手机震动的时候，林晨正在厨房煮面。
他瞥了一眼屏幕，是个鹏城本地的陌生号码。心里咯噔一下，手上动作却没停——这几个月接到的猎头和hR电话太多，已经练就了条件反射般的平静。
“喂，您好”。他关小火，声音平稳。
“请问是林晨先生吗？我是t厂招聘部的hR，姓王”。电话那头是个干练的女声。
林晨的心跳瞬间加速，但语气依然克制：“是的，我是。王老师您好”。
“恭喜您通过了我们AI算法工程师岗位的笔试”。hR的声音带着职业化的笑意，“您的笔试成绩很不错，尤其是编程实践题和机器学习理论部分，评分都很高”。
一股热流从胸口涌上来。林晨深吸一口气：“谢谢。请问接下来……”
我们想邀请您参加下一轮面试。hR语速很快，考虑到您的情况——我是说，您目前不在职，时间应该比较灵活——我们想尽快安排。后天上午十点，您方便来我们科兴科学园总部面试吗？
后天？林晨脑子飞快运转。科兴科学园在南山，从他住的龙华过去要一个多小时地铁。他仔细算了算时间：”方便的。请问面试形式是”？
“技术共三面”。hR说，“这一轮是我们AI部门的资深专家亲自面，会问得很深。建议您好好准备一下，带上简历和过往项目材料。具体会议室信息我稍后发您邮箱”。
挂了电话，林晨站在原地愣了几秒。锅里水已经沸腾，面条在翻滚。他关掉煤气，突然没了胃口。
回到书房，打开电脑。邮箱里果然已经躺着一封来自t厂招聘系统的邮件，标题是“面试邀请函”。点开，格式化的邮件正文里嵌着他的姓名、岗位、面试时间地点，还有一行加粗的提示：“请携带个人简历及能证明技术能力的材料”。
林晨盯着屏幕，手指在桌面上轻轻敲击。
通过了。真的通过了。
这几个月投出去的简历少说也有上百份，面试了十几家公司，有聊得不错的，有当场就感觉没戏的，也有因为薪资谈崩的。但t厂不一样——这是国内互联网的顶级殿堂，AI领域更是走在最前沿。能进笔试已经是筛选后的结果，能通过笔试进入面试……
他打开浏览器，在搜索框里输入“t厂 技术三面 面经”。
页面跳出几十条结果。他一条条点开，越看眉头皱得越紧。
“三面是总监面，问的都是底层原理，我被问到transformer的数学推导全程手推……”
“准备了半个月，结果问的全是论文里的细节，卒”。
“面了快两小时，从梯度消失问到分布式训练，最后还让现场设计一个推荐系统架构”。
“过了三面，但感觉被扒了一层皮。建议把李沐的《动手学深度学习》整本书吃透”。
林晨打开自己的笔记软件，新建一个文档，标题写上“t厂三面备战清单”。然后开始一条条整理：
深度学习基础：反向传播推导、各种优化器原理、正则化方法对比、激活函数优缺点。
transformer架构：注意力机制数学公式、位置编码、多头注意力的实现细节。
项目深挖：智能投资系统的每个模块——数据预处理、特征工程、模型选择、训练策略、风控逻辑。
系统设计：大规模推荐系统、广告系统、搜索排序系统的架构设计。
论文阅读：最近三个月顶会（NeurIpS、IcmL、cVpR）的相关论文，至少精读五篇。
清单越列越长。林晨看了眼时间，晚上八点半。距离后天上午的面试还有将近两天时间。
他起身冲了杯浓茶，回到电脑前。先打开arxiv，搜索“quantitative trading deep learning”，筛选出最近半年的论文。下载了七篇，快速浏览摘要和结论，把其中三篇看起来最有价值的放进“精读”文件夹。
然后打开pytorch官方文档，重新复习张量操作、自动求导、模型保存加载这些基础但容易在紧张时出错的内容。
十点钟，苏婉带着乐乐从兴趣班回来。
“爸爸”！乐乐扑过来，“我今天学了编程，做了一个会动的小猫”！
林晨抱起儿子，亲了亲他的脸蛋：“真棒。让爸爸看看”？
乐乐兴奋地打开平板，展示他用Scratch做的小动画。小猫在屏幕上走来走去，碰到边缘还会转身。
“逻辑很清晰”。林晨认真评价，“你用了条件判断和循环，这是编程的核心思想”。
苏婉走过来，看了眼林晨电脑屏幕上密密麻麻的笔记：“有消息了”？
“嗯。笔试过了，后天上午面试”。林晨尽量让语气轻松”，技术三面，总监亲自面”。
苏婉眼睛一亮，随即又露出担忧：”这么急？后天就面”？
“hR说因为我时间灵活，尽快安排”。林晨苦笑，“也好，早死早超生”。
“别这么说”。苏婉轻轻拍他肩膀，“你准备了这么久，肯定没问题。需要我做什么”？
“帮我模拟面试吧”。林晨想了想，“你当面试官，问我一些常见的行为问题。比如‘为什么离开上一家公司’、‘职业规划’、‘遇到过的最大挑战’这些”。
“好”。苏婉点头，“你先继续准备技术部分，十一点我们开始”。
乐乐很懂事地自己去洗澡睡觉了。十一点整，苏婉拿着林晨打印好的简历，坐到了他对面。
书房里只开了一盏台灯。气氛莫名有些正式。
“林晨先生，请先做个自我介绍”。苏婉进入角色很快，语气平和但带着距离感。
林晨清了清嗓子：“面试官您好，我叫林晨，有十年软件开发经验，其中最近一年专注于深度学习领域。我主导开发过一个智能投资系统，融合了时间序列预测、强化学习和风险控制模块，实现了稳定的超额收益。在此之前……”
他流畅地讲了三分钟，把技术栈、项目亮点、学习能力都涵盖进去。苏婉认真听着，偶尔在纸上记录。
“为什么离开上一家公司”？她问。
“公司业务调整，整个部门被裁撤”。林晨如实回答，“这促使我思考自己的职业方向，决定转型到AI领域，这是未来十年的技术核心”。
“为什么选择t厂”？
“因为t厂在AI基础设施和应用落地方面都走在行业最前沿”。林晨说这话时很真诚，“我希望能在最好的平台上，参与解决真正有挑战性的问题，而不仅仅是做业务需求开发”。
“你提到智能投资系统。如果让你把这个系统扩展到千万用户规模，你会怎么设计架构”？
林晨眼睛一亮——这虽然是行为面，但已经涉及到系统设计。他拿起白板笔，在旁边的白板上边画边讲：
“首先数据层，需要分布式存储，按用户分库分表；计算层要用到流处理框架，实时处理行情数据；模型服务要容器化部署，支持弹性伸缩；风控模块必须独立，有熔断机制……”
他讲了七八分钟，从技术栈选型讲到监控报警。苏婉虽然听不懂细节，但能看出他的思路清晰，考虑周全。
“很好”。她点点头，看了眼清单上的下一个问题，“你觉得自己最大的缺点是什么”？
林晨顿了顿。这是个经典陷阱题。
“我有时候会过于追求技术方案的完美”。他选择了一个安全但真实的答案，“在之前的项目中，我可能会花额外的时间去优化一个已经可用的模块。现在我学会了平衡，在保证核心功能可靠的前提下，把优化工作放到迭代中”。
模拟面试进行了四十分钟。苏婉问了十几个问题，林晨的回答越来越流畅。最后苏婉放下纸笔，露出笑容：“我觉得你准备得很充分”。
“技术部分还没模拟呢”。林晨揉了揉太阳穴，“那些才是重头戏”。
“那你继续看吧，我不打扰你了”。苏婉起身，“需要夜宵吗”？
“不用，我喝点茶就行”。
苏婉离开后，书房重新安静下来。林晨打开那三篇论文，开始精读。
第一篇是关于用图神经网络做多因子选股的。他一边看一边在纸上推导公式，遇到不懂的地方就查资料。第二篇是强化学习在交易执行中的应用，他对比了自己系统中用的ppo算法和论文里的SAc算法，思考各自的优缺点。
第三篇……他看了眼标题，愣住了。
《论AI系统的物理成本：从算法优化到能源效率的范式转变》
作者是t厂AI实验室的陈博士——正是后天要面试他的技术总监。
林晨立刻坐直身体，从头开始仔细阅读。
论文的核心观点很犀利：当前AI研究过于关注算法精度和模型规模，却忽略了训练和推理过程中的巨大能源消耗。一个准确率提升0.5%的模型，可能需要十倍的计算资源，从全生命周期看，其“物理成本”可能远超收益。真正的AI系统设计应该把能源效率作为核心指标，追求在有限物理约束下的最优解。
文中举了几个例子：谷歌曾披露，训练一个大型语言模型的碳排放量相当于五辆汽车终身排放；某公司为了追求榜单排名，用数千张GpU训练一个月，实际业务场景中根本用不起这样的模型。
林晨看得入神。这观点和他这段时间的思考不谋而合——他在设计投资系统时，就刻意选择了轻量级模型，在保证效果的前提下把推理时间控制在毫秒级。不是因为硬件限制，而是他认为这才是工程化的正确思路。
他看了眼时间，凌晨一点半。
论文还有一半没看完，但他知道必须睡了。明天要保持清醒的头脑。
关掉电脑前，他最后检查了一遍要带的材料：打印好的简历、项目架构图、投资系统的部分代码片段、还有几篇精读论文的笔记。都装进文件袋。
躺到床上时，脑子里还在回旋着论文里的观点。物理成本……能源效率……范式转变……
迷迷糊糊中，他想起多年前刚入行时，带他的老工程师说过一句话：“真正的技术高手，不是能写出多复杂的代码，而是能用最简单的方案解决最复杂的问题”。
现在他好像有点懂了。
窗外传来深夜货车的轰鸣声。鹏城从不真正沉睡，就像这座城市里无数个像他一样在深夜里准备、焦虑、期待的人。
后天上午十点。科兴科学园。
他闭上眼睛，在心里把自我介绍又过了一遍。