Works
认知是拓展和变化的，其本质是创造或学习新的东西。
- 东亚资源的稀缺诞生了应试教育，应试教育批量的生成了社会需要的标准人才，但是毒害了独立思考的能力。尤其是在AGI逼近的现在，问题显现得十分严重。1
- 当今社会需要的是具有创造力、充满好奇心并能自我引导的终身学习者，需他们有能力提出新颖的想法并付诸实施。
1 危机感与自我驱动
国外没有 996，其实真正可怕的是自我驱动的卷。2
方法论：优秀团队的高效沟通与组织管理
1 基础知识
1.1 公司理解: 包装汇报和实力同等重要
- 能解决OKR的关键问题是首要能力评估维度
- 但是除开OKR一些关键的指标。其实很难量化一个人的工作和能力，所以对上级包装工作的能力显得相当重要。
- 对应的作为上级，拆开下属的工作包装，找到工作推进的瓶颈热点，集中力量解决的能力很关键。
1.2 同事理解：向优秀者靠近
无论是对上级还是下级，和优秀者学习是不变的道理。然后逐渐了解其生活，成为生活中的好朋友。
1.3 管理者信条
- 基层技术管理的核心，我认为始终是“技术是底座，创新是导向，业务是源头”
- 商业的底层是利他，因为只有利他才会有人持续跟你合作，跟你玩。
- 第一性原理（First Principle ）指的是回归事务最基本的本质，不带任何偏见的进行分析后，找出达成目的或解决问题的最佳解方
- 鼓励创新并容忍一定失败：OKR（Objectives and Key Results）明确量化目标一定程度上限制了创新。
SMART原则、OKR评估指标
1.4 SMART原则
- 绩效指标必须是具体的（Specific）
- 绩效指标必须是可以衡量的（Measurable）
- 绩效指标必须是可以达到的（Attainable）
- 绩效指标是要与其他目标具有一定的相关性(Relevant)
- 绩效指标必须具有明确的截止期限（Time-bound）
无论是制定团队的工作目标还是员工的绩效目标都必须符合上述原则，五个原则缺一不可。 制定的过程也是自身能力不断增长的过程，经理必须和员工一起在不断制定高绩效目标的过程中共同提高绩效能力。
1.5 OKR（Objectives and Key Results）
有效的OKR制定一定是满足SMART原则：
你要找的是，能给未来带来积极结果的早期指标，并且越快找到越好，你需要发掘一些早期迹象来证明，你走在了正确方方向上，所以我们内部用的词是EIOFS-未来成功的早期指标，我认为他对人们有帮助，因为我一直在用它，来给公司带来希望，我们不从市场规模中获取灵感，而是从某项工作的重要性中，某项工作的重要性是未来市场的早期指标，我们内部没有人需要做商业案例，没有人需要给我看损益表，没有人需要给我看财务预测，唯一的工作就是这项工作重不重要，如果我们不做的话，会发生什么。
1.5.1 OKR >? KPI / BSC
为什么英特尔、谷歌等美国高科技企业热衷于应用OKR管理系统，而不是传统的KPI（关键绩效指标）和BSC（平衡记分卡）等绩效管理方法呢？
- 从严格意义上来讲，OKR是目标管理方法，而不仅仅是绩效管理方法。
- 和目标管理方法相比，后者更注重绩效结果考核，更关心考核结果与薪酬的结合。
- 而OKR则有很大不同，OKR被定义为一种目标管理方法，它有助于确保公司上下一起聚焦于解决重要的难题。
古人的治理理念
1.6 重剑无锋，大巧不工
这句话出自道家经典《道德经》（又称《老子》），由古代中国哲学家老子提出。“重剑无锋” 的意思是指一把沉重的剑，因为它的重量，即使没有锋利的刃口也能发挥巨大的威力。这里比喻高深的智慧或能力，不需要外在的锐利或华丽的表现就能有效地解决问题或应对挑战。“大巧不工” 则意味着真正的高超技巧是不显露痕迹的，真正的巧妙之处在于看似不费力而实际上却极为高明。这两句话共同强调了道家倡导的"无为而治"的理念，即通过不强加干预而达到自然和谐的状态。
1.7 内圣外王
“内圣外王” 是儒家的一个重要概念，主要出现在《中庸》等儒家经典文献中。“内圣” 指的是个人修养达到道德圣人的境界，即在个人道德、品德和心性上达到完美无瑕的状态。“外王” 则是指在社会和政治层面上能够施行明智和正义的统治，引导社会达到和谐有序的状态。这个概念体现了儒家强调的个人修养与社会责任相结合的思想，认为只有内心达到圣人的境界，才能在外部世界施行圣王之治，实现理想社会。
总的来说，“重剑无锋，大巧不工” 强调的是通过自然无为的方式解决问题的智慧，而 “内圣外王” 强调的是个人修养与社会责任相结合，通过内在的道德完善来实现外在的理想治理。这两个概念虽然来源于不同的哲学流派，但都反映了中国古代哲学中追求天人合一、道德完善的核心思想。
2 职业交往晋升模型
2.1 适用背景
- 加入新团体，不了解当前已有的技术栈和社交关系(或许有嫡系和派系)。为了快速立稳脚跟，成为骨干核心。
- 已经成为公司是一员后，面对上层领导和手下的员工，如何实现阳谋的众望所归的更进一步，晋升加薪。
需要注意什么、培养什么和追求什么？
学术研究
产业趋势方向(蓝海)与个人的定位目标
1 AI产业趋势
1.1 学界观点
“The Bitter Lesson” 是由强化学习之父、加拿大计算机科学家 Rich Sutton，在 2019 年发表的一篇经典文章中提出的观点。文章的核心观点是，人工智能的长期进步主要依赖于不断增长的计算能力，而不是更加精妙的算法设计或人类的先验知识。Sutton 通过回顾 AI 历史上的一系列突破，指出那些依赖通用方法和计算能力的进展往往比那些依赖特定领域知识或人工设计的技术更为持久和影响深远。这个教训强调了在设计 AI 系统时优先考虑可扩展性和计算效率的重要性。
学术界和工业界的区别
学术界难以或者不屑于考虑工业界落地的问题，专注于高效果从而过多的简化现实场景问题的研究，会难以产生实际应用价值。
关注现实系统的问题: 可拓展性，投入收益比，社区生态等。去掉论文假设有时才能带来真正的价值。
1.2 工业界视角
AI在技术层面和应用层面取得突破性进展，正以史无前 例的速度和深度触发广泛的行业变革。一方面，以大模 型为代表的AI技术迎来“拐点”，从感知理解到内容生 成，从单模态走向多模态，从专用走向通用。另一方 面，AI应用迎来“奇点”，从2C应用加速进入到行业核心 场景，未来两年，人工智能将为50%以上的行业核心场 景创造更多新价值。加速到来的智能时代对算力基础设 施提出新要求：1
第一，构建新的计算架构，匹配多样性算力需求势在必 行。多样性算力正在改变数据中心算力格局，AI算力成 为主要增量。预计到2030年，全球通用算力需求将达 到3.3 ZFLOPS，是2020年的10倍；AI算力需求将达到105 ZFLOPS，是2020年的500倍；全球每年产生的数据 总量将达1YB，是2020年的23倍。海量的多样性算力需 求加速计算架构从以CPU为中心，走向支持多元算力的 对等架构，打破传统技术瓶颈，持续拓宽计算带宽、降 低时延、提升性能。
第二，突破算力规模的瓶颈至关重要。算力是AI产业创 新的基础，算力的大小直接决定着AI迭代和创新的速 度，大模型训练需要大算力的加持。通过系统的整体设 计，把计算、存储、网络、能源等整合在一起，将数据 中心打造成一台AI超级计算机，通过规模算力更好地实 现高可用性、高能效比和长稳训练，使能百模千态的繁 荣发展。
黄仁勋的关键职业历程：转销售明白 - 客户真正在乎的是什么
学业：1984年，黄仁勋从俄勒冈州立大学（OSU）毕业。而后又进入斯坦福大学并取得了硕士学位。刚刚从电子专业毕业的他，会选择去哪里呢？最好的选择就是去硅谷找一份相关的工作。那时的硅谷还没有现在这么蓬勃，我们所熟知的英特尔和AMD还仅仅是半导体行业的两个「后生」，微软也远没有现在这么壮大。1
初入职场：黄仁勋选择加入了AMD，成为了一名芯片设计师。在这个岗位上，他的个人技术得到了坚实的提升。两年后，他跳槽到LSI Logic，这同样是一家芯片公司。主打业务并不是CPU，而是倾向于芯片的图形处理。
当时的行业格局，主打一个百家争鸣。而在这种发展的初期，找对路、把握机会就显得尤为重要。
拓宽能力：在LSI Logic期间，黄仁勋从设计部门转到了销售部门。他认为，这次职业变动从另一个方面给他自己创业打下了基础。毕竟，创业除了做产品，还包含卖产品，后者同样重要。而在销售部的经历让他知道了客户真正在乎的是什么。黄仁勋曾经向他的妻子保证，自己会在30岁之前拥有一家公司，他也真的做到了。
开始创业：1992年底，曾经一起合作过的两位伙伴把黄仁勋拉到了英伟达的初创团队。黄仁勋要技术有技术，说管理懂管理，谈销售懂销售，就自然而然的被推举成为了英伟达的总裁兼CEO，而这两个职务他也是一直干到现在。
2 职业方向：All4AGI
2.1 AI模型太卷、迭代太快、没有护城河
国内做AI 创业，简直顶着刀山火海前行，
- 没有融资，
- NV显卡购买受限
- 非大厂没有数据集，
- 国内用户没有付费习惯，
- 面临国外 OpenAI的竞争。
- 国内强AI监管约束，人身安全风险。
2.2 AI软硬协同设计优化（数学/计算方法 + 体系结构(硬件) + 软件开发） is suitable 4 me
快速落地/构建可行的AI系统：从应用优化(HPC)出发，算力段深入了解AI硬件设计，AI模型端寻找可大规模高效并行的通用方法。 AI硬件设计、软件优化和大规模快速高效部署技巧是护城河，接入最新的模型是变现手段。