科學研究中「天賦」和「後天訓練」哪個更重要？

11-28

「學術天賦」的本質是什麼？科研中「天賦」和訓練哪個更關鍵？數理基礎對科研的意義有多大？「天賦」和基礎一般能否從事科研？

高分答案說了自然科學（其實主要是數理化）和 EECS，那我就從認知科學和認知心理學的科研角度來補充。

作為一個學心理學的人來說，我其實不知道大家所謂的天賦是什麼。似乎沒有人可以給一個操作性的定義，每個人都知道『天賦大概是什麼』，但是又不完全知道。另外，我們領域關於『先天v.s.後天』的討論實在是太多太廣，以至於其實覺得很無聊了。因此，我決定換一個角度來回答這個問題。

1、我覺得科學研究中最重要的是能力，至於這項能力是因為天賦獲得的，還是因為訓練獲得的，都比不上『你是否具有這項能力』這個命題重要。具備的就利用，缺乏的就補充。
2、任何一項重要的科學進步，都是在經年累月的積累之上產生的。

接下來，我會用我有限的網路遊戲經驗、有限的科研實踐經驗和有限的社交觀察經驗來說明在科學研究與技能樹的養成關係。

你決定玩一款網路遊戲，希望練就一個能在這個遊戲中稱霸一方的角色。然後，你就去問前輩：我這個角色要稱霸一方，我到底是應該選魔法師好呢，還是選劍士好呢，天賦值不一樣啊，還有，打怪練級有多重要呢？我覺得前輩可能會告訴你：選你喜歡的角色，然後去好好打怪練級，以及好好點你的技能樹！

於是你選擇了一個劍士，你發現物理攻擊和防禦都很高，因為劍士的天賦，升一級之後你的物理攻擊和防禦都漲的很快，但是你的魔法攻擊和防禦就很弱。這個時候，你會坐在那裡抱怨『我的職業選錯了，魔法攻擊防禦好弱』嗎？你不會啊，你會去打怪升級買裝備，攢有能力點數然後分配一些給魔法項，增強一點魔法防禦。另一方面，你的朋友選擇了一個魔法師，魔法攻擊防禦都很高，但是物理防禦弱爆了。他會去糾結『我天賦差，所以物理防禦低』或者『到底打怪還是天賦對我在遊戲中成為佼佼者更關鍵』這些問題么？他不會啊。他會去打怪升級買裝備，然後分配一些能力點來提高自己的物理防禦。你能從這個比喻中了解我想說的科研的成長途徑么？

如果你沒法從上面那個例子了解我想說什麼，那我就直接來說科學研究。如果你最終的目的是在科學研究中成為一個不錯的、高階的研究者，那麼你在還沒開始研究的時候思考『是天賦重要，還是訓練重要』到底對你真的在科研中有所成就會有多大的幫助呢？真正有幫助的，是你知道自己擅長什麼，然後了解自己需要培養哪些能力，彌補哪些弱點，然後認認真真地去打怪升級。科研過程中需要很多能力。這些能力的培養都是一個循序漸進的過程，有些人在有些能力上進步得快，在另外一些能力上進步得慢，但是不管快慢，你都需要訓練——不訓練你就沒有經驗值，沒有經驗值你就不能升級。

當然，現實的科研比遊戲更加辛苦。因為遊戲中，你作為一個劍士，主要去點前線進攻的技能樹就夠了，魔法防禦點一些就好。作為一個魔法師，你也沒有必要點太多技能給物理防禦。這是因為你在遊戲中可能找到12個人一隊一起刷副本，不同的人有不同的技能，合作的好就能成功推倒BOSS。但是科研中，大部分時間只有你一個人在戰鬥，有時候你的導師會和你組隊戰鬥，有時候你的實驗室的其他博士和博士後會跟你組隊。但是不管怎麼樣，你都會發現你需要自己狂點技能樹，因為沒人會幫你完成你的實驗和研究項目。

那麼，我就來講幾個現在能想到的重要的能力，在你做科學研究的階段可能會非常重要。

1. 領域專業知識，Domain Expertise
這一項可能是最容易的。因為獲得這項能力，你主要是搜索和閱讀理解。認知科學這種以實驗研究為主的領域中，廣泛的閱讀別人的實驗是非常重要的。你需要知道在一個領域中，人們都問什麼樣的問題，為什麼問這些問題，他們都有什麼樣的實驗結果，都有哪些重要的發現。獲得這項能力的方法非常粗暴——讀、讀、讀。讀的多的人就是比讀的少的人會有更多的領域專業知識。

2. 大圖景的思考和問問題的能力, Big Picture and Ask Questions
這項能力稍微難一點。因為它首先依賴於前一項能力，但是前一項能力的高低並不直接導致這項能力的高低。有些人讀paper讀的多，了解自己的領域在做什麼，但是缺乏思考，所以可能做實驗的時候提出的問題不夠深刻。在閱讀已有的文獻之後，需要想辦法把不同的文獻聯繫起來，然後真正去問一個關於『心智是如何工作』的問題，而不是簡單地把前人的實驗參數調一調，換個刺激，又做一遍。心理學領域，問出一個有意思的問題，一個可能有更深的坑可以挖的好問題，是一件非常不容易的事情。你會看到很多心理學、認知神經科學的研究，在問一個『看起來是問題，但是其實根本不是問題的』的問題，然後做了一個不需要做實驗就能想明白結果的實驗，得到一個一點也不有趣的結果，最後發了一篇看上去頭頭是道其實非常無聊的文章。

有些人在做研究的時候容易走上一條比較詭異的路，簡單的說就是來自文章，基於文章，形成文章。這樣的科研非常容易做，你讀一篇文獻，也不多想，就改幾個參數，得到一個類似但又稍許不同的結果，然後你拿著這個結果去發表一篇新的文章。我最多會讓沒怎麼做過科研的本科生這麼做，因為他們只是需要了解一下做科研的流程長什麼樣。但是真正在科研這條路上走下去，這麼玩是不行的。科研最難的地方，當然可能也是最有意思的部分，就是你通過反覆的思考，產生一個別人沒有的想法，並實現這個想法，得到一個別人都不知道的結果，從而增進大家的知識。

3. 完成一個實驗的能力
做心理學實驗，是一件簡單，但是又不那麼簡單的事情。你需要學一些已經成行的範式，但是有需要懂得對範式進行修改來回答你提出的問題。而且，如何成功地編寫一個實驗，如何有效地收集數據，如何分析結果都是需要練習的。在執行實驗的時候，還有很多細節是你不去做你就不知道有多難的，因為在文獻的『方法』這個章節中，以前的作者是不會把所有細節巨細無遺地告訴你的。我也看到過好幾個例子，同樣一個實驗，有些人就是做得出來結果，有些人做就是做不出來，哪怕是在同一個實驗室，在同一個導師的指導下。你說這是天賦，還是訓練導致的呢？很難說清楚，因為可能某一個同學就是無意間注意到了一個關鍵細節，而另一個學生就是沒注意到。這種東西，只有兩個同學之間不斷討論，才最終能夠解決。

當然，關於領域本身還有更多的能力，我也沒法一一道來，歡迎大家討論補充。但是這裡，我需要講兩個大家可能會忽略，或者外行人一般都不會考慮到，甚至外行人會認為做科研的人不需要的能力。

4. 社交和溝通能力
很多人都覺得科學界的人不需要社交能力，他們都是nerd或者geek, 他們靠智商交流。這種概念裡面，只有一個部分是對的：科學界的確是有很多nerd或者geek。但是，並不代表你就可以不具備良好的社交能力，也不代表你就可以用『我是做科研的』為借口來解釋你的糟糕的社交能力和令人討厭的社交方式。

是的，科學界的人很多都有社交障礙：不擅長社交或者在社交場合感到不適應。但是，至少在認知心理學和認知神經科學領域，你需要去參加很多會議，你可能需要找牛逼的人合作，你可能有一項技術和一個問題需要找『高階玩家』指導，來告訴你實驗應該怎麼改進，甚至來告訴你關於你的研究什麼意義。這些都是需要良好的社交和溝通能力來支持的。我就舉幾個例子：

A) 你在會議上，海報環節你需要向來往的人報告你的海報。這是你宣傳你的研究的最好機會，不管你是不是願意，你都需要大膽地攔截下路人，然後跟他/她說『我來跟你說說我的研究吧』。否則的話，大牛從你眼前飄過，看都不看你的海報一眼。

B) 我們系有新的畢業生過來應聘助理教授職位。他們會給報告，但是也會跟學生和教授們共進午餐、晚餐，以及交流。說實話，在這些交往過程中，表現得不好的都被拒掉了，不管你發了多少paper，發了多好的paper。沒有人希望跟一個相處起來很難受的人一起共同工作，不管你有多厲害。

C) 還是助理教授應聘。他們都會給報告(Talk)，報告給的差的，都被拒了。如果你不能有效地傳遞你做的工作，在一個小時內用清晰的邏輯說明你過去的工作解決了什麼問題，為什麼重要，那麼不管你發了多少paper，發了多好的paper，你都是會被拒掉的。

5. 寫作能力
有些人會覺得，我只要研究吊炸天，就能發好paper，我就能成為業界大牛了。事實是，所有低估寫作能力的人，都會在某個時刻自己打臉的。所有的博士，以及絕大部分的博士後，都應該正在經歷，或者經歷過這樣一個階段：你在把自己的研究寫出初稿之後，交給你的導師，然後得到的反饋是『革命江山一片紅』——基本上你的導師把你所寫的東西都改掉了。有時候，你不會看到『一片紅』，原因很簡單，你的導師乾脆從頭寫了一篇新的。在這個過程中，你的成長的指標是改完後的文章有多少個字是來自你的版本的。

同樣是一個實驗，你寫的版本可能連初審都不過，你導師寫的版本可能就能中NIBS。你寫的版本可能就是個三流期刊，你導師寫的版本可能就能上頂級期刊。為什麼？因為你的導師寫的文章比你的好。你時不時也會看到很好的期刊發表的文獻，非常簡單，你都可以隨便做出來，於是你就疑惑——為什麼我的實驗就只能投Perception，別人的實驗就能投Current Biology呢？原因很簡單，人家寫的文章就是比你好，語言流暢，思路清晰。於是你就問了，到底是天賦重要，還是訓練重要呢？於是你會發現，大部分作家都會告訴你，寫作是一件主要靠長期訓練所練成的能力，沒有人是天生的作家。信不信，你自己決定。

為了不引起誤解，我需要解釋一下關於寫作對科研的影響。不要以為把研究寫成文獻只是一個簡單的陳述和修辭過程，然後鄙夷別人說：他不就是文章寫的好么。實際上寫作是一個對你的實驗和研究的深度反思過程。你在寫作的過程中，需要不斷地思考自己做的東西的意義、影響和相關的領域，這個過程你可能會對你的已有的研究產生新的看法。你的導師之所以能拔高你的文章的檔次，是因為他們以自己的知識能夠站在更高的角度看待你的研究，從而賦予你的研究新的生命——這個思考過程也是你需要通過練習習得的。

以上這些能力，有些是你完成當下的研究實打實需要的，有些是你展開將來的研究需要的，還有一些是會影響你的研究但是你卻忽視他們的影響的。當然，在科研這個領域，最終還是需要踏踏實實地想點子，做實驗，收數據，反思結果。成長過程中有很多種可以長歪的方式，也有很多種點歪技能樹的途徑。一路上，只靠你一個人肯定是不行的。所以這個時候，我就要說一下關於訓練的重要性。已經為什麼很多人會說要去優秀的實驗室接受訓練。

一句話總結的話，那就是：好的訓練經歷能讓你更快地增長經驗值，成長等級，習得比較全面的技能樹。
我們還是從遊戲的角度出發。你在剛開始玩遊戲的時候，肯定不希望一個人毫無目的地出去打怪。你肯定希望有高等級玩家跟你組隊，帶你刷怪練級。為什麼？因為這樣獲得經驗又快又多，升級也快，撿裝備也利索，你死在野外的概率也小。但是，如果你跟錯了隊友，可能就在野外被小怪獸全滅了，或者升級巨慢。如果你一個人solo，很可能花了很長時間也升不了一級，然後你就覺得這個遊戲沒意思，接下來就不玩了。你能把這個比喻擴展到科研上么？

如果你不能擴展上面的比喻，我就直說吧。在好的實驗室，在好的導師的帶領下，他帶著你做科研，你會得到更好的指導，容易閱讀到更廣泛的文獻（因為他可以指導你要讀什麼），也會有更寬廣的思考範圍（容易把握大圖景），也比較容易做好一些實驗，獲得成果。最後，寫文章的時候，也容易得到更好的提點。換句話說，你在好的實驗室，因為他們有好的訓練，你在科研這項遊戲中會更快地獲得經驗值，從而提升等級，完善技能樹。但是，如果你沒有得到有效的訓練，就像你一個人solo在野外打等級低的小怪獸一樣，時間花了很長，你也還是沒有提升。

有人說，好的導師是博士成功的最重要的因素。我比較認同，也不準備過多闡述。這裡我想說一個經常被人忽略的環節：你的同僚。在好的實驗室，不僅僅是因為你有好的導師，你還有更有可能有很好的同僚——你的博士或者博士後同學，你的師兄弟姐妹。這些人是每天與你交往，並且真的能夠給你具體的、實際的幫助的。大多數時候，你的問題可能無法從導師那裡得到幫助，比如他們很忙；這個時候，你如果有給力的小夥伴，你同樣很容易獲得經驗值，提升等級。

我覺得科研成長的過程中，有人指點是很重要的，這一點毫無疑問。所以你可以說訓練非常重要。那你問天賦重要麼？我只說這樣一句話：你是個劍士就別一心提高自己魔法攻擊防禦；你是個魔法師就別一心提高自己的物理攻擊防禦。你是個劍士，就沒法修鍊成魔法師的奧義，同樣，魔法師也沒法練就劍士的奧義。但是，不管你是哪種職業，你都能在遊戲世界中非常厲害。

怎麼在科研領域來理解上面的比喻？很多人把科研當做是一個簡單的解題過程，有意無意地認為有一個正確答案。所以這些人以為只有那些解題能力強的人才能獲得科研的成功。這是不對的。每一個科學問題都是一個開放是問題，沒有唯一的正確解。你可以從一個問題想到A的解法，他可以從同一個問題想到B的解法。這兩個解法可能完全不同，但都非常棒，於是很可能你和他就分別開闢兩個新的領域。

心理學研究尤其如此。沒有哪種實驗是唯一正確的解法，關鍵在於你敢想敢實驗。你可能不擅長數學，但是比較會做實驗，那你就可以用非數學的方法研究一個課題。他可能數學很強，他可能就用數學建模的方法研究同一個問題，你們倆最終都為解決這個問題貢獻出了有趣的新知識，有可能你們倆最終都成了大牛。你用什麼工具和方式研究一個問題並不決定你是否在心理學研究中有所成就——真正決定的是你願意去研究這個問題，並不斷嘗試，直到最終搞出來。我覺得心理學研究門檻挺低的，只要你願意做，很多都可以做。心理學門檻如此的底，以至於一群根本不懂得研究的人也在這裡面瞎參合，並且聲稱自己做的是心理學研究。所以，你如果要做，還是要接受正規的實驗心理學訓練才對。

最後我來說說數學在我們領域的重要性吧。簡單的說：多學點數學只會有更多的好處。我在本科的時候，我們的數學訓練很簡單。但是就算在這麼簡單的情況下，還有一堆的本科生說『我是學心理學的，為什麼要學數學？』我看到各種不想學數學，不想學編程的心理學本科生。一句話：這些人如果選擇了科研，基本都在某個時候後悔過，都是後悔自己當年沒好好學數學。

心理學對數學的要求可以高，也可以低。作為一門實驗科學，基本的統計知識是肯定需要具備的。如果你連t檢驗都不懂，還嚷嚷著為什麼我要學數學，學t檢驗，那麼你可能不適合做科研。同樣的，作為一門實驗科學，你需要數學工具來讓你的數據具有意義——數據分析是不可避免的一步，不管你是組織管理心理學、認知心理學、或者甚至是臨床心理學。但是老實說，這些數學要求並不高，你花時間好好學，都能學懂。當然，如果你的數學能力強，那麼你可以嘗試一些計算模型、計算神經科學的挑戰。這裡有廣闊的空間等待你去探索。

有一次，某個視覺研究的大牛教授在組會上說過一句話

我跟那個學生說，你們理科生啊，就是太聰明了，結果把事情就想複雜了。你看我們文科生，設計一個實驗，簡潔乾淨，回答問題清清楚楚。

如果你對於這句話的理解是『你看大牛都這麼說的，學數學壞思維，理科生想得多，所以我不需要學數學，我去學做實驗就可以了。』那你可能也不太適合去做科研。因為句話的意思是理科生要打破思維定勢，而不是你不需要學數學。

說了很多，我最終也沒有告訴你們到底是天賦重要，還是訓練重要，雖然你可能會發現我其實默默地再說訓練重要。我還是要重複最開始的話：能力是最重要的，你具有某種能力，那就好好利用，你不具備，就好好鍛煉。你要了解自己有什麼能力，要補充短處，但也不要害怕，因為不管你是劍士，還是魔法師，你都可能在科研這場遊戲中獲得成功——如果你好好打怪升級長技能樹的話。

補充之鑫的回答：科學研究中「天賦」和「後天訓練」哪個更重要？ - 王之鑫的回答

常人往往覺得數學和理論物理厲害的人有天賦，是因為很多早期訓練並不是能被其他人明顯地觀察到的。比如實驗科學的訓練往往需要比較好的物質條件，但理論科學可以隨時隨地地工作。理論科學家『工作』和思考的時候不一定是在辦公室里，也許是在散步，等到需要到辦公室開工計算的時候往往已經想得八九不離十了。

很多人覺得數學家是天才，但忽視了數學家早期（比如小學時期）由於興趣所激發的自我訓練。這種勤奮是沒法模仿的，必須是真的感興趣才會有。至於為什麼有人會感興趣，有人對別的感興趣，我覺得這個問題太複雜，但環境因素很重要：比如家庭環境、個人性格等等。因為做這些事情的時候別人往往不會注意到，也沒有短期明顯的獎勵，所以往往會被別人忽視，只有做的人自得其樂。不知不覺地這個人的數學能力就提高了。

自我訓練能強到什麼程度：洗澡、上廁所、甚至是睡覺都在做數學題。據說俄羅斯數學家格里高利.佩雷爾曼（因證明百年難題龐加萊猜想獲得2006年菲爾茲獎，但本人拒領）小時候除了做題還是做題，解決問題成了他唯一關心的事情，蘇聯的發達的數學競賽體系也給了他這種機會。著名數學家田剛先生說自己大學四年里做了上萬道習題。這種訓練強度，如果沒有執著的興趣，是做不到的。興趣是自發的，沒法自己強迫自己。此外，費曼的妻子也曾經抱怨，費曼似乎不論什麼時候都在計算積分。

另外：
美國很多學生本科做科研，有時候是為了攢經歷申請graduate school用。美國學生申請Graduate School是一定要有本研的，他們很強調這個。中國學生的本科機會少一些，但真心打算做學術的，到了美國以後，也很快在科研上能趕上他們。畢竟科研是個長達十數年的訓練過程（從博士、到博士後、到junior faculty，應該說到了senior faculty階段人的科研思想和方法才比較成熟），本科這點科研經歷是皮毛而已。

（2016年1月9日第一次補充更新，幾點想法和一些閑話加在了最後）

寫在前面

1. 由於我專業背景的原因，本文在討論科研時多以自然科學（生命科學、物理、化學等）為例。期待有來自其他學科的童鞋能發表更多不同視角的觀點。

2. 作為一年級博士生，我對學術的理解還很膚淺。本文僅代表個人觀點，意在拋磚引玉，歡迎大家的建議與批評

我的觀點是，一個人的學術能力主要由後天訓練決定。特別是對絕大多數自然科學研究而言，環境和訓練的重要性遠遠高於先天差異。

I. 「學術天賦」的本質是早期訓練

在用科學的態度討論任何事情之前我們都要首先明確它的定義。個人認為「天賦」比較簡單合理的定義是「由先天生物學原因導致的、單憑後天訓練很難獲得的過人能力」，強調「先天原因」從而與「後天訓練」相對。例如，著名演員、歌唱家 Julie Andrews（電影《音樂之聲》中女主角 Maria 飾演者）八歲時就被發現擁有四個八度寬的成年花腔女高音音域。天賦異稟的小 Julie 也因此從歌劇開始了自己的藝術生涯。

那我們身邊的「學神」們也都是天賦過人、無法超越嗎？我認為，除了極個別能被記入歷史的「神童」外，幾乎都不是。人們通常認為的「學術天賦」往往是早期訓練的結果，以及一些暫時的、與學術潛力關係不大的個體差異。

很多人總把「數學好」當成天資聰慧的標誌。但其實一個人的數學水平主要是在日常訓練中形成的，「數學天才」出現的關鍵是從早期開始並持之以恆的系統訓練。數學是以嚴格邏輯為基礎的純理論學科，其知識體系非常牢固，思維方法抽象而嚴密，結論對錯分明。因此，數學的精髓可以很完整地記錄在書本中，我們只要能有紙、筆、書和有益的指導與討論就能有效地學習數學，而不太需要直接與自然和社會接觸，除抽象形式邏輯和以其為基礎的直觀想像力之外也不直接依賴其它思維方法。由於訓練條件簡單，思維方式明確，數學能力比較容易通過早期系統訓練得到顯著提高。實際中我們也發現，「學術天才」多集中於數學、計算機科學、注重抽象形式的理論物理等以數理邏輯為核心的理論學科，因為這些學科最容易通過早期訓練積累明顯的優勢。

與數學形成鮮明對比的是以生命科學、化學為代表的實驗科學。這類學科研究的都是非常複雜的自然現象，普遍適用的理論很少，主要研究方法是實驗歸納而非邏輯演繹。實驗科學的前沿充滿著我們對自然的不理解，知識體系不穩定且更新很快，各種經驗、直覺往往成為研究的關鍵，而這些經驗、直覺又因具體問題、實驗條件和研究者的個人風格而異。因此，學習實驗科學最重要的是與自然直接接觸，一個人的實驗研究能力只有在有經驗的科學家指導下大量參與實驗室工作後才能得到本質提高，真正意義上的學術訓練是一般是在本科高年級或研究生階段加入實驗室後才開始的。

因此我反對「學數學比學生物更靠智力與天賦」的說法，它錯誤地定義了「天賦」，且忽略了不同學科訓練方法的本質差異。我認為合理的解釋是：無論是數學還是生物，「天賦」的本質主要都是早期優勢，並非與生俱來而是通過科學的後天訓練獲得的。不同的是，數學能力主要通過讀書做題培養，從小系統訓練就很容易在同齡人中脫穎而出；而實驗科學的本質決定了它精華很難在實驗室外被學到，因此很少有人能有機會和條件積累早期優勢，但一旦能其效果也是明顯的——麻省理工學院和 Broad 研究所最近備受關注的華人生物學家張鋒，從高中二年級開始就在 Des Moines 市衛理公會醫院的人類基因治療研究所系統地接受現代分子生物學的科研訓練。從那時起他的科研節奏就一直快於大多數同行。

除了早期優勢，人們還往往會把由記憶力、反應速度、思維習慣、基礎狀況等因素造成的學習效率與效果差異歸結為天賦。其實這些暫時的個體差異很容易通過高水平的科研訓練彌補，對真正的學術發展影響很小。我會在後面更詳細地解釋這個觀點。

II．數學能力對大多數自然科學研究意義有限

我們如果不小心對科研產生了興趣，在選擇是否從事學術研究時往往會先對自己做一下能力評估。在各項指標中，學習成績其實是一個不太重要的因素，因為考試關注的主要是學生短時間內接受知識而非創造知識的能力，它通過限制資源和時間放大了學生之間記憶力、熟練度等與科研關係不大的個體差異，而很難考察對知識的深入理解、具體應用、實驗水平、提出新問題的能力等真正的「科學家素養」。在優秀的科學家中，學生時代成績一般的大有人在。

進入大學時，我們在專業知識和實驗能力上的差距一般不大，因為它們必須經過正式的科研訓練才能培養。但是，少數童鞋通過早期積累形成的數理基礎優勢卻是很明顯的。時間無法倒流，我們不能再通過早期訓練將自己重塑成「數學天才」。但沒有出眾的數理基礎並不代表我們已經在科研的起跑線上落後，更不應成為我們畏懼科研的理由，我認為原因有三：

1. 真正數學基礎超群的只有極少數人，傑出的科學家中絕大多數也並非數學天才；

2. 數學能力並非只能從小培養，從當下開始努力我們的數學水平也能有顯著提高；

3. （最重要的一點）數學能力的優勢對大多數自然科學研究意義相當有限。

事實上，對研究者數學能力要求很高的只有個別學科。同時我認為，對數學能力要求較高的理論研究並不比其他科研更「高貴」；恰恰相反的是，對數理基礎要求不高的學科組成了自然科學的主體部分，集中了最多的重要問題，對研究者而言也有更多做出重要工作的機會。

自然科學的根本任務是認識與理解自然規律，其研究的最前線是發現前所未有的自然現象，並對其中的規律給出把握核心的解釋。新現象的發現、新規律的提出意味著自然科學的突破性進步，而這最初的解釋往往並不是非常系統嚴密的。此時理論的框架尚未建起，科學家們主要通過直觀概念、圖像、直覺而非數學邏輯來進行思考。當這一研究方向逐漸成熟，更多的知識積累使得理論體系日益完善，數學在研究中的作用也就越來越重要。最後，新現象的發現越來越少，更多的工作就會集中於理論體系的嚴格化，大量依靠數學方法。

在簡單概括了一個自然科學研究領域的成長史後，我們會發現，一個領域新問題最多、對研究者而言做出重要工作機會也最多的階段是它的初生期而非成熟期。初生期也是一個學科知識體系最模糊殘缺、數學用武之地最少的階段。奠基者的工作就是讓清晰取代混亂，通過基於現象的直觀思考建立學科的基礎和邏輯，此後更多的問題才能通過數學來描述和解決。因此，對自然科學而言，混亂與不成熟恰恰代表著最多的機會與活力，對數學要求較低的學科往往是非常激動人心的學科，很值得我們投身其中。對此我推薦著名理論粒子物理學家 Steven Weinberg（1979年諾貝爾物理獎得主）的一篇短文 Four Golden
Lessons [Nature 426,
389 (2003)]，其中他對年輕科學家的一條建議是「Go for the messes — that』s
where the action is.」

舉點具體的例子。截至目前，自然界實驗證實的基本粒子只有61種；而生物體中蛋白質的種類數則是一個非常龐大的數字，僅在人體中發現的就已超過十萬種。經過半個多世紀的發展，粒子物理標準模型已經取得了巨大的成功，能夠通過理論計算相當精確地解釋和預測絕大多數基本粒子實驗現象；然而，大量對生命活動至關重要的蛋白其結構目前仍然未知。因此客觀地說，分別作為生物學和物理學的最基礎部分，當前結構生物學中的重要問題在數量上遠多於基本粒子物理。而前者高度經驗化，後者數學相當嚴格。生命現象的複雜與豐富將無數問題擺在了生物學家面前，且其中很多都能在當前的實驗條件下得到解決，成為重要的研究突破。由此我們就不難理解為什麼當前世界一流研究型大學多以生物醫學類院系規模最大，生物學家在世界頂級學術團體（如美國國家科學院）中佔有最多的席位，追蹤自然科學最前沿的頂級綜合學術期刊（如 Science、Nature）都以發表生命科學的文章為主。

物理學內部也有類似的規律。二十世紀下半葉是粒子物理的黃金時代，人類對自然界的基本組成和基本相互作用有了前所未有的深刻認識。然而黃金時代的基礎是一度「每兩周就有一種新粒子發現」的實驗進展速度和由此湧現出的大量新問題。進入二十一世紀後，粒子物理理論日趨完善，而實驗進展卻越來越困難，物理學整體最活躍的領域也逐漸轉移到了現象豐富、新發現不斷、理論實驗互動良好的凝聚態物理和原子、分子、光物理。而這些領域由於研究對象的複雜性，其理論嚴格程度遠不及基本粒子物理。此外我們也能看到，獲得諾貝爾物理獎的工作大多數是重要的實驗發現、開創性的實驗方法和首先解釋新發現、預測新現象的唯象理論，只有很少的得獎工作屬於抽象的形式理論，而未經實驗驗證的理論即使數學形式再完美也不能獲獎。

關於數學和自然科學的關係再引用兩個大科學家的觀點。哈佛大學著名生物學家 Edward O. Wilson 是蟻類研究的世界權威、社會生物學之父。他一生榮譽無數，甚至和作家搶飯碗，兩次憑學術著作獲得普利策文學獎（General Non-Fiction，一般非虛構作品類）。他把自己對年輕科學家的建議匯總成一本小冊子 Letters to a Young
Scientist (Liveright, 2013)，在其中特彆強調數學能力出眾不意味著科研的成功，數學基礎不足也絕不是迴避科研的理由，並不惜自曝「黑歷史」：自己大學前從沒學過代數，33歲拿到哈佛大學終身教職後才和大一新生一起學微積分，教室里還坐著兩個自己進化生物學課上的學生。不過他說自己並不孤單，因為他認識的許多傑出科學家數學都只有「半文盲」水平，並總結出兩條經驗定律：

「一、自然科學家找到數學家或統計學家合作，比數學家或統計學家讓自己的方程在科學中有用容易得多。」

「二、一個人無論數學水平如何，他總能找到一個憑藉自己的數學能力就足以做出傑出成績的科學領域。」

第二個例子關於著名理論粒子物理學家 Richard P. Feynman（1965年諾貝爾物理獎得主）。他1964年在康奈爾大學的系列科普講座被出版成演講錄 The Character of Physical
Law (Penguin, 1992) ，其中第二講 The Relation of Mathematics to
Physics 和第七講 Seeking New Laws 討論了數學與物理的關係以及理論物理的本質。其中他強調，數學關注的是邏輯形式，而物理更關注方程中每一項在自然界中的具體意義；即使是理論物理研究，其關鍵也在於基於物理直覺的「猜」而非基於數學方法的「算」。

最後舉兩個我自己的經歷。耶魯大學的理論凝聚態和光物理學家 A. Douglas Stone 曾經在我展示工作時批評我：「當我們理解一個物理現象時，『用數學推出來的』是一個很糟糕的解釋。」麻省理工學院的實驗原子物理學家 Vladan Vuletic 曾兩次囑咐我：「如果我們還需要用公式理解一個物理現象，就說明我們還沒有真正理解它。」

III. 訓練決定高度

綜上我認為，「天賦」的實質是早期訓練，但大多數科研領域並不依賴早期培養的數理基礎，真正決定我們學術能力的主要是科研訓練水平。努力當然是必須的，但後天訓練的關鍵不是苦力，而是思想方法的水平。由訓練水平差異導致的能力差距，是天賦和努力都很難彌補的。

有些童鞋可能聽過下面這個據說是愛因斯坦最喜歡的笑話：一個人的汽車出了問題，大修一番也沒修好。但在另一個修車店，師傅繞車轉了十分鐘，然後上緊了一個螺絲，車就好了。最後師傅開出了200美元的收費單：「上緊螺絲：5美元；知道上緊哪個螺絲：195美元」。

這個段子其實和科研相當地類似。基礎知識、重複的實驗操作或繁雜的數學推導大概相當於「擰螺絲」，雖然人人都得會，早期基礎好會學得更輕鬆，但這些已經形成的知識並不是科學家創造力的主要體現（5美元）。而「擰哪個螺絲」就是形成中或待形成的知識，這些前沿的問題往往還沒有一般規律可循，是體現科學家創造力的關鍵（195美元）。優秀的科學家往往在大量經驗積累的基礎上對這些問題產生了相當獨到的思考和解決方式。但這些最前沿的方法通常適用範圍非常有限，很依賴經驗與直覺，只會在師生、同事和密切的合作者之間傳播，並成為實驗室或合作組的核心競爭力。在科學知識過去幾百年的積累、特別是過去一百年的爆炸式增長面前，「擰哪個螺絲」越來越不可能由沒有足夠積累的「天才」一拍腦袋想出，對於實驗科學來說也沒法寫入書本，我們如果想知道就必須要加入最領先的研究團隊。只有站在足夠高的平台上，接觸到對創造知識最關鍵的思想方法後，我們的主觀努力和智慧才能有真正的發揮空間。

舉個幾個實驗室核心競爭力的例子。極端條件在很多物理實驗中非常關鍵。比如在冷原子實驗中，激光光譜線寬每窄一個數量級，原子氣體溫度每低一個數量級，就很可能會有新的原子-光子相互作用現象和物質凝聚狀態出現。在凝聚態實驗中，樣品純度（電子遷移率）每高一個數量級，人們就很有可能觀察到新的電子集體運動形式。然而最領先的光譜技術或材料生長技術只有很少的實驗室掌握。這些技術代表著當前人類控制自然的極限，源自實驗室大量的經驗積累（有時甚至需要幾十年），遠沒有實現標準化和商業化。再比如，在我目前所在的實驗室，我們對什麼是電阻、什麼是電源、電壓表究竟測什麼之類看似非常簡單的問題都有著與標準教科書相當不同的理解方式，而這些獨特的認識正是我們設計、實現和控制宏觀人造量子系統必不可少的基礎。「擰哪個螺絲」好比是實驗室的「基因」，要想掌握它們，除了加入研究團隊接受幾年嚴格訓練外別無他法。

從當代傑出科學家們的背景經歷中，我們會發現他們的成長環境、性格特點、早期基礎千差萬別。但有一點高度類似，就是絕大多數人都至少在博士或博士後階段在知名科學家領導的頂尖實驗室工作過。這對最前沿的自然科學尤其明顯。隨便舉幾個例子，2012年獲得諾貝爾物理獎的兩位實驗原子物理學家中，Serge Haroche 的博士導師是1997年諾獎 Claude
Cohen-Tannoudji，後者的博導又是1966年諾獎 Alfred Kastler，三代諾獎同來自巴黎高等師範學院的 Kastler Brossel 實驗室；另一位得主 David
Wineland 的博導是1989年諾獎 Norman Ramsey，後者的博導又是1944年諾獎 Isidor
Isaac Rabi。從1949年的湯川秀樹到2015年的梶田隆章，日本過去半個多世紀內獲得諾貝爾獎的幾代粒子物理學家間都有師生傳承或師出同門的關係。我也請教過一些有經驗的科學家如何決定去哪讀博士，得到最多的回答是：「找個好導師。」

不少人有這樣的觀點：我們從小到大見過太多坐在同一個教室里，有人領先有人掉隊的例子，這難道不就是訓練條件相同、靠天賦和基礎爭高下的例子嗎？這個現象很好解釋，因為大家同時在接受低水平的訓練，只好讓一點點天賦、基礎和個人習慣的差別決定最終的結果。遺憾的是，在中國，機械、重複、毫無創造力的灌輸式教學從中小學到最好的大學都非常常見，以至於讓很多人誤以為這就是後天訓練的唯一形式，而不知道以創造知識為目標的學術訓練與此有根本的不同。其實在受到真正的高水平訓練、站上更高的平台後，我們一時的基礎差距幾乎可以忽略不計，曾經的落後可以很容易地變為領先。從另一個角度理解，科研是極富創造力的活動，高水平的訓練各不相同，而低水平的訓練常常是類似的。如果我們感覺當前大家受到的訓練都非常相似，也許就該反思一下這種訓練的水平是不是不夠高。

舉個例子。麻省理工學院 MIT 擁有美國規模最大的物理系，但2015年秋季的研究生招生中在全中國只發了三五個offer。不過我在今年四月初 MIT 物理系的 Open House（大學和院系在公布錄取結果後組織的訪問活動，以便被錄取的學生決定是否接受 offer）中卻見到了很多亞洲面孔，其中不少是在美國或英國讀本科的中國學生。他們大部分並不來自綜合知名度最高的大學，但都有在世界一流實驗室的科研經歷，很多人的本科科研導師都是相當知名的物理學家，談論前沿的研究問題時都表現出國內學生少有的專業與成熟。其實經過層層選拔進入中國一流大學的奧賽高手和高考狀元中，很多人當年的高中基礎明顯好於出國讀本科的同學。但由於大學科研訓練水平的差距，四年之後兩邊學生的相對競爭力就發生了顯著的變化。

所以按我現在的理解，從事科研除了要有主觀的努力和持久的興趣外，最重要的是抓住一切機會加入世界一流的研究團隊，獲得最好的訓練條件。大多數中國學生學術發展的主要限制因素是高水平訓練機會的匱乏，而非天賦和基礎差距。不過很多中國大學近些年都有非常可喜的變化。例如在我的母校清華大學，由於幾位著名科學家和一批在世界一流實驗室受過嚴格訓練的青年科學家的加入，一些學科方向的科研訓練水平在過去十年間有了前所未有的本質進步。這些科學家們也逐漸把一種非常純粹的崇尚學術的價值觀帶到清華，讓更多其他專業的同學從中受益。這是一個很好的開始，但就我自己在兩邊讀書的觀察和體會來看，清華整體與世界一流研究型大學的差距還是非常本質的。

IV. 起跑落後的科學家並不少見

如果當前既沒有很好的基礎也沒有高水平的訓練環境，從事學術還來得及嗎？我認為如果未來有接觸高水平訓練的機會，那麼還是來得及的。因為和一個科學家幾十年的學術生涯比，幾年的暫時落後不算什麼。即使是在今天競爭無比激烈的美國學術界，僅僅我知道的起步很晚或本科訓練條件非常一般、但最終成為優秀科學家的例子就有不少：

著名理論凝聚態物理學家 Anthony J. Leggett（2003年諾貝爾物理獎得主）在英國二戰後特殊的教育體制下從13歲起一直到大學本科都在專攻 Classics 專業（希臘、拉丁語言與文學），本科畢業後發現自己興趣有變，又讀了第二個本科才從零基礎開始學物理。

耶魯大學的理論凝聚態和光物理學家 A. Douglas Stone 本科專業為社會研究，大四那年突然被量子力學激發出了學習物理的興趣，並在畢業後改讀物理。他在碩士畢業時還沒有系統地學過熱物理學，在 GRE 物理考試中也因此遇到一些困難，但這並不妨礙他在七年後就做出了預測介觀系統中電導量子漲落的重要理論工作。

加州大學聖芭芭拉分校（University of California, Santa Barbara，簡稱 UCSB，美國物理學頂級名校）的實驗量子物理學家 Ania Bleszynski Jayich，中學時曾是十八歲及以下網球女子單打全美排名第一。她剛進入大學時的專業是 Pre-medical（醫學預科），但後來發現自己實在不喜歡化學。在二年級結束後允許轉專業的最後一天，她從還可供選擇的斯拉夫語和物理中選了後者。大學前兩年她沒有學過任何物理課，大三時和其他大一新生坐在一個教室里，本科也因此讀了五年。

科羅拉多大學博爾德分校（University of Colorado, Boulder，簡稱 CU
Boulder）是世界原子、分子和光物理研究的聖地，2001年至今已在這一領域產生了四位諾貝爾物理獎得主。近些年又有兩位年輕的學術明星加入 CU Boulder——實驗量子物理學家 Cindy Regal 博士期間就是費米凝聚體的共同發現者，理論原子物理學家 Ana Maria Rey 於36歲時獲得 MacArthur
Fellowship（民間俗稱麥克阿瑟天才獎）。然而 Cindy Regal 本科來自 Lawrence
University，這是一所位於威斯康星州的文理學院，2015年在 US News 全美文理學院（不含研究型大學）排名中位列57名，並且藝術類專業規模最大，物理系教師只有幾個人，她是目前系友中唯一的名校教授。Ana Maria Rey 本科畢業前一直在南美洲的哥倫比亞，在她讀書時哥倫比亞全國甚至都沒有物理學的研究生教育。她在獲得 MacArthur 獎後的採訪中說：「我希望這表明哥倫比亞人也能做出了不起的事情，來自哥倫比亞並不是我們的限制。」 Ana
Maria Rey 也是 CU Boulder 四位得過 MacArthur 獎的物理學家中的第三位女性（之前兩位之一是 Cindy Regal 的博士導師 Deborah
Jin）。此外，以上提到的所有女神科學家們全都學術家庭兩不誤。

上述幾位物理學家除了都是起跑線上的落後者外，還有一個共同特點，就是在明確興趣、科研真正起步後一路名師指導。例如，Ania Bleszynski Jayich 大三改學物理後就加入了實驗室，本科科研導師就是著名實驗原子物理學家朱棣文（1997年諾貝爾物理獎得主）。所以，一時落後關係不大，但最終訓練決定高度。

寫在最後

我認為訓練決定高度，但有好的訓練條件並不意味著科研發展就能一帆風順。因為即使身處同一個實驗室，不同學生態度、熱情、思維方式、努力程度、交流習慣等主觀因素的差異會使得大家實際接觸到的訓練資源很不相同，長期下來就會產生明顯的水平差距。事實上，再好的實驗室也只有少數學生最終能成為名校教授。所以，好的訓練環境是前提，如何充分利用各種高水平的訓練資源則是更考驗我們的地方。在這個問題上，相比於天賦，我們自己的態度、方法才是關鍵，這也是許多傑出科學家回顧自己的學術經歷時最重點強調的。

在接受了足夠好的訓練之後，決定我們高度的會不會就變成了天賦呢？就像同樣作為訓練有素的物理學家，愛因斯坦的貢獻還是明顯大於今天絕大多數世界名校的終身教授一樣。這個不好說，因為作為學生，我們離這個階段都還差得太遠，沒有任何切身體會。不過我覺得我們暫時不必考慮這個問題。如果有一天我們真能達到高水平訓練所致的頂峰，那時我們對於科學的貢獻就已經無愧於自己最初的選擇了。

致謝

非常感謝兩位來自不同研究領域的小夥伴（審稿人）對本文的討論、建議與啟發：

楊斯思（耶魯大學醫學院細胞生物學系博士生）

李星河（斯坦福大學物理系、斯坦福理論物理研究所博士生）

（以上內容發表於2015年12月5日）

****************************************

後記（2016年1月9日補充）

謝謝大家一個多月來對這個話題的各種討論，尤其感謝耐心看完全文並認真給出評論的童鞋。無論大家是否認同我的觀點和論證，第一次寫知乎就受到這麼多關注真的很開心。看了大家的評論後又有了一些想說的話，就寫在這裡吧：

(i) 我自己怎麼思考這個問題？

我目前在認識論上是個經驗主義者，在思考自然和社會中的具體問題時喜歡先從觀察開始、從現象和事實出發，然後嘗試建立概念並總結規律，而非直接給出抽象的定義和理論模型。我在文中對「天賦」的定義也是這麼來的——首先，從觀察中我們發現，人與人的學術能力之間存在著很大的差距，那麼這種差距究竟從何而來？一些人會直接將其歸結於天賦差異。但我們如果更仔細地了解一些成功的科學家和身邊的優秀小夥伴，就會發現各種過人的學術能力幾乎都可以歸結為某種形式的訓練結果（正式的實驗室訓練、超前的早期訓練、成長環境的影響等等），不能用任何後天因素解釋的實在極少。因此，我只把這些極少的、實在不能通過後天原因理解的能力優勢歸結為天賦，並得出了後天訓練重於天賦的觀點。

換句話說，本質上我們是在用後天訓練描述可以找到原因的能力優勢，而用天賦描述暫時無法理解的能力優勢，每個人心中二者分量孰重孰輕取決於我們對這些能力優勢的產生原因到底理解多少。我們也可以選擇不去理解其中的任何原因而將一切歸結為天賦，但這是一個充滿神秘主義色彩的萬能解釋，而不是科學態度的解釋。

此外，我們對一個人的了解越多，就會在她/他的優秀中找到越多的後天因素。因此我們在思考這個問題時應該儘可能地選擇自己熟悉的例子，而不是非常遙遠的、只存在於「傳說」和「神話」中的例子。

(ii) 不同專業領域的科研有著不同的特點

前沿的科研是高度專業化的，不同學科之間雖有一些共通之處，但研究對象和方法的不同導致了每個學科都有自己明顯的特點。這些特點會導致不同領域科研訓練方法的差異，也會影響到本文話題的討論結果。

真正理解一個學科的特點必須經過一定時間的前沿科研訓練，而不能僅僅通過學習或簡單了解。因此，我在本文中只能談一點自然科學而不敢多提其他領域。有些童鞋在評論中用圍棋、籃球、拳擊、武俠等作類比討論天賦與訓練的關係，無論得出什麼樣的結論我認為對科研都沒有太大意義。自然科學雖已形成了龐大的知識體系，但其研究前沿卻是高度經驗化的。是自然科學高度經驗化的特點導致了文中「訓練遠重於天賦」、「數學能力意義有限」、「起步落後機會依然有」等觀點。對於其他學科這些觀點就不一定都成立，或結論不一定這麼強。

不過，我們對於陌生事物總有敬畏之心，天然的神秘感往往會讓我們高估天賦在其中的重要性。最近就有較懂音樂的小夥伴告訴我，很多傑出的器樂演奏家甚至作曲家都主要是通過從小及其嚴格的訓練練就的，古典音樂尤其如此。即使是作曲這樣看似很依靠天賦的專業其實也存在著非常系統的訓練方法，後天訓練在優秀作曲家培養過程中的重要性遠遠超過一般人的想像。

此外，科學又只是學術研究的一小部分，藝術、人文、社會科學、工程技術等大領域對研究者的能力要求又各不相同。只要沒有明顯的先天智力缺陷，我們不管擁有什麼樣的思考習慣和能力特點總能找到適合自己的學術研究方向。發現自己不適合某一種研究是很正常的，但想證明自己不適合任何一種研究幾乎是不可能的。

(iii) 科學對研究者的能力要求隨著時代在變

現代科學日新月異，與此不斷變化的還有對研究者的素質和能力要求。提到科學家很多人首先會想到中學課本中的牛頓、麥克斯韋等「古之大師」。但那些遙遠時代的科研和現在已經很不一樣，其具體細節對今天的借鑒意義比較有限。相比於各種十七、十八、十九世紀和二十世紀初的例子，我們更應該關注當今活躍的科學家和世界各地最優秀的同齡人，特別是40歲以下年輕科學家們的成長經歷（例如文中提到的張鋒、Cindy Regal、Ana Maria Rey、Ania Bleszynski Jayich）。他們所處的環境與我們最類似，他們的經歷會對我們的思考與選擇有更多的啟發。

總結以上幾段，思考天賦和訓練的關係，思考自己的學術發展，我們應該多關注當前、本領域、自己熟悉的人和事，而不必太在意那些或遙遠、或古老、或只存在於傳說中的故事。

(iv) 我們為什麼討論這個問題？

我們目前還不能完全理解人的先天智力，也不可能對人的一切後天活動做跟蹤記錄。在「天賦」和「後天訓練」兩個比較概念都比較模糊的情況下，二者誰更重要不會有一個嚴格的答案。所以，在此我不是想討論「天賦」的嚴格定義或「先天與後天」這類抽象寬泛的哲學話題，而只是想針對經常折磨我們這些「可憐」的研究生和想做學術的本科生的一些實際問題談談自己簡單的看法。

對不少中國大學生而言，科研是一件距離大家很近、卻又很陌生的事情。很多人早早放棄了一種可能的（至少是20歲到30歲之間的）人生選擇，有人興趣與能力足夠但無法得到理想的深造機會，也有人在貿然「入坑」之後懊悔不已。我認為這些事情的發生的一個重要原因是中國大學學術文化的缺失。學術研究不簡單是一門技術或行業，它有著獨特的思想、規律和文化。如果我們不身處這種文化之中，就很難理解什麼是真正的高水平學術研究、它對人的素質和能力到底有著怎樣的要求、我們應該怎樣為此準備、又該怎樣期待和規劃自己未來的人生。我自己對這些問題也曾相當地無知，直到兩年前第一次出國交換才開始比較多地與優秀的科學家和同齡人交流，試著參與前沿的研究，並也從各種傳播真正科研文化的講座和文章中受益不少，對一些問題的理解才漸漸有了根本的改變，本文涉及的就是其中的幾點。這是一種刷新三觀、進入新世界的感覺，獲得這些態度與想法的過程在我看來是自己大學最寶貴的經歷。現在，我覺得感謝將我帶進新世界的老師們和小夥伴們的最好方式就是將這些態度與想法繼續傳播出去。我們這些做基礎科學的人經常自黑自己的工作對身邊的世界沒有什麼實際幫助，那麼寫點東西傳播一點新 culture 算嗎？哈哈~

（最近收到好幾封公眾號的私信，抱歉本文中的大實話說太多，處於種種考慮我不希望在zhihu以外的任何地方轉載，請大家不要再私信相關要求了，謝謝大家的理解，以後願意和大家繼續一起分享學習：）

先說我自己得出的結論：做科學研究天賦非常非常非常重要。

我先說一下我的基本背景，我是本科北大，理學PhD是在密西根大學拿到的，同時有一個密西根大學的工程類的碩士，現在在東岸做博後。我給高票的王之鑫點了贊同，他的很多現象是確實存在的，可是當你在博士生，博後，助理教授，教授的不同階段，對於這些現象的理解是有很大差異的。但是助理教授和教授們第一可能沒有時間和興趣來知乎寫答案，第二他們有其他的苦衷不能說出真實的想法（比如說處於招生的考量），希望我的答案能起到拋磚引玉的作用，希望科研一線的科學家可以願意和大家交流科學界的真實現狀。

超一流科學家都是極其有天賦的
本科出來在美國攻讀理科PhD的中國學生，據我的觀察最後從事高校科研的不到10%（可能還要少），大部分人選擇的是去公司研發工作或者從事金融業。我回想我PhD的階段，我的工作進展一直都是非常順利的，而且我也沒有生計方面的擔憂，但是我數次想要放棄，我每一次想要放棄的原因都是相同的，就是看到超一流科學家的天賦。如果你說你沒有感受到科學家需要天賦，那是因為你沒有和超一流科學家有過直接交流，比如聽過演講，研究其系列工作或者一起共事。當你遇到超一流的科學家並且能大概了解其思維脈絡時，那種震撼感和自卑感超級強烈，強烈到第二天就想退學。大家所熟知的SpaceX的創始人Elon Musk和光遺傳學的創始人Karl Deisseroth都是屬於讓人震撼的超一流科學家，但是大家知道他們有一個共同特點，他們的大腦輸入信息的方式和我們都是不一樣的，如果研究過他們的傳記就知道，他們的大腦輸入方式是類似電腦的模塊輸入，他們看書一般都很快，看完了就可以存儲在大腦的某個模塊中，之後可以隨時調用。而且這不是他們後天訓練的而是年少時就天然形成的技能。Karl Deisseroth小時候經常被老師要求表演背誦一本書。我記得我第一次聽Karl Deisseroth的演講，我回來心情很差很差，因為那一天我意識到，我可能做一輩子科研也沒有對人類有任何貢獻，科學是屬於像Karl Deisseroth這樣的人的。

那我為什麼沒有放棄？
但是我沒有放棄的第一個主要原因是我從科研中感受到很多樂趣。而且這種快樂不僅僅是我發文章的時候，也不僅是我實驗成功的時候，即便是結果和自己預料的不一樣的時候我一樣覺得很有趣。以前有個段子是說希望每天把自己叫醒不應該的是鬧鐘，而是夢想。說老實話，我也沒有什麼宏大理想，每天把自己叫醒的動力是到實驗室解決昨天的問題。在我看來科學訓練的第一條本質就是培養求知的濃厚興趣。從本科生到研究生的重大轉變就是從被動接受知識到主動探求知識。啟蒙教授非常重要，我在北大的啟蒙教授是一位年紀比較大的院士，和其他有些年輕教授比，他當時發文章比較平穩，但是他對於實驗失敗的探求態度，對於新技術新思想的積極了解，不帶一點功利的對科學的熱愛極大地影響了我。要知道在後來的博士過程中，每個人都會遇到第一要做的事情——寫文章，和別人合作，申請基金，在這些事情中，很多都是很枯燥的事情。保持和培養自己求知的火苗，去對抗讀博中的枯燥，是最最重要的事。
我沒有放棄的第二條原因也是我的啟蒙教授說過的一句話，科學大廈不僅需要設計師，還需要磚瓦工。這句話簡直是正能量和負能量同時爆棚。首先，我們每個做科研的人都得做好概率為99.9999999% 的磚瓦工的準備。其次，磚瓦工是很重要的工作，是科學大廈無法或缺的。而且做好一個磚瓦工，你也會有工作有飯吃。這句話後來在我遇到神人碾壓的時候極大的鼓勵了我，我雖然是一個磚瓦工，也得把我的一畝三分地經營好，搞清出這塊地上事物間的相互聯繫和本質，在我自己這個領域探索未知，是我自己的成就感。很有趣的是，我當時北大同實驗室的同學，現在在Johns Hopkins醫學院做博後，我問她為什麼也沒有離開科研，她回答的竟然也是這句話。所以我把這句話分享給大家，大家在遇到挫折的時候想想這句話，也許會有一些收穫。另外回到開頭那個問題，科學研究需不需要天賦，設計師需要極高的天賦，磚瓦工需要一般的天賦、一些手藝、許許多多的努力和與其他磚瓦工和平相處的能力。

------------------------------------沒有人看但還是努力填坑的分割線12/30----------------------------------------------
科學訓練之二：系統分類和學科交叉
科學訓練的第二條就是要學會系統分類。其他有知友說的是要有Big picture就是說的這一點。現在的科學已經發展到一個階段，單一學科發展很多已經到盡頭，前沿的都是學科的交叉，這就意味著你同時要掌握多個領域的知識。我給大家介紹幾個方法，但是具體實踐還要自己摸索。1.建立自己的分類小抽屜。大家知道中國稀土之父徐光憲先生，晚年研究的是什麼嗎？分類學。徐先生是一個傑出的化學家，但是他所從事的研究工作跨度極大，他早年在哥倫比亞大學學的是量子化學，後來回國後搞過結構化學和稀土萃取的分析化學。徐先生就是有實體的分類小抽屜的。另外就是說一點徐先生有濃厚的好奇心，除了化學之外的方方面面他都很感興趣，所以這又回到我說到的科學訓練第一條：好奇心。後來我到美國後發現不僅僅是徐先生，很多科學家都有分類小抽屜。超快光譜學界最重要的奠基人Robin Hochstrasser（諾貝爾獎Zewail的導師）在2013年去世之後，系裡整理他的辦公室的時候也發現極其整齊的分類小抽屜。2.用自己的電腦保存。有一天我導師跟我講一個十年前他的一個沒有發表的結果，用了三秒鐘就從電腦里找到了。我們回想自己的電腦，是不是閉上研究就知道其所有的結構和大概內容呢？如果你沒有實體小抽屜，一定要努力完成電腦和大腦同步能力，這樣你等於在做和Elon Musk, Karl Deisseroth一樣的事情，可以極大得增強多科學的學習能力。3. Excel表格索引。這是我自己摸索出來的。我在讀博士的時候，一共完成了七個獨立項目，每個項目都要和其他一到兩個實驗室合作，所以你不可能一個完成再完成第二個，因為這樣耗時太長。與此同時我還要完成博士和碩士的所有課程，但是不能花太多時間，因為大塊時間都要用來做項目。所以我在同一個Excel表格裡面建立了所有project和課程的索引，所以每天我都對所有的進展非常熟悉，這樣也防止研究生時期經常出現的「撿了芝麻丟了瓜」的現象。你維護這個索引，每天需要花一點點時間，可是長期積累下來好處是極大的。我建議大家研究生期間越早建立這個索引（或類似的其他系統維護文件）越好。

----------------------------------謝謝評論里的鼓勵，我來更新啦的分割線01/06---------------------------------------
科學訓練之三：同行聯繫和協同合作
上面說了，現在的科研多是交叉學科，合作是必不可少的。懂得怎麼和組內和組外的合作者共事，是博士期間必要的訓練。就算是數學這樣的學科，你去看有些知友分享的陶軒哲的文章，他也非常強調和同行的交流。
第一：一定要定期參加學術會議，越早越好。如果老師說你沒有足夠的成果，怎麼辦？自己出旅費去。另外像Biophyical Annual Meeting這樣的會議你可以報名志願者，可以抵消報名費。無論如何，參加學術會議太重要了，如果你五年沒有參加，基本上很難找到學術界工作。低年級學生的學術會議往往是poster形式的，這對於低年級的學生幫助是巨大的。因為你有機會和其它的學生和老師有面對面的交流，他們的問題會對你的工作帶來各方面的啟發。很多會議還設有公司的攤位，你也可以從這裡得到業界的消息。
第二：對於每一個合作者都要有充分尊重的態度。很多人有一種自然的想法，認為自己的工作很難，別人的工作很簡單，這種想法特別要不得。你要知道看上去簡單的技能別人也是經過艱苦的訓練得到的。有多少的credit就應該給別人多少credit, 這樣別人才會繼續願意和你合作。在項目遇到困難的時候，要多給合作者鼓勵，創造條件想各種各樣的方法。如果遇到霸道的合作者，盡量不要起衝突，以後不合作就行了。對自己的合作者要欣賞、寬容和感激，因為當你獨立之後，這些合作者是你最忠實的戰友。當然合作中做好自己的工作，並盡量了解合作者工作的細節也是非常必要的。
第三：如何審稿。對於沒有畢業的學生是不太有獨立審稿的機會的。有的時候導師會因為太忙而請你幫忙看看，這種機會一定要好好把握，不要認為只是在幫老師的忙。你可以提出自己的看法，並且請老師介紹一下他一般是如何審稿的，並且請他把最後的定稿發給你看看，這是學習如何審稿的最好機會。當你畢業之後，要儘快建立自己的google scholar賬號，以獲得獨立審稿機會。有些學弟妹常常問我如何才能持續不斷地獲得審稿機會。你必須轉變審稿就是挑刺的這種想法（當然當你成了業界大佬之後隨便挑），而且要明白編輯希望的是你能提出建設性意見讓文章達到要求可以發表，而不是把所有文章都拒掉。同時你必須要大量閱讀同領域的經典文獻，作者曾經發表的文獻和文章引用了的文獻，並且建立思維導圖（如果有機會我會細講），把文章讀透。如果沒有足夠的時間，寧願婉拒也不要糊弄，當然最好也不要婉拒。

------------------------------------------------爭取今天填完的分割線01/09---------------------------------------------------
科學訓練之四：事物本質和關於轉行的一點小建議。
科學訓練很重要的一點就是要學會探求事物本質。大家常常說的批判性思維（critical thinking)和邏輯推理非常重要。這不僅要運用在科研中，對於日常生活中的判斷也是很有用的。比如說，大家知道施一公教授曾經在PhD期間讀過計算機的碩士。這從表面上似乎說明，施教授也曾經考慮到離開科研。但是這件事的本質是什麼？我們可以從中得到什麼真正有用的信息？那你就必須要追問一系列的問題，為什麼他最後沒有去業界？為什麼他讀碩士做其它的事情還得到導師的全力支持？他為什麼選擇讀計算機而不是會計？有沒有其他的教授這麼做？當你了解的信息越多，你就越接近事情的本質。至少這件事給我的啟發是：做好非學術職業保障的同時又得到導師支持的方法。
這句話的意思是說，在讀博期間，要做好以後不做學術的準備，但是問題的關鍵是這個職業準備和自己的博士研究方嚮應該是相關的。如果你了解施教授的結構生物學，你就知道學習計算機其實非常有助於分子模擬工作，對他的博士科研是有很大幫助的。當你看到這一點之後，你就會發現很多人都會在讀博期間做好非學術職業保障，即便他們的科研非常順利。說到底，這是因為現在的學術界非常殘酷，能不能走學術的偶然性非常之大。我舉幾個例子，大家可以根據自己的情況判斷選擇適合自己的路，道理都是相通的。
1. 中國人，美國的生物統計Phd專業，科研做得很好，曾經得過HHMI國際生獎學金，輔修統計碩士，現在在新加坡做助理教授。如果他沒有找到學術屆工作，他可以靠統計碩士找工業界工作。
2. 美國人，科研也做得很好，長期業餘給科學雜誌寫文章，現在在歐萊雅女性科學家獎學金的資助下做博後。如果她將來沒有找到學術屆工作，她可以去科學類的雜誌社做編輯。
3. 美國人，科研一般，輔修Science Policy的碩士，畢業之前很快找到了在華盛頓特區的政府工作。
4. 我自己的工作中要用到光學，所以我輔修了光學專業的碩士。我的導師當時對我這個決定是非常贊成支持的。因為從他的方面講我系統學習光學，對我科研工作是有很大的幫助，事實上也正是如此。並且我現在一直和當時的同學現在在光學公司工作的朋友們保持聯繫。
在博士期間系統學習相近的領域有很多好處，除了職業保障之外，其實增強了你在兩個領域的競爭力，你如果繼續學術道路開展不同領域的合作也是有好處的。相反如果說你在讀博期間為了找工作去學一個和你專業完全沒有關係的方向，可能會引起導師的極大反感（後果太嚴重不敢想像），而且因為是全新的領域，和平時的科研結合不起來，你也會覺得很枯燥。或者說，如果你在讀博期間的技能過於單一而沒有一點點準備，一旦學術的路走不通，可能很快面對失業。但是人的精力是有限的，一定要選擇適合自己的非學術職業保障方法。

最後一個問題：「天賦」和基礎一般能否從事科研？
如何定義「一般」？一個很現實的問題，如果我不是985高校畢業的學生，我以後可能做科研嗎？
我的看法是，可以，但是不要把學術界工作作為唯一的職業追求。
首先我認為非985高校的學生是完全可能合格完成科學訓練的，我認識非常出色的好幾個在工業界的本科並不是985高校的，他們的能力是很強的。可是學術界和工業界不一樣，殘酷現狀就是非常非常看中出身。我在美國只見到一個不是985畢業的教授，他跟我們學生吃飯的時候一半的時間都在反覆說明，他當時高考失利，其實他正常發揮是可以上清華的。為什麼？因為他在職業道路上需要向別人無數次解釋這個問題，他付出的努力和時間也比名校出身的人要多得多得多。我認為盲目鼓勵非985高校的學生一定要走學術道路，而不告訴未來可能的巨大艱辛是不負責任的，接受合格的博士訓練後在工業界找到合適的崗位，也是很好的人生選擇。

最後希望大家有所收穫！如果有不同意見我完全接受，可能過了十年二十年我的想法也會改變的：）而且我的想法也有很多不成熟，請大家不要轉載到其它網站。謝謝大家！

------------------------------------匯總評論的分割線01/22----------------------------------------------------------------
今天美東暴風雪，實驗儀器都關掉了。只能看看文獻什麼的。我把評論里的問題匯總一下。謝謝大家提出很多問題和大家的鼓勵，我都試圖一一回復過，力不能達的還望諒解。
1. 想知道excel的那個目錄具體怎麼做。。。現在研一剛開始實驗。。。。麻煩樓主了！by Nayuki Hibari
我在這個答案里有詳細介紹如何緩解讀博中反覆抑鬱的癥狀？ - 發芽的回答
另外，具體的方法需要大家自己摸索, 遇到問題也需要自己摸索，留了郵箱的朋友要小心騙紙哦。我不會用zhihu以外的任何方式回復的。
另外感謝知友@老王提供的信息，道理是一樣的。
簡單點的，搜一下「華為Jonit Test 測試用例集」。思路是分層，第一個sheet，匯總頁，把所有待執行用例所屬的類別都列上，其他的sheet放每一類的測試用例集合，在第一個sheet上用公式自動計算每個分類的完成、未完成、阻塞的用例個數。

2.芽姐，有空您能具體的說說是種什麼樣的碾壓感嗎，是他們的思維很快，效率很高，博聞強識之類的嗎？by 張小溪
天賦是基因問題，導致記憶力，思維力超群，或大腦供氧能力特彆強，和後天教育沒有太大關係
真正的神人不會讓你聽不懂，相反他會讓你很容易聽懂，但是你想不到他能想到的東西。有些人聽上去不知道在說什麼，但是你稍微了解一點相關知識，就發現漏洞百出，這種人不足為懼。
另外我見到的所有天賦極高的人不管什麼年齡都有一種老和尚一樣的寧靜氣質，你遇到的話會強烈的感覺出來的。你可以看看《最強大腦》里鮑橒的給人的感覺，基本上就是這樣子的。你特別注意到他在解釋迷宮的時候，沒有用任何術語，卻比迷宮設計者解釋的更好。具體天賦極高的人為什麼給我這種感覺我不十分確定，我自己的體會是，當自己沒有任何情緒波動的時候，腦力狀態是最好的，不知道是否和這個相關。

3. 師姐覺得做科研的話博士學校出身重要嘛？by 方法傑
很重要，比本科學校出身還重要。
美帝找教職也看重本科嗎？不是更看重phd學位的獲取單位嗎？by Sun Shine
簡歷上一般看文章，博士和博後科研所在課題組，本科學校。對於美國學生來說前兩點比較重要, 對於國際學生來講三點都很重要，但前兩點更重要。當同等科研水平的人競爭相同崗位的時候，委員會傾向錄用自己的校友或自己有所了解的學校畢業的人。
美國的體制，基本上可以保證有較高天賦的人如果有意願都可以進入世界一流的實驗室進行博士科研訓練。PhD項目在選拔學生的時候，也是根據你的學業表現、面試表現和本科院校的排名來選拔的。你從PhD畢業後的職業道路，很大程度上取決於你的導師和合作者對你PhD階段天賦和努力程度的評估。所以有的時候你看到文章檔次相同的人去了檔次不同的學校就是這個原因。我們能做的就是在自己天賦的基礎上，發揮最大的努力，找到相應合適的崗位。

第一次更新，重新理順一下之前的答案。我的結論是：都很重要，但哪個更重要則取決於你自己對於目標的定位。以下內容僅針對於題主可能會比較感興趣的數學領域，其他領域參考其他答案即可。
先上天賦的定義，免得過於混淆，我將天賦定義為：先天獲得的能力以及後天不能通過刻意訓練得到的能力，這樣子沒有異議吧，許多人在談天賦時容易一股腦地將所有可以稱之為"天賦"的東西全部歸結於先天原因，這其實是不對的，我更傾向於把我們理解的天賦分開來看，先天上的天賦可以指高智商，性格，專註力等，智商上的差異肯定是存在的，但不一定是你們理解的那種差異，比如通過智商測試的獲得的分數。人與人之間的智商上的差異是很微小的，但一定是存在的，否認智商上存在差異是一件很不可思議的事情，這就好比否認了人類是通過基因突變來獲得大腦的進化一樣的不切實際。坦然接受這種差距不是什麼丟臉的事情，除了智商之外，性格，專註力這些都與一個人的科研能力有一定的聯繫，頂尖的科研工作者可以做到任何空餘時間都在思考，在一個問題上可以堅持幾年甚至幾十年，如果沒有強大的毅力支撐，我想光憑興趣是很難做到這一點的，而這種耐力很大原因是由性格決定的，性格很顯然是天生的了。至於那些不能通過刻意訓練來獲得的能力，我指的是思維習慣，這點我會在下文詳細解釋。
前面答案有人說，一個人在博士期間受到的學術訓練將決定這個人在預期的將來能否做出突破性成果。我對這個說法是存疑的，試問難道大牛的學生就一定是大牛么？難道不是大牛的學生就一定成為不了大牛么？君不知張益唐被導師莫宗堅給坑了，卻依然能夠能孿生素數猜想上取得重大突破？因此我傾向於認為，導師的訓練具有一定輔助作用，但是具體以後的發展還是重在個人。而且換個角度想想，能夠成為大牛的學生，本來也不都是平庸之輩，那麼即便他們以後在學術上有所突破，倒也是不算預料之外了。
在數理領域，假如的你的目標只是在領域內做出一些成績，而不在乎成績的大小的話，那麼努力絕對絕對是第一位的，數學的研究範圍相當廣泛，除去一些頂尖一流的工作，作為一個普通的數學工作者還是有很多工作可以去做的，你不必因為自己整不出黎曼猜想而暗暗自責，你可以去做一些小的問題，這些小的問題有的也是很有價值的，而在解決這些小問題的過程中你也能感受到一絲數學之美，這樣就夠了，數學不是只為那些大牛們所準備的學科。當然上述只針對那些在數學上已經遊刃有餘，沒有什麼可見阻力的那些人，倘若你還對高中數學或者本科數學感到力不從心，也沒有一絲一毫堅持下去的想法，那麼還是趁早轉行吧，也不必吊在一棵樹上。也許其他方向更加適合你。
那麼如果你想要在領域內做出重大突破呢？那麼天賦就顯得尤為重要了，我認為，有些人過分得強調人人天賦平等是非常有害的，這點我在下文會說。前面我說數學天賦包含了一些不能通過刻意訓練來獲得的能力，我稱之思維習慣，相比思維習慣對於數學研究的影響，先天的差異就顯得相對較小了，舉個例子，拉馬努金在數感上的天分是業界公認的，連華羅庚的導師哈代都對他佩服的五體投地，而他在遇到哈代之前是的的確確沒有受到任何的專業學術訓練的，這說明什麼？他的這種天賦在他受到專業訓練之前就是存在的。拉馬努金可以預知一些不等式但是他不給出它們的證明，有興趣的朋友可以去看看他留下來的那本筆記，裡面充斥著大量讓人難以置信的公式，而據他生前所稱，這些竟然許多都是他在夢裡得到的。作為一個對比，來看看我們的代數幾何教皇格羅滕迪克，小時候在集中營度過，顯然也沒什麼專業訓練可言，可是人家偏偏上課不好好聽，而是自己獨立思考導出了一套測度論，如果說這種神跡都能訓練出來的話，人類還有什麼是做不到的。但是我想說的是，這倆位大牛的出色成就絕對不僅僅是先天的基因差異，更多的應該是思維習慣，拉馬努金習慣從數字及其之間的規律上去思考，在這方面他做到了旁人難以企及的地步。格羅滕迪克擅長抽象的一般化的理論，也就是說他的思維習慣是高度概括，抽象及一般化。雖然不至於所有大牛都有他們這麼突出，但不可否認的是，他們都或多或少在思維習慣上有常人難以企及的地方，十分遺憾的是，這種思維習慣既不是先天造成的，但也是後天無法刻意培養的，無從訓練的原因是人類只能看到他們思維的結果，但是很難看到他們他們思維的過程，而思維的過程就是常人眼裡只可意會不可言傳的天賦了。普通人不可能通過外在的指導來獲得優秀的思維習慣，只能通過自己的悟性，也就是說，只要勤于思考，還是有一定幾率能培養出一些超出常人的思維習慣的，但是這種幾率有多大，誰也說不清楚，而且更重要的是，擁有這些思維習慣的人往往察覺不到自己和別人之間思維上的差距，在他們看來理所當然的東西，別人可能會很難理解。當初格羅滕迪克搞出概型那套語言的時候，旁人會覺得很難理解，格老說不定覺得那些是很自然的東西，當隨著時間推移，數學家們逐漸摸清了他當時的思考的方向和門路，概型成了當代代數幾何的標準語言，也有越來越多的人能夠理解，儘管人們花了幾十年時間摸清了這套理論的機制，但是格老卻是第一個想到用一種整體化的眼光來看待問題的人。雖然不至於所有大牛都有上面倆位這麼突出，但不可否認的是，他們都或多或少在思維習慣上有常人難以企及的地方，十分遺憾的是，這種思維習慣既不是先天造成的，但也是後天無法刻意培養的，這些習慣與一個人的性格，愛好，經歷是緊密聯繫在一起的，是絕對不可能通過後天刻意訓練得到的。希望大家能夠理解刻意訓練的含義，就是指這些思維不是你說你想要就能有的，而只是在無意間培養起來的，所謂有心栽花花不開，無心插柳柳成蔭。
之前我說過分強調人人天賦相同是有害的，那是因為如果一個人找不到自己的興趣點和天賦點，而是盲目的在一個領域裡努力，到頭來也是無頭蒼蠅，事倍功半，而我們的教育卻又偏偏強調這一點，導致很多學生雖然確實非常努力，但是努力的方向不對，也不主動去思考，最後成效並不明顯，試問讓一個人如此沒有方向的只是去努力，是不是一種很不負責任的行為？強調天賦的多樣化後，每個人都能找到自己擅長的領域，這才各司其職，別人也不會因為努力後無法得到回報而感到失落。但是，如果你到現在還相信只要努力你就能達到任何人的高度，那你就輸了，事實上，你努力地越多就越會發現，人與人之間的有些差距是不可逾越的，但其實絕大多人沒有必要去逾越那個差距。
至於那些大牛們每每都強調自己是通過努力才獲得今天的地位，那是當然，大家都在努力，只不過有些人努力成了大牛，有些人成了小牛，有些人還是默默無聞，但是千萬不要輕信大牛的雞湯，沒錯，我說的就是陶神，相信我，如果你只是一股腦的在那裡刷題你再努力也是刷不成陶哲軒的，很多人只顧強調努力和訓練，卻從不強調努力的方法和穿插其中的不斷的思考提升，如果你看不到自己在思維上與別人的差距，那麼你再多的努力也是徒勞的，我相信陶哲軒他是看得到自己和別人思維上的某些差距的，只不過他作為一個公眾人物，怎麼可能輕易的對大眾這麼說呢？那樣就壞了。
那麼是否說，天賦不及別人就應該放棄努力了呢？當然不是，還是那句話，找准你適合的興趣點和天賦點，那就夠了，大牛有大牛的作用，小牛也有小牛該做的事，數學如此廣闊，它的每一片空地都值得我們去默默耕耘，如果你的初衷就是蹦著成為大牛或者歷史偉人去的，那麼你從一開始就錯了，難道不是因為它有趣我們才會去做數學么，至於能不能在青史留名，who care呢？做好自己本分的事，該努力的努力了，這些都是在肯定我們的價值，這個世界不需要每個人都是天才，世界因為多樣化才顯得更加精彩。
上述言論是本人在數學之路上奮鬥了許多年的個人思考，歡迎大家抒發自己的見解。

謝邀。
天賦決定你能達到的上限，訓練決定你實際能達到什麼程度。
在科學界，像牛頓、愛因斯坦、諾依曼、拉瑪努揚這種天賦異稟、令人驚嘆無法企及的天才有不少，像弗里茨·哈伯、田中耕一這種出身並不很高、看起來與常人相去不遠的也有很多。如果你的目標是成為人類歷史上屈指可數的巨星，那沒有神級的天賦顯然不可能。如果你的目標「僅僅是」拿個諾貝爾獎，那對天賦的要求就低得多了。
以絕大多數人的努力程度之低，還沒有到談得上拼天賦的程度。反過來，如果你已經竭盡全力，發揮了你的全部天賦，甚至突破了自己，那麼你的生活已經很幸福了，還有什麼好患得患失的呢？

引用兩篇大家的文章：
1.聰明在於學習，天才由於積累------華羅庚
我想談一談天才與學習的關係問題.有些人自己信心不足，認為學習好需要天才，而自己天才不夠；又有一些人，自高自大，覺得自己有才能，稍稍學習就能夠超過同輩.實質上，這兩種看法都有問題.當然，我們不否認各人的才能不一樣，有長於此的，有短於彼的，但有一樣可以肯定：主動權是由我們自己掌握的，這就是努力.雖然我的資質比較差些，但如果用功些，就可能進步得快些，並且一般地講，可以超過那些自以為有天才而幹勁不足的人.

　　學問是長期積累的，我們不停地學，不停地進步，總會積累起不少的知識.我始終認為：天才是「努力」的充分發揮.惟有學習，不斷地學習，才能使人聰明；惟有努力，不斷地努力，才會出現才能.我想用一句老話來結束這篇文章：「勤能補拙，熟能生巧.」

必須認識攻打科學堡壘的長期性與艱巨性.應該象軍隊打仗，要拿下一個火力頑強的堡壘一樣，不僅依靠猛衝猛打，還要懂得戰略戰術.向科學進軍不但要求有大膽的想像力，永不滿足於現有的成就，而且要踏踏實實從眼前的細小的工作做起，付出長期的艱苦勞動.聽說許多大學畢業的青年同志正在訂計劃，要在若干年內爭取副博士.但我要奉勸大家，不要認為考上副博士就萬事大吉，也不要認為將來再努一把力考上個博士就不再需要搞研究了.不，科學研究工作是我們一輩子的事業.我們的任務是建設共產主義的幸福社會，是要探索宇宙的一切奧秘，使大自然力為人類服務，而這個事業是永無盡止的.若單靠沖幾個月或者兩三年，就歇手不幹，那是很難指望有什麼良好成績的；即或能作出一些成績，也決不可能達到科學的高峰，即使偶有成功總是很有限、極微小的.解放前我們看見不少的科學工作者，他們一生事業的道路是：由大學畢業而留洋、由留洋而博士、由博士而教授，也許他們在大學時有過一顆爬上科學高峰的雄心，留洋時也曾經學到一點有用的知識，博士論文中也有過一點有價值或有創造性的工作，但一當考上了博士當上了教授，也就適可而止了；把科學研究工作拋之九霄雲外，幾十年也拿不出一篇論文來了.這實在是一件很可惋惜的事.當然那主要是舊社會的罪惡環境造成的.今天我們的環境不同了，新中國的社會主義制度為科學事業開闢了無限廣闊的道路.現在我們可以安心地在自己的崗位上去大力從事科學活動，努力鑽研創造.我們的科學事業已成為整個社會主義的不可分割的組成部分，因此就不應該再抱著拿科學當「敲門磚」的思想，而應該為自己樹立一個最高的標準和目標，刻苦堅持下去，為人民創造的東西越多、越精深才越好.

有些同志之所以缺乏堅持性和頑強性，是因為他們在工作中碰了釘子，走了彎路，於是就懷疑自己是否有研究科學的才能.其實，我可以告訴大家，許多有名的科學家和作家，都是經過很多次失敗，走過很多彎路才成功的.大家平常看見一個作家寫出一本好小說，或者看見一個科學家發表幾篇有分量的論文，便都仰慕不已，很想自己能夠信手拈來，便成妙諦；一覺醒來，譽滿天下.其實，成功的論文和作品只不過是作者們整個創作和研究中的極小部分，甚至這些作品在數量上還不及失敗的作品的十分之一.大家看到的只是他成功的作品，而失敗的作品是不會公開發表出來的.要知道，一個科學家在他攻克科學堡壘的長征中，失敗的次數和經驗，遠比成功的經驗要豐富深刻得多.失敗雖然不是什麼令人快樂的事情，但也決不應該氣餒.在進行研究工作時，某個同志的研究方向不正確，走了些岔路，白費了許多精力，這也是常有的事.但不要緊，你可以再調換一個正確的方向來進行研究；更重要的是要善於吸取失敗的教訓，總結已有的經驗，再繼續前進.

　　根據我自己的體會，所謂天才就是靠堅持不斷的努力.有些同志也許覺得我在數學方面有什麼天才，其實從我身上是找不到這種天才的痕迹的.我讀小學時，因為成績不好就沒有拿到畢業證書，只能拿到一張修業證書.在初中一年級時，我的數學也是經過補考才及格的.但是說來奇怪，從初中二年級以後，就發生了一個根本轉變，這就是因為我認識到既然我的資質差些，就應該多用點時間來學習.別人只學一個小時，我就學兩個小時，這樣我的數學成績就不斷得到提高.一直到現在我也貫徹這個原則：別人看一篇東西要三小時.我就花三個半小時，經過長時期的勞動積累，就多少可以看出成績來.並且在基本技巧爛熟之後，往往能夠一個鐘頭就看完一篇人家看十天半月也解不透的文章.所以，前一段時間的加倍努力，在後一段時間內卻收得預想不到的效果.是的，聰明在於學習，天才由於積累.

腳踏實地與加快速度

單憑天才的科學家也是沒有的，只有勤奮，才能勤能補拙，才能把天才真正發揮出來.天資差的通過勤奮努力，就可以趕上和超過有天才而不努力的人.古人說，人一能之己十之，人十能之己百之，這是大有參考價值的名言.

2.做數學一定要天才嗎——陶哲軒

做數學一定要是天才么？
這個問題的回答是一個大寫的：NO ！為了達成對數學有良好的、有意義的貢獻的目的，人們必須要刻苦努力；學好自己的領域，掌握一些其他領域的知識和工具；多問問題；多與其他數學工作者交流；要對數學有個宏觀的把握。當然，一定水平的才智、耐心以及心智上的成熟是必須的。但是，數學工作者絕不需要什麼神奇的「天才」基因，什麼天生的洞察能力；不需要什麼超自然的能力使自己總有靈感去出人意料地解決難題。
大眾對數學家的形象有一個錯誤的認識：這些人似乎都是離群索居（甚至有一點瘋癲）的天才。他們不去關注其他同行的工作，不按常規的方式思考。他們總是能夠獲得無法解釋的靈感（或者經過痛苦的掙扎之後突然得），然後在所有專家都一籌莫展的時候，在某個重大的問題上取得了突破性的進展。這樣浪漫的形象真夠吸引人的，可是至少在現代數學學科中，這樣的人或事基本沒有出現過。在數學中，我們的確有很多驚人的結論、深刻的定理，但那都是經過幾年、幾十年甚至幾個世紀的積累，在很多優秀或者偉大的數學家的努力之下一點一點得到的。每次從一個層次到另一個層次的理解加的確都很不平凡，有些甚至是非常的出人意料。儘管如此，這些成就也無一例外的建立在前人工作的基礎之上，絕不是全的。（例如，Wiles 解決費馬最後定理的工作或者 Perelman 解決龐加萊猜想的工作。）
今天的數學就是這樣：一些直覺、浩繁的文獻，再加上一點點運氣，在大量連續不斷的刻苦工作中慢慢的積累、緩緩的進展。事實上，我甚至覺得現實中的情況比前述浪漫的假說更令我滿足，儘管我當年做學生的時候，也曾經以為數學的發展主要是靠少數的天才和一些神秘的靈感。其實，這種「天才的神話」是有其缺陷的 , 因為沒有人能夠定期的產生靈感，甚至都不能保證每次產生的這些個靈感的正確性（如果有人宣稱能夠做到這些，我建議要持懷疑態度）。相信靈感還會產生一些問題：一些人會過度地把自己投入到大問題中；人們本應對自己的工作和所用的工具抱有合理的懷疑，但上述態度卻使一些人的這種懷疑能力漸漸喪失；還有一些人在數學上極端不自信；還有很多很多的問題……。
當然了，如果我們不使用「天才」這樣極端的辭彙，我們會發現在很多時候，一些數學家比其他人會反應更快一些，會更有經驗，會更有效率，會更仔細，甚至更有創造性。但是，並不是這些所謂的「最好」的數學家才應該做數學。這其實是一種關於絕對優勢和相對優勢的很普遍的錯誤觀念。有意義的數學科研的領域極其廣大，決不是一些所謂的「最好」的數學家能夠完成的任務，而且有時候你所擁有的一些想法和工具會彌補一些優秀數學家的錯誤，而這些優秀的數學家們也會在某些數學研究過程中暴露出弱點。只要你受過教育、擁有熱情，再加上些許才智，一定會有數學的某個方面在等著你做出重要的、奠基性的工作。這些也許不是數學裡最光彩照人的地方，但卻是最健康的部分。往往一些現在看來枯燥無用的領域，在將來會比一些看上去很漂亮的方向更加有意義。而且，應該先在一個領域中做一些不那麼光彩照人的工作，直到有機會和能力之時，再去解決那些重大的問題。看看那些偉大的數學家們早期的論文，你就會明白我的意思了。有的時候，大量的靈感和才智反而對長期的數學發展有害，試想如果在早期，問題解決的太容易，一個人可能就不會刻苦努力，不會問一些「傻」的問題，不會嘗試去擴展自己的領域，這樣遲早造成靈感的枯竭。而且，如果一個人習慣了不大費時費力的小聰明，他就不能擁有解決真正困難的大問題所需要的耐心和堅韌的性格。聰明才智自然重要，但是如何發展和培養顯然更加重要。要記住，專業做數學不是一項運動比賽。做數學的目的不是得多少分數，獲多少個獎項。做數學其實是為了理解數學，為自己，也為學生和同事，最終要為她的發展和應用做出貢獻。為了這個任務，她真的需要所有人的共同拼搏！

必然是後天訓練。

除非是你要開山立派，做到像愛因斯坦這種級別，或者自己解決什麼數學世界難題，這才需要天賦。一般的科研工作者，需要的是堅韌，以及熱情。

我以前覺得，有人博士期間發了science或者nature，這真是天縱奇才。當自己讀博士了才發現，這些人，只不過是選對了導師，選對了課題，外部因素大於自身素質。須知道，要達到science或者nature這個級別，除非是運氣超級超級好，到公園遛彎系鞋帶時候撿到了20克拉鑽石這種運氣，是需要所在課題組很多年的經驗名氣積累的。化學或者材料類方向，沒有灌過很多JACS或者AM級別的文章，別想著一步發science了，人家都不信你。所以，外界環境對於你的科研起點，有著至關重要的作用。

做科研也是一項，有其內在規律的工作。你站的高看得遠，獲得過良好的訓練，有很開闊的眼界，才能做出更好的成績。而這些都跟天賦關係不大，基本靠後天培養。當然，聰明人成長速度快一些，但是沒有條件，根本沒有成長可能。

做科研是很辛苦的，沒有興趣熱情驅動，是很難做到很好的。而你想突破，實驗條件會極大限制你的發揮。你想到了絕世好點子，沒人幫你實現，沒有經費支持，沒有實驗材料和器材，你拿什麼去證明？而想到好點子，必然經歷了很多實驗的積累，做過大量了解和研究。一拍腦門想出來好點子，那絕對是天方夜譚。

而現代生活誘惑太多，科研工作者收入普遍偏低，你很難讓人靠單單熱情去做自己工作。科研總是奢侈的，需要大量投入，也許才有少量突破。現在能靜心喜歡科研埋頭苦幹的人越來越少，很多人只是將其當成工作。

只有更優渥的土壤才能長出更茂密的植物。期待磐石縫中長出來參天大樹，太難太難。

我告訴你，選題最重要！

突然很想講這個真實的事。雖然還沒到科學研究的地步。

我朋友只有二個，加上現在不可思議多的那個，也只有三個。但這個是我最好的朋友，對我極其重要，甚至改變了我的命運。我想講他的故事。

他一直天賦異稟。從小就不做作業，這個特權是一次罰站換來的。小學一年級第一次交作業，數學，他沒寫。就被老師罰站，他倔強的說，我不寫是因為我都會。數學老師也是個有趣的人，竟然把他拖去辦公室給他出題。他真的全對。後來，考試，一直都是全班第一名。特別是數學，直到小學畢業，最多也就錯一道題。

整個小學，再也沒有老師讓他交過作業。而且他用這招，用到了高中4中畢業。

這個記錄，目前還無人打破。他所有老師和同學在一起聚會，仍會不厭其煩的講給大家聽。他院子的同一批小孩兒也因為這個從小聽到大，這件事，也是他父母至今念念不忘的提起滿臉驕傲的。

他告訴我，忘了從什麼時候開始，他就一直想，研究整個世界。所以，一直想著考大學要學物理。

高三畢業，因為不想出川，第一、第二、第三志願都填的川大物理學。

大學，他在川大讀理論物理。

大一，他還好，只是偶爾會在智商上受到有的同學碾壓。

大二分水嶺了。

他發現，有的事，真的做不到。能考上物理學院本就是從小比較聰明的小孩兒，理論物理更是很多都是各個學校數一數二的頂尖學生。但有的同學從初中就開始自學塞瓦定理什麼，但是他卻仗著聰明把學校課業學完就去玩兒了。

他曾經給我打個比喻，就是本來大家都可以跑一萬米，但是有的人從小練習所以更能在速度上提高，他卻仗著能跑一萬米就在家睡覺。

後來，畢業了，他在一家公司上班，他有同學在美帝繼續研究物理。

我曾就問他，你後悔嗎？他說，如果能從來一次，他會拼盡全力。

我也不知道為什麼想講這件事，只想到那句話。世間最難過的不是我不行，而是我本可以。

所以，如果你真的有天賦，請別辜負自己。
畢竟，智慧是人類皇冠上最珍貴的寶石。
畢竟，對我這種人來說，更是可望不可即。

對喲，那天看了 @馬伯庸的回答，才知道，原來他們學長是司馬相如。

有些學科可能天賦重要（如純數學、理論物理），大部分實驗科學後天努力更重要。

現在做學術都是一個行業，自己的天賦，努力當然很重要，當然也要考慮導師的因素，也要考慮整個大行業的發展。

強烈推薦男神陶哲軒的博文「Does one have to be a genius to do mathematics?」
原文地址參見陶哲軒Wordpress地址http://terrytao.wordpress.com/career-advice/does-one-have-to-be-a-genius-to-do-maths/
原文如下：

Does one have to be a genius to do mathematics?

The answer is an emphatic NO. In order to make good and
useful contributions to mathematics, one does need to work hard, learn
one』s field well, learn other fields and tools, ask
questions, talk to other mathematicians, and think about the 「big
picture」. And yes, a reasonable amount of intelligence, patience, and
maturity is also required. But one does not need
some sort of magic 「genius gene」 that spontaneously generates ex
nihilo deep insights, unexpected solutions to problems, or other
supernatural abilities.

The popular image of the lone (and possibly slightly mad) genius – who
ignores the literature and other conventional wisdom and manages by some
inexplicable inspiration (enhanced, perhaps, with a liberal dash of suffering)
to come up with a breathtakingly original solution to a problem that confounded
all the experts – is a charming and romantic image, but also a wildly inaccurate
one, at least in the world of modern mathematics. We do have spectacular, deep
and remarkable results and insights in this subject, of course, but they are the
hard-won and cumulative achievement of years, decades, or even centuries of
steady work and progress of many good and great mathematicians; the advance from
one stage of understanding to the next can be highly non-trivial, and sometimes
rather unexpected, but still builds upon the foundation of earlier work rather
than starting totally anew. (This is for instance the case with Wiles『 work
on Fermat』s last theorem, or Perelman『s work on the Poincaré
conjecture.)

Actually, I find the reality of mathematical research today – in which
progress is obtained naturally and cumulatively as a consequence of hard work,
directed by intuition, literature, and a bit of luck – to be far more satisfying
than the romantic image that I had as a student of mathematics being advanced
primarily by the mystic inspirations of some rare breed of 「geniuses」. This
「cult of genius」 in fact causes a number of problems,
since nobody is able to produce these (very rare)
inspirations on anything approaching a regular basis, and with reliably
consistent correctness. (If someone affects to do so, I advise you to
be very sceptical of their claims.) The pressure to try to
behave in this impossible manner can cause some to become overly obsessed
with 「big problems」 or 「big theories」, others to lose any healthy
scepticism in their own work or in their tools, and yet others still
to become too discouraged to continue working in mathematics. Also,
attributing success to innate talent (which is beyond one』s control) rather than
effort, planning, and education (which are within one』s control) can lead
to some other problems as well.

Of course, even if one dismisses the notion of genius, it is still the case
that at any given point in time, some mathematicians are faster, more
experienced, more knowledgeable, more efficient, more careful, or more creative
than others. This does not imply, though, that only the 「best」 mathematicians
should do mathematics; this is the common error of mistaking absolute advantage
for comparative advantage. The number of interesting mathematical research
areas and problems to work on is vast – far more than can be covered in detail
just by the 「best」 mathematicians, and sometimes the set of tools or ideas that
you have will find something that other good mathematicians have overlooked,
especially given that even the greatest mathematicians still have weaknesses in
some aspects of mathematical research. As long as you have
education, interest, and a reasonable amount of talent, there will be some
part of mathematics where you can make a solid and useful contribution. It
might not be the most glamorous part of mathematics, but actually this
tends to be a healthy thing; in many cases the mundane nuts-and-bolts of a
subject turn out to actually be more important than any fancy applications.
Also, it is necessary to 「cut one』s teeth」 on the non-glamorous parts of a field
before one really has any chance at all to tackle the famous problems in the
area; take a look at the early publications of any of today』s great
mathematicians to see what I mean by this.

In some cases, an abundance of raw talent may end up (somewhat perversely) to
actually be harmful for one』s long-term mathematical
development; if solutions to problems come too easily, for instance, one may not
put as much energy into working hard, asking dumb questions,
orincreasing one』s range, and thus may eventually cause one』s skills to
stagnate. Also, if one is accustomed to easy success, one may not develop the
patience necessary to deal with truly difficult problems. Talent is
important, of course; but how one develops and nurtures it is even more so.

It』s also good to remember that professional mathematics is not
a sport (in sharp contrast to mathematics competitions). The
objective in mathematics is not to obtain the highest ranking, the highest
「score」, or the highest number of prizes and awards; instead, it is to increase
understanding of mathematics (both for yourself, and for your colleagues and
students), and to contribute to its development and applications. For these
tasks, mathematics needs all the good people it can get.

翻譯如下（譯文來源於網路，並非本人翻譯，如侵則刪）

這個問題的回答是一個大寫的：不！為了達到對數學有一個良好的，有意義的貢獻的目的，人們必須要刻苦努力；學好自己的領域，掌握一些其他領域的知識和工具；多問問題；多與其他數學工作者交流；要對數學有個宏觀的把握。當然，一定水平的才智，耐心的要求，以及心智上的成熟性是必須的。但是，數學工作者絕不需要什麼神奇的「天才」的基因，什麼天生的洞察能力；不需要什麼超自然的能力使自己總有靈感去出人意料的解決難題。
大眾對數學家的形象有一個錯誤的認識：這些人似乎都使孤單離群的（甚至有一點瘋癲）天才。他們不去關注其他同行的工作，不按常規的方式思考。他們總是能夠獲得無法解釋的靈感（或者經過痛苦的掙扎之後突然獲得），然後在所有的專家都一籌莫展的時候，在某個重大的問題上取得了突破的進展。這樣浪漫的形象真夠吸引人的，可是至少在現代數學學科中，這樣的人或事是基本沒有的。在數學中，我們的確有很多驚人的結論，深刻的定理，但是那都是經過幾年，幾十年，甚至幾個世紀的積累，在很多優秀的或者偉大的數學家的努力之下一點一點得到的。每次從一個層次到另一個層次的理解加深的確都很不平凡，有些甚至是非常的出人意料。但儘管如此，這些成就也無不例外的建立在前人工作的基礎之上，並不是全新的。（例如， Wiles 解決費馬最後定理的工作，或者Perelman 解決龐加萊猜想的工作。）
今天的數學就是這樣：一些直覺，大量文獻，再加上一點點運氣，在大量連續不斷的刻苦的工作中慢慢的積累，緩緩的進展。事實上，我甚至覺得現實中的情況比前述浪漫的假說更令我滿足，儘管我當年做學生的時候，也曾經以為數學的發展主要是靠少數的天才和一些神秘的靈感。其實，這種「天才的神話」是有其缺陷的,因為沒有人能夠定期的產生靈感，甚至都不能保證每次產生的這些個靈感的正確性（如果有人宣稱能夠做到這些，我建議要持懷疑態度）。相信靈感還會產生一些問題：一些人會過度的把自己投入到大問題中；人們本應自己的工作和所用的工具有合理的懷疑，但是上述態度卻使某些人對這種懷疑漸漸喪失；還有一些人在數學上極端不自信，還有很多很多的問題。
當然了，如果我們不使用「天才」這樣極端的辭彙，我們會發現在很多時候，一些數學家比其他人會反應更快一些，會更有經驗，會更有效率，會更仔細，甚至更有創造性。但是，並不是這些所謂的「最好」的數學家才應該做數學。這其實是一種關於絕對優勢和相對優勢的很普遍的錯誤觀念。有意義的數學科研的領域極其廣大，決不是一些所謂的「最好」的數學家能夠完成的任務，而且有的時候你所擁有的一些的想法和工具會彌補一些優秀的數學家的錯誤，而且這些個優秀的數學家們也會在某些數學研究過程中暴露出弱點。只要你受過教育，擁有熱情，再加上些許才智，一定會有某個數學的方面會等著你做出重要的，奠基性的工作。這些也許不是數學裡最光彩照人的地方，但是卻是最健康的部分。往往一些現在看來枯燥無用的領域，在將來會比一些看上去很漂亮的方向更加有意義。而且，應該先在一個領域中做一些不那麼光彩照人的工作，直到有機會和能力之時，再去解決那些重大的難題。看看那些偉大的數學家們早期的論文，你就會明白我的意思了。
有的時候，大量的靈感和才智反而對長期的數學發展有害，試想如果在早期問題解決的太容易，一個人可能就不會刻苦努力，不會問一些「傻」的問題，不會嘗試去擴展自己的領域，這樣遲早造成靈感的枯竭。而且，如果一個人習慣了不大費時費力的小聰明，他就不能擁有解決真正困難的大問題所需要耐心，和堅韌的性格。聰明才智自然重要，但是如何發展和培養顯然更加的重要。
要記著，專業做數學不是一項運動比賽。做數學的目的不是得多少的分數，獲得多少個獎項。做數學其實是為了理解數學，為自己，也為學生和同事，最終要為她的發展和應用做出貢獻。為了這個任務，她真的需要所有人的共同拼搏！

一群強行回答天賦沒那麼重要的人，完全不理解笨是一種什麼感覺。太多聰明人都意識不到自己的聰明，因為他們眼裡只有更上面的天才。

對於99.99%以上的科學家，這倆都沒有你老闆是誰重要。

其實我在想肯努力算不算也是一種天賦呢。
我覺得每個人都有天賦，只是每個人都不知道自己天賦在哪，需要不斷地經歷才能慢慢發掘，我覺得這個過程更重要。
我認為自然科學領域，數學、物理、計算機天賦，得一可安天下。我自己一個都沒有，很羨慕有這些天賦的人，可是有這些天賦的人很多又不會對學術太感興趣。所以只能把自己往愛因斯坦（偶像）方向發展，努力發展自己的閱讀量和創造力。
其實很難界定哪些科學家是[天賦]哪些是[後天訓練]，但是我認為任意一個方面很突出的人，都將在科學研究中貢獻自己不可替代的一份力量。

如果把天賦理解為從小到大積累的「可遷移能力」的話，那麼大概能佔個20%左右吧，剩下的是環境和性格。如果把天賦定義成先天、特別是基因決定的因素，那按照目前人類的腦科學水平恐怕是沒法嚴肅討論的。

當然，不同科學家的風格也可以很不一樣。有Witten那樣的，也有Feynman那樣的；有陶哲軒那樣的，也有丘成桐那樣的。不管你有怎麼樣的天賦，你都總能找到可以為之努力的路徑。

天賦是發動機，後天訓練是燃料

當然是天賦了，因為如果你堅信天賦重要，失敗後可以把鍋甩給孟德爾。而如果你堅信訓練，那失敗後就只能自己背鍋。

都很重要，如果一定要分輕重的話，我會覺得後天訓練更重要一些，因為大多數人都沒有到需要拼天賦的階段。
我認為學術天賦是當你投身某個具體的科研領域並且做出一定成績後，能夠敏銳地在前人已有的成果基礎上取得巨大創新，能夠開闢全新的領域，或者取得顛覆性的成果。
但是大多數人，都沒有到在一個特定領域做到top的程度，在一個領域做到知名需要後天訓練的基礎，到了top以後才需要拼天賦去做到最頂尖，做到大家一提起這個領域就會想起你的名字，比如提到雜交水稻就想到袁老爺子，提到兩彈元勛就想到鄧老爺子。
在科研的起步階段，顯然後天訓練是極為重要的，它決定你入不入門，以及為後續的發展提供一種準則。
天賦和基礎一般當然能夠從事科研，只要你得到足夠高標準的後天訓練。
現在好多人不知道自己是是否適合科研，我認為這種迷茫不是缺乏天賦或者基礎一般，而是沒有得到正確的，嚴格的，高標準的後天訓練。
之前我先後蹲過國內外四個實驗室做project，最長一年半最短六個月，包括兩個交叉學科實驗室和兩個疾病相關研究實驗室，不同領域的研究差別較大不好多說，但就我曾經從事的project而言，我覺得正確的科研訓練是極其重要的事情。

我待的第一個實驗室是本科畢設，導師是業內做的很頂尖的大牛，在入門階段我得到極其嚴格的訓練，這種嚴格不僅僅是實驗技能，更強調學術規範。導師是文革後上大學的那批人，不僅學術作風，為人處世也極其嚴謹。我覺得他對我的影響不僅是讓我去接觸一個領域，更影響到我以後思考問題的方式，他是那個時代高級知識分子的典型，為人嚴厲嚴謹卻不刻板，永遠在接收新的知識新的觀點，雖然現在「情懷」是個爛大街的詞，但是他們那代人是最有情懷的一類人，為國家為知識為科研，那是一個講求奉獻的年代，學術圈還不像現在這樣浮躁。他畢業於國內最頂尖的學校，八十年代去世界排名一流的學校繼續深造，然後回國效力，在學術界不計回報的默默耕耘。我很慶幸在入門的時候對科研有正確的認知和足夠的敬畏，題主糾結天賦和科研的問題，其實是在迷茫，有些問題想清楚以後，這種糾結就不存在了。

我待的第二個實驗室是國外華人老闆，今年三十大幾快四十歲的中年國外華人老闆，我想他可以代表另一批人，就是在九十年代末二十一世紀初，在中國物質條件還很匱乏的時候那波出國留學，然後努力在國外留下來的人。由於他們在學術圈立足極其艱辛，所以只能自己努力甚至有時候心理有些扭曲。在他的實驗室我並沒有得到什麼規範性的學術訓練，因為他只是通過不斷延長你的工作時間來壓榨你的勞動力，只是會不斷地催要數據，有時候甚至通過侮辱性的言語來打擊你的學術自信，讓你以為自己是個一無所是沒有學術天賦的人。他可以代表那些只為paper數量的人，在一個浮躁的學術圈急功近利。如果你覺得，在國外一個比較不入流的學校成為PI混入學術圈就是科研成功的話，那我覺得這種程度還遠遠夠不上需要「科研天賦」的時候，努力一把就夠了，雖然姿態有些難看。當我第一次聽到他暗示我為了出結果編數據的時候，我真的不敢相信自己的耳朵，如果我沒有在國內的那段訓練我都不知道自己會怎麼做。結果當然是say goodbye了，因為我不能理解他的做法，他也認為我沒有「學術天賦」。

科研訓練不只是技能的訓練，也包括學術思想學術規範，更重要的是培養你的科研興趣。科研興趣可以變成motivation，這些都是科研訓練的一部分。現在很多人糾結迷茫於自己是否適合做科研，是因為在最開始接觸科研的時候沒有受到正確的科研訓練，沒有培養起對科研的興趣，對科研興趣的培養也是科研訓練中很重要的一環。

對大多數剛開始科研的人來說，現在還到不了需要比拼科研天賦的時候。

就題主的提問來講，如果你正站在科研的入門處，我覺得你關注的重點並不是科研訓練與天賦的關係，而是一個普通人能不能通過後天訓練在科研上取得成功。對於真正的科研來講，許多創新工作本來就是嘗試性的，有成功當然也會有失敗，正確地對待陰性結果，培養學術自信也是科研訓練的一部分，只可惜現在很多的學校和實驗室過分強調你的數據結果和paper，而忽略了他們作為科研機構為學生提供規範化學術訓練的義務，所以造成了一大波迷茫於自己是否適合做科研的人。