本文内容整理自相关技术讨论与问答记录仅作为个人学习笔记存档。一、职业选择的核心原则在上升期让你的技能成为利润中心1.1 硬件公司与软件公司的技能错配在一个以某类技术为主营业务的公司里做非主流岗位时价值如何被评估、如何被对待是一个核心问题。场景含义作者观点在硬件公司里干软件去华为、大疆、小米等以硬件产品为核心的公司做软件开发不推荐职业上升期在软件公司里干硬件去字节、阿里、腾讯等以软件/互联网服务为核心的公司做硬件设计比上一种好一些但仍非最优核心原因硬件与软件的成本属性不同。硬件成本倾向在物一次性、可分摊、可库存。做一块电路板节省了1元成本就是1元利润。价值容易被量化。软件成本倾向在人持续发生、不可库存。开发人员的工资每月都要付代码本身复制几乎零成本但人的时间很贵。在硬件公司里软件常被看作固定费用总被问能不能少几个人。1.2 为什么硬件价值容易被量化软件容易被赠送维度硬件软件成本特征一次性、可分摊、可库存持续发生、不可库存边际成本递减做第1000个比第1个便宜几乎为零但固定成本高责任追溯坏了就是物料或工艺问题一个bug可能跟架构、需求、沟通有关管理思维把硬件成本当成资产/物料来管理把软件成本当成人力费用来管理结果在硬件公司里软件团队被当作费用项价值容易被压缩在软件公司里硬件团队反而变成可量产的物利润清晰不容易被忽视。1.3 上升期 vs 下降期的策略反转周期策略原因上升期去以你的专业为核心业务的公司你的技能成为利润中心而非成本附庸下降期反向操作硬件公司为了降本增效会愿意用软件优化替代部分硬件软件公司收缩时会先砍非核心硬件团队1.4 苹果是例外不是规律苹果本质上是硬件公司营收约80%来自硬件销售但其软件iOS、macOS不是附赠而是硬件溢价的原因。用户因为软件而买硬件软件直接驱动硬件销量和售价。判断一家硬件公司的软件岗位是否值得去关键两问这家公司去掉软件产品最多降价多少10% → 软件是附件危险30% → 软件有定价权安全软件团队的成本在财务报表里属于研发费用还是被分摊到物料成本中纯费用项 → 容易被砍部分能体现到BOM价值里 → 相对安全二、信息过载时代的认知策略跟着一个人建立框架2.1 前沿方向的致命特点跟踪前沿方向时容易迷失自己。信息量巨大观点迥异且因为太新行业还没有形成任何共识也没有很好的评价框架可以参考。前沿方向的三个致命特点信息过载每天几十篇论文、上百条解读信噪比极低90%是重复、炒作、臆测没有权威裁判没人能告诉你谁对谁错2.2 跟着一个人的省力路线核心方法挑一个经常在媒体中出现的行业大佬公司背景最好和自己所在公司是同行或紧密上下游关系学识能力也是自己认可的。搜他/她近两年的全部讲话和访谈一一看过来。步骤动作目的1选一个人限定信息源避免迷失2搜近2年全部讲话/访谈获取时间序列上的思考脉络3看演讲 → 总结行业框架知道有哪些板块、谁是玩家4看访谈 → 总结评价框架知道用什么标准判断好坏5琢磨背后的思考逻辑学会像他一样推理而不只是记结论6再扩大阅读面用他人观点修正单一偏见关键洞察2-3天就能建立一个底子——这比漫无目的地刷几个月信息高效得多。2.3 实操中的坑与应对坑表现对策选了错的人网红型大佬观点反复、追热点优先选投资人、行业分析师、退休后的大佬把大佬的预测当真理大佬也会错而且错得离谱重点学他的框架而不是结论只看一家之言没有修正机制再找一个角色对立的大佬对比分歧点时间滞后性近2年的访谈可能已经是2年前的信息优先找播客和近期财报电话会进阶心法同时跟踪2-3个彼此之间有真实观点碰撞的大佬。看到的不只是结论而是论证过程的对决——学会的是判断判断的能力而不是单纯记忆。三、判断好公司的可操作指标3.1 核心逻辑好公司没有标准答案但针对具体问题有可操作指标场景判断方法核心逻辑产品策略——学谁行业老大守正成熟方案行业老二创新新方向老大的优势是规模化老二的生存靠差异化行业趋势——往哪走参考比自己高一层的相邻行业上游/更前沿的行业已验证的方向会下沉到本行业跳槽——去哪家公司看RPE人均营收 扛金锄头行业人均营收高公司有钱分资本密集型行业员工待遇更稳3.2 RPE人均营收与扛金锄头RPE Revenue per Employee 公司年营收 ÷ 员工人数RPE高 → 每个员工创造的收入高 → 公司有能力付高工资RPE低 → 劳动密集型人多但产出有限 → 工资容易被压缩扛金锄头行业你拿的工具硬件/设备/资本本身就很贵那么作为使用这个工具的人待遇不会太差。因为工具贵 → 需要靠谱的人操作 → 对人的投资相对便宜。公司/行业硬件/资本投入员工工资比例资本:人力员工待遇预期DeepSeekAI公司约1万张A1004000张H800三年摊下来资本投入高工资高但相对资本投入低约4:1非常好中田健身房典型门店总投资50万三年摊店长年薪12万约1:1一般核心洞察资本投入 人力投入 → 公司会善待员工因为不差这点工资钱资本投入 ≈ 人力投入 → 公司会压缩人力成本因为这是主要的可变成本。四、文档写作的三个核心原则4.1 原则一可以回溯任何一个文档都要有作者、版本号和时间。如果有引用数据/文献要给引用的出处。如果引用第三方的观点/数据也要给注释。目标20年后你自己翻资料翻到这篇文档能不能引用这篇文章中的数字、观点并且对比当时的数字、观点还能给出差距的原因。为什么要这样做产品决策经常需要回溯当时为什么选A不选B→ 没有出处的文档等于没说数据会过期观点会被推翻但有了出处就知道当初的假设是什么才能分析偏差原因版本号和时间是决策锚点某年某月的数据对应某个版本的逻辑不能混用4.2 原则二盲读一个文档按照有人可以盲读的目标来写。盲读就是他不认识你也不能取得你的联系方式而且他周围的人也不能给他任何参考意见他只有你的文档可读。盲读能做到的标志不用解释当时我说过什么文档里都写了不用补充这个术语在我们公司指什么文档里有定义或链接不用追问这个数字是怎么来的文档里有计算过程或出处4.3 原则三魔鬼在细节一篇对外的文档大内容一般都是正确的。文档质量全在细节。标点符号、空格、字体、错别字、图表标号……每一处都重要都代表公司体面。高质量文档的保障多轮审阅流程。大公司出精品一个文档过10轮审阅流程肯定质量高于过2轮审阅的。原则解决的问题核心目标可回溯时间久了忘记为什么做决策可追责、可复盘盲读别人看不懂、要追着你问信息可独立传播魔鬼在细节小错误摧毁信任体现专业和体面三条合在一起你的文档应该像一个可独立站立的人——有来历、能说清、体面整洁。五、OpenAI商业模式对AI芯片公司的影响5.1 核心数据拆解根据纽约时报报道2024年9月OpenAI按8月收入3亿美元推测年收入为37亿美元收入来源金额占比说明ChatGPT Plus订阅费1000万用户 × $20/月~$2.5B~68%按月收费固定收入其他订阅相关~$0.4B~11%企业版等API收入卖token~$0.51B~15%按使用量收费其他~$0.2B~6%-总计2024年预估~$3.7B100%关键发现API收入只占15%绝大部分是靠用户按月付费。5.2 为什么作者失望两种商业模式对硬件的要求完全不同模式赚钱逻辑对硬件的要求硬件公司的处境订阅费用户每月付固定钱不管用多少次降低成本只要能满足基本体验越便宜越好芯片公司被压价追求够用就好API卖token按使用量收费用得越多赚越多提升性能/性价比每美元能跑多少token芯片公司被激励做更强的芯片作者担心的是OpenAI现在主要靠订阅费赚钱 → 它的最大动机是把硬件成本压下来因为反正用户付固定月费用多用少都一样而不是追求极致性能。5.3 对未来的期待“如果在2029年的1000亿美元中有50%来自API我会更开心。”这意味着只有API收入占比大幅提升OpenAI才会真正成为推动硬件性能进步的客户而不是压榨硬件成本的客户。六、产品经理的数字防飘法则6.1 什么叫做飘了产品经理喜欢讲用户体验、场景、痛点、闭环、赋能、心智……这些词本身没错但如果没有数字支撑就会变成谁嗓门大谁有理无法验证、无法对比、无法决策。“飘” 浮在概念层落不到执行层。6.2 不同岗位的数字精度要求岗位精度要求举例为什么市场量级不错“这个市场大约10亿左右”市场是粗颗粒度的精准到万没有意义产品精确到个位“日活用户 1,247,563 人”产品决策需要知道趋势、对比、目标研发小数点后2-6位“延迟 2.34ms”技术细节里小数点是性能和可靠性的分界线核心洞察产品经理不需要像研发那样精确到小数点后4位但也不能像市场那样只说大概几亿。精度是够用就好不是越精确越好。6.3 数字化自查清单常见飘的说法数字化的追问“用户反馈挺多的”多少条反馈占总用户比例NPS多少“这个功能很重要”多少用户会用到使用频率影响多少GMV“竞品也这么做的”竞品数据如何我们和竞品的差距是百分之几“用户体验不好”哪个环节跳出率多少完成任务的时长是几秒“我们要提升转化率”从多少提到多少多长时间怎么测七、标准化的两面性Intel vs. Nvidia的护城河策略7.1 硬件产品经理的根本性两难角色对标准化的态度原因作为买家采购上游零件爱标准化标准件 多家供应商可选 随时可替换 成本低作为卖家把产品卖给下游恨标准化不希望自己的产品变成标准件可替代 → 只能拼价格矛盾的本质对上游你爱标准化对下游你恨标准化。你的利润就藏在这个双标的缝隙里。7.2 三种产品类型的竞争格局产品类型特点竞争格局例子超级标准化所有零件可互换性能参数透明无止境性价比竞争后来者无数利润极薄USB线、电源适配器中间产品部分标准化部分定制需要巧妙平衡单点突破大多数硬件模块、板卡高度差异化客户紧耦合切换成本极高护城河深利润高Nvidia的GPUCUDA可怕之处如果产品完全标准化 → 赛道里会出现巨鳄用机枪扫射的方式尝试所有排列组合选出最优解然后靠体量拉成本干死所有人。7.3 两种典型的护城河策略策略代表核心逻辑护城河来源Intel策略定标准做老大IntelPCIe标准主动给供应商、同行制订标准让大家按你的规则玩标准制定权 规模效应Nvidia策略守小市场做垂直整合NvidiaCUDA生态不立标准不与任何人平摊研发费用10多年打造软件生态软件生态 紧耦合 先发积累关键洞察Intel式护城河 让别人按你的规则玩横向扩张Nvidia式护城河 让用户离不开你的系统纵向深耕7.4 软件生态是长坡滚雪球Nvidia的例子第一个100万开发者用了13年第二个100万只用了2-3年。一旦跨过临界点速度会指数级加快。生态的临界点你的生态解决了其他方案解决不了的问题 用户迁移成本极高。八、评价体系产品经理的定义权8.1 为什么评价体系这么重要没有评价体系 → 需求合不合理全凭感觉 → 产品经理和研发天天吵架有评价体系 → 所有人用同一把尺子 → 优先级、权衡、拍板都有依据8.2 两个成熟评价体系案例案例一芯片 → PPAC维度含义P Power功耗P Performance性能A Area面积C Cost成本无论多先进的架构、多牛的算法最终落到具体应用上这四个维度拉出来一比高下立判。案例二AI能力 → 与人类平均水平比较应用场景AI表现人类表现结果CV计算机视觉准确率97.3%95%停车场收费员被替代自动驾驶Waymo碰撞率0.41/百万英里人类2.78/百万英里先取代运营车辆再取代家用车评价体系的威力一旦AI在某条线上超过人类平均水平那条线上的人类工作就理论上消失了。不相信的人需要自己承担高昂保险费用市场机制会倒逼接受。8.3 赢家公式“如果一个新产品在产品经理自定义的评价体系中占有明显优势。产品经理和公司又有能力把这个自定义的评价体系推成行业标准。那就是妥妥赢家。”条件含义例子1. 自己的产品在新体系中占优你定义的尺子量出来你最好苹果说用户体验比跑分重要 → iPhone在体验维度占优2. 有能力推成行业标准让市场接受你的尺子英伟达让所有人都用CUDA生态作为评价AI芯片的标准只满足条件1自嗨你自己说你好没人认只满足条件2为他人做嫁衣你定义了标准但别人的产品更符合两个都满足赢家通吃8.4 评价体系的来源与战略选择来源做法优点缺点什么时候用历史行业惯例沿用行业过去几十年用的评价体系所有人都在用沟通成本低可能已经过时固化竞争格局成熟品类、稳定技术、你只是追随者权威第三方机构采用权威机构发布的评价标准有公信力客户信任权威可能被收买更新慢你的产品在权威体系里表现好对我方有利战略选择主动设计一套评价体系让自家产品占优让你在竞争中重新定义战场容易被质疑自卖自夸新产品品类或旧体系里吃亏核心洞察评价体系不是客观真理而是一种战略选择。你选哪套体系、给每个维度多少权重、是否能推广出去决定了你的产品在市场上的位置。九、框架与Checklist从执行者到定义者的分水岭9.1 什么是框架框架是思考的边界理论上限、下限、边界。要素含义例子以芯片市场为例理论上限最好能到什么程度某类芯片的理论最高算力物理极限工程上限现实能到什么程度当前工艺、成本、散热约束下的最高算力下限和边界不能低于什么不能超出哪里成本不能超过X元功耗不能超过Y瓦框架的作用让你知道我们在哪儿、“能去哪儿”、“不能去哪儿”。大家在一个框架下讨论才能形成共识。9.2 什么是Checklist“一个人在没有和你直接交流的情况下拿着这个checklist能有质量地重复出checklist中指导的过程/产品/操作。”Checklist的特点它是精简的不是事无巨细的说明书它是可重复的换一个人也能做出同样质量的结果它是执行层面的保底机制防止遗漏关键步骤9.3 框架 vs Checklist 的本质区别维度框架Checklist作用界定思考边界、指导方向确保执行不遗漏内容上限、下限、边界、关键变量步骤、要点、检查项谁用定义者、决策者执行者可替代性不可替代错了全盘皆输可被优化/迭代核心洞察框架决定上限Checklist决定下限。9.4 从执行者到定义者的职业分层层级角色能力要求典型状态底层执行者能看懂并执行Checklist“你告诉我做什么我做”中层优化者能改进现有Checklist“这个步骤可以更高效”高层定义者/作者能从框架中提炼出Checklist“这是我们的标准流程”大多数人一辈子停在第一层。少数人能到第二层。只有极少数人能到第三层。9.5 芯片设计行业的框架 Checklist 实例框架以AI加速芯片为例维度理论上限工程上限下限边界算力某工艺下晶体管全部用于计算考虑缓存占比、片上网络开销后的可达算力10 TOPS INT8散热方案限制风冷 ≤ 25W能效无漏电、无动态功耗当前工艺典型值 DVFS策略2 TOPS/W工业级温度范围频率单个反相器的理论振荡频率PVT最差条件下稳定运行的最大频率500 MHz某代工厂某工艺面积整个光罩最大尺寸预算内的Die Size考虑良率-封装引脚 ≤ 400Checklist流片前最终签核设计检查RTL代码已freeze、Lint检查0 error、CDC检查通过、形式验证通过物理检查时序收敛、功耗分析、IR drop分析、DRC/LVS通过验证检查功能覆盖率 ≥ 99.5%、代码覆盖率 ≥ 98%、所有测试用例pass软件/固件检查驱动代码就绪、至少一个应用场景端到端测试通过制造检查GDSII文件通过foundry预审、封装图纸匹配、测试程序已编写文档与签字变更记录完整、已知bug清单已评审、设计评审记录齐全、签署流片放行单框架与Checklist的关系框架决定芯片做什么、做到什么程度Checklist保证别犯低级错误顺利做出来。十、产品经理的知识结构与心态“什么都懂一点与大家都是聪明人”10.1 什么都懂一点是为了什么懂到什么程度不用懂到什么程度知道某个功能实现起来大概需要多少资源人/周不需要知道具体用哪个API知道某个技术方案的边界和限制什么能做、什么不能做不需要知道底层算法细节知道业界动态别人在做什么、做对了什么、做错了什么不需要成为那个领域的专家知道从自己的产品到最终用户的整条路径上每个环节在做什么不需要每个环节都能亲自上手核心目的防止自己做错选错方向防止自己漏做别人做了你没做。最可怕的不是大家都错了而是有部分人做对了而你不知道。10.2 “最核心的是懂得最终用户在买什么”芯片不直接卖给最终用户。链条是芯片 → 模组厂 → 方案商 → 品牌商 → 渠道 → 最终用户。例子做一颗蓝牙音频芯片。直接客户方案商要更多的EQ调节参数、更多的音效模式。但最终用户买耳机时最关心的是连接稳不稳、“延迟低不低”、“续航长不长”。如果跟着客户做了一堆复杂音效但连接稳定性没做好最终用户不会买账 → 芯片卖不动。10.3 大家都是聪明人的心态你的感觉大概率是为什么“我好聪明竟然发现了这个漏洞”❌ 你错了这条路径上的专家早就看过了当前方案是权衡后的最优解“这个空缺大家都知道但没人愿意做因为初期吃力不讨好”✅ 有可能是对的这不是别人笨没发现而是别人聪明但不愿意做深层道理在一个被很多人反复审视的领域留下傻方案的概率极低如果你觉得自己发现了明显的漏洞大概率是你懂的还不够深没看到背后的权衡真正的机会往往不是别人没发现而是别人知道但不愿意做因为短期看不到收益10.4 判断我发现的空缺是不是真机会的四步法写下你的发现“我发现XX领域有一个空缺没有人做Y。”假设别人都是聪明的“如果有人已经想到了Y为什么他没做”列出所有可能的原因技术不可行成本不划算时机未到有法律风险需要太长时间回报逐一验证如果所有原因都可以被反驳或解决 → 可能是真机会如果确实很难解决但我有独特解法 → 也可能是真机会一个简单的自检方法每当你心里冒出我好聪明竟然发现这个的时候强制自己说下一句话但是比我聪明100倍的人在这个领域研究了10年他们为什么没做然后去找到答案。找不到答案之前默认自己错了。本文内容整理自相关技术讨论与问答记录仅作为个人学习笔记存档。参考资料