CircleNet

Everything is connected to form a network, including you,me, and our thoughts. Everyone is the center of universe.

[Art of Speculation @ArtofSpecuycky]

黄仁勋说AI的下一个黄金十年属于Physical AI——今天拆机器人产业链

最新财报会上，老黄说了一句话：
"AI factories are the largest infrastructure buildout in human history. And the next frontier is Physical AI."
每一个工业实体，都可能变成机器人。AI不会永远待在云端，它必须进入现实世界。
但很多人现在看机器人，还停留在"谁会做人形机器人"这个问题上。
这只是最表面的一层。

先说一件很多人没想清楚的事：为什么一定是人形？
这不是审美，是物理必然。
要操纵复杂物体，必须两只手配合。两只手要克服重力和力矩，就需要一个高挺的身体。要高效捕捉多方向视觉信息，头部是最优解。要在人类建造的室内环境里移动，双足的通过性远超轮式底盘。
人类过去一万年建造的整个物理世界，是为人形设计的。人形机器人可以直接插入这套环境，不需要对工厂、家庭、厨房进行任何大规模改造。
这是第一性原理推导出来的结论，不是概念炒作。

现在是什么阶段？
安克创始人阳萌给了一个很好的框架：10家公司以下叫非共识，10到100家叫共识，超过100家叫超级共识。
智能手机走过了同样的路径。2009年之后，上百家公司疯狂涌入，产品开始向最理想形态收敛，今天的手机正面看几乎一模一样。
人形机器人在2022年之前只有两三家在做，属于非共识。2023-2024年底达到三四十家，属于共识。2026年开始，全球几百家公司涌入，人形机器人已经正式进入超级共识阶段。
超级共识阶段意味着什么？
行业分工会极速细分，专业团队做出来的零部件会全面碾压整机公司自己造轮子。真正的平台和基础设施开始形成壁垒。
这也是为什么现在是布局底层基础设施的时机。

商业化路径是什么？
机器人不会一蹴而就，它会沿着一条清晰的路径落地，类似自动驾驶的阶段性演进。
第一阶段是工厂。结构简单、任务标准化、对精度要求相对较低。Tesla、Figure、优必选都在这里切入。这是现在正在发生的事。
第二阶段是服务业。医疗、教育、24小时营业的零售场所。这一阶段对语言和视觉模型要求更高，需要和人类交互。
第三阶段才是家庭。也是最复杂的场景，对机器人大脑和身体的要求都是最高的。
现在我们在第一阶段和第二阶段之间。布局的时机不是太早，也不是太晚。

机器人产业链，本质上和AI数据中心很像。
真正长期最赚钱的，往往不是终端产品，而是那些机器人绕不过去的底层基础设施。
整个产业链，我把它分成六层。

第一层：AI大脑
机器人产业链最上游。负责AI model、Inference、Decision Making、Simulation、Edge Compute。

$TSLA 是目前整个Physical AI领域里，最接近垂直一体化的平台之一。Optimus真正重要的地方，不只是机器人本身，而是Tesla同时拥有FSD数据、视觉系统、AI model、电池、电机、制造能力以及全球量产工厂。这些能力能够共享到底层AI与机器人体系中。Tesla最大的优势，在于真实世界数据与大规模硬件部署能力的结合。

$NVDA 本身并不制造机器人整机，但正在机器人软件与训练层深度布局。Isaac、Omniverse、GR00T 等平台，已经覆盖机器人训练、数字孪生、Simulation以及Synthetic Data Generation。未来机器人训练与仿真生态里，NVIDIA 很可能继续扮演重要基础设施角色。

$ARM / $QCOM
随着机器人逐渐向Edge AI架构发展，低功耗本地Inference的重要性可能持续提升。很多机器人场景对实时性、功耗以及本地决策能力要求较高，因此ARM架构以及Qualcomm在Low-Power Compute、Edge Inference、On-Device AI和Connectivity等方向具备一定潜在优势。

第二层：感知系统
机器人真正困难的地方是如何稳定感知现实世界。摄像头、LiDAR、毫米波雷达、深度视觉、工业视觉，这些本质上构成了机器人的感知层。

$AMBA
Ambarella 长期聚焦边缘视觉AI，在低功耗视觉处理、视频感知与端侧AI SoC方向具备一定技术积累。其产品主要应用于智能摄像头、自动驾驶以及边缘视觉场景。
$TDY
Teledyne Technologies 是工业视觉与高端传感器的重要玩家之一，覆盖机器视觉、工业检测、航空航天影像等领域。未来工业自动化与机器人视觉需求提升，可能持续受益。
$OUST
Ouster 主要布局数字LiDAR。随着自动驾驶、工业机器人、仓储自动化以及智能基础设施发展，激光雷达在部分场景中的渗透率可能继续提升。
机器人世界本质上需要持续处理现实世界里的模拟信号与空间信息。

视觉、感知、传感器融合以及实时环境理解，长期来看依然属于技术壁垒相对较高的方向。

第三层：神经系统
这是很多人最容易忽略，但长期最重要的一层。
机器人再智能，最后都必须把AI指令转换成真实电信号。PLC、MCU、ADC/DAC、Servo Control、Motor Control，这些才是连接数字世界和物理世界的关键环节。
$ABB
ABB 长期布局工业自动化、PLC、伺服系统以及工业机器人，是全球工业控制的重要参与者之一。随着自动化与机器人渗透率提升，工业控制系统的重要性可能持续提高。
$ROK
Rockwell Automation 是北美工业自动化核心公司之一，重点覆盖工厂自动化、运动控制与工业软件。未来制造业自动化升级，可能持续带动相关需求。
$ADI / $TXN
现实世界里的声音、电流、温度、运动，最终都需要通过模拟信号链完成采集、转换与处理。

ADI 与 Texas Instruments 长期深耕ADC/DAC、模拟芯片、电源管理、工业与边缘计算信号链。
模拟芯片是机器人世界的神经系统，但市场依然在用传统工业股框架给它们定价。这是预期差最大的地方之一。

第四层：执行层
让机器人真正动起来。电机、RV减速器、谐波减速器、Servo、Motion Control。
这一层很多核心公司偏日系工业体系。美股里 $ABB $ROK $TER都会间接受益。
$TER 旗下Universal Robots是全球协作机器人核心玩家。协作机器人很可能是最早真正大规模商业化的机器人方向。机器人越普及，精密运动控制需求越大。

第五层：真实落地层
真正开始赚钱的层。
$SYM 是我目前最看好的机器人落地公司之一。不是PPT，是真实自动化仓储，Walmart的订单是真金白银。如果机器人真正进入企业供应链，SYM很可能是核心受益者。
$SERV Robot delivery，高beta，规模还小，但符合Physical AI早期逻辑。如果robotics narrative进入主升浪，这类小票弹性会非常大。
这一层会最先商业化，但也最需要区分真实落地和纯概念炒作。

机器人数据这件事，很多人还没有真正想清楚。
机器人训练需要的不是互联网文本，而是真实物理世界里的视觉、力觉、关节位置、电机控制量，全部高度同步的多维传感器信号。
谷歌为了训练一个简单家居机器人场景，调用13台机器人，在厨房环境里采集了17个月，才积累约13万条操作轨迹。训练GPT这类大语言模型已经是数十万亿Token级别。
这个缺口，既是现在最大的瓶颈，也是未来最大的机会。
有一个数字很能说明问题：如果全美1万家麦当劳每家放一台机器人，每天工作2小时，一年就能产生超过1000万小时的真实训练数据，比目前全球积累的总量还要多几个数量级。
数据飞轮一旦启动，机器人智能的进化速度会非常快。
英伟达已经提前看到这一点。Omniverse的核心逻辑就是用虚拟仿真生成物理世界训练数据，降低真实数据采集成本。

大摩预测：到2050年全球人形机器人保有量可能达到10亿台，年收入市场规模接近5万亿美元，接近今天全球汽车产业的两倍。
2026-2027年，人形机器人年使用成本可能开始低于部分人类劳动力成本。一旦成本交叉出现，对全球劳动力市场的重构可能是颠覆性的。

总结
不要赌谁会卖出最多机器人。无论哪家机器人公司最终赢，它们都必须调用AI算力进行训练，都必须买工业控制和模拟芯片，都必须接入边缘网络。买总基础设施，才是这场革命里最确定的投资逻辑。那些卡住物理瓶颈、别人绕不过去的收费站，才是时间的朋友。

#PhysicalAI #机器人 #人形机器人 #边缘AI
#工业自动化 #AI基础设施 #半导体 #机器人产业链

[虎小象 @hx831126]

先讲一个你可能从来没听说过的人。

1930年，英国语言学家 C.K. Ogden 做了一件很偏执的事——他把整个英语词汇表研究了一遍，然后问了一个问题：如果只能留下最核心的那些词，英语还能不能用？

他的答案是：850个词，够了。

这850个词，不是随便选的，是他穷尽分析之后筛选出来的"语言骨架"。他把它们分成5类：

100个操作词（Operations）：这、那、是、有、做……就是那些让句子转起来的胶水词

400个普通事物（General Things）：名词里最高频、最基础的那层

200个可描绘事物（Picturable Things）：能画出来的具体东西，比如 door、fire、river

100个性质词（Qualities）：描述世界的形容词，比如 clear、simple、important

50个反义词（Opposites）：成对出现，学一个等于学两个

——————

然后他把这套体系命名为 Basic English，发表出来。

接下来发生的事情更有意思。丘吉尔在二战期间公开赞扬这套体系，认为它是盟国推广英语教育的最佳基础。H.G. 威尔斯把它写进了《世界大战》的续集设定里，作为未来世界通用语言的蓝图。乔治·奥威尔……没有赞扬它，但《1984》里那套压缩语言"新话"（Newspeak）的灵感，正是来自对 Basic English 的深深警惕——他担心语言被缩减之后，人的思想也会跟着被缩减。

这就是这850个词的能量：支持者觉得它是桥梁，批评者觉得它是枷锁，争论了将近一百年。

但我想说的不是那场争论。我想说的是——这850个词，对今天的英语学习者来说意味着什么。

大多数人学英语，是被一本本厚厚的词汇书和无尽的考纲压着学的。CET-4、CET-6、托福、雅思……每一个证书背后都是几千个词的暴力记忆，背了忘，忘了背，从来没有真正"用"过。

Ogden 给出的逻辑完全相反：不是多，而是深。

这850个词，每一个都是高频中的高频，每一个在日常英语表达里都有不可替代的位置。当你真正把这850个词学透——不只知道它的意思，还知道它的用法、它的近义词在什么场景该用哪一个——你对英语的掌握会比背了5000个词却每个只认识中文意思要扎实得多。

这是一种截然不同的语言观：根扎得够深，枝才能生得够远。

——————

于是我做了这个网站：https://t.co/MNteHwzK9m
（准确的说我让 Codex 做的）

原版 Ogden 的资料是一本PDF，黑白的，排版像上个世纪（它确实是上个世纪的）。我想让它变成真正可以用来学习的东西。

花了不少时间（花了不少 Token ）最终做成了这样：

每一个词，都有一张完整的卡片。

卡片上有：这个词的中文释义、英文定义（用简单的英语解释英语，就像 Ogden 本人的风格）、一句真实语境下的例句，以及2到3个同义词。五个类别各有自己的颜色，一眼就知道你在学哪个区域的词汇。

每一个词，都可以听发音。

接的是有道词典的语音接口，默认英式发音，可以切换美式。点单词听一次，点例句听一次，语速比正常稍慢一点，适合跟读。不是那种机械的合成音，真的可以听。

最让我花心思的，是同义词那里。

很多人背单词的时候，同义词只是"差不多的意思"。但真正用英语的时候，difference 和 distinction 不一样，speak 和 talk 不一样，simple 和 easy 不一样。差在哪里？什么场景该用哪个？

———————

网站是免费的，不需要注册，不会收集任何信息。

直接访问就行：https://t.co/MNteHwzK9m

如果你身边有正在学英语的人，或者觉得自己英语"学了很多年但还是用不好"的，可以发给他们看看。

也许这850个词，是一个值得重新开始的起点。
👆

以上的文案也是它写的，我越来越没有用了

[Art of Speculation @ArtofSpecuycky]

所有人都在买GPU和存储。没有人告诉你光模块公司的总市值比美光还低

我想从一个反常识的问题开始：GPU是AI的大脑，存储是AI的记忆。那光是什么？光是AI的神经系统。但神经系统从来不是最先被注意到的。存储已经涨了10倍，GPU更不用说。光的时代，刚刚开始。

1. 先说一个结构性的错误定价
在Nvidia的NVL72机架里，光模块的采购金额占到整个机架的20%。2026年全球AI光收发器市场规模预计从2025年的$165亿增长到$260亿，同比增速超过57%——这是半导体赛道里增速最快的子领域之一。 但所有光模块公司的总市值，比美光一家还低。这个错误会被纠正。问题只是什么时候。

2. 光和存储不一样的地方
存储的接力是季度级别的事件——供需拐点，财报超预期，市场重新定价，SNDK从$200涨到$900，这个过程很快。光的接力是年级别的结构性变迁，因为光的技术路线本身正在发生一次范式转移：

第一阶段（现在）：可插拔光模块
800G → 1.6T → 3.2T
线性增长，随数据中心扩张

第二阶段（2026下半年）：近封装光学NPO
光模块移向芯片旁边
需求非线性跳升

第三阶段（2027-2028）：共封装光学CPO
光引擎直接封装进芯片
这是终局，也是最大的价值重构

Meta在OFC 2026分享了大量数据，证明CPO比可插拔光收发器更可靠，成本更低，功耗更少。Nvidia在GTC展示了CPO将在2027/28年用于Scale-Up互连。5年内所有AI数据中心互连都将是光。 这不是预测，是物理定律。铜在高速率下信号损耗太大，功耗太高，距离太短。光没有这些问题。

3. 光在吃铜，不只是光吃光
生成式AI集群需要比传统云服务多10到100倍的光纤，正在把现有铜互连逼到物理极限。 这是大多数人没想到的逻辑——光的增长不只来自数据中心规模的扩大，还来自光替代铜的渗透率提升。每一代迭代，光吃掉更多铜的市场。这是双重驱动，不是单一驱动。

4. 产业链七个卡位，从上游到下游
现在我来把整条产业链拆清楚。
七个公司，覆盖从最上游的衬底到最下游的网络设备。

🔬 最上游：硅光衬底 $SOI
做的是硅光PIC的衬底材料——整个产业链最上游的原材料。没有SOI的衬底，硅光芯片就没有基础。护城河极高，几乎没有竞争对手能短期内介入。和TSEM形成上下游绑定：SOI提供衬底，TSEM代工成芯片。

🏭 代工层：硅光晶圆厂 $TSEM（Tower Semiconductor）硅光版本的台积电。
今天刚刚发生的重大事件：
TSEM宣布签署$13亿的2027年硅光合同，收到$2.9亿产能预付款，2028年还有更大合同在谈判中。计划资本支出$9.2亿专门用于硅光扩产，Q2营收指引$4.55亿同比增22%。
TSEM最聪明的地方在于：它不赌哪条技术路线赢。
可插拔、NPO、CPO，三条路线都用TSEM代工。就算市场对技术路线判断错了，TSEM依然受益。这是光通讯产业链里确定性最高的picks-and-shovels。

💡 激光器层：光的心脏
光模块的核心是激光器。没有激光器，光模块什么都不是。
激光器分两条技术路线：
磷化铟（InP）路线——$LITE（Lumentum）
LITE是目前唯一能量产200G每lane EML激光器的供应商，是1.6T收发器的关键零件。Nvidia预先锁定了LITE的EML产能，推迟交货期超过2027年。
Nvidia向LITE投资$20亿，用于加速AI基础设施光学技术。LITE CEO称2026年是激光器芯片销售的"突破年"，刚收到历史上最大的CPO超高功率激光器采购承诺。
LITE的护城河是时间积累的——InP激光器的制造需要极其精密的工艺，20年积累的经验是任何竞争对手短期无法复制的。而且LITE不只押注现在：EML是可插拔时代的命门，ELS外置激光器是CPO时代的命门，OCS光路交换机是未来AI集群的光学路由器。
三个产品线覆盖了光通讯从现在到2030年的完整需求。

硅光（SiPho）激光器路线——$SIVE（Sivers Semiconductors）
Sivers专注于CPO系统的高性能InP激光阵列，Jabil合作是第一个商业验证信号，证明技术正在从研究走向真实超大规模部署。 SIVE不是要打败LITE，而是作为CPO时代激光器供应链里的补充供应商——当LITE和COHR产能不足时，SIVE是下一个选项。整个CPO产业的激光器供应严重短缺，补充供应商的价值会被重新定价。

🔭 光学系统层：从组件到整合
$COHR（Coherent Corp）
COHR最新Q3财报：营收$18.1亿同比增21%，数据中心和通信板块$14亿，同比增40%。Nvidia同样投资$20亿入股COHR。COHR是整个光通讯赛道里垂直整合程度最高的公司。从InP晶圆到激光器到光模块到系统，全部自己做。COHR正在扩大6英寸InP晶圆产能，这是推动毛利率持续提升的核心驱动力——规模越大，每片晶圆的成本越低，利润越高。
LITE和COHR的关系是竞争者也是互补者：
LITE：激光器专家，EML垄断，聚焦
COHR：光学系统整合商，体量更大，更全面

🏗️ 物理基础设施层：光纤和连接 $GLW（Corning）
Corning是光通讯产业链里最让人意外的标的——一家成立于1851年的玻璃公司，正在成为AI基础设施的核心受益者。
Q1 2026光学通信业务增长36%，分部净利润增长93%。2028年营收目标$300亿，2030年$400亿，内含年化增速19%。两个额外的超大规模云厂商签署了长期协议。
Nvidia命名Corning为下一代AI基础设施光连接合作伙伴，投资$5亿+最高$32亿股权，在美国建三座专属光学工厂。
Corning做的是光纤、线缆和连接器——不是最性感的产品，但是不可或缺的基础设施。
城市要运转，不只需要主干道，还需要所有的小路、接头、路牌。
Corning做的就是光通讯世界里的所有"小路和接头"。
而且这些"小路和接头"是消耗品——每建一个数据中心都需要，每升级一个机架都需要。

📡 网络层：AI时代的网络基础设施 $NOK（Nokia）
Nokia是这七个标的里最被市场误解的。大多数人还在用"翻盖手机公司"的眼光看Nokia。
Nokia 2026营收预期同比增长7.5%，EPS增长21.2%，光网络业务增速20%，AI和云业务增速49%，单季度新增€10亿AI和云订单。
Nokia做的是什么？
光传输网络（OTN）——把数据中心之间用光连接起来的骨干网络。这是Scale-Across的核心基础设施。
Nokia的第六代超相干光学技术PSE-6s，是目前全球少数能实现800G甚至1.2T长距离光传输的技术之一。
Nokia收购Infinera之后，从"转卖别人芯片的公司"升级为"拥有自己光芯片工厂的公司"——同样的技术路线，市场给LITE估值66.5倍，给COHR估值35倍，Nokia只有30.8倍Forward PE。
这个估值差距是最大的错误定价之一。

七个标的的完整产业链图
最上游
SOI（硅光衬底）
↓
TSEM（硅光代工）
↓
激光器层
LITE（InP EML，可插拔+CPO）
COHR（垂直整合，光学系统）
SIVE（CPO激光阵列，高赔率）
↓
物理基础设施
GLW（光纤、线缆、连接器）
↓
网络层
NOK（光传输网络，骨干连接）

每一层都有自己不可替代的护城河。
每一层都在受益于同一个趋势。

6. 为什么是现在？
2026到2027年是在1.6T供应链建立立足点的关键时期，在一线客户的设计导入将决定长期赢家。现在是design-in阶段——产品正在被超大规模客户选中和锁定。等量产阶段到来，市场才会充分定价这些公司的价值。
在design-in阶段买入，等量产阶段收获——这是光通讯投资最好的时机。

7. 仓位逻辑
高确定性（重仓）：
TSEM → 今天$13亿合同，产业链里最硬的催化剂
LITE → EML垄断+Nvidia锁定，现在到2028年都受益
COHR → 垂直整合，体量最大，Nvidia $20亿入股

中等确定性（配置）：
GLW → Nvidia直接合作，物理基建不可或缺
NOK → 最被低估的估值，但故事兑现需要更多时间

高赔率（小仓位）：
SOI → 和TSEM绑定，护城河高但流动性低
SIVE → CPO时代的纯粹赌注

8. 光会接力存储吗？
会。但不一样的方式。存储的接力是一次性的价格重估——供需拐点到来，几个季度内完成定价。
光的接力是分阶段的持续重估——
2026年：可插拔1.6T带来第一波
2027年：CPO开始量产带来第二波
2028年：Scale-Up全面光化带来第三波

三波叠加，才是光通讯超级周期的全貌。存储让你在一年内赚了10倍。光可能让你在三年内赚同样多，但过程更平稳，确定性更高。

最后一句话
光通讯不是一个新故事，是一个被重新发现的旧故事。
光纤已经存在几十年了，但AI让这个故事的量级发生了质变。每当数据中心需要更高密度、更低功耗、更远距离的连接时，答案永远是光。

#光通讯 #TSEM #LITE #COHR #GLW #NOK #SOI #SIVE #CPO #硅光 #光模块 #AI基建 #数据中心 #存储接力 #Nvidia #美股 #USStocks #SiliconPhotonics #CoPackagedOptics #EML #光互连 #AIInfrastructure #光纤 #Nokia #Corning #Coherent #Lumentum

[CircleNet @circle_net]

@KUI__YANG “一位老师能做到传道授业解惑，就已经是尽职尽责了。”可惜，老师们不知道何为“道”，何为“业”，自己都迷糊，何以解“惑”？随着AI的进一步普及，大部分老师可以顺利失业了。不再误人子弟，也算是悬崖勒马，发下屠刀了

[江南雨💦投研 @xqt1688]

职场上最容易误判的机会，
往往是领导家的红白喜事，
绝大数人都以为只是单纯去随个礼。

朋友上个月入职一家新单位，
凳子还没捂热，
就赶上领导儿子结婚。

一打听老同事们随礼都是1000起步
他傻眼了，自己跟领导面都没见几次
随200行不行？会不会太少了？
随1000又心疼，万一打水漂怎么办

他愁得睡不着，跑去问我。
我听完，给他讲了一个故事。

这哥们在一家公司干了三年，
一直不温不火。去年领导父亲去世，他凌晨两点起床，开了四个小时车，跑到领导农村老家，
就为了去灵前上一炷香。
回来后谁也没说，就当没发生过。

三个月后，部门有个肥差空缺，
领导力排众议，把他从五六个资历更
老的同事里拎了出来。所有人都懵了
觉得他走了狗屎运。只有他自己知道
那一炷香，烧得值。

你以为人情往来，就是为了那点钱？
别傻了。

你眼里是随礼，人家眼里是投名状。你算的是几百几千的账，人家算的是一辈子的前途。

今天咱们就把这事儿掰开了揉碎了讲清楚。所谓领导，是能一句话让你上，也能一句话让你下的那个人。天天在你面前晃悠、训你骂你、但决定不了你死活的那个，叫小头目。

这两者的区别，就是你得用两种完全不同的规矩去对付。

领导家的事，那是你唯一能从他上级身份里，把他拉回普通人位置的机会

婚丧嫁娶，人生大事，这时候他情绪起伏，内心脆弱，最需要认同和安慰。你这时候凑上去，比平时递十根烟、敬一百杯酒都管用。

这叫走暗线。平时工作表现，那是明线，所有人都看得见，卷不出什么花来。

暗线，是一对一的，是不公开的，是你和他之间心照不宣的秘密。

再者，你一个新来的，不懂规矩，上来就特立独行，随200。你猜领导怎么想？他不是缺你这200块钱，他是在看：这人懂不懂事？是不是个刺头？值不值得培养？

但你也不能傻乎乎地随1000。

新人随大流，随得跟其他没职务的同事一样多，这是铁律。

张嘴问一问，大家都是多少，你就拿多少。如果有人支吾不告诉你，那说明人家私下有故事，跟你没关系，你别打听。

钱的事解决了，接下来才是真正见功夫的地方。

婚礼前两天，你给领导发个微信：哥，我最近老在同学婚礼帮忙，有经验，需不需要提前去搭把手？他肯定说不用不用，谢谢你。

但你这条微信发出去，关系就已经拉近了一公分。

婚礼当天，别一个人傻站着。多带个人去，哪怕是你媳妇你对象，对领导来说，多一张脸就是多一份捧场。

但别带孩子，孩子一闹，全完。

重点来了。

双方父母讲话环节，你掏出手机，找个好角度，给领导拍照。要拍那种他讲话时神采飞扬、特别有感染力的照片。晚上回去修一修，发给他，配一句话：今天太感动了，看您讲话，想起我爸妈。祝新人百年好合。

你放心，关系又近了一公分。

如果你还有点心机，等大家吃完散场，你别走。找个地方躲半小时，然后回现场。

肯定有单位同事在帮忙收拾，你上去搭把手，啥也别说，接过东西就干。干完了，瞅准机会，跟领导家孩子聊两句：这策划公司哪找的？太好了，我妹妹也快了，能不能推给我？

加个微信，顺理成章。有了这层关系，你在单位就有了一层神秘面纱。不用说话，不用炫耀，别人看你的眼神就不一样了。

这是喜事。白事，才是真正的考场。

如果是领导父母走了，你得懂，孝是一块人品试金石。不写在制度里，但刻在每个人骨子里。

随礼，还是随大流。但你可以做得更多。

问清楚家里地址，直接去灵棚上香。一进门，领导来接你，握完手，如果你俩是同性，直接给他一个拥抱。不用说话，表情肃穆就行。

上香捏香底部，别用力过猛把香捏断了。问一句哪天出殡，然后说：我早上提前来。

他说不用不用，你别吭声，心里有数就行。

礼金别走公账，用白信封，金额是大众数字的两倍往上，大大方方写上：XX敬上。

如果你自己已经是个小头目，单独去完，回来再把底下人组织一下，组团再去一次。

这叫显山露水，让人看看你手底下有多少人。

出殡那天，定两点闹钟，穿黑衣服黑鞋，直接过去。祁同伟哭坟那是戏，但祁厅长不是傻子。这种时候，最容易共情。

一旦共情，又近了五公分。

如果领导是农村考出来的大学生，丧事在老家办，你一个新人专门去就太扎眼了。

但你如果已经不算新人了，可以撺掇一两个知心好大姐，一起开车过去。进门上香，拥抱，简单吃口饭，安慰几句，赶紧回。

你想想，在那种农村环境里，单位来人，不辞辛苦跑一趟，这事绝对口口相传。领导虽然早就不在村里了，但他的根在那里，他当初想改变命运的那颗初心，也在那里。

这些话讲出来，有人要骂，说这不就是巴结领导吗？

我告诉你，这世间的事，没有啥看得惯看不惯。有人眼里非黑即白，有人眼里丰富多彩。生存哲学不同而已。

[海外工作说 @visa6363]

真希望每个人都能认真看完这个视频。

因为国内的学校根本不教孩子这些东西。

看完后，也不得不佩服美国从小就开展的这样的认知逻辑教育，它至少能让我们如何去明辨是非，如何分清什么是事实、什么是观点，即便存在分歧，也能做到相互理解。不要人云亦云，要去认真思考。

视频来自mark

[CircleNet @circle_net]

@oooodjdjd 说得很好，很靠谱👍

[meme @oooodjdjd]

HR想看到什么样的简历?

我一个朋友，在某互联网公司做HR，负责校招。
有一次我们吃饭，我问她：
“你一天要看多少份简历？”

她说：
“多的时候，三四百份。”

我说：
“那你怎么看？”

她停了一下，说：
“大多数简历，我看十秒。
“十秒之后，我知道要不要继续看。”

我问她，十秒看什么。
她说了几件事。

我听完，觉得那几件事，值得认真说清楚。
先说一件最重要的事

HR看简历，不是在找一个完美的人。
是在做一件事——

在最短的时间里，判断这个人值不值得花三十分钟面试。
那个判断，是概率判断，不是精确判断。

所以简历的目标，不是展示你所有的东西，是让那个概率判断，倒向你这边。

这件事，决定了简历应该怎么写。
说第一件：HR真实的工作状态

这件事，很多人不了解，但了解了，你写简历的逻辑会完全不一样。

一个负责校招的HR，旺季每天看几百份简历，不是夸张。

他们不是坐在那里，认真阅读每一份，仔细品味你写的每一句话。

他们是在扫。

扫描的顺序，通常是这样的——
先看学校和专业，一秒。
再看实习经历，两秒。
再看有没有让他停下来的东西，三到五秒。

如果有，继续看。

如果没有，下一份。
你写的那些精心组织的句子，那些你觉得很重要的描述——

如果它没有在前五秒让HR的眼睛停下来，它不存在。
所以简历的第一个任务，不是说清楚，是让人停下来。

说第二件：格式，是信任的第一关

这件事，很多人觉得是小事，但它是真实影响HR判断的东西。

格式混乱的简历，会让HR产生一个潜意识的判断——
这个人，对细节不在意，或者做事不仔细。
那个判断，可能不公平，但它是真实发生的。

什么叫格式过关？
字体统一。
不要一会儿宋体，一会儿微软雅黑，一会儿加粗，一会儿斜体。

全篇统一，干净。
对齐干净。
所有模块，对齐方式一致。
日期，统一右对齐或者左对齐。

不要有那种，看上去快对齐了但又没有的感觉。

留白合理。

不要把简历塞得密密麻麻，也不要空得只有半页。

适当的留白，让人感觉呼吸顺畅，好读。

一页，是大多数情况的标准。

应届生，一页。

除非你有非常丰富的、真实相关的经历，才考虑两页。

大多数人的问题，不是内容太多放不下，是不知道怎么筛选，把所有东西都塞进去了。

说第三件：HR看经历，在看什么

这件事，是简历最核心的部分，也是大多数人写得最差的地方。

大多数人写经历，是这样的——

“负责XXX项目的数据分析工作，熟悉Python和SQL，具有较强的数据处理能力。”

这种写法，有几个问题——

“负责”，说明你在做，但不说明你做了什么，做到了什么程度。

“熟悉”，是一个空词，每个人都说熟悉，没有区分度。

“较强的能力”，是自我评价，不是证据。

HR看完这句话，得到的信息是零。

他不知道你做了什么，做到了什么结果，和另外一个也写了”负责数据分析”的人，有什么区别。

真正有效的经历描述，是这个结构——

动词 + 做了什么 + 用了什么方法 + 产生了什么结果

结果，尽量量化。

比如——

“用Python对用户行为数据进行清洗和分析，建立用户分层模型，帮助运营团队将活动转化率提升了23%。”

这句话，HR能知道——

你用了什么工具，做了什么具体的事，产生了什么可以衡量的结果。

那个结果，是有说服力的证据，不是自我评价。

关于量化——

很多人说，我做的事，量化不了。

大多数情况，不是量化不了，是没有认真想。

量化不一定是百分比——

时间，规模，数量，频率，都是量化。

“独立完成”，”主导”，”从零到一”，也是在说程度。

实在没有数字，说规模——

“服务用户超过500人”

“管理3人团队”

“在三个月内完成”

那些信息，比什么量化都没有，好得多。

说第四件：技能栏，是一个常见的坑

大多数人的技能栏，是这样的——

“熟练掌握Word、Excel、PPT，了解Python，熟悉数据分析。”

这种技能栏，对HR来说，信息量是零。

因为每个人都写这些，没有区分度。

而且”了解”和”熟悉”，是两个没有任何实质内容的词——

我了解到什么程度？我熟悉到能做什么？

HR不知道，也没有理由相信你的自我评价。

有效的技能描述，是这样的——

不是列工具名称，是说你用这个工具，能做什么具体的事。

或者，让你的项目经历，证明你有这个技能——

你在经历里，写了”用Python建立了XXX模型”，那个Python的能力，就已经被证明了，不需要在技能栏里再说一遍。

技能栏，只写那些，在经历里没有体现、但真实相关的技能。

说第五件：自我评价，大多数时候应该删掉

很多简历，有一个”自我评价”模块——

“本人性格开朗，具有较强的学习能力和团队合作精神，能够承受压力，期待加入贵公司……”

这种自我评价，HR见过太多次了。

它的问题不是内容，是它是自我评价——

你说自己有学习能力，我为什么要相信你？

你说自己有团队合作精神，每个人都这么说。

有效的简历，不是通过自我评价说服HR，是通过经历和结果说服HR。

你的经历，证明了你有学习能力，那才是真实的证据。

你的结果，证明了你能抗压，那才是可信的信息。

大多数情况，把自我评价的空间，用来多写一条有实质内容的经历，比写自我评价，价值高得多。

说第六件：针对性，是很多人忽略的东西

很多人，做了一份简历，然后投所有公司，所有岗位。

那种做法，是低效的。

因为不同的公司，不同的岗位，看简历的侧重点，是不一样的。

大厂看学校和项目经历。

小公司更看你能不能直接上手。

技术岗看技术能力的证明。

管理岗看你带过团队、推动过什么的证明。

有针对性的简历，是把你最相关的经历，放在最显眼的位置，用和那个岗位最相关的语言，描述你做过的事。

不是造假，是选择和强调。

同样的经历，侧重点不一样，给HR的信息，完全不同。
说第七件：一个HR不会告诉你，但真实存在的事

简历之外，有一件事，影响你被看见的概率——
内推。

同样的简历，内推进来的，和投简历箱进来的，被认真对待的概率，不一样。

这不是潜规则，是真实的信息不对称——

内推意味着，有一个内部的人，愿意为你背书。
那个背书，是额外的信息，是简历本身没有的东西。

所以，在广撒网投简历之外，认真想想——
你有没有可以联系的校友，可以找的师兄师姐，可以问的朋友——

在你目标的公司，或者目标的行业，有没有人可以问一问，帮一帮。

那件事，有时候比简历本身，更能决定你有没有机会被看见。

最后说一件事

我那个做HR的朋友，说完那些之后，还说了一句话——
“其实，让我真正停下来的简历，不是最漂亮的那种。”

“是那种，让我觉得，这个人做过真实的事，有真实的想法的那种。”

“那种感觉，不是靠格式来的，是靠内容来的。”

那句话，我觉得说出了简历这件事最真实的逻辑——

格式是门槛，内容才是核心。
格式过了关，HR才会认真看内容。

内容有真实的东西，HR才会想见你这个人。
你做过什么真实的事，那件事，在简历里，说清楚。

那是最有效的简历。

[财经天下 @Caijingtianxia]

人这一辈子，究竟什么最重要？

知乎高赞，醍醐灌顶

凡事发生皆有利于我

[赴野 @duanhjlt]

突然意识到，不自信会激起他人的恶意

[财经数据库 @caijingshujuku]

马云10年前关起门来的一课
是湖畔大学里拉上窗帘，清场闭馆
对着几十个核心创业者，连讲三天三夜的真心话

无录像，无笔记，严禁外传
网上搜不到，花钱买不着
所有商业课，培训课全都不敢教，不能教，不会教

为什么？
因为这里讲的是真正的财富逻辑，权力规则，底层翻身路径
一旦公开，没人再愿意乖乖帮别人打工。

[老周横眉 @laozhouhengmei]

中国真的有那么多这样的家长吗？

这个视频单一个平台就535万点赞，6.7万评论。

评论区里全是共情的。

作为孩子，也作为父亲，我真的无法想象，他们是一点不爱自己孩子吗？

[CircleNet @circle_net]

@autumnredleaf ”三字经”这害人的东西，还是不要背了吧！

[CircleNet @circle_net]

@junyin2001 叫吹儿

[CircleNet @circle_net]

@AsiaStock 看哭了。人生当如于东来。就应该这样活👍👍👍

[CircleNet @circle_net]

@Zenzhe99 了不起啊。圣贤的境界👍👍

[吴建民 @sifan198964]

没有谁能随便成功，张雪峰有他的过人之处，
请看张雪峰七分钟演讲的”封神之作“，
解读中国34所985高校，
每所高校都被幽默精准点评，
自此，张雪峰一炮而红，成为中国知名考研辅导名师。

[CircleNet @circle_net]

@YangYan60107172 Rice 大学超级好！教授：学生比是1:6。加上休斯敦的医学资源极为丰富，对学pre-med的孩子们是极佳选择

[CircleNet @circle_net]

@YangYan60107172 四年还是每年12万？

[iPaul @iPaulCanada]

刷屏全网的于东来座谈会……（完整版)