所谓选对方向,是选对做分子的路。

公众号写了将近十年,很多话题其实是老调重弹,比如,不断有人经常提及的,选择重要还是努力重要,那么旧文说过。

人生的选择题和证明题

再谈人生的选择题与证明题

简单总结:证明题是为了能有更好的选择,选择题是不辜负自己努力的证明。

那仍然不断有人问,该怎么选择前进的方向,选择职场,选择其他路线等等,我一直强调的是,选择能发挥自我价值的领域,而不是盲从所谓的热点,那么,今天我试图用另一种方式来解答,就是无论你选择什么前进的方向,要让自己做分子,而不是做分母。

什么是分子,什么是分母。

分母,是所有选择这个方向的人。

分子,是在这个方向达成你预期目标的人数。

比如说,你想考个985大学,分母是所有参加高考的人,分子是考上985的人,有人选择高考移民,比如去天津的就很多,因为相对其他省市,分子和分母的比例更高一些,相对而言,让自己的孩子成为分子的可能性更高一些。

比如,很多人希望成为程序员,看中了程序员的高薪酬,那么要看这个人的薪酬期望是多少,比如说前几年,网上觉得程序员年薪50万挺容易的,那么假设这是你的期望值,达成这个待遇的就是分子,而所有从业者和试图进入程序员领域的人,就是分母。

在程序员的红利期,比如互联网早期,因为市场诉求激增,投资活跃,创业公司成长迅速,分子激增的速度大于分母增速,给人一种感觉,就是这个行业很容易拿到满意的回报。移动互联网早期也是,安卓程序员,iOS程序员稀缺,凡是早入局的回报都很好,分子先激增,分母慢半拍。

但今天的局面有所不同,我说一个很重要的常识,公众对这个世界的认知,往往是落后于时代5-10年的。

我希望你们认真理解这句话,这也是我之前强调的一个观点,你不需要预判未来,你只需要更好的认清现实。

现实发生的时候,很多人是无感的。所以我写公众号这么多年,不少读者觉得我判断力特别好,预测神准,其实我早解释过了,我不是,我没有,我只是比别人更早的告诉你们现实是什么,而很多人把这个当成了预测

现实是什么,我几年前其实就说过了。

关于程序员的996,我们谈谈历史和逻辑

程序员职场的出路在哪里

谈谈事实和逻辑 

是的,四五年前我就告诉你们,现实是怎样的,但是大家感受不到,今天,相当多从业者已经感受到了,找不到工作的程序员,被迫转行的程序员越来越多,但一些非从业者,还沉浸在过去的幻觉里,你们知道每年毕业生多少是计算机专业的么,张雪峰之流还在怂恿年轻人去报考计算机专业,最近两年,我在新加坡这边各种线下活动,和不少业内大佬交流过,硅谷那边,就算是伯克利的计算机毕业生,找工作都很难。AI时代来了,基础技术工作者的工作机会越来越难。鉴于公众的认知延后,程序员群体的分母仍在急速膨胀(看看每年高校毕业生专业分布!!),但最近几年,所谓高薪程序员,这个分子却一直只降不升。

从绝对值来说,高薪程序员的分子还是挺大的,但从趋势来说,成为分子的难度越来越高,你有把握让自己成为分子么?

有人说,想转型做AI研发工程师,看新闻说工资很高。

我不知道你是怎么理解这个事情的,如果你想做AI相关的应用,不需要去学习AI研发,普通程序员就可以,我的星球会员就有很多成功案例,AI的API和其他API没什么区别,普通程序员都会调用处理接口,不存在转型做AI研发工程师。

如果你说的是大模型开发,我讲一点,这个领域是全世界最聪明的人在博弈,是的,前段时间那个被小米千万挖角的小姑娘不是什么海归博士,但人家在北大读硕期间的几篇论文是很强的,你如果有这个实力,你确实有机会,否则,你会面对一个现实,和世界上最聪明的一群人在分母里去争夺做分子的机会,这真的很难。

AI研发真正的人才需求没那么大,AI应用的需求确实很大,但不需要所谓AI研发。

当然,学习利用AI做研发是一个必然趋势,但说的不是一回事,不赘述。

以前有个说法,生化环材,四大天坑,其实我读书的时候不是这样的,当时这几个专业还挺热门的。说真的,这四个领域的市场天花板低么,一点不低。生物医疗公司不赚钱吗?化工企业集团不赚钱么?环保,碳排放难道不是21世纪最大的产业方向么,至于材料,天啊,处处都是金矿,光智能手机领域,一个锂电池,一个液晶屏,就多少上市巨头。新能源车的锂电,也是材料学很重要的应用领域,电极材料的突破会带来市场爆炸性的增长,以及甚至诺贝尔奖的惠顾。建筑方向,防火保温材料已经成为国家重点支持的领域,气凝胶听说过没有。至于服装,最近户外运动越来越热门,各种材料科技也是不断在这个领域堆叠。其他如以及环境治理,回收等等,随便数数,生化环材的市场空间简直大的不得了。

为什么叫做天坑专业?不是说天花板低,不是说没有商业空间,因为做分子太难了,太吃资源了,所以普通人没机会往上走,所以能做到高薪的分子只限顶尖的一小撮人。

什么是资源,你搞个折叠屏的设计,几个亿下去可能啥都不是,普通人没法做懂么,你需要特别特别出色,才能有足够的资源支持你,还不能确保你做出有价值的成果,普通人只能是分母。

程序员人人都能做,有台电脑就能改变世界。

但是AI研发就不一样了,太吃资源了!就算是DeepSeek,如果不是幻方一年能赚十位数,怎么搞,拿啥搞。如果一个公司要把几个亿,几十亿的资金投入到算法研究,会用普通程序员么?怎么可能,必须选择最优秀的,最有机会成功的那些人对不对。

每个领域,做成分子都有很可观的回报,问题是你能不能。

前段时间直播,我讲我大学毕业设计的课题,两相流,流体力学的范畴,我就随便聊了一句,有个全球的跨国消费领域巨头,核心科技就是流体力学,在中国也有很好的市场业绩,让大家猜,谁呢,戴森电器对不对。

你看,流体力学也有很好的市场空间对不对,戴森的流体力学专家,待遇是不是也是很可观的。

我大学同宿舍的同学,在美国行业巨头做芯片设计,是领域内顶尖技术专家,待遇当然也是顶级的,你说我们什么专业,我们专业是热物理,芯片设计是非常热门的科技领域,听上去和我们专业好像没啥关系对吧,但是芯片散热可是非常重要的话题,特别是现在消费电子产品越来越轻薄,芯片晶体管密度越来越高,如何有效散热肯定是一个很重要的设计考量,这就是他的职责所在。

回到那句话,你在自己所擅长的领域成为分子,这点最重要。如果你盲目追随所谓热门的领域,所谓大众认可度高的领域 ,然后你在里面当一个分母,烘托别人的成功而已。

如果你想说,找到好赛道可以事半功倍,那么仔细看看,哪些领域分子正在快速膨胀,而分母没有同比增长,看看自己有没有机会。

我这些年一直是坚持用这种思维来跟读者们分享,你们可以翻翻,我是哪一年开始说出海的,鼓励大家多研究海外市场,多做出海尝试的。今年可能有人会说,出海早就卷的不行了,但是你往前看,我十多年前就投资了白鲸出海社区。从当时来看,出海赛道是不是一个分子快速激增,分母还磨磨蹭蹭的时代。到现在,很多企业在国内竞争环境和国际局势变幻的环境下开始被动出海,而相关人才需求其实依然旺盛。

我鼓吹安卓的时候,这个公众号看不到,早期读我百度空间和微博的同学可能还记得(微博已经主动销号,不要问了),当时市场主流声音还是力挺塞班。

当你想要选择一条适合发展自己的路线,记住多想想,自己能不能成为那个分子,而不是分母。

那么这里几个注意点。

这条路线的分母都是谁,是越来越多,还是越来越少,分子都是谁,是越来越多,还是越来越少。以及,想成为分子,自己应该达到什么高度。

一定要更好的看清现实,而不是沉浸在过往的所谓经验中。

我最近劝年轻人,编程是基本能力,要学习,无论你未来从事什么工作,有编程思想,和基于编程思想的逻辑能力很重要,但普娃不要选计算机专业,除非你天赋异禀,有把握认为自己可以在这个领域站在分子上。

张雪峰之流,只是不断贩卖历史经验,根本认不清现实。

最后,简单的做一些自我吹嘘。

我的公众号写了将近十年,知识星球目前已满八周年。更古早时期,我在互联网上坚持分享有超过25年,当然,很多文章都不存在了,不是我删除的,是那些平台都不存在了。

我一直信奉一个原则,写出来的东西,经得起时间的检验,这么多年过来了,我不能说我的见识,认知都是对的,我早年也经常有判断不清,见识浅薄的时候,可能现在还会有,只是自己意识不到,不过最近这些年,我的公众号文章历史都在(因不可抗力被删除的我没有办法,但那些被删掉的文章其实更加经得起时间检验),我相信我的读者能判断出来,是不是经受了历史的检验,是不是比罗振宇之流讲过的东西更能被时间验证。

我的知识星球一直很佛系,价格也很朴素,这么多年没做过低转高,所谓低转高,是知识付费领域约定俗成的变现大法,稍微懂点行的都知道我在说什么,我不是没这个能力,没这个机会,就是没这个意愿,比起变现能力,我更担心自己无法交付到位。

我也不敢承诺,自己的星球能做多久,说真的,可能每一年我都当作是最后一年来做,但事实就是,已经做满八年了。如果读者不嫌弃我,我就继续的佛系做着,没有什么额外的承诺,每年两次福利课,不敢说多好,自忖对得起门票,几次福利课中提到的关键判断,幸好还没有误导大家。我不能说一定带读者发财,但我能说的是,真的不会带大家跳坑。

佛系的我连下面二维码的图片都懒得换,上面的数字还都是去年的。

👇 我的知识星球,三天内自行退出免费100%退款承诺。

7f75639bb414def532f99d20ad98aa11.jpeg

176ee3bc30d48356cd6d379c2fcb8413.jpeg

关于在一维扩散仿真或者数学模型方面,在计算机科学背景下,可以找到多种资源来解释这个概念以及如何实现这样的模拟。 一维扩散指的是物质在一个维度上随时间推移而发生的分布变化现象。这种现象可以通过偏微分方程描述,即所谓的扩散方程。对于简单的案例,该方程可以在直线上定义,并且可能涉及齐次或非齐次条件,边界条件等。 在计算机科学领域,建立一个一维扩散仿真的步骤通常包括: 选择合适的数值方法求解扩散方程。常见的离散化方法有有限差分法、有限体积法和有限元法。这些方法将连续的空间域转换成一系列离散点,使得原问题转化为代数方程组的问题。 确定初始条件和边界条件。这涉及到设定系统起始状态以及任何限制系统的规则,例如固定浓度水平或其他类型的约束。 编写程序以迭代地应用所选算法更新每一时刻的状态直到达到预定的时间终点。编程语言的选择取决于具体需求和个人偏好;Python因其丰富的科学计算库如NumPy和SciPy而成为流行选项之一。 可视化结果以便直观理解数据的变化趋势。Matplotlib或Plotly这类图形库可以帮助创建动画展示粒子密度随着时间演变的过程。 为了更深入探讨此主题,下面是一些相关的研究方向和技术细节: - 基于随机行走理论的一维扩散建模提供了另一种视角来看待这个问题。在这种框架下,单个分子被视为执行独立但统计相似步长序列的实体。 - 对于某些特殊情况下的解析解也存在兴趣,比如无限介质中的高斯脉冲响应函数就是这样一个例子。 - 当考虑更加复杂的环境特性时(如多孔材料内部),则需要引入额外的因素影响传输速率,进而调整原有的简单形式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值