作者：李博杰，中國科學技術大學博士|來源：Datawhale

大家好，今天在某乎看到一篇非常不錯的博士畢業經驗分享，推薦給大家，希望對于有著同樣困惑的小伙伴，有所幫助。

我是中國科學技術大學的博士，畢業的時候基本拿到了各大廠的 top offer，包括華為天才少年、阿里星等，最后我選擇了華為，以下是我求職經歷的分享。

博士畢業，學術界還是工業界，創業還是大廠？

博士畢業的時候，就涉及到工作的選擇，我大致劃分為 5 種：學術界、自由職業、創業、國外大公司、國內大公司。

首先是學術界，雖然我很喜歡科研，但是如同我一開始讀博時的顧慮一樣，我不喜歡理論，喜歡能夠實用的研究。我覺得學術界的研究，即使是網絡系統領域，也經常脫離實際需求。

例如我博士期間整個團隊花了幾年時間研究的心血，雖然發表了很好的論文，但也只是探索了一些可能性，并沒有在任何一個生產系統中商用。今天，我仍然希望把工業界的成功實踐總結成論文發表出來，就像我喜歡寫博客分享自己的生活一樣，但不希望 “為賦新詞強說愁”，為了寫論文而專門做一些短期內不可能商用的東西。

其次是自由職業，雖然黑客精神本質上是鼓勵自由職業的，但目前基于知識的利益分享機制還不健全，除了個別大 V，只靠咨詢服務、知識付費、個人網站的廣告收入來養活自己是很難的。

對于大多數自由職業者來說，自由職業能賺到的錢遠遠少于給大廠打工。因此，我自由職業的想法逐漸被消磨。

羨慕 LUG 選擇自由職業的小伙伴們，用自己的人生踐行著理想主義的精神。就目前而言，還是需要先保證自己不餓死，再談自由、分享、開放的黑客精神。

然后是創業。創業公司的優點在于效率高，可以像鲇魚一樣鉆進細分市場。分析目標市場的規模和當前玩家情況，就會發現公司掙錢都很不容易。

像微軟這樣體量的公司，10 億美金以下的市場根本入不了法眼。因為大公司要立項做一件事情需要復雜的流程，需要一個多功能的團隊支持，一個小團隊三五個人搞定的事情，大公司可能需要幾十個人的團隊。

大公司開發流程復雜，代碼生產率 300~500 行/人月，產出的代碼也是經過嚴格的檢視和測試的；

小公司可能代碼生產率高達 3000~5000 行/人月，但代碼質量未必這么高。因此，大公司比較適合 to B 的、對質量有嚴格要求的市場，而創業公司比較適合小步快跑、快速迭代的市場。

我所在的數據中心網絡研究領域就比較難創業，因為數據中心都是大公司才有的，大型公司要么自研智能網卡，要么采購其他大公司的智能網卡，誰會去買一家名不見經傳的小公司的網卡呢？

因此，這個典型的 to B 領域雖然有很多創業公司，但都是功成名就的大廠大佬們出來創辦的，并不適合年輕人創業。如果要創業，可能就得去做區塊鏈、元宇宙、隱私計算、人工智能等比較 “新興” 的領域，而我在這些領域并沒有積累，也不希望放棄在數據中心領域已有的積累。

我認為數據中心領域還是比較適合去大廠工作。相比自由職業或者創業公司，大公司的條條框框更多。這些條條框框一方面體現在規章制度、項目管理和開發流程上，另一方面體現在選題立項上。

用我導師的話來說，就是要遵從公司商業上的事實與選擇，尊重公司在產業中的位置與產品的現狀；研究的問題一定需要有可以落地到產品的途徑，而不是解決 “人類的問題”。

在國內或者國外工作對我來說沒有什么不同，但是我女朋友今年才博士畢業，如果我 19 年就出國的話，就從異地變成異國了。

異地的時候我們還能每個月見一次面，異國的話就沒法這么頻繁了，甚至還會有時差，就更麻煩了。因此我很快就排除了出國工作這個選項。2018 年初，我突發奇想，報名裸考了托福，還考了 103 分，其中口語和寫作是最差的，分別是 22 和 24 分，如果經過一定的準備，也許可以提高。但后來我并不打算出國工作了，就沒有刻意學習英語。

大廠面試，主要就是做題、講研究成果和聊天

這么綜合看起來，就只剩下國內大公司或者獨角獸了。大公司招人一般有幾種渠道，大佬邀請，內推，或者海投簡歷。因為我們在 MSRA 的圈子里，很多從 MSRA 出去的大佬自然就成為我們的重要選擇，他們也會主動聯系我們，這種大佬邀請的方式拿到頂級 Offer 的概率最高；

內推則是找朋友內部推薦，我的聯培博士好友聰老師就幫我內推了好幾家公司；海投簡歷一般來說不太建議，首先是簡歷被 “撈” 起來的概率不大，其次是匹配到的部門也不一定合適。

大佬邀請或者內推的方式相當于利用推薦人的背書，在面試前給了面試官較好的第一印象。不過，內推一定要找靠譜的朋友，曾經有人給我推薦候選人并說了壞話，我就說要么就別推薦，由于個人恩怨說人家壞話總不是好事。

我一共面試了 12 家公司，分為三類：

國內大廠，包括阿里、騰訊、字節跳動、美團、華為

國內獨角獸，包括 Pony.ai、第四范式、寒武紀、地平線

外企，包括 MSRA、Xilinx、VMWare

大部分公司的面試形式都差不多，前兩輪是技術面，大多數公司會讓講一講所做的研究，做一些算法題。后面是主管面，以及更高級的總裁面，有的還有 HR 面。

這些高層面試就以聊天為主，主要是看研究成果的影響力，未來的職業規劃，公司價值觀的匹配程度，高層領導也會借此機會宣傳公司，吸引候選人。有些高級領導也會在面試中要求寫代碼。

比如阿里星就包括兩輪技術面試、一輪主管面試、一輪交叉面試，以及一輪阿里星終面。阿里星終面是部門的 P11 總裁和其他部門的兩位大佬，加上高級 HR 主管一起面試，先讓做 30 分鐘學術報告，各位大佬再提問 30 分鐘。

當時我不知天高地厚地大談起正在做的批流一體處理的數據庫項目，沒成想 P11 大佬就是數據庫的資深專家，被噴了一頓。不過我的很多不成熟的項目就是這樣利用給大佬匯報的機會來接收反饋的。

在 MSRA 實習的時候，有一次（并非面試）圖靈獎得主 Butler Lampson 來 MSRA 訪問，我就給他講了講全序消息傳輸的想法，他給了非常有價值的反饋，這個工作在被拒了 4 次以后終于發表在 SIGCOMM ‘21 上。

阿里的交叉面試也令我印象深刻。交叉面試的面試官來自其他部門，是一位從 Intel 跳槽過來的專家，問了我很多 CPU 體系結構的知識，他說我在同齡人里算懂的比較多的，但對于細節了解還比較少。

我說，在公開渠道很難了解到 CPU 微體系結構的細節呀。他頗有些深意地說，這就是工作經驗的價值呀。

這一席話讓我意識到，一定要加入到有核心技術的團隊里面，并且有盡可能寬廣的技術視野，才能在短暫的青春里學到盡可能多的 know-how。

面試字節跳動的郭傳雄老師時，郭博士給我出了一道數學題。那道題是給定一個遞推公式求上下界，是從他的 DCell 論文中得出的（隨著 DCell 級別超指數級增長的服務器數量），而我并沒有認真讀過這篇論文。

其實數學上這個上下界并不難求，但是我當時的確沒做出來，郭博士給我講了才豁然開朗。郭博士說，他喜歡的研究就是數學理論優美，同時又有實用價值的類型，但這樣的研究可遇不可求。面試字節 CTO 楊震原的時候，他讓我當場寫代碼，還聊了很多我研究工作中的細節。

他說，好久沒有聊這么底層的東西了，他在百度的時候就做這種底層優化，有種當了幾年將軍又回到當年俠客切磋劍法的感覺。

面試 Pony.ai 的時候，如愿見到了傳說中的樓教主。見到樓教主之前有兩輪代碼面試，每場面試有兩三道不算難的算法題，跟 Google 的面試很像。樓教主給我出了幾道智力題，我都沒有見過：

1、用一個每次拋出正面朝上概率為 p 的硬幣，允許多次拋出，實現一個等概率的 01 隨機變量，要求盡可能減少拋出次數的期望。這的確是很漂亮的一道題，現場我想出了最優策略但沒算出期望來，后來我才搜到期望是 1/H(p)，其中 H 是熵函數。

2、n 維立方體的頂點數和面數。

3、三維正方體的六個面上任給起點和終點，求蟲子沿面爬行的最短距離。

4、把一張長方形紙的一條邊三等分、五等分。樓教主現場給了一張 A4 紙讓我折，我折騰半天，給出一種方法，教主以為對了，我自己發現錯了；然后我改了改，找到一種他沒見過的三等分方法，但比較復雜，其實教主的方法非常簡單，也很容易推廣到任意等分。

當時我還問樓教主，怎么看端到端的自動駕駛流水線，他說生命攸關的東西完全交給神經網絡這種黑盒子，他不放心；深度學習的可解釋性和可調試性不強，就算效果好，萬一出了事很難向公眾解釋，也不一定能符合法規的要求。

MSRA 的面試輪數可能是最多的，有兩輪代碼面、研究員和主管集體面試、交叉面、副院長面、HR 面等，其中每輪代碼面是兩道算法題加一道系統設計題，號稱是 “一票否決制”，因為代碼面不通過的不管主管怎么說情都沒法錄用。

MSRA 的研究員和主管集體面試和華為的研究員和主管集體面試、阿里星終面比較類似，都是先講學術報告，然后是提問交流。交叉面主要是考察知識面的廣度和思維的開放程度，曾經有位候選人在面試時大肆攻擊交叉面試官的研究領域，這就不太合適了。

面試華為的時候，譚博問我，對 FPGA 在數據中心里的應用怎么看。如果僅僅站在為自己的研究成果辯護的角度，大談 FPGA 的優勢，這個回答就狹隘了。不同的公司有不同的選擇，其中有技術路徑依賴的原因，也有商業上的考慮。

公司更希望候選人能客觀地分析各種不同智能網卡體系結構的優劣。我自己做面試官的時候，也希望候選人能從自己的研究工作跳出來，有新的獨立的思考，最好能升華一層，而不是像復讀機一樣把幾年前做過的報告再講一遍。

事實上，這些面試我都沒有怎么準備，因為我覺得大廠的算法題都不難（除非是考到數學或者腦筋急轉彎類的問題）；

研究成果已經講過很多遍，不需要 PPT 材料都可以講出來；

聊天就更不用準備了，我的職業規劃就是成為系統架構師，我也比較喜歡奮斗，跟國內大廠的價值觀比較匹配，同時我對計算機也保持著濃厚的興趣，希望持續探索巴斯德象限的前沿。

有些面試官還是會問一些跟計算機基礎知識相關的問題，我就知之為知之，不知為不知。比如 C++、Java 我沒用過，我就說不會；雖然我做過一點內核開發，但都是最簡單的內核模塊，沒有研究過網絡協議棧。

我自己做面試官的時候也喜歡考察候選人的計算機基礎知識，例如操作系統、網絡、分布式系統、數據庫等，以及候選人慣用編程語言的語法語義和編譯鏈接運行時的知識（例如垃圾回收），經常發現很多候選人在問到理論性的問題時回答得頭頭是道，但追問一層就答不上來了，因為他們并沒有真正用過這些系統，只是背了一些面經。

有的候選人甚至試圖欺騙面試官，如果面試官是這方面的專家，這是很容易被發現的。

直到今天我自己做了面試官，才發現跟我當年做候選人的時候一樣，候選人的水平和經歷跟面試官越接近，面試起來就越舒服。

遇上高手就像是朋友聊天，比如遇上打 ACM 的就聊聊擅長哪些數據結構和算法，哪些題是天坑，比賽的時候怎么打配合；

遇上折騰網站的就聊聊用了什么框架，CSS 和 JS 有多少坑，運維的過程中有哪些血淚史；

遇上稚暉君那樣折騰嵌入式系統的就聊聊玩過（燒壞過）哪些單片機，PID 控制的參數怎么調的；

遇上搞區塊鏈的就聊聊共識機制和智能合約，順便讓他給我科普科普已經多年沒看過的幣價；

遇上玩過信息安全的就讓他講講黑了哪些網站，找到了哪些漏洞的 “光輝歷史”；就算遇上自己不懂的領域，也能虛心請教，聽候選人講講他的故事，能學到不少東西。

大廠 Offer 的選擇

承蒙各位面試官和領導的厚愛，在這些公司我都拿到了不錯的 offer。國內大廠的 offer 之間是會互相 match 的，例如我拿到阿里星的 offer 之后，其他幾家大廠都會參考這個 package。

因此學弟學妹如果想找大廠工作，一定不要只投一家，否則就等著被宰吧。

為了選 offer，我就像審論文一樣，給每家公司寫一段 Summary（概要總結），列出 Strengths（優點）和 Weaknesses（缺點），將面試過程中和各方面收集來的信息放到 Comments to the Author（評論）里面。

同時，我也會記錄公司里的大佬、直接主管、新入職的優秀員工和實習生。就像頂會的每篇論文審稿意見都很充實，我給每家公司也寫了上千字的點評。在此基礎之上，我做了一張電子表格，從多個方面給每家公司打分，包括：

入職薪酬

長期預期薪酬

Offer 在同齡人中的相對檔次

業務匹配度

成長空間

工業界影響力

學術界影響力

Work-life balance（工作輕松度）

領導熟悉度

工作穩定程度

公司文化

公司品牌

部門前景

領域前景

技術積累

大牛老板

大牛同學

工作地/戶口

每一項都像論文審稿一樣 1~5 打分，然后計算算術平均值、幾何平均值、方差等統計指標。根據這些統計指標，再對各家公司進行排序。就像審論文一樣，論文中不中不是單看評分，但第一輪篩選中可以把評分過低的先行過濾。平均分 3 分以上的公司有 7 家，也就是第一輪過濾掉了 5 家。

因為最后只能選一家公司，“中稿率” 只有 8%，這確實是個很殘酷的篩選。對于第一輪被篩掉的公司，為了避免吊著招聘 HR，浪費主管的一片真心，我就早一點直說了。

就像論文第一輪被拒之后早點告訴作者，作者還可以早一點轉投其他會議。我這個人不擅長拒絕，在拒絕每家公司的時候都要深思熟慮好久。

這 7 家的平均分最低為 3.78 分，最高為 4.11 分，其中前 6 家的平均分都至少為 3.94 分，因此真的是難分伯仲。

我也很難對上述這些指標進行加權。論文投稿中，也不是根據分數來決定最終的錄用，而是經過 PC（程序委員會）會議討論，如果有人 champion（支持）并且沒有人反對，這篇文章多半就能中。

換到選擇公司的語境中也是如此，如果有明顯的優點并且沒有明顯的缺點，就是更好的選擇。

最終，因為我的博士啟蒙導師在華為，而且華為有軟硬件結合設計的優勢，我做出了艱難的選擇。

拒絕這 7 家公司中的另外 6 家就更難了，因為每家公司都有廣闊的前景、優渥的待遇、充足的成長空間、成批的大牛老板和同學等。

在那時看來，也許選擇哪家公司并沒有很大的不同。

畢業前不久，遇上了 “516” 美國制裁事件，一時間人心惶惶，很多人說華為快不行了，勸我不要去華為了。一位老師對我說，人最寶貴的是時間。如果你想支持華為，可以花錢，買一部手機都是支持華為。

但是如果選擇加入一家公司，投入自己的絕大部分時間，那就不一樣了。錢學森等大科學家可以放棄優渥的待遇回國做默默無聞的工作，但他們再也不能像楊振寧那樣做世界前沿的研究、拿諾貝爾獎，而且一輩子的生活條件也沒有很好。

但我經過實地調研和訪談，確認華為并不是像外面傳言的那樣不堪一擊，整個公司還在正常運行，該做什么項目還做什么項目，在食堂吃飯的時候電視機上就在播出與制裁相關的新聞，而大家都已經習以為常。

因此，我力排眾議，堅持認為加入華為跟錢學森回國完全不是一個性質，并保持了我的選擇。這也是我一生中遭到反對最多的重大選擇。

新員工入職培訓的時候，我們跟人力資源部的一位總裁座談，我就提出，可否效仿 “阿里星”，搞一個系統性的吸引優秀人才的項目。

2019 年 8 月，公司恰好啟動了 “天才少年” 計劃，我也很有幸成為其中的一員。

公司層面的 “天才少年” 計劃當然跟我隨口提出的建議無關，但我能夠預判到公司對博士等優秀人才招聘越來越重視，而不是像某些人想象的那樣受到了制裁就要收緊優秀人才的招聘。

3 年過去，在領導和各位同事的關懷下，我承擔了越來越重要的項目責任，發揮了越來越大的價值，也說明當年的這個選擇沒有錯誤。

盡管我只有很有限的工作經驗，想告訴學弟學妹的是，在上述 “打分項” 中，領導和部門的重要度高于公司和研究領域的整體狀況。

一個人過得舒服不舒服，在工作中能不能受到重視，很大程度上要看領導，尤其是直接主管。跟領導的 vision（愿景）一致，合作起來會更順暢。這就像是在讀博過程中，導師的重要程度遠大于學校和學院的名氣。

部門的重要度其次，主要看部門的業務和氛圍，也就是業務的基本盤是否穩固，是否有想象空間，團隊氛圍是否和睦。在大公司中，公司股價的下跌可能會影響收入，但是短期內對個人工作的影響是不大的。

研究領域的熱門與否更是一個緩慢的變化過程，如果哪一天自己的研究領域垂垂老矣，再換也不遲，很多大佬都經歷過研究領域的切換。