写作 & 自媒体 & 事业规划

上周六晚上临睡前刷到了马丁更新的公众号，构建你的黄金循环：写作/自媒体/事业成长。看了三遍，睡意全无。以至于今天上班路上回想起来，后劲依然很大。

正好今年也要准备秋招了，写点东西聊聊这篇文章给我的启发，以及自己的事业规划。

开始写作

手绘了一张框架图，试图总结马丁这篇文章的核心观点，也就是如何实现个人黄金循环？

在一个黄金循环里，首先需要明确自己的主事业。我是非常认可这一点的，选择适合自己的战场极为关键。为此通常需要思考很多问题，比如：这个赛道有多少人？你的核心优势在哪？这个赛道未来的发展趋势如何？当然最最主要的，你是否真的喜欢你的事业？

能够成为主事业的，同时需要具备两个特质。其一，个人能力可以在进行事业的过程中得到提升，包括但不限于专业能力、沟通能力等等；其二，主事业可以让你获得一些资源，能够创造职业发展的机会和空间。

能力提升和获得资源听起来似乎很解耦，尤其是纯粹的技术人员，可能工作了很多年，专业技术水平上升了，但是并没有获得资源，错过了很多的发展机会。对此，马丁给出了很好的解决方案，那就是写作。

写作之于能力提升

多数人学习的时候，大量时间都花在了知识注入上，比如大量地查资料、看文章。结果就是知识都是零零散散的，没有形成体系。这时候花点时间进行写作就极为重要。通过写作，将吸收的知识揉碎并重新消化，从而构建起自己的知识体系框架。

在日后的学习工作中，还可以通过不断迭代优化，使得自己的知识框架变得更加清晰鲁棒。个人能力也会在这个过程中，自然而然地上一个新的台阶。

如何写作

这里不讲写作技巧，只谈写作习惯。主要有三点：

• 经常写，养成写作的习惯。

• 大胆写，公开发表，接受大众评判。

• 站在读者的角度，思考别人希望看到什么样的内容，想知道什么。

写作之于资源获取

能力提升到一定程度后，写作质量也会跟着上升。

高质量的内容输出可以帮助自己找到合适的圈子，并被关键人群认可，从而获得在圈子中的影响力。

如何通过自媒体扩大影响力

自己牛逼还不够，需要让别人知道你有多厉害。 在移动互联网时代，随着小红书、抖音这样的社交媒体兴起，写作的更具象化表达何尝不是打造个人IP？

如果把个人IP当作一个产品来运营，它能带来的收益基本遵循一个公式：需求 x 商业 x 流量。

首先是需求分析：

• 当前多少人需求这样一个账号？这个需求会扩大还是缩小？

• 多少账号在这个赛道上，头部表现如何？中腰部表现如何？

• 竞争优势在哪？

其次是商业分析：

• 运营账号的成本是多少？占用多少时间和精力？

• 如果账号做到一定规模，商业价值是多少？

• 赛道能不能接单？有没有其他变现可能，比如咨询、卖课、卖工具？

• 非商业价值的东西能带来什么？比如特定行业、人群的影响力？

最后是流量：

• 目标人群在哪个平台？

• 平台的规则是什么？鼓励什么内容？

• 平台喜欢的内容风格是什么？样式、调性？

事业规划

在大模型这波热潮的推动下，一直从事NLP方向的同学在24年秋招都陆续拿到了不错的offer。但是反观其他的研究方向，就没有那么乐观了。老实说，这样的形势对我而言不得不慎重考虑自己的职业发展问题。

我的经历

初识AI

我是21年下半年来到百度实习，当时所在的团队主要做人力资源数据的分析。一直到23年，很长一段时间我的研究都是围绕 HR 数据。比如我最早的两篇学术论文，就是通过图神经网络来分析劳动力市场中的人才流动行为。

这些研究站在计算机和社会科学的交叉点上，学术价值还不错（很幸运地被IEEE Trans.和CCF-A期刊收录）。但说实话，在实际落地时遇到了不少挑战。受限于数据和架构等因素，很难真正部署到生产环境。而且应用场景比较窄，主要局限在岗位推荐这样的领域。现在回想起来，虽然这些工作有其价值，但商业前景确实有限。说白了，没有客户愿意为这项技术买单。

调整方向

由于一些原因，我在23年中转到了百度技术研究院。因为公司整体的战略调整，此时研究院的工作导向已经不再是追求发表学术论文，而是更注重技术支持业务。这时候我也开始意识到：还是得做一些真正能落地的研究。

正好当时组里在和百度地图合作，一个棘手的问题就是真实场景数据缺失严重，导致学术圈的SOTA模型在做流量预测的时候鲁棒性较差。有了这样的机会，我就开始动手设计了一套算法，通过蒸馏多个数据集的知识来提高单区域预测精度。在实际应用场景上取得一些效果后，相关研究成果也被 CCF-A 会议 ICDE 所认可接收。但此时我发现，中论文带来的多巴胺已经极低了。说到底不过是审稿人认可的几张纸罢了，它距离被大众所认可还很远。

拥抱大模型

转眼到了24年，大模型开始如日中天。不管是学界还是业界，不管是哪个领域，几乎都给自己的方向加了"LLM+“这样一个前缀，百度也不例外。这一年的大多数时间，我都在学习LLM，并且参与到两个垂类项目中。一个是大语言模型驱动的对话系统，另一个是导航场景下基于LLM的API调用。

虽然没有什么学术论文的产出，但是我的实战经验在这个过程中确是进步了不少。不仅仅是在写代码的层面，更多的是学会从宏观层面思考问题。因为一个项目通常会涉及多个方面的点，学术问题通常是针对单个点进行突破，这时候只需要思考"怎么做"就可以，但是在具体的应用项目里，首先需要思考的是"做什么”？这在没有前车之鉴的时候尤为重要，好的行动方案往往可以事半功倍，而这些都需要积累经验。

新的机遇

这样的工作状态大约持续到了24年的11月份，组里开展了一些预训练基座模型的训练。考虑到之前的一些工作经验，我这边承接了语音大模型方向的探索。这是个很重的研究课题，通常都是多人团队在推进，对我个人来讲，不得不承认这是一个自不量力的选择，但同时也是一个很好的机会。相比于之前的研究方向，语音领域的想象空间要大得多，是个更为宽广的赛道。

我的黄金循环

看了马丁的文章，反思自己这些年的学习经历，我也给自己的2025年设计下面这样一个黄金循环：

主线事业 语音生成/音乐生成 | 这个事业需要：

• 做出至少一个代表性的研究工作或者相关产品；（能力提升）
• 提高音频领域的影响力，可以通过内容创作，开源项目实现；（获得资源）
• 和该领域的人构建联系，物色优秀的交流对象；（获得资源）

写作内容 我需要写：

• 前沿的AI技术，包括通用技术和语音相关技术；
• 实用的AI产品；
• 好玩的应用落地；

内容传播 我会通过以下途径传播：

• 个人博客
• 微信公众号
• 小红书
• X

相比内容更新速度，更关注创作的质量和深度，警惕成为AI日报。