AI
可分为三种情况。第一种是从事system/develop工作的学生。先不管他们是主动为之还是被迫如此，每天都得编写大量的代码。很多时候，要将一个极其简单的想法高效地实现，是颇具挑战性的。在科研方面，不像从事
AI相关工作的学生可以一边让实验运行着一边刷论文，system相关的实验全得靠自己一行一行地敲代码。在开发某些产品，或者仅仅是在一些产品上开发新特性时，同样要写很多代码，还要做大量的系统性测试，每天是否编写代码并非自己能够掌控。就拿我自己来说，最近我的课题需要对vLLM框架进行大幅修改，并且对一些内核进行优化（因为相较于从头构建一个使用PagedAttention并且集成当前绝大多数大型语言模型（LLM）高效服务特性的LLM框架，对vLLM进行大改已经算是相对容易的工作了）。我常常拿着一杯
咖啡在
电脑桌前一坐就是一整天，几个月下来写了好几千行代码，做了不计其数的测试，才修改出一个能用的版本，更不用说组里那些资深的博士生了。第二种是热爱探索
计算机的学生。说得直白一点，就像那种超级书呆子。坐在我旁边工位的那哥们儿就是这样，他大二的时候就经常看各种
计算机科学（CS）的网课，像CS149、6.S081之类的。虽然他编写代码的总量或许比不上第一种学生，但他也是每天都在敲代码和学习。虽然我们总是开玩笑说他是个书呆子，但说实话，心里还是很佩服他的。只要不是那种门槛特别高的科研领域，其他任何与编码有关的问题他都能解决。这种学生在科研和工程方面其实都很有潜力。一方面，他们对
计算机底层有着浓厚的兴趣，愿意主动去探索那些短期内可能看不到直接应用价值的知识；另一方面，也是最重要的一点，他们对
计算机科学的热爱是发自内心的。不管是代码优化、系统设计，还是单纯地研究一些有趣的概念，他们都能从中获得乐趣，而不会把这些当作一种负担。
