🌲🌲🌲

在大厂上班的体验，结合我在阿里3年的工作经历来看，满是光环与现实的交织，褪去滤镜后全是最真实的职场百态，比起旁人的想象，多了太多落地的生活体感。我在阿里做电商板块的后端开发，年薪总包大概35W，其中基本工资20W左右，年终奖能拿到8-10W，剩下的是季度绩效和福利补贴，这在阿里同级别、同工龄的技术岗里算中等水平，不算拔尖但比普通公司高出不少。上班时间基本是早10晚9，大小周轮着来，这是我们部门的常态，没有所谓的“准点下班”，工位上晚上八九点永远是满的，大家要么在赶项目进度，要么在对接跨部门需求。早10点到岗后，先开15分钟的站会同步工作，接着就是写代码、联调接口、处理线上问题，忙的时候连午休都挤不出来，午饭都是速战速决，二十分钟解决完立刻回到工位；晚上9点下班算是“正常点”，遇到618、双11大促节点，直接连轴转，加班到凌晨1、2点是常事，大促前半个月基本住在公司，折叠床、洗漱包都是工位标配，那段时间日均工作时长能到14个小时，连轴干一周是家常便饭。没进阿里前，我和很多人一样对这里有厚重滤镜，觉得大厂都是技术大牛，日常做的都是高并发、分布式架构优化这类高大上的事，拿到offer时还觉得自己踩上了职业快车道。可真正入职才发现，阿里从不是个人英雄主义的舞台，而是极致讲究协同的“螺丝钉”体系——双11亿级流量的背后，是无数个岗位的精细分工，我所在的板块只是负责电商交易链路的一个小模块，日常更多是做业务落地、流程衔接和细节优化，并非天天接触顶层架构设计，甚至不少项目因业务迭代快，只能快速落地、浅尝辄止，彻底打破了我对“大厂事事做到极致”的幻想。阿里的薪资和平台资源，是实打实的优势，也是支撑我扛住压力的核心原因。除了35W的总包，日常的办公配套、员工福利都很完善，下午茶、免费健身房、年度体检这些都有，逢年过节还有购物卡和礼品；更重要的是，阿里的业务体量和行业视野无可比拟，参与过两次双11大促项目，让我直观接触到亿级流量的技术解决方案、成熟的项目管理流程，身边同事即便不是“封神级”大牛，也各有专业所长，日常交流学习中，我的技术能力和项目把控力提升得很快，这是普通公司根本给不了的成长速度。但对应的，这份收入背后的辛苦和压力，只有自己知道。随身带电脑是刻进骨子里的习惯，通勤的地铁上、周末的聚餐间隙，只要工作群有消息，就得立刻打开电脑处理，哪怕是节假日，也随时可能被线上问题叫醒，完全没有真正的“下班状态”。而且阿里的狼性文化下，内部的竞争和内卷从未停止，同岗位的同事都在拼命往前冲，想要晋升，不仅要看代码能力，还要看业务贡献、跨部门协作能力，每年的晋升答辩都像一场硬仗，稍不留意就会被落下，身心始终处于高负荷状态，这三年里，我明显感觉自己的作息乱了，颈椎也落下了小毛病。其实阿里内部的体验差异也很大，我所在的电商核心事业部节奏最快、压力最大，而有些偏中后台、支持类的部门，基本能做到晚7、8点下班，偶尔才加班，薪资总包比核心业务岗低一些，但能兼顾一点生活。身边也有同事熬不住这种节奏，干了1、2年就离职了，有的去了偏国企化的大厂，有的回了二线城市的中小公司，反而过得更轻松。说到底，在阿里的这3年，是一场痛并快乐着的修行。35W的年薪、双11的项目经历，让我拥有了应对复杂业务和高压工作的能力，也为我的职业履历镀了金；但同时，我也失去了很多个人时间，错过了朋友的聚会、家人的陪伴，甚至连好好休息都成了奢望。大厂从来都不是适合所有人的“乌托邦”，它更像一个高浓度的成长平台，能扛住早10晚9的节奏、适应内卷竞争的人，能在这里收获薪资和能力的双重提升，而无法平衡工作与生活的人，只会被慢慢消磨掉对工作的热情。

入职vivo东莞长安总部一个月，每天都被细节里的温暖打动。 办公环境超赞，开放式工位采光充足，绿植错落有致，会议室配备高清屏，跨部门沟通很顺畅。茶水间24小时供应咖啡和茶饮，累了站在落地窗前眺望，能看到园区里的球场和各种绿植，瞬间回血。 饮食完全不用愁，总部食堂每天换着花样来，粤式烧腊、川湘小炒、轻食沙拉应有尽有，价格还很亲民，十几块就能吃顿丰盛的午餐，每天的食谱还可以在内部平台查询。偶尔想换口味，周边商圈也有不少选择，打车十分钟就能到。 住宿方面，公司安排的公寓宿舍离办公楼步行十分钟，单人间带独立卫浴，生活用品、空调、洗衣机配齐，楼下就是便利店和快递驿站，生活超方便。 最惊喜的是公司健身房，...

一个人负责三个地区，经常出差，单休

github链接：https://：github.com/jinbooooom/OriginDLOriginDL: 完全从零开始构建的深度学习框架OriginDL 是一个完全从零开始构建的深度学习框架，采用 C++ 实现。OriginDL 不仅实现了高层的自动微分系统，更从最底层的矩阵运算开始，使用 CUDA 手写了 GPU 加速的矩阵计算核心，并在此基础上构建了完整的自动求导引擎和神经网络模块。目前已在框架上实现了线性回归与 MNIST 手写数字识别的训练示例，以及基于 PNNX 的 YOLOv5 目标检测推理，用于验证自动求导与推理链路。OriginDL 提供了类似 PyTorch 的 A...