第五章自动化专业的就业
5.1、专业优势分析
自动化能干什么一直是困扰学生的问题之一，毕竟每个行业都有人家自己的专业。就像编程招计算机，机械厂招机械，电网招电气，学校招数学老师。
自动化之所以让人迷茫是因为它没有一个挂靠行业大部门，中央从来没有设立过自动化部。
在说明自动化适合干什么之前，先来说一下现在情况，人工智能技术借着2012年图像识别比赛的一鸣惊人从冰河醒来，迎来了自己的第三春，没错。第三。
人工智能大热，直接带来了计算机的再次热门，数据显示，2018年各单位秋季招聘人工智能的岗位爆发，人才缺口很大。其中纯软件的岗位很多，这直接导致许多人开始自学人工智能编程，考虑到目前人工智能的初级门槛和有转行人工智能想法的普通程序员的数量，可以预料到在不久的将来，纯软件上的人才缺口将会被大量填充。
随着人工智能在其他领域的应用，不可速成的人工智能实体系统的开发逐渐产业化，包括自动驾驶，智能机器人，安全监控，无人机，带图像识别的实体系统等，为了简要称呼这些产业，本文将其统一称为智能机器。
智能机器领域要求设计者具有先进的控制理论功底，出色的实践能力，善于将理论现实化，这些特点，与自动化的专业优势是相匹配的。
有人会问智能机器不就是智能机械吗，机械需要结构，这活自动化肯定干不了。首先，本文之所以称其为智能机器，而不是机械，是为了说明在新兴的智能机器领域，其主要矛盾已经不是具体机械结构的设计，而是基于传统结构的智能改造，其主要内容在将先进控制理论与实际结合。这点是自动化的特色和主要优势。
而且重要的是，相较于纯软件方向，智能机器方向在可预见的时期内不会出现低谷期，从业人员较编程人员稳定，行业发展更替较慢，因为一个控制算法必然经过大量经验才能在实体中广泛应用。
考虑到钱学森前辈设立自动化专业为工业服务的目的，因此可以得出，虽然自动化存在许多方向，被称为工科预科，但在可预计的将来，在充分发挥专业优势的前提下，最适合的是智能机器领域。
5.2、就业方向与职位
（1）机器人产业
提起自动化专业的适合就业方向，不少人第一个就说，机器人，有些高考志愿书上甚至把新设立的机器人工程专业称为最高层次的自动化专业，但很多人往往并不知道机器人相关岗位有什么。
首先，随着科技的发展，分工的不断精细，对于刚入行的从业者来说，不会说让你一个人负责机器人系统的设计生产全过程，上来就当总工。分出来了许多工作，从一开始说吧。
①机器人运动控制
假设交给你一个任务，让你设计一个机器人，第一步干啥呢？看看人体结构，先把大的结构敲定，用到仿生学或者机械设计相关知识，然后研究利用电机怎么让他动起来。这一个方向被称为机器人运动控制方向。
这个方向要求有力学与机械知识及必要的算法能力，在相关的招聘网站上对于运动控制岗位的条件例如：
适合于电机学相关知识扎实，具有基本的嵌入式开发能力的学生。
②环境感知与路径规划
拿到了一个能动的机器人，接下来问题是怎么动，即环境感知与路径规划，最近这个大方向很火，原因也是因为机器学习带动的视觉革命，在机器学习没火之前，环境感知主要依靠传统传感器，利用多传感器融合技术，而路径规划算法的历史更早。
这个方向主要依靠算法，也是目前为止机器人领域最贴近于计算机的方向，或者说就是计算机，岗位也分两种，传统感知类与视觉感知类，视觉感知类待遇相对好一些。
适合于算法相关知识扎实的学生。一些岗位对于学历有要求。
③集群机器人
设计的机器人能动了，也知道怎么动了，看样子任务完成了，此时上面下了一个新要求，举个例子，物流行业，一用就是许多台机器人，它们怎么配合？或者无人机，一群无人机怎么联动。这就是集群机器人方向。
这个方向更加依靠数学，依靠算法，随着应用的机器人数量越来越多，该方向的热度逐渐上升。
适合于数学、算法相关知识扎实的学生。对于学历有要求。
（2）嵌入式
嵌入式，这个方向与其他方向有重合，如前文所说，有两个主流方向，一种利用现成的模块和硬件设计产品，一种是从事嵌入式驱动开发，比较考验硬件能力，对各型号的单片机掌握，对基本控制算法的掌握，以后发展的方向也是硬件工程师，社会上对于嵌入式有很多培训机构，、在大学期间也可以自主学习。
适合于硬件、基本算法相关知识扎实的学生。尤其是硬件相关知识。
（3）工业现场
提起工业现场，虽然说自动化专业来源于工业，但学生往往不会选择工业现场，一是因为环境差，二是因为待遇低，三是因为各种加班，比996有过之而无不及。
但是由于各种原因，最后很多人还是去了工业现场。
工业现场对于新招收的自动化学生有以下几种岗位：
①学徒工类
第一年在车间锻炼，做一些装配工作，逐渐跟着厂里师傅学PLC,电气控制等活，这种一般是本科生。
②初级工程师
如果PLC等相关器件掌握较好，有些企业会让新进的学生迅速参与设计与调试，常年出差，不过待遇比学徒工类要好一点。本科生居多。
③上位机类
如果通信、上位机编程掌握较好，一般会负责一些现场的上位机软件设计，也可以去一些专门做这块的公司，同样需要常年蹲现场和出差。
做了几年后，拥有了工作经验，才有资格参加许多公司的高级岗位招聘，拿一些巨头企业招聘来说，很多岗位都要求三到五年经验，这个行业非常看重经验。
比较适合热爱这行、能沉下心锻炼自己、具有一定的不断学习能力的学生。（毕业短期内没有或较少经济压力，毕竟慢热行业）
5.3、自动化行业介绍
①生产活动的发展阶段
谈到人类生产活动的发展过程，很多人就说啊，这个简单，手工业，机械化，电气化，信息化，智能化。这个概括的不错。从具体工具上看是这样。
那么问题来了，自动化放在哪里？这个问题一出来，就产生了尴尬。
机械也有自动化，电气也有自动化，工业网络也有自动化，人工智能也在搞自动化，那么问题来了，自动化放在哪里？
仔细分析这四个词和自动化这个词，我们会发现，无论是手工业还是到最新的智能化，都是特别限制了生产工具的具体特点，这种划分方式比较直接，但最大的缺点是很难基于这个划分预测未来，比如你问一个蒸汽机时代的人，他对未来的预测很难会想到电的作用。
但是如果我们按照每种工具的优势来比较分析，就会发现，这个时代是朝着工具越来越像人的大方向前进的。
基于这个判断，我们就可以大胆预测，如果有一日工具全面赶上了人，人的地位就会受到威胁。那么人类那时该怎么办，或者说人类对这种趋势有什么预防措施。答案就是人机融合，只有促使工具与人融为一体，才会消除工具带来的威胁。
有人说这纯属扯淡，这都是多远的事了，不错，真正的融合固然很远。但是值得注意的是现在已经出现了人机融合的前身。多数学者也在强调要实现人机初步混合。这也印证了本文提出的预测并非毫无根据。
②逐渐升温的工业升级潮
稍微看一些新闻的人都知道，近几年，智能制造或者叫智能化越来越火，各种企业纷纷升级，这里面有什么原因，中国到底发生了什么？
企业的核心是利益，而不是新奇，所以人工智能技术刚起来的时候，多数企业并没有当回事，因为什么？升级改造成本太高，得不偿失。继续维持原来的技术也能挣钱。
但这两年来，一些劳动力密集的企业开始觉得不对劲了，最大的特点就是找不到足够的工人了。这是个危险的信号。老板去村里一问，工人去哪了，去打工了，创业了，或者再厉害点的去编程序去了，年轻人进厂进流水线成了最后没办法的选择。
企业再好没人可不行，现实又招不到多少人，所以不少企业开始想法维持生产，于是想起了提升自己的层次，比如由手工走向机械自动化，到电气自动化，到数字化。
这个想法不错，但问题是成本太高，有资本的企业花钱保平安，没有资本的逐渐沦落，大企业再挤压一下市场，就这样，原本一场理论上可能皆大欢喜的升级潮流，就因为成本问题变成了淘汰兼并潮。而这仅仅是个开始。
2019年底，随着疫情的影响，用工荒较以往更甚，同时以机器人为代表的先进技术也彰显了巨大的优势，形势倒逼作用日益突出，工业升级潮明显加速。
以上说了劳动力密集的企业的危机，如果仅仅是劳动力密集的企业危机，那么就很简单了。问题是，并不是这样。
比起劳动力密集型的企业，那些已经进入电气化或者数字化的企业明显能招到人，按理说他们不愁发展啊，怎么他们也在搞智能制造？
原因就在于他们虽然能招到人，但留不住，人往往是逐利的，这些企业虽然招人不愁，但人才严重缺乏。再加上竞争这么激烈，迫使他们无法停止，只能继续升级改造，要不他们就会被更强大的对手所挤压，越高级的企业越明显。比如，推进智能制造最上心的，无一例外是大企业。
③机器换人风潮
工业机器人原先一直不愠不火，由于工业升级的需要， 2016 年广东、浙江牵头开始了机器换人进程，并且逐步升温。值得注意的是，随着 2018 年初用工荒的爆发，无人工厂为人所熟知。机器换人进程大大加快。
但在2018 年年中至年末，机器换人风潮遇到了许多问题，最主要的有两个： 一是对机器人要求比较高 ，那些有钱升级的企业里容易替代的岗位已经实现了机器换人，其余的要不成本难以支撑，要不机器人不符合要求。 二是国外的巨头吞噬，以往国内应对巨头的吞噬，一般采取价格战策略，质量赶不上你就按价格胜，这种策略曾经屡屡得手。
然而在如今机器人行业，这种策略失效，因为国内的制造者发现，国外的产品不仅质量好价格还便宜，因此国外公司顺利收割了这波机器换人的红利。工业机器人这个领域内的竞争也十分激烈，在工信部公布的满足行业规范的工业机器人企业名单中，仅有23家上榜，而经初步调查显示，仅广东一省机器人企业就高达800余家，山东省也存在有 300 余家机器人企业。
基于上面说的技术原因和成本原因，随着贸易争端的爆发，经济下行压力加大，综合导致了国内的机器换人风潮放缓，数据统计表明：国内工业机器人产量从2018年9月开始经历了连续13个月的下滑，直到2019年10月为止才转正。
2019年末，随着争端缓和，工业机器人产量回血，紧接着突如其来的疫情对机器人产生了大量的需求，一些原来摇摆不定的企业行业，因为疫情的原因和后续影响，纷纷采用了机器人技术，对于这一点，一线企业感受最为明显。
援引相关报道：
“能明显感受到整个下游制造业对自动化需求的提升”，3月12日，拓斯达相关负责人向财联社记者表示。拓斯达为下游制造业客户提供工业自动化整体解决方案及相关设备，下游客户主要集中在3C、汽车、新能源几个行业。“这段时间一些企业会跟我们提出需求，普遍的意向是未来自动化率要提高。一方面是应对突发事件的需要，另一方面则是为了提高生产效率和良品率”，该负责人说道。
而在此次疫情防控工作中，服务机器人凭借自身的独特优势发挥了积极作用。大疆的“御2”被社区、道路检查点用于远程体温检测，赛为智能的“赛鹰”被用于消杀工作和疫情防控宣传喊话。在湖北武汉仁和站点到第九医院，京东配送机器人能够完成超过50%的订单量。
机器换人风潮在缓慢前行了十三个月后，终于开启了加速跑。
④工业互联网：未来的发展方向
随着机器换人风潮的发展，电气化逐渐全面铺开，接下来的问题就是进入数字化、进而进入智能化阶段，而由于数字化与智能化都依赖于计算机，有着两步并作一步走的现实基础，因此，相应的提出了工业互联网概念与规划。
2018年，有一个非常重要的事件，该年6月7日，工业与信息化部正式将建成工业互联网基础设施和产业体系列为目标，也标志着工业互联网这一概念正式出现在人们眼前。
和传统互联网不同，工业互联网主要是要解决在传统工厂当中的运行管理调度最优的问题，实现定制化、最优化智能工厂。
对工厂实施数字化改造，是为了使工厂的生产过程、管理流程当中的一些数据发挥其有用的价值，工业是一个复杂系统，我们在现阶段不可能用数学完整的描述出工业生产过程的每一个细节，因此我们必须依靠这些采集到的数据，对工业生产进行实时、智能的调整和优化，这是工业互联网的一个基本目的，当然定制化生产等也是趋势。
不少人认为，只要将工业当中的数据传到服务器或者云平台，就算是数字化了，这是不正确的，传统的计算机互联网和移动互联网实现了每个个体之间的数据传输，但工业互联网不仅仅需要数据的传输，她还需要数据分析和整理，如果单纯的把工业生产过程中的数据传输到某个界面显示，然后不加以数据分析判断的话，基本上也不会产生多么重要的辅助作用
这和近几年兴起的大数据分析技术有些相似，因此如果非要说计算机和自动化有什么共同点的话，那么工业的数字化和智能化是计算机和自动化的有力结合点，互相离不开。
计算机擅长分析数据，构建软件系统
自动化擅长于获得数据特征后，该怎么对实体系统进行调整
在完整的工业生产过程中，二者是相互配合的关系。
分析以上这个过程可以看出，如果要使得这个工业系统性能好的话，最关键的因素是什么？数据的传输速度。
而2019年最大的一件事情就是5g技术的商用，5g技术的高速如果单纯用来下载电影应用软件，显得有些大材小用，5g的优势在于它的传输速度，而传输速度则意味着延迟要降低，这就和高精度的控制结合在一起，因此可以期望的是，5g技术将为工业的数字化和智能化改造贡献出自己的重要力量。
当然，不可否认的是，工业互联网面临的主要问题在于刚起步 ，诸多标准 、平台不统一，没有形成良好的技术条件，目前还是处于资本大量涌入不断淘汰的竞争阶段。
⑤新时期新基建
进入2020年，由于贸易争端、疫情、工业升级需要、智能制造目标许多因素的联合推动，新基建成为一个热门词汇，这个“新基建”，不是最近才出现的新概念。2018年12月召开的中央经济工作会议明确提出“加快5G商用步伐，加强人工智能、工业互联网、物联网等新型基础设施建设”。
以前我们谈基础设施，脑海中浮现的是“全部通上电，信号都覆盖，生活更美好，出行也方便。”这个新基建包括什么呢？它主要指以5G、人工智能、工业互联网、物联网为代表的新型基础设施，本质上是信息数字化的基础设施。
有人说了，这个为什么要单独拿出来，前几年也整天报道像人工智能呀、物联网啊这些。这次有些特别，特别到值得单独分析。
生产活动的阶段性跨越是需要资金与关注度的，而此次提出新基建，配套的是一大批投资计划，这是其一，其二也是未来机遇所在的是基础设施的提法，不再局限于某个行业，是针对全局的考虑，就像以前的工业化建设一样，也要进行全国性的数字化建设。
在这一大堆投资以及可能带来的机遇里，工业机器人、工业互联网、以及各个自动化领域，基本包含在内，因此，这又是一个新机遇。
⑥结束语
与自动化相关的一个是工业机器人，一个是工业互联网，上文初步展示了它们的发展情况、机遇和存在的问题：
对于机器人领域，此次抗击疫情中展现的巨大潜力令人印象深刻，综合来说，工业机器人技术尤其是核心技术的突破，需要较长的时间，高精度减速器，高性能伺服电机，驱动器，高性能控制器等关键零部件的质量稳定性和批量生产能力有待提高，另一方面对于要求高的一些行业，机器人企业要扩展业务方向，与市场和现实需要不断适合，才能更好地实现工业机器人产业的良好发展。
对于工业互联网领域，需要注意的是，它是一个管理控制决策系统，它与传统的控制，电气，工业工程，计算机都有区别，要以互联网技术为手段，以控制论为核心，以工业原理与工业工程为基础，三者缺一不可，更要充分认识到，机械化电气化是单纯对具体工具的升级，而目前进行的数字化与即将到来的智能化，是更加侧重于管理调度上的创新与升级，由基础自动化走向先进自动化。
当然，人工智能技术对于工业升级是十分重要的，文中将其融入了工业机器人与工业互联网中，目前来看，可以将目前的人工智能技术看成一种传感器和控制器，引入各个领域。就像电力一样，如果用的好，会赋予其他产业巨大能量。
纵观过去数年，电气与控制产业风起云涌，变换多样，展望明天，一场又一场风暴在悄然生成 ，唯有不忘初心 ，不改使命 ，才能百战不败 ，百折不挠 ，以团结一致之勇气，迸发无穷力量，带来又一个美好春天！
5.4、控制工程师介绍
①控制理论的用处
在聊控制工程师这个职业之前，先来说说一个大家都比较关心问题，那就是控制理论到底有没有用，我们都知道，PID算法被一些人奉为灵丹妙药，号称解决了95%以上控制问题，为什么PID算法能够脱颖而出，因为他不需要精确的模型，而无论是时域分析法，频率分析法，校正法，再到状态空间中的LQR等经典算法，都对于系统的模型有要求。
而在公司里很少有专门搞模型辨识的人才，模型辨识和后续的控制算法设计往往交给了一个人或者一个团队，而这个团队里大部分都是以设计软件出身，由于一些现场中模型辨识的难度、模型的复杂度，以及对于模型本身的分析能力的不足，导致了现场工程师往往比较倾向于采用万能算法，而不是针对某种特定的模型进行特定的开发。
但关键的问题有两个：
一、万能算法看似适用于大部分场合，它的效果是否能够比针对有模型的算法还要好，如果是这样的话，我们仅仅需要学会PID就可以了，不需要再去深究什么模型的分析，反正你们费劲分析出来的结果也没有我调参调出来的好
二、这种被大多数人叫做万能算法的东西，能否和它的名称一样真的万能？如果是这样的话，我们也可以舍弃一些精确性来降低设计的难度，进而快速进行开发
可惜这两个问题的答案都是否定的，
首先对于PID算法，可以拿，不少工程师觉得花里胡哨没啥用的，戏称为“卡尔曼的数学把戏”的状态空间方法里经典的线性二次型最优控制来比较。
其次，我们也可以看到在一些工程中常规的PID算法没法应用，有些人看到这里就比较不服了，他们说，只要你那些花里胡哨的控制算法能用的，我用PID都可以，既然都这样说，学计算机的讲究摆代码，咱们控制就拼一下工程项目的效果吧：
可以参考：
科学网-水泥工业，我们来了！ - 朱豫才的博文
还有很多例子，没办法在这里具体介绍，比方说对波士顿动力公司机器人，它的控制方法的一些猜测和论文，很多例子表明控制理论，尤其是那些被称为数学把戏的，看上去比较复杂点的控制理论的算法还是有些用处的。
②控制工程师的需求
当然本文的主题并不是单纯的讨论哪种控制方法更好使，这东西做过项目都有自己的体悟，而是讨论一个大家更容易见到的问题，很多人在控制理论研究或者控制工程实践中，体会了各种各样方法的独特优势，但在找工作的时候却没有发现这一点。
前几天在邀请中看到了这样一条问题，就是作为一个控制理论的学生，该怎么去找工作？看到这个问题，脑海中浮现出：如果严格限制在控制理论应用里，有没有相应的工作呢？
带着这样一个疑问，打开了目前来说主流的招聘网站，（仅做分析用）
我们可以看到，在招聘要求中写出控制理论方面的要求，尤其是需要研究生阶段学习掌握的控制理论方面的要求的岗位还是不少的，大体归类就是机器人领域，无人机领域和汽车领域，在传统的plc领域也发现了一则招聘信息，但是经过查阅，占的比例是不多的。如果在这一领域需要用到控制算法的话，大多数还是需要化工工程师比较多，这里就不展开了。
对于机器人领域大范围的分析，上面已经做了一些基础的分类，这里也就不多谈了，重点看一下为什么无人机领域和汽车领域对于控制算法的需求这么多，从中也能了解到控制算法到底在什么条件下才能产生大量需求，以及控制理论的学生如何找到理想中的职位
③从公式到产品
学过控制理论或者使用过控制理论的，大多都知道这样一个事实，那就是，我们所采用的控制方法是基于系统特性，是基于对系统整体性能的把握而选择的，因此，一个良好的控制工程师，首先得是一个合格的系统分析师，无论采用数学建模的方式，系统辨识的方式还是基于现在机器学习与控制论的结合点，用机器学习的方法来进行辨识的方式，获得系统的模型
无论是无人机还是汽车，他们的动力学模型，经过长期的实践，已经开发成了成熟的体系，尤其是汽车领域，去年年底我在知乎提出了一个问题，其中一条转发量很多，点赞数更多的回答，从一定程度上揭示了汽车行业的一些特性，截取一段
我在公司里费劲千辛万苦推广MATLAB/Simulink的Model-based design解决方案，也是不出所料的被各种鄙视，遇到各种阻力。尽管我苦口婆心的解释：现在路上跑的车里面90%以上用的都是Simulink自动生成的代码，自己手写的代码是没有办法通过ISO26262...
对于MBD方法，国内的一些公司已经采取了应用，但很多公司呢，还是像原回答中说的一样使用C/C++这种情况的来面试，国内这种情况我们还需要讨论。
5.5、如何成为一名优秀的工程师
反复查看以上的对于控制工程师的工作要求，结合本身的特点，总结出了以下几点
1、首先核心是控制理论，最基本的要求是给定一个模型，给定一个需求，你能够通过自己所学的控制算法（不仅仅是PID等课本上提到的，还包括特定领域的一些工程控制算法），比较精确的完成这个需求，或者尽力的靠近这个需求。
（在这一点上本科毕业仅仅是触摸到了皮毛，如果对这点感到有疑问的话，可以阅读一下由王广雄老师出的控制系统设计这本书的前言，读完就会明白本科所涉及的控制理论处于整个体系当中的什么部分）
2、对于大部分的企业来说，没有引入MBD这种设计模式，控制工程师除了满足第1个要求以外，还需要
①掌握一门计算机语言和一门自己认为用处较多的控制器，当然这里提到控制器是指的是控制器件，不是说通过理论推导出来的控制器，这是两个概念。
②特定岗位的一些基础，比方说无人机的动力学、机器人学当中的理论推导，车辆中的车辆动力学模型，电机的一些常用特性，工业原理等等一些概念。
3、对于MBD设计模式感兴趣的可以深入了解它的具体操作流程和职业需求，这也是未来的一个发展趋势。相信未来会有很多企业采用这种设计模式，尤其是机器学习导致的辨识技术取得突破之后
4、对于机器学习，作为控制工程师要重点关注它在系统辨识上的应用，以及它为系统的辨识开发出来的一些工具，或者他在调整参数时候的一些应用，不要带有“机器学习是计算机的主场，我们不用这种不靠谱的东西”这种思想，鉴于目前机器学习在模式识别中的应用，个人对于机器学习在系统辨识上的应用持乐观态度。
最后具体从事何种工作还要看个人兴趣而定，比如同样是做机器人除了基本的控制，还可以做环境感知，集群调度等相关工作。
此外，对于工程师来说，还有一些比较通用的建议：
（1）不要把毕业当成学习的结束，而应该是学习的开始，也不要光指望别人带，一开始进入公司，有人带还好，没人带的话，大概会体会到什么是功利主义，同事不怎么教，老板默认你会，这个时候最考验人。
（2）好好规划自己的路，慎重安排自己的轨迹。逐渐对该行业深入了解，不要过于频繁的跳槽，要记住，自动化能教给你的是广泛的知识，而不是什么都学一点就能发财的思想，对哪个行业都没有摸透，就永远是新手!
（3）做技术的同时要了解行业和市场情况，切不可长期沉湎于某一种特定技术骄傲自满。因为比起大学四年，你的工作至少会持续四十年，四十年技术更新的历史都能出书了，但不是说不深入学习。
（4）不要只做技术大佬，还要做综合素质大佬。务必培养自己多方面的能力，包括财务，管理，亲和力，察言观色能力，公关能力等，技术以外的技能才是更重要的本事!古今中外，一律如此!
（5）多交社会其他领域的朋友!了解他们的经历，思维习惯，爱好，学习他们处理问题的模式，了解社会各个角落的现象和问题，学会构建自己的圈子并不断扩大，这是以后发展的巨大的本钱，毕竟你不是全能的，没有这些以后可能就会遇到重重困难，交不少学费，成功的概率大大降低!
（6）适应多种岗位的锻炼!适当时候要转变，以前搞技术也没有白搞，以后还用得着。搞管理可以培养自己的领导能力，搞销售可以培养自己的市场概念和思维，同时为自己以后发展积累庞大的人脉。
（7）逐渐克服自己的心理弱点和性格缺陷!多疑，敏感，天真，犹豫不决，胆怯，多虑，脸皮太薄，心不够细，教条式思维。。。这些工程师普遍存在的性格弱点必须改变!不克服这些缺点，一切不可能，甚至连项目经理都当不好--尽管你可能技术不错！
（8）建立自己的工作环境!及早为自己配置一个工作环境，装备电脑，示波器(可以买个二手的)，仿真器，编程器等，业余可以接点活，一方面接触市场，培养市场感觉，同时也积累资金，更重要的是准备自己的产品，搞自动化的没有别的，只有技术，技术的代表不是学历和证书，而是产品，拿出象样的产品，就可技术转让或与人合作搞企业!
（9）要学会善于推销自己!不仅要能干，还要能说，能写，善于利用一切机会推销自己，树立自己的品牌形象，很必要!要创造条件让别人了解自己，不然老板怎么知道你能干?外面的投资人怎么相信你?提早把自己推销出去，机会自然会来找你!搞个个人主页是个好注意!特别是培养自己在行业的名气，有了名气，高薪机会自不在话下，更重要的是有合作的机会.
（10）该出手时便出手!永远不可能有100%把握!!!条件差不多就要大胆去干，去闯出自己的事业，不要犹豫，不要彷徨，干了不一定成功，但至少为下一次冲击积累了经验，不干永远没出息，而且要干成必然要经历失败。不经历风雨，怎么见彩虹，没有人能随随便便成功！
扫码下载APP
科普中国APP
科普中国
科普中国
京公网安备11010202008423号