有关职业规划的一些建议

[madeye]

转眼在 NVIDIA 工作就快要满十年了，想要借此机会分享一下这十年的职业发展，并给今年毕业的同学们一些个人的建议。

选择大于努力

很多时候不得不承认在职业生涯中，选择远远大于个人奋斗。从 2021 年的当下往回看十年，当年最火的行业莫过于互联网。诚然过去十年中互联网行业造就了一个又一个财富新贵，但作为初出茅庐的应届生，直接进入火热的互联网行业并不是一个好的选择。因为不论公司再怎么有钱，应届生们作为 996 的一线员工，很难从有着大把期权股票的早期员工手里再分得一杯羹。

这时候选择新兴行业反而有着更大的潜力，甚至一些看上去不太靠谱的新业态也是个不错的选择，比如当时刚刚兴起的区块链行业。而与新兴行业相对应的，从「传统」行业里面寻找新的细分方向也是一个不错的选择，比如芯片行业中的 AI 芯片，汽车行业中的电动汽车。

对于行业的选择很多时候有着赌博的成分，这时候另外一个因素就起了很大的作用：个人的兴趣爱好。兴趣作为驱动个人事业的重要推动力，可以帮助自己选择喜欢且擅长的方向。比如短视频热潮中的绝大多数头部 up 主都是从业余爱好出发，最终站上了风口浪尖。

从我这么多年来供职于 NVIDIA 的经历来看，因为选择了正确的技术路线（ GPGPU ），越来越多的技术和应用从幻想变成了现实。随着大规模的人工智能应用进入我们日常生活的方方面面，NV 的股票也在十年内翻了接近 100 倍。这正是典型的选择大于努力。

坚持长期主义

类似于投资中的长期主义，职场成功的一个重要因素是如何长期积累行业经验并持续提升自己。工作了几年的年轻员工最容易犯的一个错误就是急着跳槽，实际上工作了三四年后，公司内部的机会往往比外部的更多。作为职业规划的一部分，工作了几年后，我们需要思考自己是更适合继续深挖专业技术还是逐渐向管理方向转型。无论是哪种选择，都应该先从当前的公司里寻找机会。比如公司的新产品、新项目，甚至一次常规的 reorg 都会成为之后发展的重要契机。

长期主义的另外一个侧重点是坚持做「正确的事」。当我们认定某个方向，坚持就显得非常重要，很多时候相信自己并持续努力是避免后悔的唯一方式。从职业发展的角度，每一分付出都不会白费，人脉、资源、经验都是需要长期积累的。

比如我所服务的 NVIDIA 部门长期致力于加速各种计算应用，从早期的高性能计算机业务，再到后来的深度学习的训练和推理；算法变了，但是方法论和技术路线从未动摇。相应的，长期的计算加速方面的技术积累带来了丰厚的成果，并成功转化为了 GPU 越来越高的销量。

选择好的队友并一同成长

好的产品离不开团队协作，如何选择队友也是一门艺术。应届生面试中往往以回答面试官的问题为主，却很少主动和面试官交流。事实上，面试中的面试官往往就是你未来的同事，尽早的了解你所加入的团队和同事都对于选择公司有很大的帮助。

记得当年我来 NV 面试的时候，最大的感受就是面试官都非常 nice ，面试更像是技术讨论而不是单纯的编程考试。同时，通过交流我也了解了所在组的工作范畴和技术路线，这对于我决定加入 NV 起到了关键性的作用。

之后的几年里，我们所在的业务快速扩张，团队也高速成长，转眼之间就从十个人的小组变成了上百人的大组。同时的，越来越多的新算法和技术也爆炸式的进入我们的研究范畴。这时候如何能赶上业界和团队的速度变得越发重要。另外随着团队的快速扩张，如何找到志同道合的新同事也变得极为棘手。好在我们并没有因为业务扩张而降低过招聘的标准，通过锁定合适的人选和制定合理的面试流程，我们也组建了一支高水准的团队。好的团队自然也会吸引好的人才，逐渐产生了良性循环。

结语

读到这儿，如果你还认同我的观点，并对我们所作的事情感兴趣，欢迎提交简历应聘我们的职位。社招和应届招聘都持续开放中，欢迎关注 NVIDIA 微信公众号查看职位并投递简历。

应届招聘请在此网站投递简历： http://campus.51job.com/NVIDIA2021CAMPUS/

[mnsw]

大佬，名字一看就很熟悉，感谢你的贡献

[yanjieee]

“随着大规模的人工智能应用进入我们日常生活的方方面面，NV 的股票也在十年内翻了接近 100 倍。” 这句是不是要改成“随着大规模的挖矿进入我们日常生活的方方面面，NV 的股票也在十年内翻了接近 100 倍。”，[手动狗头]

[madeye]

@yanjieee 哈哈，挖矿和炼丹都是我们的重要业务，不分高低。

[Buges]

感谢你的贡献。好奇一件事，这些年来在你维护某项目时，有没有受到过执法人员的打扰？

[Jtyczc]

看大佬发表，收益良多。

如果我在 NVIDIA ，我也能坚信楼主的话语不跳槽，但是我所在公司不值一提，也不是什么大厂 /中厂。

[wobuhuicode]

选择的确大于努力。

[vue666]

未来 10 年该怎么选择好, 有什么比较好的投资建议吗

[sagaxu]

能看得准行业或者公司，还能长期坚持不动摇，投资炒股也不错。长期坚持容易，看的准可就太难了，普通人偶然性因素更大一些。

[madeye]

@vue666 挖矿（ DeFi ，PoS ，NFT ），炼丹（ AI 芯片及软件栈），做梦（ Metaverse ），躺平（自动驾驶及机器人）

[madeye]

@sagaxu 对于普通人来说，两者的杆杆率完全不同，投身看好的行业相当于 all-in 。当然了，如果已经有了原始积累，完全从做投资的角度来看，直接创业反而是不划算的。

[yoke123]

你说的都对，但是你隐藏了最重要的一点。
门槛，你说的这些感悟道理大家都知道，但是有门槛这种东西存在，注定只能少数人能得到。
所以大家就算知道这些道理也没什么鸟用，还不如考虑中午吃啥。

[vue666]

@madeye 感觉自动驾驶和机器人我是没法进入这个领域, 第一是技术上不懂, 其次是感觉技术会了, 这方面的工作,学历要求也会很高, 有没有一些普通人未来可以做的, 或者说你刚刚说的那些东西, 衍生细分的市场可以考虑的

[root01]

首先，我得有面试资格，然后再得有面试通过，然后入职，再然后转正，再然后英伟达不嫌弃我只会修电脑。。。。
我真的只会修电脑

[besto]

前 Marvell Video 员工前来参见大佬。

[66beta]

门槛太高了，直接去顶级高校放个易拉宝效率更高

[madeye]

看到大家从不同方向的讨论还是挺有收获的。感觉大家对门槛看的太重了

打一个不太恰当的比方，虽然 Tesla 自动驾驶部门的门槛非常高，但 Tesla 店里的销售和工厂工人的门槛就明显低了很多，后两者一样可以获得公司快速发展的红利。

同样的 NVIDIA 也有下游的板卡制造、显卡分销等职位，门槛并没有特别高。甚至做个显卡黄牛都能财富自由（狗头

正好最近我们在推形式化验证的岗位，不需要任何芯片相关知识和 EE 背景。相应的，公司也会提供全套的培训，欢迎大家关注 ： https://mp.weixin.qq.com/s/VGmUlhoBKu9UAWgTQAlphA

[czfy]

CUDA 确实值得称道，如果不是远在 alpha go 击败人类开启 "AI" 热潮近十年前 NVIDIA 就开始布局，现在 NV 在图像 /影视 /机器学习的壁垒就不复存在，B 端、C 端生产力 AMD 要追上这十几年的积累不容易

要不是还有 CUDA ，现在 NVIDIA 在 B 端、C 端的名声怕是要更差了

[fyooo]

Orz 大佬

[luffy]

既然楼主说到队友了，很好奇楼主怎么看待这些情况，或者有没有遇到类似的。

1. 带着名校名企光环，总觉得自己最强，最权威，经常要跟别人争论觉得自己的方案是最好的 'leader'，甚至拍桌子。
2. 30 - 40 岁的老码农了，因为自己技术菜导致自己负责的项目出问题，而在那边发牢骚。缺乏基础的情绪管控能力。
3. 带着 PHD 这种高学历 title. 然而写代码却老喜欢搞一套自己独特的 style 。觉得自己的代码风格最棒，最好用，完全不考虑其它团队成员感受。对于那些通用的 best practice 视而不见。
4. 带着 CTO ， 架构师这种高级职位名称，然而在工程设计上却有很多低级决策。
5. 山寨型 manager: 就是只会分配任务，指挥来指挥去的，下属有功劳自己马上揽过去，有问题则者是下属的错。
6. 技术半桶水关系户，靠着关系，混圈子的。不用面试直接进公司，技术半桶水，却又觉得自己很牛，还要别的同事去适应他的风格。
...

很不幸的，这些本人全遇到过。
而且一般情况下，如果单纯看上面这些情况的履历背景，都会感觉很好。
@madeye

[securityCoding]

的确是选择大于努力 , 如果有的选不要进创业公司

[TypeError]

既要有学历、技术能力等硬指标，也得有眼光能正确看到行业趋势，
国内教培行业在疫情刚开始那会儿也前景很好，不仅有很多普通人投身进去，不少大的投资机构也纷纷投资，
然而现在……

[FranzKafka95]

看到大佬的名字，真的是感谢大佬的贡献呀

[yongdongjino3]

用两年再准备一个研究生，之后走校招 是不是对于不是科班出身的程序员来说 是一条最方便进大厂的道路？大佬你怎么看？

[Yc1992]

楼主说的很对，17 年接触 btc eth 并开始研究（炒 b ） 18 年开始进入区块链行业，目前看是选对了

[madeye]

@luffy 我来逐条分析一下：

1. 我接触到的大佬们，过往的成就越大人越是 nice 。对“真伪”大佬的一个简单的评价标准，是能不能把复杂的问题解释清楚。
2. 感觉更多的是个别人的情绪管理问题。事实上工作上犯错很正常，像是我们芯片公司里甚至会遇到芯片因为某人的 bug 无法正常工作的情况，这时候一般需要 manager 担起责任，不能直接推给一线员工.
3. 很多 PhD 更适合做 Research 相关的工作，如果其在做产品化的时候无法 follow 公司的代码规范，应该需要 PM 介入，并通过 code review 来规避风险。
4. 这一般是老板招人的问题，建议让这种人负责对外吹 NB 就好，不要管理公司内具体的技术决策…
5. 这种一般叫做 micro management ，在技术管理里是非常忌讳的方式。遇到这种老板，建议还是避而远之，另谋出路。
6. 不要和关系户计较，毕竟是老板的人。😀

[madeye]

@yongdongjino3 取决于你的年纪和工作年限了。30 岁以下，去北美 /欧洲念一个 CS 硕士是最好的方式。当然了，有些地方想要顺利毕业其实也不容易，比如德国的硕士。

[Just1n]

不能同意更多。
其实这些经验不仅仅适用于科学技术含量比较高的企业， 同样适用于传统的软件工程型企业。

[isbase]

感谢大佬对开源的贡献

[guchengyehai1]

挖矿（ DeFi ，PoS ，NFT ），炼丹（ AI 芯片及软件栈），做梦（ Metaverse ），躺平（自动驾驶及机器人）这些都是依赖 GPU 的发展，不过话说回来，madeye 大佬对大家最大的贡献还是那个项目，顶一个

[guchengyehai1]

借问 madeye 大佬一句，移动 android 端还有什么好延伸的么，我所知道的是努力学习计算机图形学知识，转型的话 meteverse 和挖矿这两种门槛或许低一些

[LxExExl]

楼主能分享下 nvda 在国内给多大包裹吗？

尤其是 rsu 和 refresher 一般怎么给的

[happinessnch]

不管是选择大于努力，还是长期主义，首先要有一个“正确”的认知，我不得不承认很多时候在这方面，甚至不如未入世的学生，溯源求解可能要追溯到原生家庭上，也就是从出生开始对于一些人来说，长期主义和认知是与生俱来的技能，而另外一些人要步入社会之后才能逐渐掌握。

[yongdongjino3]

@madeye 谢谢

[madeye]

@guchengyehai1 手机应用都 web 前端化了，大概率未来的 iOS 和 Android 应用开发都是一套东西。如果长远来看的话，Metaverse 终端设备上的应用开发是一个好的出发点，包括但不限于 VR/AR 以及未来各种可能的设备。个人感觉准备一些图形学的知识应该会有帮助。

[madeye]

@LxExExl 总包这些 offershow 上都能查到，数据也都是靠谱的。refresh 要看个人了，一般三年以后差距会拉开，同一届差一倍都有可能。

职业发展的快慢主要取决于能不能尽快的 promotion ，一般快速扩张的组机会更多。promotion 的规则也非常透明：OKR 达成情况、公司内部影响力、资深同事的推荐信。

[GiftedRoot]

@madeye 请问你身边有非科班出身的技术同事吗？可以给想转码的人一些建议吗？我之前一直在科技公司做市场工作，现在在读 CS 二学位。可是国内对大龄不太友好，所以以后只能考虑在国外找工作了。希望可以给些对想未来从事这个职业的人一些发展方面的建议，谢谢～比如长远来看，培养哪些好的阅读或者写码的习惯或者思维？

[madeye]

@GiftedRoot 两个案例：

1. 材料方向 PhD ，现在主攻低精度深度学习算法。引用他的原话，所有计算问题都是优化问题。。。
2. EE 转 CS ，在国内读了一年德语，去慕尼黑理工（ TUM ）拿了一个 CS master ，现在做 vSLAM 方向。

一般来说工科专业最重要的课程是高数和线性代数，学好这两门转行并没有想象中的难。

如果你是从文科转过来的话，可能转前端程序员更合理，未来朝 PM 方向发展。

[luffy]

@madeye

你要回复的贴子看起来好多，我尽量不增加你看贴的负担。

后来我换了个环境，去了一家行业 top 的正规大厂。
然后神奇的是，之前环境里出现的那些各种让人不爽的情况，全部一次性消失了。
取而代之的是： 开始享受写代码的掌控感。

我的亲自体会是，在一个糟糕的环境里，搬砖人员更多的是在填坑，然后挖坑，依此死循环下去，那种感觉根本就不是在写代码，是真正名幅其实的在搬砖。

换了环境后，终于可以没有顾虑考虑 如何把代码设计好，或者是有没有更优雅的做法。

相似的工作内容，却有着截然不同的体验。

[yifangtongxing28]

@luffy 哪家大厂方便透露吗

[GiftedRoot]

@madeye 谢谢分享~我原来是学 Neuro 的，高数和线代都有学。现在刚学完一个学期的课，暂时只会 Python 。可是目前觉得练习量不够，所以知乎 quora 搜帖子看别人的建议。看到很多人推荐刷 leetcode ，不过知识基础还没打好似乎为时过早。也试着看数据结构，可国内的教材比较晦涩难懂。后来转看 Reddit 上推荐的 Structure and Interpretation of Computer Programs, SICP ，却发现没有即时反馈的 grading 的话，有点难坚持和难啃。一直也在修 codecademy 的零零散散的课，可惜没有系统的目标处于很迷茫瞎学的状态。也想过找 project 做边遇到问题边学习，可是暂时找不到…看到你写的职业规划建议很受触动，所以想向你请教下转码初期怎么样能够长远稳定有效地积累自己的技术能力和培养好的 programming 的习惯和思维？我想早日走出迷茫不知道往哪个方向努力的状态'-'

[impl]

这是找招 c 艹？

[madeye]

@GiftedRoot 自学确实比较难，如果还在学校的话，建议还是先从蹭 CS 的课开始，系统的学习会比较重要。

[beidounanxizi]

选择大于努力✓

股票上涨 有没有想过是 美联储超发了
美帝一线的 FANNG 有股票的 应该都赚的很多了

[chenlee9876]

听过一句话
人最大的痛苦是知道什么是正确的，却总是在做错误的选择
但是什么才是正确的选择呢，迷茫哦

[GiftedRoot]

@madeye 好的 那我还是好好上学校的课好了