SE
导言
SE 的主要工作拆解：
- 领域内最懂技术的专家，对技术趋势有判断，有未来技术能力有预埋；
- 引导客户技术方向，达成合作；
- 技术团队建设，
Thinking¶
Contribution Allocation
导言
最近发现贡献分配是团队合作的一大难点， 产出的商业价值， 在不同场景下如何分配：
- 年终打绩效时，手底下不同员工负责不同项目，做的事情都不一样，怎么比较来分配。
- 一个组内的领导或者组织者，和实际手底下干脏活的人谁贡献大；
- 在一线调试的员工，和在家里负责版本的研发谁贡献大；
- 负责预埋技术的研究人员，和负责当季度软件版本交付的人谁贡献大。
但是注意：贡献分配不是为了“分高下”，而是为了“定义导向”。如果你希望团队更有创新性，就重赏 SE；如果你希望项目交付更稳健，就必须重赏那些默默把“脏活”干得极其漂亮的人。
成功的软件商业解决方案
简介
软件产品的商业成功要点是什么？
Agile Governance: Balancing IPD and AI Innovation
导言
厚重的 IPD 流程 和 AI 创新，如何平衡？
两种范式的对垒
- IPD (集成产品开发 - 华为/IBM)： 强调“确定性”。通过跨部门协同和严格的阶段评审，将研发视为一项低风险的投资，追求一次把事情做对，适合硬件和大型系统。
- 字节跳动模式： 强调“演化性”。依托强大的技术中台和 A/B 测试，通过极致的敏捷迭代和数据驱动决策，在不确定性中快速筛选胜者。
AI 开发的特殊挑战
AI 研发具有高不确定性、高算力成本和极快的技术更迭周期。这导致传统的 IPD 流程在 AI 领域显得过重，而纯粹的敏捷模式在面对大额算力投资时又显得缺乏战略定力。
IPD Q&A
导言
- IPD 流程在 AI 里过于厚重和低效，所以华为AI产品线的IPD流程已经进化了：工作内容和方向已经支持灵活的随时变化了，但是需求只落小范围的，确定的，快做完的东西，来应付人力分配说明流程。
- IPD流程貌似更强调流程，弱化个人影响。甚至还有三个臭皮匠顶个诸葛亮的说法。在AI研究领域或者其他领域这方法对吗？公司应该花大价钱招一个强人，还是招多个能力稍差的人
- IPD关于培养人才梯队还有独特的观点：高手的能力是可以被拆解复制的，被下面的人继承。但是这一方面涉及到老师愿不愿意教、会不会教；也涉及到学生愿不愿意学，学得会吗？就好像清华毕业生也不是能量产一班的清华高考生。
Money Maker ideas
导言
工作之后，技术其实不是最重要的，如何商业变现才是最重要的（如何多赚钱，持续赚钱，健康增长赚钱），设计好的商业模式是最重要的。
例如，Ascend做什么开源仓，除了考虑社区技术趋势，只要客户买卡，哪怕客户的框架是自娱自乐，我们也会无条件支持。
Financial Values
导言
以结婚为目的的恋爱，优先考量的是两人的价值观是不是能长期共存，尤其是金钱观或者说消费习惯。什么即使贵也应该买，什么即使便宜也不该买。为此我先要知道自己的消费理念是什么。(或者说没有，就随便花)
Social Science
导言
社会科学 和 经济学 对我来说是 迷人的，是我追求的永恒的一部分。
When & How 4 team presentation page & knowledge database pool
导言
我原本是想开发一个实验室主页的模板的，一开始想着还可以带到公司里去。但是我突然想到 公司里还有 “嫡系” 这种事情。让我意识到实验室和公司的环境完全不一样，让机制的部署和落地变得更加复杂。