本文來自微信公眾號： 果殼 ，作者：游識猷

醫(yī)學上的X光機我們都很熟悉，但是工業(yè)上的X光機呢？其實，任何可能存在焊接缺陷的工業(yè)品，從電動車電池到芯片電路板，都需要X光機來檢測。

一臺X光機的核心競爭力是什么？是核物理嗎？是AI嗎？是高端硬件嗎？吳明煒的答案是數(shù)學，更具體地說，是復變函數(shù)和傅里葉變換。

這位上海交大機械工程專業(yè)出身的創(chuàng)業(yè)者，用了整整20年觀察一個行業(yè)，最終在疫情期間帶著一支“草臺班子”起步，把現(xiàn)實問題寫成應用題，把應用題拆成計算題，找不同學科的人分頭解題，再用代碼拼成產(chǎn)品……吳明煒創(chuàng)立的公司譜睿源，2021年成立時年營收155萬；今年在手訂單已經(jīng)上億。

在含鉬材料檢測這個細分領域，譜睿源甚至做到了國外競品都做不到的事。德國和日本的設備輸出一片漆黑，只有譜睿源能看見內部結構。原因不在硬件，在軟件中可能無意間加入的一組數(shù)學濾波器。

本月初，吳明煒做客果殼播客《果殼時間》，在節(jié)目中深入分享了他用“大函數(shù)，小AI”路線，做工業(yè)X光快速檢測的創(chuàng)業(yè)歷程與技術思考。以下就是播客的內容整理。

我們在做一臺“聰明”的X光機

譜睿源正在做的，實際上就是一臺聰明的X光機。

我們目前最大的客戶是半導體的層疊器件，以6到10秒的時間，得到一個需要看的物體內部的分層圖像，同時根據(jù)客戶的要求進行焊接質量的判別。這就是譜睿源現(xiàn)在做的事情。

很多人會問，“譜睿源”這三個字是怎么來的？20多年前我想做X光機，專門注冊了一個公司叫“銳源”，用英文特別容易理解，就是Ray Source，射線源。后來加了“譜”字，是光譜spectrum的意思?，F(xiàn)在的“?！庇玫氖穷Ｖ堑念＃液芟敫嬖V大家，我們做的是一個非常聰明的事情，看的是物體內部不可能被肉眼看見、又必須看的圖像或物質。

我們做這個事情的時候，市場還沒那么大，但是莫名其妙被卷入了AI新基建，變成了賣鏟子后面那個修鏟子的，我們的價值就是這么一步一步上來的。

很多人講，在“AI淘金熱”里，黃仁勛是個賣鏟子的，不管你弄什么東西，他是賣鏟子給你的。除了電力建設、變壓器這些大家想得到的，還有更多的AI新基建。比如電路板PCB，這個行業(yè)在2024年以前持續(xù)萎縮，人才只出不進，沒有人愿意加入。但突然因為AI應用、因為GPU，電路板成了香餑餑。

我們現(xiàn)在已經(jīng)在做的，是GPU和AI服務器上面的電源管理模塊。電源管理模塊在很多地方都有在用，可問題在于，放在GPU、放在AI服務器上，電源管理模塊一旦壞了，對使用者來說是承受不起的。怎么快速檢測它，就變成一個有趣的事情。做電源管理模塊的企業(yè)是賣鏟子的；我們不是賣鏟子的，我們是修鏟子的。他做的東西好與壞，由我來判斷。目前在這個領域，據(jù)我們了解尚無其他供應商能提供同等方案。

X光機的核心是數(shù)學

在大多數(shù)人的認知里，X光機是物理的，是硬件的，是核物理實驗室里那種厚重的金屬裝置。但我說，X光機的核心是數(shù)學。

這個判斷，我用了二十年才想清楚。想清楚之后，又花了五年，創(chuàng)業(yè)的公司才活下來。

舉個例子，大家在醫(yī)院都拍過X光，很簡單，拍個胸片就結束了。但為什么醫(yī)院里還要用CT？

因為X射線像一束極倔強的手電筒光，穿過一切疊在一起的物質，最終在探測器上留下一張所有信息壓在同一個平面上的圖像。你看見的是前面、中間、后面全部重疊的結果。

要看到中間那一層，你必須用數(shù)學方法把前后層剝掉，用一種數(shù)學方法得到一張內部的圖片，讓醫(yī)生來判斷有沒有病灶。

工業(yè)上也是一樣，比如要知道電路板里某個焊球有沒有內部空洞，就要用數(shù)學方法得到一張內部圖像，由工程師做“醫(yī)生”，來判斷是否有裂紋、焊接氣泡這些問題。

這個“把前后層剝掉”的過程，用的是復變函數(shù)和傅里葉變換，這兩種數(shù)學工具專門用來處理信號疊加問題，是信號處理的底層邏輯。

很多人在強調X光機的硬件，但忽略了核心是數(shù)學。

復變函數(shù)是一門非常有趣的課。在工科里面它叫應用數(shù)學，更多用于信號處理。想到信號處理，首先想到通信。所有學通信的、學計算機的、學數(shù)學的人都知道復變函數(shù)。但這些人不會來造X光機。

這里面有一個公司必須提——VG Studio。Volume Graphics，體積圖形學。這個名字大多數(shù)人沒聽過，但全世界99%的X光機的3D圖像，一定是在這家公司軟件的基礎上進行二次開發(fā)的。它是個德國公司，現(xiàn)在被瑞典公司收購了。人家的核心就是數(shù)學。時間長、數(shù)據(jù)量大，贏家通吃，跟芯片設計行業(yè)的EDA是一個道理。

大函數(shù)，小AI

我發(fā)明了一個詞——大函數(shù)，小AI。

所謂大函數(shù)，是指傅里葉變換本身。要把前后層的干擾去掉，得到中間那張切片圖，這個過程AI無法替代。它靠的是純數(shù)學，是信號處理。沒有函數(shù)，你永遠得不到這張圖。

所謂小AI，是指函數(shù)得到圖像之后，因為X射線的特殊性，圖像的對比度非常差。X射線頻率很窄，調亮或調暗都是同步變化，靠數(shù)學很難分辨。如果只用傳統(tǒng)的函數(shù)方法進行在線自動全檢，準確率不會高于50%，最多做到60%。但加上AI以后，檢測準確率可以達到99%以上。

函數(shù)是前提，AI是加分項。沒有函數(shù)，AI再好也無從施展；沒有AI，函數(shù)得到的圖能用但不夠好。

這里面最核心的就是傅里葉變換、信號處理。我們的顧問是西安郵電大學的湯少杰教授，人家是西電通信專業(yè)的工學博士。他和他的研究團隊解題，我的工程師再把他們解出來的函數(shù)變成代碼。函數(shù)可以變成代碼，但代碼倒過來變回函數(shù)是變不了的。沒法逆向工程。

別人就算拿著我的代碼，也不可能逆推拿到那個題的解法。

我用一個更通俗的比喻。如果我們在一個很嘈雜的市場里說話，我要捕捉你的聲波，也是傅里葉變換，怎么辦？我只有不停地大聲說話，讓你聽到我的聲音，否則聲音就被掩蓋掉了。

檢測也是一樣。我想得到里面這一層的圖片，但有很多層，我要把干擾信號弱化。根據(jù)不同的背景噪聲，調不同的參數(shù)，這叫“配方”。湯教授最厲害的就是：你東西給我，我調完以后效果不錯。明天遇到新情況不行了，他再給你調一個，再調一個。底層函數(shù)是我們的，里面的微調是他們的。

投資圈有句話：你不要相信你是獨一無二的，大廠花的錢、花的人比你多，一定能做出來。這話對一般的事情是對的。但X光機的核心是數(shù)學，是大函數(shù)。在圖像重建這種底層信號處理領域，至少目前AI無法替代純數(shù)學方法。如果大模型能做信號處理，華為的通信研發(fā)團隊都可以解散了。而做通信的人不會轉行做X光機——賽道太小，整個行業(yè)的收益率不會有通信那么高。

曾經(jīng)參加比賽，有一位專家評委直接用大模型來質疑我，說現(xiàn)在有AI大模型，是不是以后都可以做？我在現(xiàn)場用“大函數(shù)小AI”跟他懟了大概10分鐘。

德國人只有函數(shù)沒有AI；國內其他對手只有AI沒有底層函數(shù)。德國人600萬的設備當手動機在用，拿到一張圖片，還要靠人工判別好壞。譜睿源被逼出來了，能做流水線全自動檢測。在工業(yè)X光檢測這個細分場景中，德國和日本的AI應用相對滯后，也沒什么成熟模型。德國人跨境做AI標注，效果不理想。而我們在客戶現(xiàn)場識別缺陷，基本兩天迭代一個模型。

在AI方面，中國和美國是最強的。中國有大量的AI開源模型，試錯成本非常低。美國很多模型都要收錢，中國有很多開源模型不收錢。沒有函數(shù)，拿不到最初始的圖像；但沒有AI，又做不了自動判別?！按蠛瘮?shù)，小AI”，才是我們這個公司最核心的生存基礎。

全自研軟件，看透了“含鉬材料”

我跟蔡司聊過這個事，蔡司也覺得譜睿源很神奇，因為蔡司自己的離線設備也要從外面買軟件。我明確告訴大家，截至目前，譜睿源是這個細分領域中唯一實現(xiàn)全部軟件自研的公司。只有理解底層函數(shù)才能夠去做這些東西。

自研軟件最大的好處是什么？國外的軟件很成熟，有40年經(jīng)驗、無數(shù)積累，出來的圖像一定比只有兩三年的公司做的標準。但因為它是一套通用軟件，全套賣給你，你沒有底層函數(shù)，打不開，只能在上面做二次開發(fā)。而我們因為是自研的軟件，可能在里面無意中加了和漏了很多東西。

講一個最典型的案例——含鉬材料的檢測。鉬這個材料對X射線有極其強的吸收作用，用一般的2D或3D設備看，圖像極其差，全是黑的，不能進行判別。三年半以前，我們拿到一個客戶的樣品?？蛻粽f國外設備都做不了，你能不能做？死馬當活馬醫(yī)。我們開始測了發(fā)現(xiàn)不行。但偶然間我們發(fā)現(xiàn)能做了。

2D/其他3D設備檢測圖譜睿源AI-300設備檢測圖

此后，在過去三年，尤其最近兩個月，所有含鉬的材料拿過來，我們都能做。目前我們測試過的所有競品都做不到——我試過GE，不行；讓蔡司做，也不行；德國和日本的選手都不行。Z公司跟德國代理商討論過，為什么譜睿源能干，德國、日本的設備不能干？得出的結論極其滑稽——認為我們的硬件比德國設備強。

但我自己很清楚，德國人的硬件比我好。在某些更復雜的情況下，我的原始圖片確實不如德國設備清晰。

真正的原因又回到數(shù)學上。以下是我們目前的推測，尚未經(jīng)過嚴格實驗驗證：X射線經(jīng)過鉬以后被大批量吸收，但不可能100%吸收，會有很微弱的信號殘留。我們的軟件是自己寫的，可能無意之中加了一些針對微弱信號增強的數(shù)字濾波器，把這個信號通過一次積分放大了，通過一次微分倒過來，然后就看見了。而全世界其他公司都是用VG Studio那套軟件，里面放了各種濾波器，偏偏正好把這個微弱信號給過濾掉了。所以德國人、日本人測出來都是黑的，只有我們能看見里面的東西。

我們把這個產(chǎn)品的圖像拿給日立用超聲波二次驗證，日立做超聲波全球數(shù)一數(shù)二領先，他們超聲波做的圖像跟我們X光看到的一模一樣。結果肯定是對的。截至目前，在含鉬材料在線檢測這個細分領域，我們沒有找到第二家能做的。

做對了，但不知道確切為什么做對了。我現(xiàn)在的推論不一定準確，未來一定要去做實驗驗證，把假設落實到具體的函數(shù)上。我還在找九峰山實驗室和相關研究機構做實驗驗證。大膽假設，小心求證。含鉬材料目前在半導體里用得非常廣，無人機上面有大量紅外傳感芯片，散熱導通那一層就是含鉬材料。一旦鉬材料要進行在線檢測，我們在這個領域可能建立起真正的技術壁壘。

觀察二十年，開始創(chuàng)業(yè)

我為什么會知道這些數(shù)學原理？我大學是在上海交大機械工程系念的。上交有一個國家重點實驗室叫振動實驗室，研究缺陷診斷。它的邏輯是：一個黑匣子里有很多零部件，壞了但不知道哪個壞了，怎么辦？每個零部件都有固有的振動頻率，通過輸出數(shù)據(jù)看哪個頻率出了問題，反推是哪個零部件壞了，打開去修。這里面有一門課信號分析，用的就是復變函數(shù)。上交機械專業(yè)的人在應用數(shù)學里都要學。很多人學了覺得沒用，我當時也覺得沒用，但我父親跟我說，一定要學復變函數(shù)。沒想到30多年以后，我創(chuàng)業(yè)的時候用上了。

光學了那門課，我也創(chuàng)不了業(yè)。你得見過應用才行，人不可能夢見自己沒見過的東西。

98、99年，我進電子制造行業(yè)，在歐美客戶那里第一次見到一臺3D X光機，是行業(yè)祖師爺安捷倫的一臺機器5DX，用來快速看電路板組件BGA焊球的質量。我是學機械的，看結構是本行。機械結構我一看就懂。但軟件我一開始沒看懂，直到后來知道它用的是傅里葉變換，那一刻我想通了。圖像重建不是圖像問題，是信號問題。

原理、結構、應用場景，我記住了。

從1998年到2021年，我觀察了二十多年。在不同公司做事，但始終盯著這臺機器。

大概在17、18年，朋友跟我講3D X光機未來會有大需求，因為新能源起來了，光伏、新能源車要儲能、要充電，IGBT“電子開關”、碳化硅這些功率模塊都要檢測。但我那時覺得自己做不了。國外廠家做這個行業(yè)有三四十年了，我們憑什么跟人家競爭呢？我本來想做代理商，17年談下一個日本代理，本來19年有訂單，結果2020年疫情爆發(fā)了。

疫情期間關在家里那兩三個月，對我來說是個轉折。那年我47歲，之前我一直在美國公司做電子制造，做了二十多年，一路從技術應用做到市場銷售。在上海的話，我們這個年齡在外資企業(yè)待著是非常舒服的。

但我骨子里有一股躁動。關在家里的那兩三個月，我想了一件事。我這輩子，難道就這樣過去了？天天跟人吃喝聊天，發(fā)呆？

2020年疫情的時候，我把自己對X光機的想法寫出來，發(fā)給很多朋友：第一，你認可不認可我對這個市場需求的判斷？第二，你能不能幫助我來建立這個公司和團隊？結果我的合伙人找到了一位軟件工程師，他帶來了一個軟件的架構。我們的草臺班子通過這個一步一步，兩年、兩年半、三年、三年半，做出了基礎東西，做出了大概的東西，做出了高端東西，做出了先進的東西。

我經(jīng)常說，我就是把應用題變成計算題的人。應用題我們都做過，知道做應用題要比做計算題難，因為應用題信號、數(shù)據(jù)那么多，要變成數(shù)學模型，然后再去解題。而計算題只要你學過原理，你就會解。我把應用題變成計算題，拿出一道題，讓懂這個方向的人做，把它再切分成三到四個子方向，分給好幾幫人去解題。中國不缺做題家，缺的是出題人。

爆單：從115萬到上億

X光機是一個小眾市場，很多投資人不介入，因為看不到大的應用前景。

我經(jīng)常開玩笑說，在整個創(chuàng)業(yè)的四年多里，“不想活了”這種話說了不下二三十次。你真的不知道，下個星期技術做不出來客戶能不能跟你談，下個月發(fā)不出工資團隊跑了怎么辦。

創(chuàng)業(yè)第一年，譜睿源的營業(yè)額是155萬，像個路邊攤一樣。但是我養(yǎng)團隊每年至少也得花五六百萬。有人說應該降薪裁人保持最小團隊，我說我養(yǎng)了二十個人。這是最小規(guī)模，再砍就出不來產(chǎn)品了。一分錢難倒英雄好漢。

我可能人品還行，每次公司快不行的時候，總會天上掉餡餅。我有一個羽毛球球友，認識十幾年，我只知道他姓王，連中文名都不清楚。有一天打完球，他突然問我：“老吳，你缺錢嗎？”當然缺！一個月后，兩百萬到賬。還有個投資人，是在一個技術比賽上認識的，見了三面，喝了一次茶，也投了兩百萬。技術也是一樣，我們突破不了的時候，突然從天而降一個校企合作的教授，一周以后就開始合作，一年以后正式掛牌企業(yè)和高校實驗室。每一次鬼門關，最后都變成了推開一扇阿里巴巴的門。

2023年，我拼了命找各種客戶到公司來測試，拼了命把樣機塞到客戶現(xiàn)場。因為公司小，丟掉了Z公司的訂單，他們認可我們的技術，但商務要求我們公司必須有過往10臺訂單的記錄，結果我們直接被踢出去了。X公司的導入流程耗時八個月。B公司要求免費測試，行業(yè)慣例如此，你不配合就沒有后續(xù)機會。在客戶現(xiàn)場不停迭代、發(fā)現(xiàn)問題、解決問題，我才能拿得出市場認可的設備。

公司最大的轉折點是2025年3月底4月初。當時認準的IGBT行業(yè)被上市公司對手搶占了很大市場，公司很難維持。突然有一天，接到兩個大公司的電話，問我們能不能做一些檢測。我就是一句話兩個問題——檢測什么東西？對手是誰？一聽客戶說的對手，正是我們直接瞄準的頭部公司1和2，那就直接干。

對方為什么找我？因為別人不行。但他們不是來給我錢做研發(fā)的，直接問yes or no。你如果說“我考慮考慮”，對不起，對方不給你任何機會。

我跟公司所有人講，面對挑戰(zhàn)，我永遠說Yes。說Yes才有微茫的機會，說No就絕對沒有。在“不一定有”和“一定沒有”之間，只能去拼那個“不一定有”。

其中C公司的項目特別典型，起因是C公司要生產(chǎn)一個芯片，是SIP系統(tǒng)級封裝，把多顆芯片像“三明治”一樣疊裝在一個小模塊里。要用德國設備檢測，但導入新設備的同時，必須啟動國產(chǎn)替代設備的調研。

C公司首先聯(lián)系的不是譜睿源這種小公司，聯(lián)系了國內一家上市企業(yè)，我們的對手公司，但那家沒能滿足需求，這時候代理商打電話問我能不能做，聽說對手是德國設備，我說肯定可以。

我們花了一兩個星期，發(fā)現(xiàn)確實能做，但C公司內部分兩派：技術派覺得譜睿源可以，跟德國設備差不多；商務派覺得譜睿源太小，應該找上市公司。第一輪把我們踢掉，第二輪又拉進去，第三輪又確定是我們。從5月份一直談到10月份，拖了5個月后，項目必須要啟動，國內的上市公司又供不了貨，才讓我們的設備進去。設備進去不等于客戶已經(jīng)決定要買了，簽的是6個月的免費測試協(xié)議。

研發(fā)總監(jiān)很害怕，問我怎么辦。我的判斷是：客戶能咬死盯著我們做，說明有需求；我們是被踢掉之后，客戶又主動拉回去的。做。

10月到12月，C公司的人一直說，“等德國貨來了，馬上讓你看看什么叫自動檢測”。我每天就問，“德國貨到了嗎？”12月底德國貨到了，客戶發(fā)現(xiàn)德國設備不能用，出圖很慢，圖拿出來了還不能自動判別，得靠人工判別。反而驗證了我們的實力。

客戶這才發(fā)現(xiàn)，原來這東西真的要靠AI。而AI方面，中國和美國是最強的。在工業(yè)檢測AI領域，德國和日本目前缺乏成熟的開源大模型生態(tài)?？蛻舾聡疽狝I，德國人拖到大概五月才給了一個模型，還要收錢。而譜睿源在客戶現(xiàn)場識別缺陷，基本兩天迭代一個模型。

譜睿源AI標注軟件

測了兩個月，過年前，C公司跟我們表達了兩個意思：第一，譜睿源之前免費測試的那兩臺機器馬上轉正，第二，還要再買五臺，一共七臺。

接下來是M公司，M公司是納斯達克上市公司，英偉達核心電源管理模塊的主力供應商。他們研究了一年要不要對SIP元件進行全檢。到一月份發(fā)現(xiàn)不全檢不行了。

但中間有一次危機。2026年1月份發(fā)生了一個關鍵事件。項目總監(jiān)冷眼旁觀，對內部說了一句話：“如果譜睿源能解決，以后就都買他的；如果不能解決，以后再也不考慮他們?！蔽业捻椖靠偙O(jiān)在辦公室悲觀地說，客戶要把我們踢出去了。但24小時，我們就把這個bug調完了，能做了。

今年大年初一晚上，M公司的中國區(qū)項目總監(jiān)給我發(fā)消息問，“你3月2號早上有空嗎？我們的全球二把手要見你?！比チ艘院螽攬龈嬖V我：“我們決定，項目全部使用你的設備?！盡公司內部評估，這個項目需要大批量機器。

訂單開始爆發(fā)。6月份譜睿源就開始有出口了，出口到韓國和馬來西亞。今年截止5月底交付的訂單就3000萬，在路上的訂單有3000萬，客戶那邊的預計訂單應該已經(jīng)上億了。就是因為AI新基建，導致了原來不檢測的東西都在檢測。所有客戶都認為，用了譜睿源的自動檢測，最終質量不一樣。

未來：TSV、TGV與百億級PCB市場

我對未來有兩個層面的思考。一個是明確目標，一個是開放想象。

明確目標里最確定的是TSV和TGV——through silicon via，through glass via，在芯片的硅片或玻璃基板上垂直打通微小的“電梯井”，讓疊在一起的芯片層之間能直接通信。黃仁勛也講了，信號傳輸距離越短損耗越低，用玻璃效果可能比樹脂材料好。

先進封裝結構示意圖?丨網(wǎng)絡公開資料

隨著摩爾定律放緩，芯片開始往立體堆疊方向發(fā)展，平面的路徑變短，信號傳輸損耗降低。大量芯片疊在一起，要看內部缺陷圖像又要在線全檢，我都可以做，前提是有技術、有核心軟件。

但目前國內沒有設備能做TSV檢測。TGV更是連檢測方案都沒有。今年的半導體大會，有投資機構追出來跟我聊，他們投資了一個做TSV的企業(yè)，沒法測。國外有一家叫諾信的公司，去年在中國大概賣了十二臺，單價兩百萬美元起步。

我這次拿到錢，專門要研發(fā)一臺針對TSV市場的機器。TSV的難點在于函數(shù)的轉變——通孔是垂直方向的，但我希望能橫截面看。拍出來的是重疊圖像，要變成另一視角的切片。這是數(shù)學問題，是信號處理。先把圖像變成信號，再轉變成圖片。今年我一定會做出一臺樣機。

PCB高階電路板是另一個巨大市場。S公司因為給英偉達高端GPU做PCB電路板，股價漲瘋了。去年S公司給日本歐姆龍下了150臺X光機的訂單，單價超過50萬美元，折合人民幣訂單6個億。國內天津另一家X光機公司，拿到了H公司的約100臺訂單，價值兩億。電路板檢測這是一個百億級的市場，大規(guī)模生產(chǎn)2027年才開始。歐姆龍的技術比我們低，我們完全能做。

背鉆孔結構示意圖丨網(wǎng)絡公開資料

電路板通孔檢測和TSV原理是一樣的。這種聯(lián)想非常重要，聯(lián)想的前提是對技術來源和應用、包括核心有充分的理解。我理解了，不會解題，找人解。解完了搭起來做，一步一步完善走到今天。

對于未來，我是謹慎樂觀的。AI是趨勢不是風口，應用場景會越來越多，AI新基建所需要的檢測設備越來越多。電路板原本檢測是0，TSV、TGV原來不存在，一旦檢測，市場會很大。我們只做擅長的，只做有門檻的，只做別人進不來而我們有技術優(yōu)勢的產(chǎn)品。起步那年155萬，今年可能上億，明年如果1.5億，每年50%甚至更高的增長。這是一個快速發(fā)展的公司，一定有大的機會。

我還有一個反常識的觀點：AI不會讓人失業(yè)，至少在工業(yè)檢測領域不會。AI模型的數(shù)據(jù)一定要人工標定標注。機器不能自己定義真?zhèn)巍，F(xiàn)在好多人全在那里畫圈圈做數(shù)據(jù)標注。AI的后端不但不會把人全裁了，反而會產(chǎn)生更多的新需求。大家不要神話AI。如果是寫文章、做視頻，有互聯(lián)網(wǎng)大數(shù)據(jù)，AI很容易出來。但在我們這種工業(yè)小眾行業(yè)搞AI，需要大量人工去喂數(shù)據(jù)，這其實提供了更多的就業(yè)。

創(chuàng)業(yè)者要熱愛生活

關于創(chuàng)業(yè)，我的建議永遠不超過三條。

第一，心態(tài)。任何創(chuàng)業(yè)者都要面臨巨大的挫折感。不要相信成功學，你看到的永遠是別人成功的一面，死人永遠不會告訴你怎么死的。必須積極樂觀。你沒有抗壓能力、沒有自我調節(jié)能力，靠別人調節(jié)是調節(jié)不了的，這個問題只有你能解決。

第二，格局。兼聽則明，什么信息都要接收，但要保持學習心態(tài)?？鐚W科的知識面一定要開。X光機就很典型，它跨的學科非常多——物理、數(shù)學、金屬工藝學……我不會寫代碼，自己做題也做不出，但我知道誰能做。財去人聚，把大家團結到周圍，在一起就可以做成一個很大的事情。

還有一個，深度觀察。很多年輕創(chuàng)業(yè)者總喜歡追逐時髦概念，能不能耐下心來對一個行業(yè)進行深度觀察？東西做10年，你是專家了。但觀察比做更難，把深度觀察的結果變成能落地的東西最難。我做設備，在行業(yè)里觀察了整整20年。單純獲取信息不叫觀察，叫記錄。真正的觀察是拆成文字、部件、細節(jié)，再進行深度的邏輯分析。很多人跑步聽歌，我跑步聽講座或歷史故事，甚至跑步的時候腦袋里可以把一臺機器拆成一個個零部件，不斷推演重組。臺下十年功，臺上一分鐘。當你在腦子里全推演通了，實踐往往是水到渠成的事。

我招人看一個特質——他是不是熱愛生活。不能只是做題，必須有更廣的興趣愛好。我從小喜歡看推理小說，對福爾摩斯最大的印象就是當他做不了事情的時候，拉小提琴、做化學實驗。他不想讓大腦松下來，用另一個方法放松這邊，那邊就會產(chǎn)生靈感。我玩大號和上低音號，從1986年接觸樂器到現(xiàn)在40年了。我喜歡練毛筆字、讀史記左傳、跑步打羽毛球。碰到困難挫折時，有辦法舒緩壓力保持積極。我從來不逃避問題，遇到問題我的任務就是解決它，自己解決不了就找資源解決。

我的父親今年八十八歲，退休前是交大機械系系主任，現(xiàn)在每天依舊做幾套數(shù)學題。數(shù)學是自然科學的皇冠。我覺得我未來以后應該也走這條路。

本文來自果殼，未經(jīng)授權不得轉載.