江边轮船噪音污染很大的... 而且百汇园真正能看到江景的楼层和楼栋也不多

最近几年外企里面用英文名的都越来越少了，我们一般建议新入职的同事用护照上的拼音作为英文名。

加社区群，拼团买菜。

数理基础不错的话，可以考虑形式化验证，长期招聘中：

https://i.v2ex.co/ye87o60El.png

无锡江南所？如果是神威的话还蛮好出成果的。

总包 400K 上下吧，IC4 相当于工作五年左右的 experienced ，不过前两年入职的老 IC4 因为股票涨幅大的原因，实际总包要远远大于新 IC4 。

@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。

@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。

@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。

@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。

@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。

@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。😀

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

@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。

@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）