Mengyun LIU

拾慧集 · Gleanings

读文笔记

重读“沈向洋的七条职业发展经验”在 AI 时代的回响 （2026-11）

原文是沈向洋 2019 年离开微软时发表的《Seven Things I Learned on the Way to Not Achieving My Career Goal》。七年之后重读，行业背景已从持续扩张变为 AI 驱动的重构，这些经验哪些仍然成立？

一、文章核心内容

他博士毕业时的目标是成为终身教授，却越走越远。借数学家Richard Hamming的演讲，他提出：与其问“我想要什么”，不如问“我的领域需要什么”。七条经验：

  1. 要专注：时间和精力有限，不能什么都做。创业与孩子不可兼得，他选择了后者。
  2. 要拓宽，先深入：先把一个基本问题研究透，成为领域专家形成个人标签，再扩展广度。
  3. 会讲故事很重要：表达方式可能比工作本身更重要，没人相信，工作再好也是无用功。
  4. 定位决定所得：先定义成功，再为之努力。
  5. 把握可控的，留心可见的：不困于无解之事，退后一步观察全局。
  6. 专注项目而非名头：图灵奖得主Jim Gray从不关心自己在产品团队还是研究团队，只追随“能产生影响的项目”。
  7. 走中庸之道：不过河拆桥，保持平衡、倾听与仁慈；“你永远不知道哪位同事会成为你的下一任老板”。

二、对当前形势的适用性分析

当前大背景已完全不同：文章写于科技行业上行期，默认机会持续扩张。而当前是 AI 驱动的行业重构期，2026年前7个月全球科技业裁员已超 12.4 万人、超过 2025 全年总量，且裁员与创纪录的营收同步发生。其中，

  1. 仍然适用、甚至更值得强调的经验
    • 经验 2（先深入）：AI 恰恰在商品化“浅技能”。初级、标准化岗位最先被替代，Anthropic内部报告显示初级技术岗占比已降至 14%，工程师人均代码产出半年内增至 5 倍。这意味着“浅而广”的竞争力加速贬值，深度与判断力成为人的护城河。
    • 经验 3（讲故事）：当 AI 能生成内容，说服、叙事、建立信任这些“让人愿意跟随”的能力反而更稀缺。
    • 经验 5（把握可控的）：在地缘、经济与行业的多重不确定性下，这条几乎是当下的心理生存指南。
    • 经验 6（项目而非名头）：大厂头衔在裁员潮中并不保命，Meta 裁员 8000 人的同时将 7000 人转岗至 AI 部门，岗位价值取决于你所做的事是否在浪潮方向上。
  2. 需要打折扣或补充的部分
    • 精英视角：经验1、4、7带有明显的精英视角。作为CMU博士、微软全球副总裁，他的“选择自由”是普通从业者不具备的。对面临35岁危机、入行无门的年轻人说“别在意头衔、追随重要问题”，有一定的幸存者偏差。
    • “先深入”正变得更难：这条经验的前提是存在一条从初级到资深的成长阶梯，而 AI 正在抽掉阶梯的最下几级，招聘增量向资深职位倾斜，初级岗位的生存空间持续收缩，这被研究者称为“认知公地悲剧”，即企业用 AI 替代初级岗提效，却可能削弱未来资深人才的供给。
    • “问领域需要什么”需要加入风险维度：在行业上升期，追随重要问题约等于追随机会。而在重构期，还要问“这个问题三年后还存在吗？是否会被自动化吞掉？”

三、展望

  1. 职业形态从“阶梯”变为“组合”：终身雇佣和线性晋升让位于“深度专长 × AI 协作 × 跨领域”的组合式生涯。沈向洋“不达成目标反而成就更大”的叙事，将从少数人的幸运变成多数人的常态，目标会不断失效，方向感比目标更重要。
  2. 人的价值向两端迁移：一端是定义问题、品味判断与系统设计，另一端是高度人际化的服务与信任劳动。中间的标准化执行层持续塌陷。BLS 的预测已体现这种分化：纯编码岗位预计下降 6%，而含分析与设计责任的开发岗位预计 2024–2034 年增长 15% [ref: AI时代，程序员会消失吗]。
  3. “先深入”的路径将被重建：既然传统的“初级岗练级”通道在收窄，教育系统必须回答“如何在 AI 时代培养深度”——用 AI 帮助学习者跳过机械练习、直指系统思维，或许成为新的入行阶梯。
  4. 中庸与关系网络的长期价值上升：行业越动荡、跳槽与重组越频繁，“不过河拆桥”的复利越高。动荡时代里，人的声誉是唯一可携带的资产。

一句话概括：这篇文章的“道”（追随重要问题、深度优先、项目导向、中庸处世）在 AI 时代依然成立甚至更显珍贵，但它的“术”默认了一个持续扩张的行业。当前，我们还需要补上的，是对结构性风险的清醒认知。

科研的稀缺性正在瓦解，“全民科研时代”即将到来 （2026-09）

原文作者仇旻（西湖大学副校长、工学院院长、光电研究院院长），载于“知识分子”，2026-08-27。

一、文章核心

以 1945 年《科学：无尽的前沿》与 2026 年白宫《科学：新黄金时代》两份相隔 81 年的报告为线索，提出一个框架：

科研能力 = 人 × 智 × 器

  1. 人（受过训练的人才）与智（文献、数据、AI 工具）的稀缺性已先后瓦解
  2. 稀缺性正向器（仪器、工艺线、超算）转移
  3. 科研正从机构特许经营的职业，变为全民可参与的活动

中国应建立面向全民的新制度：

  • 把“验证”做成国家科学基础设施
  • 为计算类成果建自动化复现通道
  • 公共验证平台对个人开放
  • 高校从知识守门人转变为平台与裁判

二、精彩摘录

  • “生成”的成本指数级下降，但“验证”的成本没有。当想法不再稀缺，可信的知识才稀缺；当设计图纸不再稀缺，把图纸变成器件的能力才稀缺。
  • 顶尖人才依然稀缺，开创性的突破依然稀有，“不再稀缺”的是支撑科学大厦的底座——那些受过训练、能读文献、会做实验、能写论文的人。
  • 全民科研绝不是“民科”。公众参与科研与“民科”的最大不同，在于是否接受“验证”。
  • 谁接受检验，谁就是科学共同体的一员，无论他是院士，是一家企业里的工程师，还是一名中学生。
  • 过去，我们是知识的生产者兼守门人，将来，我们更大的价值也许是做平台和裁判。如果还把自己定位成“科研的唯一合法生产者”，我们一定会被这个时代绕过去。
  • 闸门挡不住水位，能做的只有修好河道。

三、关键数据

  • 2025 年高等教育毛入学率 61.30%，在学博士生 75.36 万人；全社会研发投入超 3.9 万亿元，研发人员总量世界第一
  • 订阅制时代单篇论文按篇购买价 31.5 美元；加州大学系统一年付给爱思唯尔订阅费约 1100 万美元
  • AlphaFold 免费开放 2 亿多个蛋白质结构预测，190 多个国家 300 多万研究者使用，超三分之一来自中低收入国家和地区
  • 一次芯片晶圆流片 5 千–10 万美元以上；EUV 光刻机单价约 2 亿美元，下一代 High-NA 近 4 亿美元
  • 全国高校院所仪器开放率从 2014 年不足 50% 提高到 2025 年的 90% 以上，但仍局限于机构对机构，无“个人用户”统计
  • 1996 年 GIMPS（互联网梅森素数大搜索）启动，此后人类发现的几乎所有最大素数纪录均来自该草根网络；新疆星明天文台靠业余观测支撑至少 15 篇学术论文

与上一篇互为印证：当“生成”被 AI 拉平，稀缺的正是验证、判断与品味——无论是职业选择还是科研制度，价值都在向“定义问题”和“裁决可信”的两端迁移。

杂

  • When your talent cannot support your ambition, you should get down to learn. When your ability cannot realize your goals, you should concentrate on your experiencing. Ask yourself what kind of life you pursue.
  • A man should not be too introspective, which will make him weak. A sensible approach is only effective when making small decisions. As for life changing things, you must take risks. Something of extraordinary significant things always happens by chance. Only the unimportant things can be well planned.
  • 一个人不该过分自省，这会使他变得软弱。 理智的做法只有在做很小的决定时才有效。 至于改变人生的事情，你必须冒险。 意义非凡的事情，总是碰巧发生的。 只有不重要的事，才有周全的计划。 ——珍妮特·温森特

诗词

  • 小满
    花未全开月未圆
    半山微醉尽余欢
    何须多虑盈亏事
    终归小满胜万全