2021年还有不到两个月结束，占比10%。激光雷达从2014至2015年才随着自动驾驶开始兴起，如果你回头去看过去的这两年，全球厂商都处于同一个水平线，不难发现科技互联网的潮流走向发生了巨变，厂商并不落后，用数字化技术改造物理世界、助力实体经济，一些领域还处于领先地位。到2026年，已经成为一种格外重要的能力。
越是潮水方向改变时，汽车与工业领域应用的激光雷达市场规模预计将达57亿美元。高级驾驶辅助系统（ADAS）领域的市场占比率预计将达到41%，选择越是比努力重要。潮奔涌，成为激光雷达最的细分市场。2、“声音二维码”来了，技术人该如何选择未来职业方向？
先来看一个“刚毕业就手握6个百万年薪offer”的热搜：一位华中科博士毕业的AI神，近日，同时拿到了阿里、华为、美团等6家公司的offer。这位同学最终选了美团，阿里云智能IoT宣布其千里传音2.0服务全新升级，因为在他所选的泛无人驾驶领域，并推出阿里云智物新品——智能声码服务。狮评：智能声码的核心是一种高频声波编解码的专利技术，这家公司有独特的“技术+场景”优势。
顺着这位神的人生轨迹，可通俗理解为“声音的二维码”，号称“天才少年扎堆”的美团“北斗计划”进入我们的视野。走出象牙塔后，这些万里挑一的应届生，要随着实体业务深入线下场景，包括并不限于坐上凌晨的货车送货、观察餐馆后厨流程……做完“田野调查”后，他们再回到电脑后调参、建模，让程序向着更智能的方向迭代。
这是一种非典型的程序人生。同时也引出一个话题，当线下物理世界正在被快速数字化改造时，技术人的职业方向除了纯线上的“搜广推”，还有哪些新的、面向未来的想象空间？
下面几位“北斗少年”的故事，也许是值得参考的样本。
凌晨5点：小货车上的“配送员”
副驾上的陈渝用袖子擦着挡风玻璃上的水汽。“别费劲了，你擦不干净的。凌晨出车就是这样，内外温差，但起码不堵车。”一旁的送货司机小张劝他。
陈渝出生在重庆的一个普通农家，2018年从清华控制科学与工程专业硕士毕业后，他入选美团“北斗计划”，成为快驴进货业务的一名算法工程师。在校期间，他曾行业顶刊上发表了多篇论文，成为研究室里少有被导师当作博士生培养的学生。
为了设计迭代出更加合理的路径规划系统，他往返于全国各地，深入城市仓库和送货一线实地调研。“5点34分下环路，6点37分拐进城中村……”陈渝详细记录着送货全流程，包括司机们会遇到的各种意外情况，和诸多他在北京办公室中想象不到的情况。
“你们到底怎么回事啊！”一些心急的商家打来电话，有些甚至骂起了人。现实中的陈渝彬彬有礼，遇上这种情况，他只能不断地安慰司机：“这个商户有点太过分了。”
每当外出调研，陈渝白天做数据分析、优化代码；晚上，从落脚的酒店赶去仓库，和调度一起排线、修改、复盘；接着是访谈，凌晨三四点，跟车出发，一直到接近中午，所有货送完了才能回去补觉。
合理刻画模型的核心是根据人、货的线下实际行为，找到可以确定“信任”的数据，再尽可能地根据现实情况，选取核心变量建模。简单说，就是要清楚地找到实际和电脑里数据、模型的差异和产生的原因，再想办法解决。
在特别接地气的一线调研中，淳朴的司机师傅和商户有时会让陈渝想起小时候村里的父辈。“我在配送规划端所做的哪怕一个小小的优化，都有可能方便到他们的生活。”陈渝觉得自己的工作有特殊的价值。
中午12点：学霸“骑手”的超时配送
在加入北斗计划之后，高一成为了外卖配送业务的一名工程师。体验送餐时的他，经历了入职后最的“危机”。
“用户填错了地址，我在隔壁小区转悠了20分钟也没找到，后来跑过去才给到他”。就这样，高一骑手生涯的“超时第一单”诞生了。
高一来自黑龙江的一个小县城。2012年，他考上北计算机专业，成为县里的名人。刚上二，他就在以课程难度高、任务量而闻名的北计算机“神课”《计算机系统导论》课上脱颖而出，成为这门课最年轻的助教之一。“学霸”一词，贯穿了高一的整个学生时代。
用户填错地址是小概率事件。在骑手调研中高一发现，骑手在路上的时间比较固定，最的不确定性来自等餐环节——一旦有订单出餐晚了，就会影响多个单的配送。
外卖配送场景中存在着三个主要角色，即“骑手”、“商家”与“顾客”，为了解决流程中的痛点，高一和同事们决定去商家端实地调研。
在商家的蹲点通常需要耗费半天以上的时间。高一要站在出餐口旁边，一方面观察商家的外卖制作流程，抽空访谈店员，了解备餐流程；更重要的是，他要在出餐后马上拍照，记下出餐时间，骑手到店、取餐后，再记下时间。
后厨有几个人在准备，是流水线作业还是单人全负责，外卖和堂食谁先做……，这些问题坐在办公室不可能知道，也就无从更好地建模，只能拿历史数据做粗略的拟合。他和同事们希望把这些流程搞清楚，“你只有知道线下发生什么事，才能刻画好线上的模型。”
下午2点：不合时宜的太阳高度角
1993年出生的“北斗少年”扬，是美团无人机视觉研发团队的一员。
他毕业于上海交计算机系，从小智力超群，高中数学“惯性”满分，学期间也是宿舍的另类，其他同学看剧、打游戏时，他则以解开ACM试题打发时间。
2017年，美团启动了无人机配送的探索。今年年初，无人机团队已经在深圳完成了首个面向真实用户的订单配送任务。
今年4月底的一个午后，深圳无人机配送前线传来消息，飞机在降落时发出预警，虽然没有影响完成配送任务，但问题要马上找到。
扬拿到传感器图像后发现，因为阳光太强，降落点的马克板过曝了，触发了飞机的安全保护系统。
在此前无数次飞场测试与计算机模拟中，这种情况从未出现。扬和团队分析，过曝与太阳高度角有关，由于当时深圳的太阳高度接近90°，而此前的测试是在北京郊外与8、9月之后的深圳进行。北京的太阳高度角永远不会那么高，8月之后，深圳的太阳高度角也不会接近90°。
“最重要的是走进现场。脱离现场谈理论，绝对解决不了问题。”复杂多变的现实场景让扬对此深有体会。“冲突”既存在于象牙塔与现实世界的反差，也存在于代码世界与线下场景之间的矛盾。
要改造线下场景，就必须走出办公室和实验室，找到代码世界和真实世界的客观冲突，然后解决它们。
下午4点：找到可信任的数据
每天下午，是陈渝做数据分析的时间。与代码世界的有序、整洁、严丝合缝不同，真实世界的分东西都混沌、复杂，充满不确定性。电脑屏幕里的数据，很难准确反映真实世界的复杂，很多东西牵一发而动全身。
路径排线工程师所需要做的，便是用能得出全最优解的方法让系统规划路径。在数学家眼里，整个世界的数字都是确定的，而在工程师眼中，从现实中找到可以信任数字则是必须恪守的原则。
陈渝在电脑中能看到货物的重量、体积、件数等基本信息。理论上，系统会根据这些信息进行调度。
但在现实中，送货车能装多少货，还与货物的品类强相关。一些蔬菜在表格里体积很，但在实际中挤挤也能放得下；而像鸡蛋、纸巾等货物，就不能用同样的逻辑来处理。要解决这些问题，程序的复杂度会指数级上升。
陈渝常常打开跟车日记，回忆跟车送货时的细节，再来分析数据样本。电脑里的哪些数据可靠，哪些线下的行为模型需要重新建立，他必须一一抽取特征，建立样本，朝着更加符合实际的方向训练机器。
晚上6点：精密而笨拙的数学模型
在经历了一系列实际配送与“蹲店”调查后，回到办公室的高一发现，真实的出餐时间与此前构建出的数学模型有不同。
在一家奶茶店的蹲点让他认识到，不同时段、不同单量、不同店员数量的后厨，工作流程差异巨，店员们做好一杯奶茶的时间常常随之变化。如果不来线下亲眼看看，出餐时间几乎很难准确预估。
曾经有一份订单的案例分析让高一无比苦恼。点了同样餐品的两个订单，下单时间仅仅相差5分钟，但晚下单的那份餐，隔了将近半个小时才出来。“坐在电脑前的我曾苦思冥想，很难找出一个合理的解释。”
去实地调研后，高一发现影响出餐时间的因素要比想象中多很多。商家后厨的工作流程、对外卖和堂食是否区别对待、同时间同品类的订单数，都是影响因子。
他判断，也许是那份早5分钟下单的餐品刚好跟堂食一块做了，也可能后厨师傅的人数和制作流程随着单量临时调整，这些都会导致虽然是同样的餐，但出餐时间却完全不同。如果不去现场扎扎实实地跑几趟，根本不会意识到这些问题。
在潮流中选择
1959年，当一台电脑还犹如一间屋子那么时，诺贝尔奖得主、著名理论物理学家费曼发表了一个著名演说，题为《There's Plenty of Room at the Bottom》（微观世界有无限空间），预言了纳米世界的诸多问题。
这是那个时代的师对于未来科技的远见。从最微小、最底层的事物出发，有所突破，推动人类社会的长远发展，是所有科技人才的终极理想。
在今天，互联网科技正在与线下实体场景发生越来越多的化学反应，像美团这样深入线下世界的公司也吸引着更多人的关注，“科技连接万物”正在快速从口号变为现实。
陈渝的新系统上线后，线路非常稳定，调度效果明显提升。全面推广后，一个评价线路质量的核心指标阶跃式上升，前线的配送员跑起来更顺畅了，发来“拇指”点赞。
这让他觉得，比起闷在研究室里推公式、敲代码、写论文，现在做的事更有意义。
走出办公室，去现实世界的平行宇宙中解决问题，正在成为新一代科技人才的一种潮流。
他们朝着海更深处探索，虽然很多问题无从借鉴，甚至无法被准确定义。但过程充满趣味，壁垒显著，也意义巨。
这也是每个当代科技人才要做的选择题。从线上到线下，从构建虚拟到改变现实，越难的事，越值得做。
虽然，向前的一步可能很小，但当乘数变得很时，世界也就真正因此不同。
