我在英国，刚刚完成答辩。今年，我收到了腾讯AI Lab（青云项目）和字节跳动（种子）的offer。我之前实习过的 Sony 和 Meta 都给了我offer，还有目前正在面试的 Adobe 和 Meta。这些工作机会的方向与我的博士工作完全吻合，所以不存在改变方向的痛苦。
最终我接受了字节种子团队的offer，结束了秋季招聘。
背景介绍
我是一个方向比较独特的博士，做的是音乐生成。今年年底四年顺利毕业，最终的选择是：接受字节种子的offer，继续从事行业研究。
往这个方向浏览知乎的同仁应该看过我在知乎写的ISMIR知乎专栏系列鸟瞰图。像许多人一样，我从其他方向转向电脑音乐。早年是边看边学，留下一些笔记。我仍然把它们发布在知乎上，时不时有人喜欢它们。
虽然AIGC这两年火了，似乎音乐一代已经成了红海，但我刚入行的时候却不是这样。就连我出国读博士的原因也是如此。是因为国内有计划培养这个领域博士的老师屈指可数的两三个（当然现在国内稍微多一些，有些学校比如阳阴科技大学、上海交通大学、中港深圳大学已开始招聘博士及岗位）。
读博士的时候，我认真考虑过毕业后会不会没饭吃，会不会被迫转行。这确实是一个坚实而糟糕的方向。大多数人受到爱情的激励，将四年的博士学习时间投入到音乐的各种研究中。
但近两年随着大模型和GenAI的出现，音乐生成的方向突然又变得可行了。我是一个比较幸运的学生。我在行业门槛不高的时候进入这个行业，在市场成长的时候毕业。
在找工作的过程中，我其实也有很多感触。
1. 找工作是一个漫长的过程。很多时候，我在攻读博士学位期间构建的东西。在帮助我获得面试和找到工作方面发挥了很大作用。在我秋招的过程中，面试我的公司都是我以前有过联系的同事。我找工作的时候直接投简历就可以了，整个过程很顺利。
2.对于一个领域的工作机会，很多时候更大的决定因素不仅仅是个人努力。 2019年我还在做音乐结构分析，但2023年之前，电脑音乐方向不温不火。现在世代方向已经赶上了GenAI快车，让更多的同行拿到了高薪，但这与他们的选择无关；无论公司是否提出要约，在许多情况下，更可能的是许多其他因素导致了这一结果。
这时候，有一句鼓励的话就可以恰当地用在这里：
世上没有快乐，也没有痛苦；只有一个条件与另一个条件相比，仅此而已。只有经历过最深的悲伤的人，才能最懂得最大的快乐。莫雷尔，我们必须经历死亡的痛苦，才能体会到生命的快乐。所以，我心爱的孩子，享受生活的快乐吧！永远不要忘记，在上帝启示人类的未来之前，人类所有的智慧都包含在这四个字中：“等待”和“希望”。
情况确实如此。
毕业前痛苦的半年
毕业的前半年无疑是痛苦的。因为从这一点开始，全职offer就可以开始陆续协商了。
我在英国玛丽女王大学（QMUL）数字音乐中心（C4DM）攻读博士学位。近年来，实验室保留了70多名攻读计算机音乐的博士生。从规模上来说应该是世界上最大的电脑音乐实验室了。
这个PhD和一般英国PhD的区别在于，英国传统上是三年制，而我的PhD是四年制。第四年之后就可以提交论文，这个阶段最长可以持续一年。我们将此阶段称为“上升”阶段。这使得我接受的就像是一半英国和一半美国的结合。
我没有直接攻读博士学位。本科毕业后。相反，我休了一个间隔年，然后申请了博士学位。经历了第一年上课的过渡期，我博士第二年和第三年的产出其实并没有那么多。再加上我的实验经验不如同学们丰富，所以我经历了长达一年的可怕阶段。 ：做了哪些实验，哪些实验失败了。我是一个科研自尊心很强的人。博士三年级毕业后，我焦急万分，彻夜难眠。
事实上，那是光明前的最后一片黑暗，因为构成我毕业论文的三篇主要论文都是在我的第三年末和第四年之间构思和完成的。
能熬过那段时光，其实非常感谢我的博士生导师Simon Dixon教授。用我们实验室的话来说，他的风格有点像一个大爸爸，热情地关心、照顾着每一个博士生。虽然他年纪有点大了，不能一直跟上前沿的科研，但他有三个优点：我想做的事他都支持；他总是正确地指出我不成熟的科学研究，并从想法到概念进行改进。 ，到实验设计，到论文写作。把我安顿好后，他又开始放羊了。
距离毕业还有半年，我又开始焦虑了。我是一个很容易被影响的人。有时我会出现严重的同伴问题，甚至会导致我半夜失眠。我认为，部分原因是每个博士生都会经历的学术焦虑；然而，在这个特殊的时刻，也有一部分是因为：无论我在博士期间表现得多么好，我都必须进入就业市场，面对残酷和不公平的博士。竞赛。
作为一名合格的 INTP，我开始进行广泛的研究并得出以下信息。
MIR 的毕业选择：大学还是工业界？
虽然我们这个领域这么冷门，但是博士毕业后还是有两个主流出路：大学或者工业界。
事实上，我在读博士期间对这个选择保持着开放的态度。
学术界的选择
在学术界，学院和大学仍然是一个相对困难的选择。您可以参考今年各高校发布的名额：
我没有进入学术界有两个原因：
1、大车型时代，产业界资源更加丰富。
对此，我的同事们一定有深刻的认识。现在我们需要训练一个参数比较多的模型，而学校实验室的显卡根本不够用。如果你有机会去公司实习，并且有足够的A100和H800可用，那么很多想法可能会实现。
我认为未来几年工业界和学术界之间的差距可能会进一步扩大。这使得学术界的产出很可能受到资金的影响，导致前沿工作的跟进变得困难。
2、大团队运作的工业界实际上领先于学术界。
这从近两年大型模型突破性工作的比例也可以看出。最具代表性的作品基本都是来自Meta，这些公司的团队合作，音乐方向都差不多。
也就是说，如果你想得到一个大型模型坦克，那么工业是一个更实际的选择。
行业的选择
我们先来看看目前音乐行业的格局：
大型厂家：
中小型工厂：
非人工智能公司：
本站候鸟号已成立2年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论