回憶起大一選專業(yè)時的心態(tài)，思維說得很坦白，“我真的很喜歡設(shè)計，做宣傳海報的時候也有種我的審美能被看到的感覺?！痹趯W校社團做宣傳部長期間，他設(shè)計的一批海報在辦公室里被廣泛認可，也因此被老師直接邀請去校內(nèi)辦公室實習——這段實習，讓他對設(shè)計行業(yè)有了第一次較為完整的體驗。

但幻想很快撞上了現(xiàn)實?！拔乙婚_始以為設(shè)計能讓我自由發(fā)揮，但實際工作中會發(fā)現(xiàn)，審美根本不是核心指標?！彼岬剑呐伦约涸O(shè)計的圖案足夠出眾，在成品制作時也會因為印刷工藝限制、預算限制、用途限制等被迫妥協(xié)，“比如有些圖案雖然在電腦上看很出彩，但顏色太復雜、需要的制作工藝太復雜的話會影響印刷成本，最終也沒辦法用?！?/p>

“真正對風格有追求的人，其實不一定適合做設(shè)計師。有強烈風格，但執(zhí)行層的資源和話語權(quán)還不夠的時候，反而會很痛苦?！?/p>

他也曾設(shè)想未來進入游戲行業(yè)，做技術(shù)美術(shù)一類的崗位，希望結(jié)合興趣與技能、兼顧審美與技術(shù)。但很快，在找實習的過程中他發(fā)現(xiàn)，“游戲方向盤子太小，想進的人又太多，想要有較高收入的話門檻很高。真要堅持這個方向，得花好幾年打磨，才能等來一個機會?！?/p>

他又開始尋找下一個能發(fā)揮創(chuàng)造性的著力點，很快注意到了 AR、VR：蘋果當時剛剛推出的 Vision Pro 引發(fā)了他對人機交互類智能產(chǎn)品設(shè)計的興趣?！澳莻€時候我特別興奮，因為它用了手勢感知替代傳統(tǒng)遙控器——不用手柄和按鍵就能控制界面，我第一次覺得交互可以更自然?！彼敃r甚至有一套完整的設(shè)想，來設(shè)計一種無存在感的操作方式，讓設(shè)備退場，體驗成為焦點。

但他再次快速意識到了這套設(shè)想面對的現(xiàn)實阻礙——一個是硬件的物理極限，“當時去體驗了，穿戴設(shè)備存在感還是太強，壓眼又壓臉，戴15分鐘就受不了”；另一個是行業(yè)分層的現(xiàn)實差距，“公司里招交互設(shè)計師，其實做的是具體的軟件設(shè)計?！彼庾R到，如果想上升到對交互體驗的自由探索，未來勢必走上讀博道路，走進實驗室，而非關(guān)注實際產(chǎn)品。

這讓他逐漸冷靜下來，“我想要的不是去做學術(shù)，而是做出能落地的東西?！?/span>

恰逢大語言模型初露鋒芒，一門人工智能導論課讓他進一步堅定了方向。

“我們有個課是人工智能導論，那個作業(yè)本來是湊分性質(zhì)的，但我趁機讀了好多文獻?！彼翡J地察覺到AI領(lǐng)域的發(fā)展?jié)摿赡苓h超預期?！爱敃r其實AI還沒那么火，但我隱約感覺到，它遲早會迎來爆發(fā)性的發(fā)展?！?/p>

與此同時，他在游戲設(shè)計課中的體驗，也讓他更加確信，自己不適合留在原本設(shè)想中的軌道?！芭艽a跑得頭都禿了，沒空管界面好不好看，有時候甚至會想罵設(shè)計師”——作為技美設(shè)計師的他，既追求技術(shù)實現(xiàn)，又要滿足藝術(shù)審美，這種雙重壓力反而讓他難以專注。

在大二的自主項目中，他第一次嘗試了一個簡單的自動駕駛模型——一個循跡小車。作為組長和算法負責人，他使用 OpenCV 提取地面線條并計算中心點，來實現(xiàn)軌跡跟隨?；赝敃r，他坦言：“思路其實是有問題的。”那種通過人為設(shè)定規(guī)則去提取特征的方法，限制了模型的響應(yīng)速度和泛化能力?！皯?yīng)該讓模型自己學習中心點，而不是我給它標。”

“就像大腦在做深度學習一樣，你喂它很多項目經(jīng)驗的話，它就能擬合出一個成熟的判斷路徑?！?/span>

從手動標記與自動感知的反差中，他意識到思路才是能決定一切的出發(fā)點，也開始重新思考“判斷”的意義。不是去套規(guī)則、找捷徑，而是讓思路在不斷試錯中自然收斂。他意識到，這不僅是模型訓練的過程，也是在為自己的職業(yè)路徑建立一個能不斷更新的思維框架。

“我不能再回到只能想象、不能落地的狀態(tài)了?！苯换サ膲魰和Ａ?，但他開始關(guān)注這個交互技術(shù)背后的核心——感知系統(tǒng)本身?！叭绻也荒芨淖兘换シ绞?，那我能不能讓機器更好地理解手勢、環(huán)境和人？”他開始關(guān)注視覺識別、環(huán)境建模、點云技術(shù)、感知算法。這也成為他終于“走入正軌”的起點。

跟隨著循跡小車項目的啟發(fā)，他進一步錨定了自動駕駛相關(guān)的研究。他說：“我其實還是在找一種人跟環(huán)境交互的方式吧，比如自動駕駛的本質(zhì)就是讓 AI 分擔人類司機的感知任務(wù)?！边@個原本在 VR、交互、游戲、模型中模糊徘徊的興趣點，最終在這個方向落地。他也隨著方向落地，開啟了更專注的實踐。

談起在圖速的實習經(jīng)歷，思維說：“我那時候其實是沖著計算機視覺的方向去的，圖像識別嘛，聽起來就很 AI?！彼旧暾埖氖恰靶盘柼幚碇砉こ處煛?，工作描述中提到需要協(xié)助視覺模型訓練，正是他感興趣的方向。但真正進入項目后他發(fā)現(xiàn)，圖像識別早已有一整套成熟方案，大量場景只需調(diào)用已有的預訓練模型，參數(shù)調(diào)調(diào)就能跑。“很多時候就只是改改代碼殼，連模型結(jié)構(gòu)都不用碰?！彼械搅艘环N“做的是AI，但其實不是在思考AI”的落空感。

另一項任務(wù)引起了他的興趣——處理激光雷達獲取的點云數(shù)據(jù)。起初思維只是負責傳感器調(diào)試、姿態(tài)調(diào)整這些外圍工程工作。但越深入，他越意識到，點云數(shù)據(jù)是三維的、實時的、結(jié)構(gòu)開放的，需要從原始數(shù)據(jù)中提取空間幾何關(guān)系，真正地具備技術(shù)挑戰(zhàn)和想象空間。“它不像圖像識別那樣有現(xiàn)成模型可以套，點云更原始，更接近環(huán)境本身?！?/p>

在一次項目中，他獨立完成了一個檢測煤堆濕度的系統(tǒng)：利用激光雷達掃描煤堆形狀，計算坡度，再控制濕度儀器的云臺角度完成檢測。這是他第一次從頭到尾參與一個完整的感知—控制任務(wù)流程：從數(shù)據(jù)采集、數(shù)據(jù)擬合到控制信號的編寫與設(shè)備響應(yīng)的調(diào)試，每一個環(huán)節(jié)都靠自己摸索。

“以為是代碼寫錯了，結(jié)果是握手沒成功；以為是數(shù)據(jù)傳輸出問題了，其實是格式不對?！闭{(diào)試設(shè)備的過程需要的并不是最難的技術(shù)，而是憑經(jīng)驗就能定位錯誤的系統(tǒng)性思維：模塊之間怎么通信、協(xié)議棧哪里可能出錯、如何用最小對照實驗復現(xiàn)故障。這些對他來講全新的挑戰(zhàn)讓他看到了更成熟的工程師需要的素質(zhì)和視角。

但正因為邊學邊做，他逐步形成了自己的判斷路徑：用串口監(jiān)聽設(shè)備響應(yīng)、排查網(wǎng)絡(luò)協(xié)議、查閱官方文檔、搭建對照實驗，整個過程讓他對“調(diào)試”和“實驗設(shè)計”都有了實操直覺?！坝行〇|西課上學過，但真做一遍，才會真的扎實扎根?！?/p>

他也不是只做自己分內(nèi)的事。在本職任務(wù)之余，他主動找上算法工程師，幫忙處理視覺模型的預處理工作、標注訓練數(shù)據(jù)，逐漸從被動執(zhí)行轉(zhuǎn)向模塊協(xié)同?！拔移鋵嵤窍氤眠@個機會多學一點?！彼f得很實在，“實習待著也是待著，不如主動點?！?/p>

項目后期，他還協(xié)助另一組開發(fā)了一個基于點云的風電槳葉定位模塊。雖然只做了初步的數(shù)據(jù)預處理，但這份經(jīng)歷進一步印證了他對密集型空間感知任務(wù)的興趣，也間接影響了他后續(xù)畢業(yè)設(shè)計的選題走向。

讓他感到略有遺憾的，是這段實習的結(jié)尾。當時，因為不熟悉公司使用的技術(shù)棧，他最開始的開發(fā)效率極低?！拔矣?nbsp;Python 十分鐘能寫出來的東西，在 LabVIEW 上要搞兩天?！?/p>

“最后為了提速，有些模塊用了 Python 重寫。沒想到交接時我 leader 其實不太懂 Python，導致后面他有些部分干脆又重新寫了一遍?！?/p>

不過有一個模塊至今還保留在系統(tǒng)中——他寫的坡度計算代碼?！八麄兌颊f算得準，也快。雖然其他部分可能都被替換了，但留下來的這一段，還是讓我挺有成就感?！?/p>

與此同時，他也在簡歷更新中感知到自己的成長?！按笠粚懞啔v，幾乎什么都往上湊；大三的時候就會發(fā)現(xiàn)完全不用編，能寫的東西反而更多?！彼寡?，這種每年改簡歷、每年反思履歷的過程，成為自己和自己對話的一種方式，也不斷幫助他看清什么是他真正擅長并愿意投入的方向。

最終，他選擇將畢設(shè)聚焦于激光雷達目標檢測算法的優(yōu)化：在結(jié)構(gòu)復雜的模型中插入注意力機制模塊，提高對小目標的識別性能。這一選題不僅是他實習經(jīng)驗的延續(xù)，更是他在方向選擇上的一次沉淀式歸納——技術(shù)能力、工程思維、任務(wù)驅(qū)動力三者逐步對齊的節(jié)點。這次研究，不僅讓他第一次正面應(yīng)對一個“起點就很高”的任務(wù)，也真正鍛煉了他在文獻調(diào)研、算法執(zhí)行和性能評估上的綜合能力。

“剛拿到題目的時候我真的有點慌?！北藭r他面對的，是一個本身已經(jīng)高度成熟的3D目標檢測模型——點云數(shù)據(jù)經(jīng)過特征提取后，將三維空間信息“拍扁”為二維特征圖，再進行分類與回歸?！拔夷茏龅牟皇菑念^寫一個算法，而是找到能在已有框架上改善性能的積木塊?！?nbsp;——由于項目所基于的檢測算法本身已經(jīng)是業(yè)界的主流框架，可調(diào)空間不大，他必須另辟蹊徑。

在讀了大量文獻后，他注意到 2D 圖像處理中常用的通道注意力與空間注意力模塊，在 3D 模型中的應(yīng)用仍較為有限。但由于已有主流模型的中間環(huán)節(jié)恰好會生成二維特征圖，他決定嘗試將注意力模塊嵌入到這一階段，希望提升模型對小目標（如行人、騎車人）的檢測精度?！斑@兩個模塊能讓模型識別出哪些特征更重要，比如檢測騎著車的人時，它就會知道整體的‘片狀結(jié)構(gòu)’比腿的細節(jié)更關(guān)鍵?！?/p>

為了驗證模塊的有效性，他不僅跑通了修改后的檢測流程，還加設(shè)了推理速度的評估指標：“必須在精度提升的同時確保幀率不大幅下降，因為自動駕駛場景里，一秒內(nèi)錯過一幀，可能就會錯過一個人。”帶著這種對技術(shù)責任感的反思，他反復測試修改后的模型在不同輸入維度和分塊策略下的精度與速度表現(xiàn)，最終將幀率控制在每秒 9.5 以上，同時在人行道、小型障礙等小目標檢測任務(wù)中顯著提升了準確率。

項目技術(shù)之外，他也在過程中重新思考了什么才是創(chuàng)新。“這些東西是不是其實就是搭積木？是。但真要把這些積木搭好，也得有本事?！痹谂c三維卷積、點云分塊、數(shù)據(jù)稀疏性搏斗的過程中，他不只是完成了一個畢設(shè)，也更清晰地意識到：自己真正想達到的目的，是讓AI更敏銳、更準確地“看見”這個世界。哪怕只是“搭積木”，也有搭得巧、搭得精的門道。經(jīng)驗不只是理論知識的堆砌，更是如何在算力的限制下判斷變量、提取本質(zhì)、找到平衡的能力。

曾嘗試從設(shè)計轉(zhuǎn)到游戲方向，對 VR 和 HCI 產(chǎn)生興趣，又因為產(chǎn)業(yè)局限或個人反思逐漸轉(zhuǎn)向底層感知算法。畢設(shè)正是他這一切實踐與理論積累收口的地方。從感知技術(shù)角度出發(fā)，解決真實問題，扎實應(yīng)用算法，也標志著他終于完成從設(shè)計—交互—感知—自動駕駛感知模塊的沉淀和聚焦。

這個申請季，思維說自己收到的讓他最開心的 offer 并不是來自 IC，而是來自愛丁堡的 Electronics 專業(yè)。“不是因為它是夢校，而是因為在此之前有兩個保底校莫名其妙地給我拒了?！?那一段時間，他狀態(tài)很差，“整個圣誕節(jié)都無法放心過”。直到某天晚上，他兩點多還沒睡，正要關(guān)電腦時隨手刷了一下申請狀態(tài)，“突然發(fā)現(xiàn)讓我補材料，整個人都清醒了。”隨后第二天一早他就收到了 offer，那一瞬間他才覺得“終于有學上了??！”

這份釋然來得并不容易。在確定與燈塔學院合作之前，他已經(jīng)經(jīng)歷了長時間的焦慮和反復比較。

關(guān)于為什么選擇了燈塔學院來做申請，思維說得很坦率，“我當時真的有點受夠了西浦周圍的中介。”

在經(jīng)歷過大一大二被周圍留學公司制造焦慮的狀態(tài)后，他主動向母親提起了申請的困擾，母親為他介紹了燈塔學院。他和燈塔咨詢了幾次，在做決定前，也認真比對了其他選項，包括兩家西浦本地的和一家定位不明的機構(gòu)，當時這些機構(gòu)都表達了對他均分的打壓，提議了過于保守的選校列表。

在咨詢的過程中，燈塔逐漸展現(xiàn)出了專業(yè)性，“我當時還是在想做交互的階段，燈塔那邊我感覺方向合適一點。我發(fā)現(xiàn)他們真的比較擅長做這種跨專業(yè)的申請?！?/span>

“燈塔在選校初期就特別尊重我的想法，我說要啥就申啥?！?nbsp;最初這種尊重反而讓他一度“特別不踏實”。尤其是保底校被拒、曼大的 offer 遲遲沒有到來時，他一度懷疑燈塔是不是對西浦的均分沒有判斷概念。

結(jié)果是事實證明。但也正是這種對他自己相反的尊重，讓他逐漸意識到，燈塔把他當成了本身就值得更好項目的一個申請者。他回憶說，和自己的申請顧問 Parker 聊選校時，能感受到對方熟悉他專業(yè)方向的案例。“西浦那邊中介從來不會跟我聊這些，他們就只會說你這錄不上。”

而在燈塔學院，Parker 會具體分析每個項目的特點和需要的申請方向調(diào)整，“我總體是通信與信號處理方向，但不同的申請在側(cè)重點上都是需要微調(diào)的，比如 UCL強調(diào) telecommunication，IC 第二志愿要更多地去關(guān)注 control，Parker 給我的介紹不是簡單看排名，而是會分析項目開設(shè)方向、課題設(shè)置，會讓我感覺真的很穩(wěn)啊?！?/span>

思維對自己在燈塔的文書印象也很不錯，他說，“我不知道從專業(yè)角度怎么看，但我自己讀起來覺得很順，完全表達了我想表達的意思，但用的是我自己寫不出來的語言?！?nbsp;盡管因為申請方向跨度較大，自己后來也對應(yīng)做了一些調(diào)整，思維覺得燈塔里他的文書編輯 Faye 總能根據(jù)主項目來調(diào)整側(cè)重，整體寫作質(zhì)量他都非常認可，“不是那種模板文書。”

提交完申請之后，他很少再去打擾 Parker，“我基本就在安靜等錄取?！?nbsp;前期的高頻溝通已經(jīng)讓他確信，這是一個信得過的團隊。“雖然我最開始確實擔心燈塔離西浦太遠，怕燈塔對我們學校不了解，但后來發(fā)現(xiàn)燈塔把我當成有很亮點的人來做申請，也確實做到了?！?/p>

盡管過去的路徑充滿了轉(zhuǎn)向與試探，如今的思維對自動駕駛的興趣，已不僅僅停留在感受到技術(shù)層面的吸引力，更是一種與時代接軌的主動選擇。

“自動駕駛現(xiàn)在還沒有真正落地，L4、L5 級別的系統(tǒng)很多還停留在實驗室，但正因為它有足夠多的未知和挑戰(zhàn)，反而讓我覺得更加值得深入。”他提到目前已有城市部署無人出租車，“像武漢的‘蘿卜快跑’，能讓更多人低門檻地體驗自動駕駛，我覺得這就是一種社會接受度慢慢提高的表現(xiàn)?！?/p>

談及自動駕駛的未來，他不諱言其中的矛盾與代價。“所有技術(shù)進步都會帶來陣痛，這些陣痛有時候就是別人的一生。”但在理性的策略和責任考量之外，他也保留著對生活方式的浪漫想象。他坦言自己對行業(yè)是否能賺錢的關(guān)注，背后其實是對“擁有審美自主權(quán)”和“過上喜歡的生活方式”的執(zhí)念。他說，自己最理想的狀態(tài)是“有一天站在白玉蘭中心的頂樓，看著整個上海的夜景，覺得這份繁華與我有關(guān)。”

“要在賺錢的領(lǐng)域里選一個自己不討厭的”“對于方向得想清楚，但也別想得太清楚”概括了思維的選擇邏輯：他愿意務(wù)實地向技術(shù)靠攏，也愿意用靈活的心態(tài)和穩(wěn)健的努力，為那個屬于自己的簡約、有序的世界筑起地基。

他從美學表達的線性邏輯走向系統(tǒng)工程的融合邏輯，也是一個自我審美、目標意識、產(chǎn)業(yè)現(xiàn)實之間調(diào)和的過程。逐步認清了審美和工業(yè)邏輯之間的矛盾、理想和產(chǎn)業(yè)節(jié)奏之間的錯位后，他并沒有拋棄自我表達的渴望，而是選擇將它內(nèi)收，融進更扎實的工程實踐里。這一路既有犧牲，又有成長。他的軌跡也像一個自動駕駛系統(tǒng)的學習曲線——不斷修正路徑，最終走出一個更靠近自己應(yīng)有軌跡的未來。

• 專注全球院校留學申請升學輔導的國際教育機構(gòu)。

• 中國唯有受邀《金融時報》開設(shè)留學專欄的機構(gòu)。

• 500+位常春藤牛劍校友和職業(yè)導師資源加持。

• 讓上留學回到咨詢業(yè)最高級標準的創(chuàng)新型小機構(gòu)。