分享好文，中學生要學電腦嗎？
作者：創新工場CTO、人工智慧工程院執行院長 王詠剛

文章来自半轻人微信公众号（ban-qing-ren）
………………………………

朋友的孩子高中剛畢業，已拿到美國頂尖大學（非電腦專業）的錄取通知。疫情影響，不知何時才能去學校報到。孩子想抓緊學習一下程式設計，為大學打好基礎。這孩子找我聊了一個多小時，從如何學程式設計，聊到非電腦專業和電腦專業的路徑差異，又聊到如何從不同角度認識電腦與程式設計。聊得比較寬泛，不知是否對這孩子有用。

回想我自己的高中時代：那時雖迷戀程式設計，卻完全沒有懂行的人指導。在我們那個四線城市的廠礦中學裡，開設電腦興趣課的老師知道的資訊還沒我多。我高一時跑到北京中關村逛街，卻完全沒意識到中國第一代頂尖程式師當時就在我身邊的低矮辦公樓裡寫代碼（這話說得並不準確，比如求伯君那年就主要是在珠海做開發），鼎鼎大名的UCDOS、WPS、CCED就出自他們之手……我在當時街邊的一家書店（位置似乎就在今天的鼎好大廈對面）買到了許多種印刷品質極低劣的電腦圖書。用今天的標準看，那就是一批盜版影印或未授權翻譯的國外圖書。可那批書竟成了我高中時代最寶貴的程式設計知識來源。

顯然，我在高中時根本就是野路子學電腦。現在後悔也沒用，當時我的眼界或能觸及的資源就那麼多。如果能穿越回30年前，我該對喜歡程式設計的自己說些什麼呢？這些年，我與世界上最好的一批程式師合作過，也參與過世界上最有價值的軟體系統研發——我所積累的一些粗淺經驗裡，有哪些可以分享給一個愛程式設計的中學生？

【問題1】中學生要不要學電腦？

當然要！

每個中學生都要學。只不過——建議大部分中學生使用“休閒模式”，小部分（不超過10%）中學生使用“探險模式”。

啊？兩個模式？那我該進入哪個模式？⟹請跳轉至【問題2】

【問題2】選哪個模式？

你癡迷電腦嗎？比如，你玩遊戲時會特別想知道這遊戲背後的代碼是如何編寫的嗎？再比如，就算老師家長不同意你學電腦，甚至當著你的面把電腦砸了，你也要堅持學電腦嗎？如果是，恭喜你進入“探險模式”⟹請跳轉至【問題200】

你對數學有興趣嗎？比如，你看到街邊建築的曲線，就會在腦子裡琢磨曲線對應的函數或方程嗎？每當手裡攥著幾粒骰子，你就會不由自主地計算概率嗎？如果是，歡迎進入“探險模式”⟹請跳轉至【問題200】；當然，如果有些猶豫，也可以先進入“休閒模式”⟹請跳轉至【問題100】

即便你對電腦和數學興趣不大，家長、老師還是強烈建議你學電腦嗎？就算你一百個沒時間一千個不願意，家長、老師還是會逼著你學電腦嗎？如果是，建議你主動進入“休閒模式”並向家長、老師彙報說“我已經按照前谷歌資深軟體工程師的專業建議在認真學程式設計了”⟹請跳轉至【問題100】

其他情況，一律進入“休閒模式”。⟹請跳轉至【問題100】

【問題100】休閒模式 | 主要學什麼？

“休閒模式”將電腦視為我們生活、工作中的必備工具，主要學習如何聰明、高效、優雅地使用計算設備。這裡說的計算設備，包括所有形式的電腦、手機、遊戲機、智慧家電以及未來一定會進入生活的自動駕駛汽車。

什麼什麼？你已經會用電腦、會玩手機、會打遊戲了？別著急，慢慢往下看。

【問題101】休閒模式 | 我會用搜尋引擎嗎？

我知道你會用百度搜習題答案。但，習題答案不是知識。你會用搜尋引擎來搜索和梳理知識嗎？請試著用電腦和你喜歡的搜尋引擎來解決如下兩個問題：

（1）圓周率𝜋的計算方法有多少種？每種不同的計算方法分別是由什麼人在什麼時代提出的？借助電腦，今天人們可以將圓周率𝜋計算到小數點後多少位？將圓周率𝜋計算到小數點這麼多位元，一次大概需要花掉多少度電？

（2）全球大約有多少個廁所？在發展程度不同的國家，分別有多少比例的人可以享用安裝了抽水馬桶的衛生廁所？為什麼比爾·蓋茨曾大力推動一個設計新型馬桶的研發專案？比爾·蓋茨的公益組織在這個專案上大約花費了多少資金，最終收到了多大的效果？

如果你沒法快速得到上述問題的全部答案，那就給自己設一個小目標：一個月內，學會用搜尋引擎系統地獲取、梳理一組知識點的全部技巧。

【問題102】休閒模式 | 接下來學什麼？

建議學好典型的工具軟體。比如，我知道你會用Office了，但用Office和用Office是很不一樣的。對生活、學習、工作來說，學好、學透一個工具軟體比鑽研程式設計技巧更實用。

 你會用Excel來管理班級公益基金的預算和實際收支情況嗎？
 你會用Excel做出過去20年裡全球大學排名的演變趨勢圖嗎？
 你會用Word排版一篇中學生論文嗎？論文中的圖表和最後的參考文獻部分該如何排版？
 你會用Word編排一份班級刊物，包含封面、扉頁、目錄、插圖頁、附錄、封底等部分，可以在列印後直接裝訂成冊嗎？
 PowerPoint呢？你有沒有研究過蘋果公司發佈會上那些幻燈片的設計？當約伯斯（多年以前）或蒂姆·庫克站在幻燈片前的時候，他們的演講思路是如何與幻燈片完美結合的？

還有哦，別忘了學學如何為數碼照片做後期，如何用電腦或手機剪視頻，如何為剪輯好的視頻配字幕，如何將照片、音樂、視頻等素材結合起來，做出一段吸引人的快手/抖音短視頻。

最後，抽空玩玩那些設計精妙的遊戲吧，比如《紀念碑穀》、《塞爾達傳說：曠野之息》之類；同時，遠離那些滿屏廣告，或者一心騙你在遊戲裡充值花錢的垃圾。

【問題103】休閒模式 | 不學學知識嗎？

當然要學知識。下面每種實用的電腦知識都夠大家學一陣子了。

（1）色彩知識：你知道同一張數碼照片在不同品牌的手機螢幕上、不同的電腦螢幕上、不同的智慧電視上顯示時，為什麼經常有較大色差嗎？你知道有一些色彩只適合螢幕顯示，不適合列印輸出嗎？你知道軟體工具裡常用的RGB、HSL之類的色彩空間都是什麼意思嗎？如何在設計PowerPoint幻燈片時選擇一組和諧美觀的色彩？

（2）字體知識：你知道什麼是襯線字體，什麼是無襯線字體嗎？你知道網頁中常用的英文字體都有哪些嗎？你知道商務演講時最適用于幻燈片的英文字體有哪些嗎？你知道電腦和手機常用的黑體、宋體、仿宋體、楷體等中文字體分別適合哪些實際應用場合嗎？你會將不同字體混排成一個美觀的頁面嗎？

（3）網路知識：你知道5G是什麼嗎？你知道5G和4G在通信頻寬、通信距離上的具體區別嗎？你知道什麼是路由器，什麼是防火牆嗎？你知道如何配置路由器，如何配置防火牆嗎？微信或QQ聊天時，對方發的文字、語音或視頻是如何傳送到你的手機上的？

（4）應用知識：淘寶中搜索得到的商品資訊是從哪裡來的？商品是按什麼方式排序的？為什麼購物APP經常會推薦給你一些曾經買過、看過的商品？你知道如何為自己建立個人網站嗎？你知道如何管理微信公眾號嗎？

（5）安全知識：你知道網路上的釣魚攻擊是怎麼回事兒嗎？你知道什麼是電腦漏洞嗎？你知道駭客為什麼想把一大批受攻擊的電腦變成可以遠端操控的傀儡機嗎？你知道為什麼現在很多手機APP都要通過短信發送驗證碼嗎？如果驗證碼被壞人截獲，你會面臨哪些風險？

這裡只是舉例。實用的電腦知識還有很多。大家可以自己發掘。

【問題104】休閒模式 | 我需要學程式設計嗎？

可以學，但不是必須。即便學，也只需要根據自己的需要，學那些最能幫你解決現實問題的部分。

【問題105】休閒模式 | 我該學什麼程式設計語言？

在“休閒模式”裡，電腦就是工具，程式設計也是工具，夠用就好。學什麼程式設計語言，完全看你想要電腦幫你做什麼。

• 如果你想對資料處理有更多自主權，那不妨學學Python；
• 如果你想做簡單的交互演示程式，那就先把JavaScript學起來；
• 如果你想更好、更快地寫論文，那不妨學學LaTeX（什麼什麼，LaTeX不是程式設計語言？你太小看LaTeX了）；
• 如果你想學做簡單的手機APP，那麼，Android手機就學Java，蘋果手機就學Swift好了；
• 如果你只想知道程式設計是怎麼回事，那……從Python或JavaScript開始就行。其實，跟五六歲的小朋友一起學學Scratch圖形程式設計也不錯。

【問題106】休閒模式 | 我需要學人工智慧嗎？

在“休閒模式”裡，最需要學的不是“人工智慧的實現原理”，而是“什麼是人工智慧”，以及“人工智慧能做什麼，不能做什麼”。

• 在手機上試一試，人工智慧做語音辨識時能做到什麼水準？哪些話容易識別，哪些話不容易識別？
• 打開機器翻譯軟體，試一試哪些資訊翻譯得好，哪些資訊翻譯得不好？
• 手機上的拍照軟體一般都有人臉識別功能。試一試人臉識別在什麼場景下做得好，什麼場景下做得不好？
• 找一部講人工智慧的科幻電影，用自己的判斷解讀一下，電影裡哪些技術有可能成為現實，哪些技術存在邏輯矛盾。

【問題107】休閒模式 | 推薦什麼參考書、參考文獻？

書不重要，豆瓣評分7分以上的電腦應用、程式設計甚至科普類圖書都可以拿來翻翻。

直接在知乎裡搜索你想瞭解或學習的知識點可能更有效率。

如果你意猶未盡，覺得自己剛活動開筋骨，還想挑戰更高層次，歡迎進入“探險模式”。⟹請跳轉至【問題200】

否則，“休閒模式”到此結束。⟹請離開此問答

【問題200】探險模式 | 主要學什麼？

“探險模式”需要有挑戰精神。電腦科學的世界技術演進快，脈絡複雜，要想在探索時不迷路，你得通過有順序、有系統地學習電腦知識，慢慢構建出一張可以在未來幫你走得更遠的思維地圖來。

在“探險模式”裡，電腦就不止是一件能快速計算的工具了。電腦更像是我們大腦的一種延伸。這既包括認知能力的延伸，也包括認知邏輯的延伸。隨著學習深入，大家會逐漸體會到電腦所具有的多維度能力：

 電腦是一種可以表示不同類型資訊（數、符號、文字、語音、圖像、視頻、虛擬空間、抽象邏輯）的“資訊管理機”；
 同時，電腦也是一種可以連續執行指令以完成特定的資訊處理任務的“指令處理機”；
 同時，電腦還是一種可以在知識與邏輯層面完成特定推理任務的“知識推理機”；
 同時，電腦也是一種可以從人類給定的資料或自我生成的資料中總結規律，建立模型，自主完成某些決策的“智慧學習機”。

“探險模式”的目標就是盡可能準確地認識電腦，掌握有關電腦運行的最基本規律。有了這些基礎。未來在大學期間或工作中，你就能更容易地設計電腦軟硬體系統，或是設計出碳基大腦（人類）與矽基大腦（機器智慧）之間的最佳協作方案。

【問題201】探險模式 | 我的英語水準足夠嗎？

蘋果每年秋季的新品發佈會，不加字幕的話，你能聽懂多少？

 能聽懂大部分：建議在學習電腦的過程中，盡可能使用英文教材、英文文檔。
 能聽懂小部分：建議將原來準備學電腦的時間，分出一部分來學英語。
 只能聽懂“你好”“再見”之類：⟹請離開此問答。然後，把原來準備學電腦的時間用於學英語，六個月後再回來。

【問題202】探險模式 | 我的數學水準足夠嗎？

 如果你是數學和數學應用小能手——較複雜的數學問題總能快速找到核心思路，或快速簡化為簡單問題；很容易就能將抽象概念映射到具體的數學圖形，或將數學問題與相應的現實問題關聯在一起：請繼續探險之旅。
 如果你應付正常數學課程感到吃力：建議將原來準備學電腦的時間，分出一部分來學數學。
 如果你還搞不清楚什麼是方程、函數、集合、概率……：⟹請離開此問答。然後，把原來準備學電腦的時間用於學數學，六個月後再回來。

【問題203】探險模式 | 為什麼強調英語和數學？

（1）統計上說，最好的電腦參考資料大都是英文寫的，最好的電腦課程大都是用英文講的，最新的電腦論文大都是用英文發表的。

（2）函數、方程、坐標系、標量、向量、排列組合、概率這些中學數學裡會初步學習到的數學知識，是電腦科學的基礎。

【問題204】探險模式 | 電腦知識那麼多，正確的學習順序是什麼？

最重要的順序有兩個。建議先從順序一開始，學有餘力時兼顧兩個順序。

順序一：自底向上，即，自底層原理向上層應用拓展的順序。

 電腦原理的基礎知識：
 為什麼每台電腦（包括手機）都有CPU、記憶體和外部設備？
 （馮·諾依曼體系結構的）記憶體中為什麼既可以存儲資料，也可以存儲指令？
 CPU是如何完成一次加法運算的？
 程式設計語言的基礎知識：
 資料類型，值，變數，作用域……
 語句，流程控制語句……
 過程、方法或函數，類，模組，程式，服務……
 編譯系統的基本概念：
 電腦程式是如何被解釋或編譯成目標代碼的？
 演算法和資料結構的基礎知識：
 陣列，向量，鏈表，堆，棧，二叉樹，樹和圖……
 遞迴演算法，排序演算法，二叉樹搜索演算法，圖搜索演算法……
 應用層的基礎知識：
 為什麼電腦需要作業系統？設備驅動程式是做什麼的？
 網路通信的基本原理是什麼？流覽器是怎麼找到並顯示一個網頁的？
 資料庫是做什麼用的？
 虛擬機器是怎麼回事？
 人工智慧系統的基礎知識：
 先熟悉些線性代數、概率和數學優化的基礎知識。
 什麼是機器學習？從簡單的線性回歸中體會機器學習的基本概念、基本思路。
 什麼是神經網路？什麼是深度神經網路？為什麼神經網路可以完成機器學習任務？
 如何使用PyTorch或TensorFlow實現簡單的深度學習功能？

順序二：自頂向下，即，自頂層抽象邏輯向下層具體邏輯拓展的順序。

• 電腦的本質是什麼？
• 什麼是圖靈機？什麼是通用圖靈機？
• 什麼是讀取﹣求值﹣輸出迴圈（Read–eval–print Loop，REPL）？
 如何用自頂向下的方式理解（解析、解釋、編譯）一段程式碼？
• 靜態語言和動態語言的區別？
 如何理解變數與資料類型之間的綁定關係？
• 什麼是函數式程式設計？
 程式設計語言中，函數的本質是什麼？
 函數為什麼可以像一個值一樣被表示、存儲、傳遞和處理？

• 什麼是物件導向？
 類的本質是什麼？
 如何用物件導向的方式定義個功能介面？
 如何依據介面實現具體功能？
• 什麼是事件驅動？
 什麼是事件？事件如何分發到接收者？
 如何在事件驅動的環境中理解代碼的狀態和執行順序？

【問題205】探險模式 | 如何提高程式設計水準？

在掌握基本知識體系的基礎上，學好程式設計只有一條路：多程式設計，多參加程式設計比賽，多做程式設計題，多做實驗項目，多找實習機會——其中，能參與真實專案是最有價值的。

【問題206】探險模式 | 該從哪一門程式設計語言學起？

 我個人推薦的程式設計入門語言（可根據情況任選）：
 Python
 Java
 Swift
 C#
 JavaScript / TypeScript
 Ruby
 ……
 可能不適合入門，但適合後續深入學習的語言：
 C
 C++
 Go

 Objective-C
 組合語言
 機器語言（CPU指令集）
 Shell Script
 Lua
 Haskell
 OCaml
 R
 Julia
 Erlang
 MATLAB
 ……

【問題207】探險模式 | 如何選參考書和參考資料？

（1）強烈推薦的參考書和參考資料：

• MIT、Stanford、CMU、UC Berkeley這四所大學中任何一個電腦專業方向使用的教學參考書或參考資料。網上可以查到這些學校電腦專業方向的課程體系，有的學校甚至公開了課程視頻。其中往往會列舉參考書和參考資料連結。
• 維琪百科（英文）上的數學、電腦科學相關條目。
• Github上star數在1000以上的開原始程式碼和開來源文件。

（2）強烈推薦但須小心辨別的參考資料：

 知乎上的數學、電腦科學相關條目。使用時需要格外注意三件事：
 儘量只看高贊答案或高贊文章；
 辨別並避開廣告軟文；
 辨別並避開純抖機靈的故事或段子。
 Stack Overflow上的程式設計問題解答：
 自己動手實驗，辨別解答是否有效。
 CSDN上的程式設計問題解答：
 自己動手實驗，辨別解答是否有效。

（3）其他推薦的參考書和參考資料：

 國內專業作者寫作的專業技術書籍（豆瓣評分7分以上的）。
 大廠（Google、Facebook、Microsoft、Amazon、阿裡、騰訊、百度、頭條等）資深工程師的技術公號、專欄、博客等。

 著名圖書系列：如O’Reilly的動物封面的系列圖書（請注意最新版本和時效性）。
 國內翻譯的著名技術圖書（譯本在豆瓣評分7分以上的）。

（4）儘量避免的參考書和參考資料：

• 已經過時的圖書或參考資料。
• 作者或譯者人數比章節數還多的專業圖書。
• 百度百科上的數學或電腦科學相關資料。

什麼什麼？你這篇問答居然沒有推薦一本具體的圖書？是，沒錯。如果你覺得即便有了上面的線索，自己還是找不到好書好資料，那也許你還是適合“休閒模式”⟹請跳轉至【問題100】

Google開源可即時產生精確文字的AI模型LaserTagger

LaserTagger的預測速度，是常用文字處理方法Seq2seq的100倍，可用在許多需要即時回應的場景

文/李建興 | 2020-02-03發表

Google研究人員開發了一種人工智慧文字編輯模型，可以預測編輯操作序列，把來源文字轉換成為目標文字，Google表示，LaserTagger是一種精確不易出錯的文字產生方法，且比過去的方法更易於訓練，改進後的模型架構執行速度也更快。

Seq2seq（Sequence-to-sequence）是一種用來處理語言的機器學習方法，可以應用在段落融合、文字摘要和語法錯誤糾正等文字編輯工作。Google提到，Seq2seq模型的發明，改變了機器翻譯的領域，因為其改進的模型結構，並以非監督式預訓練使用大量未標註文字的特性，讓神經網路方法輸出的品質得以大幅提升。

不過，Seq2seq仍然有不少需要克服的缺點，最主要有三點，該方法會生成輸入所不支援的文字，也就是產生幻覺（Hallucination），而且需要大量的訓練資料，輸出才能達到可接受的品質，還有Seq2seq產生文字的方式為逐字產生，因此不可避免地，文字產生的速度較慢。

Google最新有關人工智慧文字處理的論文，發表最新的LaserTagger模型，改善Seq2seq的三項主要缺點，該模型的特色就像是名稱LaserTagger中的雷射一樣，速度和精確度的表現非常好，LaserTagger不會從頭開始產生文字，而是透過預測一系列編輯操作產生最終文字，而非實際預測單詞來產生輸出。

Google提到，許多文字產生的工作，其輸出與輸入有極高的重疊，例如在檢測和糾正錯誤，或是融合句子的時候，通常大部分的輸入文字都不需要更動，只需要修改一小部分。LaserTagger產生的編輯操作，例如Keep是複製單詞到輸出，而Delete是刪除單詞，Keep-AddX/Delete-AddX則是在標記的單詞前增加片語X，並且選擇性刪除標記單詞。

由於需要添加的單詞和片語，均來自於最佳化的字彙列表，該字彙列表需要符合字彙數量最小化，且能最大化訓練範例的數量，Google提到，限制字彙表就能縮小輸出的決策空間，便能避免模型隨意添加字詞，減少幻覺產生的機率，因此LaserTagger比Seq2seq基準更不容易產生幻覺。

另外，在資料效率方面，即便只使用數百或是數千個範例訓練，LaserTagger也能產生合理的結果，而Seq2seq至少需要數萬個訓練範例，才能產生與之相比的結果。LaserTagger預測速度快上不少，是Seq2seq基準的100倍，因此更適合用在即時應用上。

Google提到，之所以LaserTagger的研究很重要，是因為在大規模應用上，LaserTagger的優勢也能隨之放大，部分服務能用來透過縮短回應長度，以改進語音答案的組成，而LaserTagger較快的預測速度，可以在不明顯增加延遲的情況下，加入到更多現有的技術堆疊中，提供更多元的服務。更好的資料效率，就代表可以為更多資源稀缺的語言使用者提供服務。

資料來源：https://www.ithome.com.tw/news/135610

1949-2019：中國硬科技終迎來黃金時代

本文來源自CV智識
……………………………………………………

┃從達特茅斯的夏天到中國科技的“春天”

上世紀 50 年代，中國剛剛從槍炮與戰爭中站立起來不久，滿目瘡痍，百廢待舉，科技尤其如此。國內專門的研究機構一度不超過 30 多個，全國科技人才一度不足 5 萬人。

同一時期，大西洋彼岸的美國也正歷經一段黃金歲月。儘管存在核滅絕、種族隔離和迫在眉睫的冷戰的威脅，但上個世紀 50 年代仍然被視為美國歷史上幸福和繁榮的時代。

1956 年夏季，新罕布什爾州漢諾威小鎮，達特茅斯學院群星閃耀，一群來自各大研究機構和科技公司的科學家們聚在一起，共同研究了兩個月，目標是“精確、全面地描述人類的學習和其他智慧，並製造機器來類比”。

這是人類近代歷史上，頂級科學家們第一次如此齊活地聚在一起，就機器智慧問題進行探討，也正因為此，達特茅斯會議後來被公認為人工智慧的起源。

與達特茅斯會議幾乎同一時期，參會的西蒙、紐厄爾和第一屆圖靈獎得主艾倫·佩利（Alan Perlis）一起創立了卡內基梅隆大學（Carnegie Mellon University，CMU）的電腦系，從此，CMU 電腦系成為電腦科學和人工智慧研究的高地。

80 年代，一批懷抱“遠大的理想、志向、抱負和對新事物的追求”的中國學生陸陸續續來到 CMU 電腦系，向人工智慧先驅們拜師問道。

這些年輕人，包括曾經活躍于谷歌的李開復，百度的陸奇，前微軟亞洲研究院院長沈向洋，現任微軟亞洲研究院院長洪小文。

而一些當時沒有選擇 CMU 的年輕人，如電腦視覺華人鼻祖黃煦濤、2000年圖靈獎得主姚期智，則在同樣散佈在東部學術高地的各個頂尖實驗室裡。

90 年代，當時只有二十出頭的中國年輕人湯曉鷗，剛剛從中科大資訊科學技術學院畢業。此後，他沒有選擇繼續留在母校，而是來到歷史悠久，學術輝煌的美國東北部繼續求學深造。

新千年之初，深度學習技術已然取得重大突破，卻還沒有迎來屬於它的高光時刻，在李開復、沈向洋、湯曉鷗等人之後，更多的年輕人開始來到東部各大高校的實驗室裡深造。

2006 年，時年 25 歲的周曦揮別呆了七年之久的中科大，進入伊利諾大學香檳分校（UIUC），成為華人電腦視覺大師黃煦濤當年在全球招收的三位學生之一。

當時的中科大已然成為國內眾所周知的語音研究高地，頭部語音AI公司科大訊飛和雲知聲創始團隊均來自中科大。

周曦想要做更有挑戰的事情，他對當時在中國發展仍然很不充分的圖像識別技術產生了極大的興趣，而美國恰好擁有當時獨一無二的圖像識別研究環境。

他很快在UIUC搭建了Cluster伺服器陣列，將語音辨識領域的演算法跟思想與圖像識別領域巧妙交叉碰撞。此後的幾年，周曦跟團隊先後戰勝 MIT、東京大學、IBM、Sony等著名研究機構，拿到六次世界智慧識別大賽冠軍。

而在 2006 年前後，與周曦一同拜入黃煦濤門下的，還有依圖的顏水成，文遠知行的韓旭和甯華中、文安智能的陶海、奇點汽車的黃浴等人。

學成之後，這批人幾乎無人留在美國，而是陸續歸來，把最前沿的尖端科技帶回中國。

┃以外企為師，走向世界

新千年之初的中國，伴隨著改革開放成長起來的 80 後、85 後年輕人，已經告別了衣不蔽體、食不飽腹的最艱難歲月。年輕人們不再需要為解決溫飽問題發愁了，整個社會的創新力與活力隨之開始釋放。

2000 年，世紀交疊，熱鬧的清華園照常迎來一批新的學生，王永瑞便是新生中的一員，此後 8 年，他一直在清華精密儀器繫念書。

畢業之後，王永瑞曾在航太科工四院待過短暫的一段時間，2013 年他加入清華旗下產業啟迪之星，從普通員工做到常務副總經理，從事硬科技創業專案投資孵化工作。從清華到啟迪，王永瑞一直是中國科技創業浪潮的見證者與參與者。

8 年間，偌大的園子內外發生的一切，王永瑞回想起來依然歷久彌新。

彼時的清華人，尚且對創新創業沒有如今天般的熱情，上課、作業，業餘時間搞搞社團，參加參加學生會的工作，學生們常是規規矩矩的，在就業的選擇上同樣如此。

深度學習技術尚未起來，演算法也還不那麼常見，機械類、材料類、晶片類學科仍然冷門，硬科技尚且沒有像今天這樣受到如日中天的追捧。

那是外企在中國最為風光無兩的時代，遍佈望京商圈的是摩托羅拉、愛立信等外企，金輝大廈還不是阿裡的地盤，360 集團也尚未在這裡築起高樓。

“在那個年代整體來講，創業的比例還是小，打工也基本上是去外企的金融公司和互聯網公司，大量的網路設備公司，像愛立信，它並不是國內的企業，還是大的外企。”王永瑞回憶起他求學時期同窗好友們的就業選擇，大量的人才都去了外企互聯網公司和金融公司。

與此同時，國內的互聯網也在萌芽，新浪、搜狐、網易等門戶網站出現，懷抱著好奇的清華人也開始做一些校園網、社群項目的創業。

隋建鋒是清華機械專業的博士生，在園子裡渡過了近十年的學習和工作生涯。雖然一直從事硬科技相關研究，他也見證了清華人在互聯網時代的摩拳擦掌、躍躍欲試。

2008 年，人人網最火的年頭。清華園內，一個叫“師兄幫幫我”的校園社交平臺風雲一時。

苦於解決個人問題的清華理工男們，為了增加接觸女生的機會，做了一個類似于校園版百合網的社交網站，後來越做越大，一時間席捲了北京幾十所高校，甚至誤打誤撞獲得了薛蠻子的天使投資。

隋建鋒親身經歷了“師兄幫幫我”風雲一時的那段日子，而做此項目的正是他的同班同學，“師兄幫師妹去解決問題，問題解決了之後師妹要請師兄吃一次飯，其實它背後的邏輯就是解決男女相處的問題，清華理工科女生偏少男生偏多，這就給大家提供了一個交流的機會。”

“最瘋狂的時候，他們發了好多的券，你註冊了就可以去免費領一個雞腿，推廣得非常火。”隋建鋒覺得，那可能是他距離互聯網創業最近的一次。

遺憾的是，短暫火了一陣之後，由於缺乏真正的商業變現模式，“師兄幫幫我”沒有再繼續運營下去。

但好在，一些年輕人正在成長，已經成長起來的人則聚到了一起，為平靜的中國科研氛圍注入新的活力。

九十年初，中國電腦產業苗頭燃起，而大洋彼岸的軟體巨頭正面臨創新與競爭壓力，微軟前任首席技術官麥爾伏德向比爾蓋茨諫言，將研究院開到中國來。

1998年，微軟中國研究院成立。37歲的語音辨識專家李開復受命成為首任院長。三年後，最初的微軟中國研究院更名為微軟亞洲研究院。

巧婦難為無米之炊，李開復組建團隊之初頻頻受阻，說服海外精英歸國並不容易，卻也不乏慕名而來的熱血青年，張亞勤的加盟成為打開僵局的契機，隨後沈向洋加入，成為團隊的第一個研究員。

1999年，研究院第一批管理團隊逐漸成形，由國內高校博士生和海歸派組成。略微發黃的合照記錄下知春路 49 號的偉大時刻，在往後的十幾年裡，這批人的光熱輻射至大半個中國科技圈。

微軟亞洲研究院，又被稱為MSRA，對於大眾而言，她是個遠不如阿裡、騰訊等互聯網巨頭響亮的名字，即使在人工智慧已然發展得如日中天的今天，她的名氣依然不敵商湯、曠視之類的 AI 獨角獸。

但大眾同樣不知道的是，沒有樹大根深的MSRA，就不會有此後一代又一代的互聯網巨頭、移動互聯網巨頭，再到如今的 AI 獨角獸。

香港科技大學電腦系與數學系教授、前騰訊AI Lab主任張潼曾這樣向筆者談及MSRA對於公司穿越發展週期、基業長青的重要意義。

“研究院有幾個功能，一個功能是它會在短期專案上支援一些產品；另外一個是本身它也會對做一些技術儲備，為開發一些產品做積累；還有一個我覺得挺重要但被忽略的一點，研究院作為公司的人才儲備，在產業迅速變革的時候，這些人才才能產生價值。”

在張潼看來，微軟歷經多輪時代浪潮之而不倒，重回全球市值第一寶座，正與其人才儲備息息相關。

“比如說微軟，”張潼告訴筆者，“它原來就是一個軟體公司，但後來在做搜索的時候，雖然沒有做到Google的程度，卻能夠很快地起來，包括現在做雲計算，它為什麼能夠成為市值最高的公司之一？就是因為技術的儲備、人才的積累，在公司轉型上，如果沒有這些人才儲備，就沒有辦法去做這些事情。”

象牙塔內，學術研究熱火朝天，人才貯備從無到有；象牙塔外，互聯網創業水大魚大、戰事紛呈，已然開啟一個新的時代。

MSRA 建院這一年前後，搜狐、京東、阿裡、騰訊、新浪、網易、百度相繼誕生，外企們應該不會想到，當時還是由一群初生牛犢的中國年輕人創立的幾家門戶網站，或是ebay、Google的“拙劣模仿者”們，在此後的十年裡順勢崛起，直至將他們“掃地出門”。

隨著中國第一波互聯網發展熱潮湧現，中國公司開始為創新事業向矽谷尋找人才、資金，甚至包括公司命名的方式。

把別人的成果直接商用當然會被人詬病，但正是這段經歷讓中國的互聯網公司積累了使用者介面設計、網站架構和後端軟體發展的初步經驗。

三十年河西，三十年河東。

百度的核心功能和極簡主義的設計風格借鑒了Google，但在此基礎上，李彥宏堅持不懈地優化網站，以迎合中國用戶的搜索習慣。淘寶以ebay為師，卻另謀在初期為商家提供免費服務的模式，最終打敗ebay。

曾比作中國版BuzzFeed的位元組跳動，通過機器學習演算法為使用者提供定制化的新聞內容。現在，BuzzFeed的市值也已和位元組跳動不在一個量級。美團的靈感來自Groupon，但其業務線卻從團購一路拓展至電影、外賣、酒店、旅遊等本地生活服務等，現在美團的估值已經10 倍於Groupon。

Google、eBay、Uber、Airbnb、LinkedIn、Amazon……一個又一個美國巨頭都想贏得中國市場，卻無一不鎩羽而歸。

外國分析師在美國公司無法佔領中國市場這個問題上糾結的時候，中國的公司正忙著打造更好的產品。

資本聞風而動，人才循錢而至。

隨之而來的是，風投資金和人才魚貫湧入互聯網行業。市場如火如荼，創業公司的數量呈幾何級數增長。

大多數創業公司的產品靈感或許來自大洋彼岸，和矽谷的競爭的確產生了中國本土的互聯網巨頭，但真正造就了一代創業者鬥士的，卻是外人難以想像的殘酷“本土大戰”。

“如果你去外面看看，你會發現這個世界上最好的市場其實就在你腳下。”這是現如今大多數出海創業者對於開闢海外市場最為深刻的感受。

中國市場競爭的殘酷，讓中國互聯網公司探索出了完善的商業模式和強大的運營能力。

一些在殘酷的“本土廝殺”中成功出局的中國企業，也在海外戰場上開啟了與全球科技巨頭的無限戰爭。

2012 年，隨著智慧手機的出現與普及，中國移動互聯網出海風口開始形成，作為出海先驅，獵豹更是將中國免費工具的模式移到了海外。

2016 年，有更多公司開始把中國模式複製到海外市場，隨著市場的變化，出海的類型開始多樣。

中國企業出海的典範位元組跳動，一方面 Copy From China，將在中國獲得成功的資訊流模式複製到海外市場；另一方面則借助資本的力量在海外展開大肆並購，最終通過技術輸出的方式實現全球擴張。

直到最近兩年，無論是遊戲、內容還是電商類產品，出海的中國公司已經逐漸讓產品達到完全當地語系化的狀態。中企出海，已然歷經從稚嫩到成熟。

┃AI時代：走入無人區

“2000 年的時候，大家更多還是想著錢，怎麼快速賺到錢。”這是王永瑞還在清華念書時，對互聯網帶來的外部環境的極速變化，最為深刻的感受。

但賺到錢的一個好處是，中國的創業者們終於有錢去做些從前囊中羞澀之時難以做到的事情了。

發展硬科技，讓中國在底層研究、前沿科技的突破上真正屹立於世界民族之林，則是大多數中國科學家與技術人心中一顆自始至終都不曾熄滅的種子。

互聯網這十年，伴隨著供應鏈的成熟、市場的培育、人才儲備越來越充足，也為發展硬科技的提供了可能。

王永瑞談到，在清華讀書的這些年裡，周圍很多同學，還是“在互聯網圈裡混。”

到 2008 年畢業時，他明顯感覺到，一些新的變化正在發生，“這個時間段逐漸開始有一些人開始往硬科技的方向去做，慢慢的也有人去做硬科技的創業。”

“硬科技和移動互聯網的區別還是比較明顯的，它區別就是說一個週期的問題，聯網可能你投入就快了，慢的話我就三個月肯定也出來東西了，如果你是做一個硬體產品，週期不會這麼短，還不算你前期的人員、知識儲備以及經驗積累。”

王永瑞談到硬科技時說：硬科技創業雖然週期長、難度大，但這不妨礙越來越多有情懷、有個性、有創造力的工程師們加入進來。

“國內在很多基礎應用工程應用的學科建設，或者說知識儲備過程中還沒有達到，或者說離世界上先進的水準還有一定差距，中國大量的工科學生還是有一種情懷在，真的想把這個 gap 給彌補上來。”

至少在清華園裡，2010 年前後，雙創提出來前幾年，學校、學生們對於將產學研結合，甚至創業的熱情開始變得高漲。

隋建鋒回憶說，那個時候還沒有人工智慧這種說法，“現在的人工智慧、智慧硬體，那個時候我們叫機電一體化，簡單理解就是用各種各樣的方式實現機器人的自動化。”

互聯網風雲十年，是清華人不斷開放、追求變化的十年，而姚班的出現則把這種求變之心放大到一個極致。

打比賽、做課題、搗鼓機器，一些工科生做著做著，就開始了“真槍實彈”的創業。這批人當中，有小馬智行的樓天城，曠視科技的印奇、唐文斌、楊沐，MOMENTA 的曹旭東，深鑒科技的姚頌、單羿，禾賽科技的李一帆……今天，他們撐起了 AI 創業大潮的半壁江山。

2004年9月的一天，正在普林斯頓大學攻讀博士學位的張勝譽像往常一樣與導師姚期智碰面交流近期研究進展。姚期智突然對他說：“我要回中國了，permanently（永遠地）。”

張勝譽後來回憶說：“當時有些訝異，但隨即感到釋然。單純從研究角度講，的確沒有一個地方比普林斯頓更舒服。他回國，應該是要去做一件大事。”

此後不久，姚期智辭去普林斯頓終身教職，正式加盟清華大學高等研究中心，成為清華全職教授，在清華園裡，開啟了人生下半場全新的探索。2005 年，姚期智主導與微軟亞洲研究院共同合作成立“電腦科學實驗班”，姚班由此而生。

姚班初成立時，“教主”樓天城還是剛剛入學“萌新”，還在安徽蕪湖一中讀高三的“怪小孩”印奇，仍然幻想著有朝一日能編織出《終結者》中的天網世界，在後來的人工智慧浪潮中叱吒風雲的姚班少年們，此刻正在園子裡積蓄能量。

八年前，印奇與唐文斌、楊沐下定決心開始人工智慧領域創業之時，人工智慧還遠未成為一個風口，或者說尚且未被完全證明為一股可以改變時代的浪潮。

創業之初，印奇就曾與唐文斌商定，二人同赴美國攻讀博士，印奇專注智慧感測器方向，學的是硬體，唐文斌則繼續研究軟體。三人決定出發之時已然想好，做AI，最終一定會走到做硬體這一步。

而在MSRA的實驗室裡，湯曉鷗依然沉溺于拿兒子照片做人臉識別研究的快樂。此時的湯教授應該還沒有想到，日後不久，他會跑出來創業。畢竟，在以基礎科學研究聞名的 MSRA，誰能實現最多的技術突破，誰就獲得最多尊重。

直到 2012 年，人工智慧以深度學習的面貌重新贏得世人關注，屬於硬科技從業者的創業黃金時代終於來了。

多年來對神經網路根深蒂固的成見讓人工智慧的許多研究人員忽略了這個已經取得出色成果的“邊緣群體”，但 2012 年傑佛瑞·辛頓的團隊在一場國際電腦視覺競賽中的勝出，讓人工神經網路和深度學習重新回到聚光燈下。

在邊緣地帶煎熬了數十年後，以深度學習的形式再次回到公眾視野中的神經網路法不僅成功地讓人工智慧回暖，也第一次把人工智慧真正地應用在現實世界中。

研究人員、未來學家、科技公司 CEO 都開始討論人工智慧的巨大潛力：識別人類語言、翻譯檔、識別圖像、預測消費者行為、辨別欺詐行為、批准貸款、幫助機器人”看”甚至開車。

隨之而來的是，越來越多的學者在這個時候離開象牙塔，一批遠在海外的人也陸續回國，他們要從中得到在學術圈外一展身手的機會，當然也嗅到了商機，還有金錢的味道。

2014 年，湯曉鷗帶著他在港中文多媒體實驗室 (mmlab) 的一眾“門徒”跑出來創業了，取中國歷史上第一代王朝商朝開國君主之名——商湯，商湯科技應運而生。

一批 AI 公司有如雨後春筍般冒出來，不管是 MSRA、清華，還是 UIUC、中科院、mmlab，一代科學家與技術人們，仿佛跟約定好了一樣接二連三地流入尚且年幼的科技創業前沿陣地。

┃AI+5G 時代：細分，落地，紮入產業

造輪子的時代過去了，AI 從發明的年代邁入實幹的年代，從專家的年代邁入資料的年代。

西方國家點燃了深度學習的火炬，但最大的受益者卻是中國。在資料和工程人才方面，中國擁有得天獨厚的優勢。

無論是國際市場，還是國內市場，5G 和人工智慧都備受關注。被冠以“互聯網預言家”的馬化騰，更是公開表示“一個 AI+5G 的全智慧時代正在到來。”

“硬科技真正的突飛猛進，或者說走到了風口浪尖，有幾方面原因，一個是整個供應鏈、市場環境確實更加成熟了，包括很多柔性製造新技術的應用，感測器的不斷小型化，包括智慧硬體底層的技術系統的開發，一些主晶片的小型化，這一系列的技術，搭建得比較成熟了。”

硬科技的發展，則是跟隨著技術、市場、供應鏈的完善水到渠成的結果，而硬科技專案越來越受大家追捧，同樣是這個時代自然而然的發展趨勢。

王永瑞明顯感受到，硬科技真正掀起熱潮，是在最近一兩年。人工智慧領域的創業尤其如此。

在經過前期的拼實力、拼融資、拼應用等一系列競爭之後，AI獨角獸們逐漸開始學著做產品，講應用，談落地。

2019 年，大家的目光不約而同地轉向了商業化落地，以及實現規模化收入上。細分、落地、紮入產業，人工智慧的競爭已然進入下半場。

“真的太瘋狂了，什麼華為、阿裡都進來了。”一位 AI 公司的朋友這樣描述今年下半年整個行業的競爭態勢。

隋建鋒談及了他今年經手的兩個印象頗為深刻的項目。

“當時我在北京接觸智慧硬體的專案叫情感記錄儀，像一個小的紐扣一樣配在身上，通過提取人的溫度、心跳來判斷出你的情緒。這項目也經歷過一段時間，最後黃掉了。”

這樣的項目，到底有沒有存在的意義？隋建鋒反問，“你的情緒你高興還是喜悅還是悲憤，你自己肯定會主觀地意識到，還需要用這種智慧硬體來衡量你是高興還是不高興嗎？”

智慧硬體所謂的智慧肯定是服務於硬體，不是為了智慧而智慧，這是隋建鋒從事硬科技專案投資孵化以來最為深刻的感受。

“來到深圳之後我又接觸到一個智慧讀錶盤的專案，它的應用物件就是水錶電錶，每個月要有人去讀這個數，這其實是一個工作量非常大的事情，然後一個團隊專門做了一個讀表儀，一把它放到水錶上，它就能夠及時把資料傳輸出來。”

“做智慧硬體一定離不開應用場景，這是我在北京和深圳感受到的一個非常大的差別，也是目前整個 AI 大的領域特別重要的一個點，一定要找到痛點。”

在更加細分垂直的領域，如醫療、教育、智慧製造、腦機交互，大風口之下，一個個小風口正在形成，一個個小獨角獸正在誕生。

最近一兩年，AI醫療賽道的森億智慧，將製藥時間從8年縮短到幾個月的AI製藥公司 InSilico Medicine，從事類腦晶片研發的靈汐科技，腦機交互產品研發的腦陸科技、優腦銀河等，明顯開始受到資本的青睞。

隋建鋒說，如今 VC 技術化，甚至 LP 技術化的趨勢正變得愈發明顯。“我們在找LP的時候，也傾向於找那些理解技術，能給硬科技創業者帶來更多資源的 LP。”

AI商業化的1.0在雲端，是基於大資料做應用。AI商業化2.0的變化趨勢是從雲端到邊緣，把人工智慧的能力帶到每個人身邊。

5G則是有效連接雲端和邊緣的高速度、高可靠性和低時延的通信管道，可以用最優化的方式實現人工智慧的資源配置。

5G和AI結合在一起一定會進入很多新場景，產生很多新機會。今年4月初, 中國完成首例 AI+5G手術，在400公里外完成“補心”手術，為智慧醫療開啟無限想像空間。

而這些都只是剛剛開始。

┃尾聲：科技人，永遠年輕

最早今年之內，AI獨角獸曠視科技就要在港交所敲響IPO的鐘聲。

曠視終於從 8 年前那個窩在創新工場共用辦公空間小角落裡敲代碼、磨產品的“幾人組”，發展成如今第一個衝刺港股的“純人工智慧公司”。

一個月前，筆者在美麗的西南山城重慶，拜訪了雲從科技總部，恰逢曠視招股書公佈當天，問及雲從研究院院長周翔友商上市一事，周翔打趣著說到，“你看曠視都已經上市了，這個行業肯定不會繼續虧下去了。”

猶記得，招股書發佈當晚，業內一時譁然。

這家年輕AI獨角獸的表現，似乎並沒有此前大家期待的那麼高，對整個行業帶來的影響，吉凶禍福，難以預測。

筆者也就此事詢問了雲從聯合創始人姚志強，他堅定地認為“行業趨勢不可逆。短期內是有泡沫的。任何事物的快速發展，不可能沒有泡沫，它是發展過程中特定階段的產物。”

“但是真正的泡沫是不代表未來，是虛幻的，是一定會帶來沉痛的，但如果泡沫代表未來，那麼短暫的泡沫對未來趨勢影響不大，只要是在大趨勢下的選擇，一定會出現一個偉大的企業。”

在曠視人眼中，印奇不苟言笑，平時總是“端著”，唐文斌則更加外向，和大家聊技術、談人生都不在話下。

印奇也曾坦陳，自己性格比較內斂，在機場碰到客戶，一度會躲著走，直到最近兩年，他開始“強迫”自己主動上去跟客戶打個招呼。印奇一直處在從一個典型理工男努力轉變為合格公司管理者的過程中。

姚志強告訴筆者，“只要是技術男認定的事兒，我們就不會想太多的結果，先卯足勁幹再說。”但“失敗和成功的教訓都指向一個，要接地氣，技術必須為其他行業提供服務，並且能夠真的解決問題。”

王永瑞與禾賽科技的李一帆是同門好友。變形金剛、機器貓、自己組裝的模型，在他的印象中，李一帆的桌面上總是擺滿了各式各樣的機器人。“工程類的東西完完全全地融入到了他的生活，你能感受到那是一種發自內心的喜愛。”

平日裡，依圖科技創始人朱瓏喜歡圍著他辦公室所在的一層樓，一圈一圈地轉，不過，他轉圈從來不是為了監視員工。有關應該如何經營這家公司，他一直在思考。

90後的馬漢東已經是AI醫療公司森億智慧的聯合創始人。員工問他，我們所做的事情到底有沒有意義？馬漢東的回答是，你們直接去醫院裡看一看，我們的設備、應用，救的都是人命。

既身坐冷板凳，又頭頂泡沫，科技創業，可謂路上道道折。但創業者們從來沒有懷疑過這其中的價值。

幾十年的發展也有力地證明，科技公司的力量正變得越來越強大，聚聚了一大批頂尖科技公司的中國力量也越來越難被取代。

中國的科技公司，歷經了從無到有，又從Copy to China到Copy from China的大時代。直至如今，一些重要領域已然躋身世界前列，這是近代以來從未曾有過的重大改變。

?【成人英語再起步】網上課程 ► http://bit.ly/2We1n2Q
YouTube 觀眾十二月特備優惠：購買【成人英語再起步網上課程】，用信用卡結賬時，可用優惠碼「YOUTUBEDEC20」，以 $1,299 優惠價購買第一期（原價 $1,499）；更可以以 $2,499 優惠價購買第一期+第二期！

? Patreon 月費學習計劃 ► https://bit.ly/3fZcjID

0:00 簡介
1:17 Tip 1: 不斷精進你對文法和讀音的認識
3:54 Tip 2: 和不同老師學習，因為每個老師的強項有不同，你也會得到不同啟發
5:45 Tip 3: 把英語學習融入生活中
8:29 Tip 4: 把學英文變成一種 lifestyle
8:48 4a: 看電影
9:33 4b: 聽英語音樂
9:55 4c: 用英語追星
12:21 4d: 不要只集中 input（輸入），忽略 output（輸出）
13:56 Tip 5: 學英文不是純粹翻譯
15:43 Bonus tip: 避免過份依賴字典
16:35 課程優惠
17:02 Instagram時事英語
17:36 下載懶人包


? 訂閱電郵通訊，收取學習資源、心得和課程最新消息 ► http://bit.ly/fla-nl

? 收聽 Learning English with Tiffany Podcast
► https://apple.co/2OwMPpK (Apple Podcasts) / https://spoti.fi/3g2KChF (Spotify) / https://bit.ly/3j0uSyd (Google Podcasts)

▶️ SUBSCRIBE 訂閱 ► http://bit.ly/flayt-sub
記住要按訂閱按鈕旁邊的小鈴鐺，那麼我們每次推出新片，你就會收到通知了！
It would mean the world to me if you could hit that bell ? beside the SUBSCRIBE button because that way, you get notified EVERY SINGLE TIME a new video goes live.

?我的相機和其它拍攝器材 ► https://kit.co/finnieslanguagearts/canon-800d-rebel-t7i-youtube-kit

✏️ 歡迎提供字幕 :) ► https://www.youtube.com/timedtext_cs_panel?tab=2&c=UCHkPJ7O9LLjEntwbsgn5TOg

??英文 channel ► http://bit.ly/tiffanysuen-youtube

?芬尼創業日記 channel ► http://bit.ly/fmkt-yt

? MeWe 學英文群組 ► https://bit.ly/fla-mewe-group

▍WATCH MORE 收看更多:

名人英語 ► http://bit.ly/2EUc8QO

時事英語 ► http://bit.ly/2RqrMok

文法懶人包 ► http://bit.ly/2UPUzI4

品牌名學英語 ► http://bit.ly/2qd3mUq

語文知識 ► http://bit.ly/2GzuW8b

今天只學一個字 ► http://bit.ly/2DRQPgE

Word Pairs 怎樣分 ► http://bit.ly/2hS1MCF


▍FOLLOW ME:

Instagram ► http://bit.ly/fla-ig
Facebook ► http://bit.ly/fla-fb
MeWe ► https://bit.ly/fla-mewe
Blog ► http://bit.ly/fla-medium
Twitter ► http://bit.ly/fla-twitter
Telegram ► https://bit.ly/fla-tg
Pinterest ► http://bit.ly/fla-pinterest


Free stuff!!! :)
► Use my iHerb Discount Code: ASC7218
► Sign up at AirBnb and get HKD$290 in travel credit: https://www.airbnb.com/c/tiffanys213
► Get a FREE first Uber ride (up to HK$50): https://www.uber.com/invite/tiffanys2213ue
► Get TWO months of free SkillShare premium: https://skl.sh/2IIHhr8
► Get HKD$100 of credit to spend across your next 4 orders at Deliveroo: https://roo.it/tiffanyccs
► Get HKD$100 off your order at NOSH: TIFH437