清华硕士自述：毕业后我成了一名货车司机

你身边的“天才学霸”是什么样子？

高高在上只可远观？还是“不食人间烟火”专注科研？亦或是在实验室里不谙世事，终生与学术作伴？

在大多数人眼里，科研、探索前沿技术，就意味着远离市井，一生都在实验室里苦苦求索。

但有这么一群“学霸”，却过着一种“另类”生活：

凌晨4点坐上货车副驾，跟着司机四处奔波送货、披着外卖工作服骑行在大街小巷送外卖、站在餐饮店的取餐口一呆就是一下午、顶着烈日在无人机测试场重复看似简单的飞行……

91年出生的清华毕业生陈渝就是其中一员。

学生时代，他一直是同龄人中最耀眼的那一批。毕业拿到大厂的*offer，不同于大多数安静呆在办公室里的同行，他的工作要深入线下实体场景。

为了让系统模型更符合实际，他实地调研半年之久，只为设计更加合理的排线逻辑，让送货车更快捷地为商家们送去新鲜的米面菜肉。

引人入胜的，不只是身份的反差，还有他从比特世界扎进原子世界后感受到的震撼。

以下是关于他的真实故事（口述）：

从清华毕业生到“货车配送员”

很多人对清华毕业生的头衔都带着一种误解，似乎我们什么事情都会知道。但其实不是这样，至少我面试的时候就遇到了一个大难题。

2018年，我结束了实习，直接向美团北斗计划投了简历。

这些年，一大批新的科技企业开始崛起，也让我们这届毕业生吃到了时代的红利，我们系的每个同学还没毕业就成了大厂哄抢的对象。

我选了美团，原因很简单，之前的实习经历让我觉得这里的技术氛围浓厚，业务场景也很丰富。

尤其我投的北斗计划，真的是卧虎藏龙。入选的人几乎都是*学府的天才人物，手里都至少握着一块ACM（国际大学生程序竞赛）的金牌，或者在顶刊顶会上发表过重磅论文。

又可以和大牛一起工作，又可以让自己的研究落地，让人有学有所用的成就感，这对我们做技术的人来说吸引力很大。

所以，虽然我同时有几家大厂的offer，最终的选择仍然很干脆。

我还记得面试时有道题问，“如何确定每个单车的具体位置”。

当时有点犹豫，这个问题几乎是送分题，不就是设计一套确定单车位置的算法？

但我又转念一想，这是一次面试，每个问题的设计应该都有一定原因，或许是面试官考察我到底能设计几种解法。

我也参加过其他大厂的面试，大家大多是直接出题考察你的代码能力，面试官的题出一个我解一个。

但北斗的面试不同，在我解题的时候，面试官一直在和我探讨互动，有一瞬间我感觉好像和之前实习时一样，在和师兄、同事们切磋。

我想了一个办法，通过分布式优化算法，把模型迁移到单车上，用单车之间的联系编织拓扑网，进行三点定位，这样，只要知道一个车的位置，其他车的位置都可以通过算式得出。

当时的题目不止一道，有很多与运筹学相关的数理问题。有个问题我花了半个多小时，思路和框架写满了一页A4纸。

最后我终于顺利通过面试，也“学到了一课”，原来面试还能从这样综合的角度考验一个人，你需要把学过的所有知识都串联起来，反复推敲，才能得到一个尽可能*的答案。

你的思想深度和思维方式才决定你的上限有多高。

后来，我如愿加入了北斗计划，本以为对于我来说，接下来的工作应该得心应手，但来了才知道，在这个团队，清华研究生和几篇不错的论文可能只是一块简单到再不能简单的“敲门砖”而已。

举个例子，有时项目攻关期，leader并没有要求我一定要做成什么样，但我不想辜负他们的期待，就几乎天天工作完回家还要看一会文献，周末也会看书恶补，只有这样才能和团队里的大牛们看齐。

这可能就是氛围，不能以为清华毕业就高枕无忧了，学历不过进入更强团队的*步，而往后都需要继续努力，才能不被落下。

也是因为这段时间的努力，我发现很多项目我应对起来得心应手，几乎可以胜任其他岗位的各种工作了。

很快我又遇到一个新挑战，去快驴业务，负责研发一套系统规划送货路线。

快驴是一个给餐饮商家运送生鲜食蔬等原材料的平台，我们需要综合考虑平台、商户以及送货司机的诉求，去做货物匹配和路径规划。

比如地图上一个仓储点的分配，一个商家的变动是牵一发动全身的，这个点今天没有下单、或者因为其他原因搬迁了，整体的配送路径就要跟着改变。

这要求你必须非常具体地了解到货车司机、商户和平台之间的需求，还有业务流程中每一个行为是如何发生的，会影响到什么。

美团的很多业务都是这样，对我们这些技术人员来说，光坐在办公室码代码是*不行的，必须去实地看看，业务到底是怎么转的。

那段时间，每天凌晨4-5点就要赶到送货点，坐上货车副驾。迎接我的，是和司机一起在城市的大街小巷奔波，这期间的经历是我之前从来没有过的。

为了更准确的记录送货的全流程，我还专门下载了一个App，这样就能清楚地用把司机发车、上路、卸货的全流程时间点记录下来，这还不够，还得在旁边备注遭遇到的突发状况。

有时送完货已经接近中午，回出差的酒店补几个小时觉后，再开始日常的数据分析、和同事讨论线路实况、推进算法，夜里去仓库调研调度流程，如此循环反复。

最累的一次，几乎是24小时连轴转，在回程的出租车上，昏睡了过去，直到被司机师傅叫醒下车。

但我也非常喜欢这样的日子。因为在跟车后我才发现，很多原来在办公室里做出的模型可能只是一种合理的想象，真实的世界太复杂了。

真实世界里，变量套着变量

真实世界有多复杂呢？

很多人觉得设计货车路线就是从仓库出发、根据商户远近简单连线，排个顺序就可以了，但现实没那么容易。

如果两个地点之间有一座桥，桥有限高和限宽，司机就必须得绕一大圈；又或者某个固定路段，只有早晚高峰堵车，其他时间不堵，有些地方又是潮汐车道。

如果我还只坐在办公室里看数据，或许我只能知道司机的年龄、驾照，身高、体重，配送货物的重量、体积、件数等信息，但一些时候，这些电脑里的数字并不代表实际可能发生的情况。

理论上，系统会根据这些信息进行调度和路径规划。但跑去一线你才会发现，送货车能装多少货，还与货物的品类有很大的关系。

一些蔬菜，在电脑表格里看上去体积很大，但挤挤也能放得下；而像鸡蛋、纸巾等货物，就没办法用同样的逻辑来处理了。

要解决这些问题，程序的复杂度都会指数级上升。

再比如，司机师傅会在每送完一个商家后在软件上签到，但实际情况往往是，司机送了这一家后，过了一个小时才想起来签到，不去现场了解，根本就不知道这些数据会有偏差。

之前的系统会考虑司机对商家的熟悉度，我们一个司机经常送的片区里，新增了一户商家的订单，但因为这位司机之前没送过这家店，系统就把订单派给了另一个司机。

结果，两辆送货车在同一个胡同里碰到了，新下单的商家也纳闷，别人送完隔壁的单都快走了，你怎么才来？

这类故事挺多的，原因就是线下的变量太多太多了，一环套一环，很多东西都是你意想不到的。

为了了解更多情况，我一般会优先选新手司机跟。配送的复杂远不在于数量和品类的多少，更重要的还有车与车即人与人之间产生交集带来的不确定性。

有些司机的车小，他就会拉少一点，但跑的路程、商户其实和能拉更多货物的大车差不多。如果他发现自己赚的不如大车司机，久而久之心里也会不平衡，这又衍生出公平问题。

半年时间，我几乎跑遍了快驴业务所在的所有城市。让我印象最深的城市是合肥。

商户下单除了主要集中在商业区，更多的还是在工地食堂、学校食堂或者很偏远的小饭馆。

有些地方可以直接导航，但是有些地方导航路线就没那么准了。很多的郊区因为车走过的痕迹很少，没有历史数据，有些路已经废弃了也没有人更新过。

我还听过公司研发无人机的同学讲过一个故事。

今年4月，深圳配送前线的无人机在降落时发出预警，必须马上找到问题。

负责视觉研发的同事很快发现，原来是因为那个季节深圳的太阳高度角会接近90°，在无人机的眼睛里，降落点的马克板“过曝”了，触发了安全保护系统。

这在之前成千上万次的飞场测试中从未出现过，之前的测试都在北京的郊外和8、9月之后的深圳进行，那时的太阳高度角永远不会那么高。

所有的问题，你都必须深入到一线才能了解到。

这段经历让我更加感觉到，从高度逻辑化的比特世界到状况百出的现实世界，中间跨鸿沟太大了。

我们每个程序员都希望用代码改变世界，但真正到了线下，就发现世界好复杂。

大街小巷里有人间烟火，也有我想要的星辰大海

这段跟车经历，让我想到自己在老家的生活，看到送货师傅和商家们，也会顺着联想到自己的父母。

我来自重庆的一个农村，那里靠近三峡，经济并不发达。爸爸早年间去山西的煤矿打过工，妈妈在家种田。

比起只盯着科技上的创新，我更愿意去思考如何用科技改变普通人的生活，这不是玩笑，也不是标榜价值，是我内心的一个真实想法。

所以，我在排线时会考虑更多因素，让机器的派遣逻辑更贴近实际，也会让机器去学习历史调度的排线方式，这样在分配任务时会着重考虑司机配送习惯。

历史上这个司机是送哪个区域，配送的目的地大概率也是同样的区域。

有这样一个初始安排的话，司机的配送体验会比以前好很多。路线合适，他们也能节省大量的时间和体力。

去年8月系统上线后，线路非常稳定，调度的时候效果明显好多了。10月份全面推广后，一个核心评价指标就突然就上了一个新的台阶。

这让我挺有成就感。比起闷在研究室里推公式、敲代码、写论文，我觉得现在做的事可能更有意义。

我个人总觉得，纯粹做线上改造的工作缺乏与现实的连接和感知。

我花了半年时间优化了一个推荐算法，可能提升了一个千分点的打开率，数字更好看了，晋升了，工资涨了，然后呢？可能并没有为这个世界带来什么实质的改变。

而在线下改造实体的魅力在于，在和一个真实的世界打交道的时候，你知道世界真正需要什么，你能为这个世界做些什么。

而且你做的这件事能反馈给线下真实的人，你也能真实地接触到这个世界，能得到一句“你做得真的好”这样的鼓励。

很多北斗同学也和我说，能在实体场景里去做事情，让自己的研究落到实处，其实也吸引他们来美团的原因。

现在，我们这批“北斗”们做的事情已经深入到生活服务的各个角落，包括让配送无人机飞得更稳更可靠；

让无人车更加智慧快捷；让系统更精准地预估一份外卖的出餐时间，减少骑手的等待，用户更及时收到新鲜美味的菜肴；

让商家早早收到物美价廉的食材，进而赚到更多的收入……

这些事情说官方一点，叫“实实在在地促进实体经济的更好的运转”。

遥不可及的星辰大海是一种追求，站在每一个真实生活需求上的探索也是。

北斗的面试官说过一句话我一直记到现在，“不管黑科技白科技，能服务每一个人的，就是最酷的科技。”

挺有意思的，是不？

【本文由投资界合作伙伴显微故事授权发布，本平台仅提供信息存储服务。】如有任何疑问，请联系（editor@zero2ipo.com.cn）投资界处理。