星期四, 2月 11, 2010

外包與企業義務—世界是平的

我成長的康乃狄克州紐敦倫,在十九世紀是捕鯨業中心。到了六、七○年代,鯨魚已消失無蹤,該地的主要雇主大都與軍方有關。在越戰時代,一點都不值得驚訝,我同學的父母都是在造船廠、海岸防衛隊工作。冷戰結束,地方的經濟型態又再次改變,如今該地是以賭場及輝瑞藥廠的研發聞名。一些工作機會消失了,別的機會被創造,一些技術會過時,別的技術被學會。地方會改變,人也會改變,紐敦倫並不算獨特。

有多少工廠小鎮看著鎮中的工廠關門歇業?又有多少製鞋小鎮留不住外移的鞋廠?有多少城市曾是紡紗的重鎮,如今卻從中國進口衣料?

轉變是困難的,轉變對突然遭逢變化者尤其困難,對無法適應變化者亦然。但是變化是自然的,不是現在才有的現象,他甚至是重要的。目前有關產業外移的討論非常熱門,但是有關工作流至中國、印度、墨西哥的討論,其實與當年潛艇製造離開紐敦倫、製鞋業離開麻州、紡織離開北卡州的到論,沒有什麼不同。何處可以把工作做的最符合效益又最有效率,工作就會移往何處。到頭來我們的紐敦倫、紐貝佛、紐約所賺到的好處會比班加洛與深圳的受益還要大。我們賺到,因為他釋放了人力與資金去做不同的工作,更高層次的工作。而且我們能以更低的成本做生產,使消費者與企業兩蒙其利。

當然,要一般人想像自己的工作出走,移轉至數千哩外,由年薪低起千美元的人所接手,一定會很痛苦。但現在不該只想到痛苦,也該想想機會。我們也不只該想想機會,還該正視隨之而來的義務。每一個人,正如每一家公司,都應該顧好自己的經濟前途,正如我們在工廠上班的父母以及祖父母一樣。

——美國路透社負責人 David Schlesinger,在裁減四分之一員工並外包部份業務時,發給編輯部同仁的一份備忘錄。

沒有留言:

lec-1 (2022-05-12) Accelerating deep learning computation & strategies

雖然用 DNN train/predict model 也好一陣子了,但這週才是第一次搞懂 cuDNN 是作什麼的 以前好奇過 tensorflow/pytorch 是怎麼做 convolution 的,FFT 不是比較好嗎? 下面的 reference 就給了很好的解釋: Wh...