互联网持续晋升指南

type

Post

status

Published

date

Sep 23, 2026

slug

promotion-guide

summary

到今年 7 月，我工作就满 10 年。十年观察下来，毕业时起点相似的人，后来的差距甚至在 10 倍以上。有人第一个职级就卡住，换行业重启；有人顺利升两三级，一直升到天花板；也有人一直在跳槽，情况却越来越糟。这个差距不是努力决定的，能在大厂活下来的人，没有一个不努力。 决定差距的，是运气和认知。 运气不可控，认知可以。这篇文章想拆掉思维里的几堵墙（误区）。之后，正常的路径会自然显露出来，有些甚至是捷径。

晋升的本质

这里说的晋升，是广义的晋升。它不只是公司里的答辩晋升，也包括跳槽定级、校招定级。

很多人觉得晋升是这样的：先做出结果，然后公司奖励你，所以你获得晋升。这听起来很合理，于是很多人得出一个看起来正确的结论：晋升是用来奖励成果的。但这个结论其实有点悲观。如果晋升只是奖励过去的成果，那就意味着，不管你能力多强，都必须先花很长时间把结果落地，然后再等待组织承认你。

可是现实不是这样。如果真是这样，就无法解释萧何月下追韩信、刘邦一日拜其为大将军，也解释不了为什么最近两年校招定级越来越高。这些都不是依靠过去的成果，而是依靠对能力的判断。

晋升表面上是奖励过去，本质上是定价未来。

组织不是单纯因为你做成了什么而晋升你，而是因为它相信你在更大的问题上还能做成什么。能力不是你已经完成了什么，而是别人相信你在面对更大的不确定性时，仍然能创造结果。

我认识的一位 P11 大佬讲自己怎么晋升上来时，说过一句话：能力是面对未知的勇气。这句话我非常认同。越往上走，问题越没有标准答案。你面对的不是"给定目标，完成任务"，而是目标模糊、路径不清、资源不确定、组织关系复杂。这个时候，能力的本质就不是熟练度，而是面对未知时重新建立秩序的能力。

所以真正的晋升路径，往往不是"先做出结果，再获得晋升"，而是先被判断为能承担更大的不确定性，然后级别被确认，接着获得更大的问题，最后做出更大的结果。换句话说，晋升不是过去成绩的结算，而是未来能力的折现。

为什么要费劲巴拉地把晋升的本质从"成果"里拆出来，落到"我未来能做什么"上？因为决定这项能力的是认知，而认知是可以在短时间内快速提升的。如果晋升的关键旋钮是认知，那它就存在捷径。它不只需要你埋头苦干，还需要你抬头看路，找到一条通往目标的最短路。

用耗散结构理解职业发展

如果晋升是定价未来，那下一个问题就是：未来的能力从哪里来，又为什么会停滞？我觉得这件事可以放进一个框架里理解：耗散结构。

热力学第二定律说，封闭系统总是趋向无序，也就是熵增。职业也是一样。如果一个人长期不接触新问题，不进入新业务，不更新认知，他的技能会老化，经验会固化，过去的方法会变成路径依赖。

那生命为什么没有简单地走向无序？一个最直观的例子是光合作用。植物不是靠"内部努力"长成一棵树的，它持续从外界吸收阳光、水和养分，把外部能量转化成内部结构。职业发展也一样：一个人不能只靠在原系统里更努力地消耗自己，而要持续从外界摄入能让自己升级的东西。

薛定谔提出了 "负熵"（negentropy） 这个概念，原话是 "生物以负熵为食"（What an organism feeds upon is negative entropy）。普利高津把它理论化为耗散结构：一个远离热平衡态的开放系统，通过持续与外界交换物质和能量，自发形成有序的、稳定的时空结构。

代表系统内部不可逆过程产生的熵，在职业里对应的是技能老化、认知固化、路径依赖、经验过期和组织惯性。是系统与外界交换带来的熵流，如果它是负的，就代表外部有负熵输入，在职业里对应的是新信息、新挑战和新机会。

一个职业系统如果不持续摄入负熵，就会自然老化。你过去学会的技能会过期，积累的经验会变成路径依赖，擅长的事情会把你困在旧结构里，成功的方法也可能变成下一阶段失败的原因。

所以职业成长不是"努力"两个字能解释的。努力更多是系统内部的消耗，真正决定系统能不能继续进化的，是你有没有持续从外部摄入足够高质量的负熵流。如果负熵输入刚好抵消内部熵增，你只是维持现状；如果负熵输入小于内部熵增，你的职业系统就开始老化；只有负熵输入显著大于内部熵增，并且叠加某个关键机会，你才可能发生相变，也就是晋升。

远离平衡态：杀死过去那个让你成功的自己

耗散结构给职业发展的第一个启发，是成长不发生在平衡态里。一个系统如果已经稳定、封闭、低扰动，它当然容易维持，但也很难长出新的结构。放到职业里，一个人如果长期待在已经完全胜任的工作里，问题熟悉，反馈确定，资源路径稳定，短期看是安全，长期看就是职业系统正在接近平衡态。

很多人以为职业成长是线性的：努力 10 分，就应该得到 10 分回报；努力了 80 分，就应该离晋升只差 20 分。但耗散结构提醒我们，真实的成长更像相变。相变不是线性累加，而是系统在远离平衡态之后，叠加持续的能量输入和关键涨落，突然长出新的秩序。职业里也是这样：在临界点之前，很多积累看起来都没有反馈；一旦超过阈值，过去的积累会被一次机会重新定价。

所以晋升不是持续优化过去那个自己，而是一次结构重组。

晋升的本质，是杀死过去那个让你成功的自己。

这句话听起来有点残酷，但背后的逻辑很简单：过去那个自己，只在上一个能级下有效。他能维持旧系统的有序，却不一定能维持新系统的有序。初级阶段靠执行力，中级阶段靠系统性，高级阶段靠判断力、方向感和资源组织能力。如果你一直用上一个级别的方法论解决下一个级别的问题，你会越来越努力，却越来越难晋升。

从耗散结构的视角看，舒适区并不是真正的安全区，它更像职业系统接近热平衡态时的主观感受：稳定、低扰动、低能量交换，但也缺少继续生成新结构的条件。很多人不理解，事情做得得心应手，也时常有成果，为什么得不到晋升？这种例子反复出现，尤其是那些已经适应了公司 Infra 复杂度的老员工。熟练是一种不可迁移的优势，它本身不是能力，能力是当下处理未来不确定性的认知。熟练被当成了能力，得心应手反而变成了因循守旧，阻碍了认知的提升。

一个人在上一个阶段建立起来的能力、经验、资源和声誉当然是优势，但这些东西一旦形成稳定结构，就会让你更擅长重复过去的成功，也更难切换到新的竞争变量。真正危险的是你的优势太稳定了，稳定到它不再只是优势，而变成了你无法轻易放弃的资产负债表。

耗散结构里还有一个概念叫涨落。系统在临界点附近时，一个微小扰动可能被放大，最后触发新结构。放到职业里，很多机会一开始都不像机会：它可能只是一个临时需求，一个没人愿意接的坑，一个边缘方向，一个刚出现的新技术，一块组织里没人管的混乱地带。在成熟系统里，这是噪声；在高增长系统里，这是涨落。职业机会很少以"机会"的样子出现，它更常以"麻烦""混乱""没人管的坑"的形式出现。你如果只喜欢确定的好机会，就很容易错过真正的大机会。

我自己的职业发展里，有一个反复出现的模式：每次刚觉得一件事情开始得心应手，我就会主动把自己往非平衡态推一把。

这听起来有点反常。按照正常人的直觉，好不容易把事情做顺了，好不容易建立了信任、资源和惯性，当然应该继续吃红利。但从耗散结构的角度看，这个时候反而最危险。当你开始得心应手，说明这个系统已经被你驯服了：问题开始变得熟悉，反馈开始变得确定，组织对你的期待开始稳定，你也越来越知道怎么用过去的方法拿到结果。

所以我在前司的时候，业务做顺了，资源也都给到我了，我反而放弃了，去尝试做更深度的研究。All in 深度研究，本质上是主动把自己重新推回非平衡态：它打断了旧路径，制造了新的不确定性，也迫使我重新学习、重新理解技术前沿、重新定义自己的能力边界。

很多人职业停滞，不是因为不努力，而是因为太擅长做已经擅长的事情。越擅长，越容易被组织奖励；越被奖励，越容易继续重复；越重复，越难离开。最后你会发现，过去让你成功的能力变成了继续成长的牢笼。它曾经是你在旧系统里长出来的有序结构，但当外部系统变化时，它也可能变成阻止你重组的力量。

建立负熵流：向行业最强的人摄入能量

我刚毕业时合租的室友破解了安卓 8.0，开始在全球安全会议上演讲，当年就快速晋升到了 P7。我问他是怎么做到的，他的回答至今都让我觉得醍醐灌顶：他从来不关注同事在做什么，只关心他这个（安全）领域最牛的人在做什么。

再用耗散结构来想：你关注谁，就是从哪里摄入信息，这决定了负熵的量级。如果你是一株植物，关注同事在做什么，就像在一栋大楼里靠灯光做光合作用，充其量长成一个盆栽；关注这个领域世界上最强的人，就像直接沐浴阳光，才有可能长成参天大树。

所以我也试着不再关心同事在做什么，只关心推荐领域最牛的工作、NLP 领域的最新进展，以及推特上大牛的发言。当输入信息的能量级变了，输出也就自然地变了。

举个例子，BERT 应该是我在前司第一批跑通的。为什么这么说？BERT 开源第一周，整个训练代码都是 TPU 的，我要把它改成 GPU 版本，并适配机器学习平台的参数服务器，平台的架构师周末陪着我改，一边答疑一边让我尝试各种性能优化开关。18 年我看 OpenAI 官方的强化学习教程，理解了 PPO；看到"Buy 4 REINFORCE Samples, Get a Baseline for Free!"这篇 paper，理解了 self-critic（今天更常见的叫法是 GRPO）。于是到了 19 年，我很自然地把这些东西拼装了起来：Transformer Encoder 做 Reward Model，GRPO 做 RL 优化，Pointer Network + GRU 做重排 Generator。

这个习惯我一直延续到了今天。很多团队做技术规划时，会先看公司内其他组在做什么，再看业界其他推荐公司在做什么，然后对标、跟进、补齐。我其实很少关心这些，因为在我的判断里，最顶级的推荐研究已经不在推荐公司里了，而是在 LLM 里。Scaling Law、Transformer 架构、强化学习、推理优化，推荐领域这几年最重要的进展，几乎都是先在 LLM 里被验证，再被搬到推荐里的。盯着其他推荐公司做规划，等于在二手信息里找方向，最好的结果也只是和同行做得一样好，很容易陷入低水平的重复竞争。

这就像今年火热的 Context Engineering：Agent 强不强，不只取决于模型，还取决于它拿到了什么 Context。职业生涯里的人何尝不是一个 Agent？垃圾的 Context 对应垃圾的产出，顶级的 Context 才对应顶级的生涯进步。

更妙的是，强大的负熵源往往是免费的。自然界的阳光，每个人都可以免费获得；对一个人的成长来说，最强的信息源也是如此，GitHub、arXiv、顶级实验室的博客和开源代码，全都向所有人敞开。

大家讨论一个人为什么能成功，总是归因到天赋和努力。我觉得这里丢了一个维度：你和世界上强大负熵源的连接。丢掉这个维度，你就只能陷入天赋和努力的竞争。可那些有天赋的人又十分努力，你拿什么去赢？

李斯说："人之贤不肖譬如鼠矣，在所自处耳！"讲的是环境对人的决定性影响。但这句话其实很悲观，因为人并不能随时选择自己的环境。你也想去清华读书，但这不是想选就有资格选的。负熵流不一样，它当下就可以建立，就像走出去晒太阳一样简单。你可以把它简单理解为你的"信息环境"。

赚钱的本质是信息差，你所在行业的信息差就摆在那里，很多人选择视而不见。以推荐算法为例，它的信息差就是推荐算法和 NLP 之间的 GAP。利用这种信息差，就像高考前有人把答案换了一种说法告诉你，你只要意识到这是答案，抄就完了。

问题只在于：你有没有建立足够开放的系统去捕捉这些信息差？你有没有足够大的负熵流，去抵抗自己职业系统的熵增？你有没有勇气，在刚刚进入舒适区的时候，把自己重新推回非平衡态？

组合思维：在交叉点上成为前 1%

很多人规划职业，想的是在一条赛道上做到最好：做算法，就想成为最好的算法工程师；做 Infra，就想成为最好的 Infra 工程师。这个目标没有错，但它意味着你要和这条赛道上所有的人竞争，其中不乏天赋顶级又极其努力的人。在单一赛道做到前 1%，往往需要顶级的天赋，可顶级的天赋不一定带着顶级的认知。

换一个思路。如果你在算法上是前 10%，在 Inference 上也是前 10%，那么同时具备这两项能力的人，大约只剩前 1%：

单一赛道的 1% 靠天赋，交叉赛道的 1% 靠认知。

现实里，这个比例往往比算出来的还要小，因为两个圈子的人很少主动跨界。做算法的觉得 Infra 是脏活，做 Infra 的觉得算法是玄学，组织架构上天然又有分隔，所以交叉点上的竞争者比乘法算出来的更少。交叉点也不只是稀缺，更重要的是那里有真实的问题。很多最有价值的问题恰好卡在两个领域的边界上，只懂一边的人看不到，也解决不了。比如一个生成式推荐模型能不能上线，往往不取决于离线指标，而取决于 beam search 的推理成本扛不扛得住。只有既懂模型又懂 Inference 的人，才能在设计模型的时候就把上线成本算进去。

这样的例子非常多。你是推荐专家，想成为那 1% 很难；你是大模型专家，想成为那 1% 也很难。但如果你把大模型哪怕最初级的知识用到推荐里，成为大模型和推荐交叉点上的专家，你就非常容易成为那 1%。前面说的推荐和 NLP 之间的信息差，本质上就是交叉点上的机会。

前面说过，丢掉和负熵源的连接，你就只能陷入天赋和努力的竞争。组合思维是另一条出路：不要在人最多的地方争第一，而要去人少的交叉点，成为第一批。在不具备天赋和资源优势的情况下，这可能是成为那 1% 最现实的路径。

投资思维下的职业选择

开头说过，晋升是广义的，跳槽也是一次晋升。它本质上是外部市场对你的一次重新定价，而你选择哪家公司、哪个业务，就是在选择下一次定价发生在哪里、未来还有多大的上升空间。校招选 offer 也是同一件事，所以放在一起聊。

刚毕业的时候，我执着于顶级大公司和核心部门。那时候都说 BAT 是 Top，我的心态就是除了 BAT 别的都不看。当时一个师兄拿了今日头条的 offer，业务是内涵段子，我肯定看不上这个 offer，自然也就错过了早期的字节跳动。等到我要跳槽的时候，一个师弟也恰好在考虑机会。我去字节做电商，他其实内心也看不上，觉得一定要去抖音做推荐，去核心部门看看推荐系统是怎么做的。这种心态我很熟悉，就是没有对大公司、核心部门祛魅，而这种光环心态会让你失去很多机会。

"我要去一个大家都觉得好的公司和部门"，本质上等价于"我要买一只大家都看好的股票"。问题是，人多的地方藏着风险。好股票可能已经被充分定价了，如果人人都知道要买它，它就失去了大涨的空间，甚至有暴跌的风险。职业选择也一样。大公司核心部门是低波动资产，稳定、体面、确定性强，但超额收益往往有限。高增长的新业务是高波动的权益资产，看起来不确定，但一旦业务跑出来，组织扩张、级别膨胀、期权升值会同时发生。

真正的超额收益，永远来自未被充分定价的增长。

把互联网职业生涯看成一个投资组合，它同时包含两部分。一部分是固收类资产，也就是现金流，比如工资、奖金、跳槽涨薪；另一部分是权益类资产，也就是非线性收益，比如期权升值、股票增值，以及业务增长带来的级别跃迁和权益增发。再拆细一点，职业收益至少包含三层：

第一层是现金流收益，也就是工资、奖金和跳槽涨薪，这是最容易看到的部分。第二层是级别再定价，比如从 P6 到 P7、从 3-1 到 3-2、从普通 IC 到核心 owner，这不是简单的涨薪，而是你这项人力资产的估值发生了变化。第三层是权益弹性，包括公司股票、期权、业务增长和组织扩张带来的非线性收益很多人只盯着第一层，关心跳槽涨了多少，这就像只盯着债券票息，却不看权益资产的增长空间。互联网工作的真正性价比，来自后两层收益的叠加：一是公司或业务增长带来的组织红利，二是个人级别增长带来的估值提升和更多权益。互联网的薪酬结构里，职级越高，股票/期权的比重越大，级别之间的巨大差异往往就是由它驱动的。而这个行业又极累，职业生命也不长。缺了这两种 buff，互联网工作的性价比其实很低。

很多人跳槽的时候，会同时面几个公司和部门，然后"价比三家"，拿一个价格最好的 offer。这是一个符合直觉的基本操作技巧，但在价格差异之间反复取舍，会让你看不清真正重要的东西。

再回到我自己跳槽的案例。我当时只面了字节电商，甚至没有尝试联系第二家公司，这其实非常少见。很多人跳槽的理由是绩效一般、上升通道受阻，于是换一家公司、换一个赛道。而我当时刚完成晋升，半年绩效 3.75A，老板还在不断塞人给我带。所以我提离职的时候，老板很惊讶，问我理由，我说："阿里在走下坡路。"

当时阿里的股价一度飙升到 300 多美元，正是如日中天的时候。我在 268 和 290 两个价位卖掉了已经行权的大头，因为我认为阿里的价格偏贵了。那"走下坡路"是怎么判断的？我当时的感觉是，阿里在疯狂进人，职级高但水平一般，优秀的人在流出。我毕业时对阿里的印象是极客工程师文化，到那时已经变成了黑话和 PUA。

那为什么只面了字节一家？因为当时字节的期权价格是 78，严重低估。为什么去电商？因为部门初创，业务刚起步，机会密度高；而且短视频 App 做电商是高频打低频，做起来没有非人力的障碍。所以最终，我把总包里未归属的阿里股票，以 264 的价格兑换成了字节新的总包，而第二年，字节的期权就涨到了 155。

就在今天，我团队里有同学拿到了薪资翻几倍的 offer。我是真心祝福的，某种程度上，这也是对我的认可。这才是市场对一项人力资产的真正重新定价，这样的机会才值得跳。如果跳槽只是为了涨 50%，确实没什么意思。

所以我的建议是：跳槽去任何一家公司，都要把自己的期权（股票）拉满。如果你对此不够放心，觉得还是现金落袋为安，那我真的不建议你去这家公司。

每个人本质上都是一项人力资产。如果你只考虑跳槽涨了多少薪，那就是把"资产"当成了"人力"；如果你开始考虑公司、业务、部门的增长和个人级别的再定价这两层趋势，那才是把"人力"当成了"资产"。

只盯工资的人，是在出租时间。盯业务增长和级别再定价的人，才是在经营资产。

最后

晋升不是奖励过去，而是定价未来。成长不是线性努力，而是开放系统持续摄入负熵之后的相变。每一次级别提升，都会把你推入更复杂的系统；如果旧能力无法抵消新的熵增，晋升就不是安全区，而是下一轮失稳。单一赛道拼天赋，交叉赛道拼认知。职业选择也不是找一份工作，而是买入一项人力资产，去找未被充分定价的增长。

舒适区不是安全区，它更像职业系统接近热平衡态时的主观感受。真正的职业安全，不是待在一个稳定的系统里，而是拥有不断进入非平衡态、并重新建立秩序的能力。

所以，职业发展的本质不是在一个稳定系统里做局部优化，而是在开放系统中持续摄入负熵，主动远离平衡态，并在关键涨落到来时完成相变。

更简单地说：不要把旧系统运行得更熟练。要不断把自己推入更高能级的不稳定态，然后重新长出新的秩序。