刚刚看完。https://www.youtube.com/watch?v=EsaUQNx59vA&t=9s
以前市场人才需求的周期比较长，一个周期可以十年二十年，从市场缺失，大学专业培训，人才毕业满足市场需求是有足够时间的。而如今Ai带来的高效变化太快太大，如果你为了迎合市场去学某个技能，市场可能不会等你，AI可能学的比你更快更好。也就是跟风跟不过AI。不如专注在自己喜欢和擅长的地方，注重于解决某个问题的来好，可以满足自己的好奇心，等待市场发现。从他自己在Meta入职到离职，对scientist的要求从research到engineering， 其实上工业界对这方面的要求越来越两种兼顾。也说到杨丽坤实际上在Meta坐了多年的板凳，一下子拿了图灵奖就火了。研究者从古至今，都需要有一定的锚点，耐得住寂寞和孤独。
我喜欢他对Research 这个词的新定义，Re-Search，再寻找。
以上原版，下面是GPT润色的。 呵呵呵
===
刚刚看完这段影片后，我感触很深。
过去，市场对人才的需求有着相对稳定而漫长的周期——一个完整的周期往往可以持续十年甚至二十年。从市场出现缺口，到大学开设相关专业，再到第一批毕业生进入职场，时间足够让人慢慢适应。
但在AI时代，这个节奏被彻底打破。
AI带来的变化又快又大，当你为了迎合市场去学习某项技能时，市场可能已经转向，而AI也许比你学得更快、更好。
换句话说，“跟风”已经跟不过AI了。
既然如此，不如回到更本质的问题：
去专注于自己真正喜欢、擅长、并且好奇的领域，专注于解决一个有意义的问题。
当你沉浸在探索中、不断提问、不断尝试，总有一天市场会发现你。
视频中提到，Meta 对 scientist 的要求，从单纯的 research 转向了 research + engineering 的结合。这说明时代对科研人员的期待也在改变：
研究不仅是提出新想法，更要能落地、能实现。科学与工程的边界，正逐渐模糊。
他还提到一个我特别喜欢的观点：
Research，其实是 Re-search——再寻找。
研究的本质不是一次性创造，而是一种持续的探索，是在旧问题中重新寻找新的理解。
从他自己在 Meta 的经历，到杨立昆（Yann LeCun）多年“坐板凳”的故事，都印证了这一点。真正的研究者从不急于“出圈”，他们在不断地“re-search”，在等待那个属于他们的时刻。
在AI的时代，我们也许不必害怕被取代。
因为AI能学习，却还不会“寻找”。
而“寻找”的勇气与好奇，才是人类最独特的能力。
