhD的吸引力越來越大，但事實真的可觀嗎？工業界的遊戲規則與實驗室完全不同，PhD們往往面臨“技能斷層”和“行業認知不足”的雙重挑戰。
02. PhD求職的痛，很少有人懂
我們挑最熱門的求職三大賽道，帶大家看看PhD求職都有哪些“硬傷”？
Tech方向（SWE/AI Engineer）：學術技能≠工業需求
“你能用PyTorch魔改模型，但會維護大型程式碼庫嗎？”
“你懂Agile的開發流程嗎？”
……
在腦子裡過一遍上面問題的答案，你得出的結果是什麼？
是的，現實就是科技公司的面試官不會問“你的paper創新點在哪”，而是會直接甩LeetCode Hard+System Design連環殺。而且在人工智慧大環境下，科技領域需要的技能三天一迭代，LLM、AutoML你真的可以玩的得心應手嗎？科技公司特別是大型的矽谷巨頭，需要的是你拿得出能落地的演算法，而不是arXiv上的理論。
另外，PhD常年的學術研究通常面向專業同行，但工業界需要的是與非技術背景的同事或客戶溝通，PhD們可能缺乏將複雜技術簡化為通俗語言的能力。
基於以上幾點，會有一些科技公司在招聘中帶著一些偏見，認為PhD畢業生過於理論化，缺乏實際操作能力，或者擔心他們缺乏團隊合作精神。
所以PhD求職科技真的無解了嗎？Nono🙅，成立11年來，WST就有不少PhD學員，在來自Google、Meta等頭部科技公司專業導師的帶領下，參加開放原始碼專案提升影響力。同時，針對學員的目標崗位，WST開設了Tech Project實戰訓練營，幫助學員惡補全端技能，系統學習前端、後端、資料庫等知識。
這些學員們在WST導師的帶領下，進行項目實操，全面提升競爭力，以便更好地契合科技崗位需求 。最後斬獲來自華為、美團等科技公司的Offer：
Quant方向：數學PhD≠金融圈天選之子
2023年全美量化基金整體規模已經增長至3.3萬億美元，但量化崗位的競爭激烈程度也創下歷史新高。據可蒐集到的資訊可知，頭部基金公司量化崗位的錄取率皆低於1%，遠低於常春藤大學的本科錄取率。
儘管PhD學位的候選人們，在其專業領域有深入研究，但問題是Quant工作注重結果的實用性和可操作性，需要將理論應用於實際，更需要剛我候選人能熟練地使用程式設計來實現模型和演算法。
但PhD們缺乏在金融市場實際操作、處理真實資料和應對複雜市場情況的經驗，很難快速適應這種思維方式的轉變。
說句不好聽的，可能很多PhD連什麼是Desk Quant，什麼是Research Quant都不知道……
對金融知識、金融市場、產品、交易策略等缺乏系統瞭解，程式設計技能僅停留在學術研究層面，對於金融領域常用的程式語言和工具，如Python、C++、MATLAB等應用不夠熟練……種種痛點都能讓PhD們和高薪的Quant Offer失之交臂。
所以，該怎麼辦？Quant求職不外乎幾大重點：
1、最佳化簡歷：刪減過於學術的部分，提煉更多利於Quant求職的部分，並學會如何講好簡歷故事；
2、強化相關知識：找業內導師1v1填坑金融量化知識，同時模擬交易實戰，在實操中掌握崗位所需的技能；
3、搭建人脈網：求職也講究“資源利用”，特別是美國地區，專業權威人士的referral遠遠比你海投網申來的效果更快。
而以上這些，在WST有一套非常完整的操作指南，一步一步帶你搞定Quant求職。成果展示如下：
Consulting方向：從實驗室到Boardroom的“文化休克”
諮詢對PhD的需求在業內也算有目共睹，像McKinsey每年都會單獨開出招聘專場歡迎PhD的學生們踴躍參加：
但隨著越來越多PhD畢業生進入諮詢行業，申請人數劇增，但崗位hc不變甚至是縮減的情況下，錄取率一定會下降。
再者，諮詢行業的核心業務還是商業策略、管理諮詢，對大部分基礎諮詢崗位來說，解決問題是一方面，把問題的解決方案提交給客戶是另一方面，兩者缺一不可。像理科PhD對前者可能輕車熟路，但是跟客戶打交道需要極強的情商和社交能力，光是乾巴巴地做ppt是遠遠不夠的。
你能用LaTeX寫30頁證明，但你能用一頁PPT說清市場進入策略嗎？當MBB的面試官問“給你5分鐘幫xx奶茶店拓客”，你真的回答得上來嗎？
說直白一些，Consulting要的是“人話翻譯機”——把複雜研究簡化成客戶聽得懂的insight，而不是在ppt裡塞滿複雜的jargons。而恰恰是這些重Communications的東西，反而是本科和研究生競爭對手更有優勢。
那PhD進諮詢的可能性還有多少？關於這點，WST的PhD學員諮詢戰績最有發言權：
首先你要瞭解哪些公司哪些崗位相對來說更喜歡PhD？
1、綜合管理諮詢巨頭：
- MBB：這類頂級諮詢公司業務廣泛，涉及各行業，相對來說他們需要PhD帶來的深度專業知識和強大分析能力。
- Accenture：作為全球知名科技諮詢公司，電腦、工程等專業PhD能為其在人工智慧、巨量資料等前沿技術應用於企業轉型的項目中提供技術支援和創新思路。
2、專業領域諮詢公司：
- 醫藥諮詢公司：如Covance、IQVIA等，生命科學、醫學的PhD是核心人才，他們熟悉醫藥研發流程和法規，能提供從研發策略到商業化的全流程專業建議。
- 能源諮詢公司：例如Wood Mackenzie，地質學、能源工程等專業的PhD能對能源資源勘探、開發利用、市場趨勢等進行深入研究和分析，為企業提供精準的諮詢服務。
在熟悉了對PhD有偏愛的公司和崗位後，WST上岸諮詢公司的PhD學員都有一個共同特點：數量掌握Case Interview框架和解題思路。
Case是諮詢面試不可或缺的一部分，而想要贏過本科和碩士學生，PhD候選人就應該從自己的優勢入手，憑藉長期科研中形成的邏輯退到能力將問題拆解到更細緻的層次。例如在分析一個複雜的市場進入案例時，不僅能從常規的市場、競爭、企業自身等大維度拆分，還能在每個維度下進一步細分出多個子因素，並清晰呈現各因素間的邏輯關係。以上這些，WST都有專業的導師可以帶學生深入探討與練習。
除了以上三大熱門領域，WST PhD學員的Offer戰績還包括IBD、Trading等多個領域，以下僅展示部分：
3. PhD職業規劃，WST可以提供哪些幫助？
總結來說，如果你決定了要做求職規劃，WST“PhD轉工業界求職VIP Program”可以幫到你的包括但不限於以下三點：
學術成果 “變形”
一定不要讓你的學術成果在arXiv裡吃灰，把Research成果巧妙 “變形”，提煉出可遷移技能。
就好比你有CV 領域的project經驗，這就可以不只是簡單的一個項目經歷，你完全能把它包裝成 “複雜系統最佳化能力”，讓招聘官眼前一亮；如果你擅長生物統計模型，那也別謙虛，大膽將其轉化為 “商業資料分析潛力”。
學會這種成果轉化，你的簡歷瞬間就 “高大上” 起來，競爭力也就可以直接拉滿。
合理化時間管理
學術和求職的時間管理，無論對於誰來說都是一件難事。
畢竟對於學術路線的PhD學生來說，大部分時間都泡在實驗室或者埋頭Papers中。但如果你決定了去做求職準備，那如何利用碎片時間來平衡學術和求職呢？是肝論文，還是刷LeetCode，又或者是進行模擬面試？
WST的專業建議是，最好在畢業前2.5年就啟動Recruiting計畫，要知道，在工業界 “臨時抱佛腳” 是大忌，簡歷直接被秒拒都是常事。提前規劃好時間，一步一個腳印，才能穩穩地拿到高薪好offers。
Double Tracks申請模式
WST在職業教育領域11年，Double Tracks也是WST首次提出來的職業規劃方案之一。
WST很多PhD學員都採用了Double Industry Tracks的申請模式，甚至還會考慮Double/Triple Target Locations。即同時備戰多個求職方向和地點。比如，你可以一邊準備AI Engineer的崗位，一邊兼顧Tech Consulting；或者同時向Quant Trading和Software Engineering方向發力。
這樣一來，屬於PhD學員的選擇就會更多，成功的機會也大大增加。多給自己一些可能性，找到適合自己職業道路的機會就更大。
最後，PhD求職是一場與時間的賽跑。PhD求職路上的“硬傷”確實存在，但並不意味著你無法在工業界找到自己的位置。關鍵在於如何將學術成果轉化為工業界所需的技能，併合理規劃時間和申請策略。 (WallStreetTequila)