有学生上周问我，陶大程教授是不是不做CV了？
这个问题本身就说明一件事：大多数人对「顶级学者在干嘛」的理解，还停在刷Google Scholar引用数那个阶段。
陶大程教授现在是南洋理工大学的讲席教授，也就是Distinguished University Professor，这个头衔在NTU是最高级别的学术职位。他同时是澳大利亚科学院院士，也是NTU生成式AI实验室的首任主任。
我跟下来看他这两年的工作，发现了一个让人意外的转向。
他早期做计算机视觉和机器学习，在TPAMI、IJCV这些顶刊上发了大量文章，Google Scholar引用超过十万次。按照正常轨迹，这种级别的学者通常继续在自己的舒适区深耕，每年稳定产出。
但他做了一件不太一样的事。他回到新加坡之后，把研究重心从「用AI解决特定视觉问题」转向了「理解生成式AI的底层机制」。NTU专门为他成立了生成式AI实验室，这不是一个普通的课题组，是学校层面的战略投入。
这块儿我多说一句。很多人问我，一个导师转方向了是好事还是坏事？我的判断是，要看他转向的方向是窄了还是宽了。如果一个做自然语言处理的人突然去做推荐系统，那叫横向漂移，你进去可能方向不稳定。但陶大程这种转向，是从应用层往基础层走，是垂直深入。他带的学生反而可能接触到更底层的东西。换句话说，你拿到手的训练不是调包经验，是对生成机制本身的理解。
NTU的PhD项目对中国学生来说有几个实际的点要知道。学制四年，studentship覆盖学费加生活津贴，具体金额以offer为准。CCDS这个学院近几年扩招比较明显，但竞争也在加剧。
如果你现在正在考虑申NTU的CS方向博士，我觉得有三个维度值得想。
第一个，你想做的是工程问题还是科学问题。如果你想做一个能跑的系统，工业界可能更适合。如果你想理解「为什么这个模型能生成逼真的图像」，学术界的价值就出来了。陶大程教授的组偏后者。
第二个，你的数学基础。他的工作涉及大量的优化理论和统计学习理论，不是跑个实验调调参数就行的。我看他早期的代表作，数学推导占了论文一半以上。
第三个，你能不能接受一个正在建设中的实验室。生成式AI实验室是新成立的，好处是你可能参与定义这个实验室的方向，坏处是不像成熟的大组有现成的代码库和数据集等着你用。
适合的人大概是这样：硕士阶段做过机器学习理论或者生成模型的工作，对数学推导不排斥，英文写作能力还行，能接受新加坡四年全英文的科研环境。
谨慎的情况：如果你只做过调包跑实验，没有自己推过公式，他的组可能对你来说起步很陡。如果你急着发顶会刷简历，一个偏理论的组第一年可能出不了成果。不对，这么说不准确，应该说出成果的节奏跟工程组完全不一样，理论组的发表周期长但单篇含金量高。
说回来，我有时候觉得，选导师不是选一个「最厉害的人」，是选一个「他正在做的事跟你想做的事能对上的人」。陶大程教授的工作在往底层走，如果你也想往底层走，那值得认真看。如果你更想做应用，NTU还有别的组可能更适合。
下一步：去NTU CCDS官网搜他的个人页，看生成式AI实验室的介绍。然后找他最近两篇论文，做张对象-方法-贡献的小表。填得出来，再决定要不要套磁。
我手头资料只到这里，但有一个细节值得一提。NTU的CCDS跟本地产业界的合作很紧密，新加坡政府在AI方面投入很大，读博期间接触真实应用场景的机会比纯学术环境多。这对将来不管是留学术界还是进工业界，都是加分项。
