在谷歌無人車組全職工作已經有四個月了。寫一下感想。鑒于項目的高度機密性，很多話不能說，我唯一能透露的，就是兩條：同事們都很牛，然后都非常努力。

我們組基本上是9點開始工作，然后晚上6點多走，老板不怎么主動管，但大家都明白如果事情做不完就得加班，因為一個一個小發布（release）的最后期限（deadline）擺在那里，不能不干。總的來說，比谷歌的其它部門要忙一點，節奏很快，不像是在大公司里工作，反倒更像是在一個初創團隊里忙碌。

這四個月感覺下來，Google［x］實驗室有幾個很有趣的特點。其一是軟硬件結合極其緊密，這一點從已有的報道里可以看出，不論是無人車（Self-driving car）、眼鏡（Google Glass）還是最近公布的氣球無線網絡（Loon）及能測血糖的隱形眼鏡（Iris），都是軟硬結合的產品。這直接導致的結果，就是我們每天面對的問題和之前在學術圈時思考的完全不同。

在學術圈，問題的已知條件和數據集都是給定的，我們要做的就是像解數學題一樣，鉆進去找到更好的解法，并在已知的數據集上和前人對比證明其有效性。但在Google［x］則完全不同，大項目（比如說開發無人車）擺在這里，但已知條件，解決方案，使用何種硬件，如何分配資源，都是不確定的；唯一確定的，是要以最快的方式和最小的成本把它實現出來——讓一輛車能安全地自行其道，同時生產成本又最少。在這樣的特定背景下，碰到一個難題，首先想的不是把它死命解出來，而是問自己是不是有必要解它，能不能繞開它而實現目標？事實證明，在這樣高自由度的空間里尋找一個特定的解決方案，幾乎總是能繞過學術界的難題，找到簡單易行的實用方法。這就像要發明能在道路上移動的機器人，不是絞盡腦汁去研究人類兩足的機理，而是用容易控制又廉價的輪子代替；要設計飛機，不去模仿鳥類形態優美卻機理復雜的撲翼，而是使用固定機翼加噴氣動力。

其二是幾乎沒有專職的研究職位。所有人既是研究員（Researcher），又是軟件工程師（Software Engineer）。基本上每個人負責一個具體的方向，對這個方向自主地分析現存的問題，并不斷通過和同事討論提出新方案，最后評估方案的效果。就算是組里的老板（Manager），甚至是老板的老板，也要寫代碼查錯誤完成具體工作，唯一的不同點，是他們對系統有更整體的理解，遇到問題能幫忙找到下屬找不到的角度。碰到許多任務同時需要完成的時候，能分清主次，丟卒保車，確保整個組的大方向正確。

對于從來沒有碰到過的新問題，思考新思路和寫代碼開發是同時進行的，C++代碼寫完就直接上產品去測試看效果如何，不行就分析研究再換一種，如此快速迭代直到找到好方案為止，如果一兩周里找不到好方案，那就認為這個問題是困難的，于是就要退一步思考，想辦法繞開它。

因為這個原因，諸如“寫代碼和做研究的時間比例是多少”之類的問題就沒有什么意義，因為完全看需要解決的是什么問題，寫很多格式漂亮架構清晰的代碼卻不能解決問題沒有意義，天馬行空地思考不在實際數據上跑也沒有意義，最重要的只是“解決問題”這四個字。

這種思路決定了研究風格是“具體問題具體分析”式的，有額外條件和額外信息就盡量用上，不會花時間思考一般情況；是“崇尚簡單方案快速出結果”式的，而不會使用精巧復雜卻不太直觀的數學理論，也不會花幾個月賭一個萬能算法。這種研究方式的缺點顯而易見，就是沒有辦法產生深遠及本質的成果，但是既然目標是利用人類現有的技術，去完成一個舉世矚目的新系統和新產品，我想不出來有其它更好的推動方式了。

其三是組內信息交流的極端重要性。學術界強調鉆研問題，獨立工作和原創性成果；但至少在無人車組，是鼓勵也必須時常和別人溝通的。一個人，特別是剛進來的新人，對整個系統的組成沒有深刻理解，也不去詢問同事，老板給一個問題就按自己的想法單干，結果發現三分之一工作和無人車目前急需解決的難點無關，三分之一工作已有人做出過類似工具，還有三分之一工作聽起來很有道理，自成一說，但是在實際數據上一跑效果很差。這些情況是完全可能的。按學術界的思路，這些工作都可以發（不同風格的）文章，但在我們這里，全都是沒有用的。

而充分交流討論就能避免這類情況。有越多來自別人的信息，就越能明確目標直入主題；越知道系統的優劣和目前的可用工具，就越能借風使力，提高效率。有時候跨組間不經意的一兩句對話，少則抵得上幾小時或者幾天的辛勤勞作，多則改變整個組的行進方向。無人車組里中國人非常非常少，因此英語的地位相應提高，實在是需要在業余時間多加訓練才好。

對于這樣一個開創性項目，雖然已經取得了重要的進展，但還是有很多棘手的具體問題需要解決，每一個細節都決定成敗。并且，越接近最終目標就越為艱難，有時候為了有百分之一的效果提升，是不惜從頭再來，將原來的工作全部推翻的。所以說這個項目最后是否成功，還要看全體同事的聰明才智和勤奮努力，及一點點捉摸不定的運氣。

希望運氣在我們這邊。