Twitter新任80后印度裔CEO的职场开挂史

37岁的Parag Agrawal成为Twitter新任CEO,他是印度裔高管军团的一员,毕业于印度理工学院,曾是Twitter的CTO。Parag的晋升反映了硅谷印度裔在科技界的影响。尽管低调,他在Twitter的重要决策中发挥了作用,尤其在技术和政策实施方面。他的故事激励着更多移民工程师在硅谷追求职业发展。

草根工程师,33岁 CTO,37岁CEO;印度裔CEO军团引发思考

荣登世界500强企业最年轻CEO,他背后培养出大量硅谷CEO的印度神校也浮出水面。

文|Lianzi  来源:硅星人

“我会设身处地为你们着想......我见过(Twitter所经历的)起起伏伏,以及它所面对过的那些困境,当然也包括那些胜利和过失。”就在印度裔高管Parag Agrawal本周向全体Twitter员工发出这封邮件后,Twitter正式换帅了。

“我就是你们中的一员(I am one of you)。”这位草根工程师背景的CEO在员工信中强调。 

本周一,前任Twitter CEO 兼创始人Jack Dorsey在感恩节小长假后,公开在个人Twitter页面放出消息,自己将离任CEO一职。而这已经是他二度离任这一职位。同时,他表示,他已经找到了合适的继任者——Twitter CTO Parag Agrawal,并将CEO职位移交给他。

一时间,硅谷掀起千层浪,还没有从节假日氛围中缓过神来的硅谷人纷纷开始想要了解这位继任者的身份。因为在此前,Parag鲜少在公共视野露面,相当低调。

很快,当人们发现这是一位一代移民印度裔高管后,硅谷再次掀起了一番印度裔CEO占领硅谷的讨论。不少媒体纷纷总结了硅谷一代移民印度裔CEO的名单,谷歌、微软、IBM和Adobe等科技大公司均在列。值得注意的是,Parag今年年仅37岁,在本周一继任后,成为了世界500强企业最年轻CEO。

之所以认为自己能够“设身处地为员工着想”,是因为这位高管曾经也是工程师出身,并在Twitter内部工作十年之久。可以说,Parag在此前的硅谷名利场上,并算不得什么响亮的名字。但今天之后,这位被贴上“十年奋斗,从工程师晋升到CEO”的印度裔工程师的名字将会被更多人所熟知。 

于是,人们开始尝试在各种渠道拼凑出这位职场晋升能手的过去。而硅星人也将帮你拉开这位硅谷年轻大佬的神秘面纱。 

毕业于印度神校,草根工程师职场开挂

Parag 1984年5月出生在位于印度西北部的Ajmer市。后来随着父母工作的变动,他来到孟买。他的父亲曾经就职于印度的原子能部门,而他的妈妈则是一名教师。

Parag很长时间都就读于原子能部门的子弟学校。有趣的是,他的同班同学包含印度女歌星Shereya Ghoshal。

在他16岁的这一年,也就是2000年,在一场名为JEE-Advanced的入学考试中,他以排名第77的名次被培养了大量硅谷CEO的印度神校——印度理工学院录取。根据记录,2000年到2005年期间,每年大约有40000名学生申请参与考试,其中只有一半的人能够获得考试资格,而最终能被录取的更是整个印度的凤毛麟角。 此后,Parag又在2001年在土耳其举办的国际物理奥林匹克竞赛中获得金奖。这一年,他17岁。

2005年,从印度理工学院毕业后,他和众多“神校”毕业生一样,选择来到美国继续寻求学业。他考取了斯坦福大学的计算机专业博士生。

职业发展上,就读博士学位过程中,拥有光鲜亮丽学历履历的他,先后在微软、AT&T和雅虎公司短暂供职。根据其LinkedIn显示,除了一段职场经历超过一年,其中大多只是三到四个月的实习经历。

2012年,用了7年,Parag拿到斯坦福博士学历。同时,他以杰出工程师(Distinguished Engineer)的职位在2011年入职Twitter。根据他自己所说,当时Twitter还是个只有1000名员工的初创公司。6年后,仅33岁的Parag就已经荣升Twitter CTO。在CTO职位上工作不到三年,在昨天,他被Jack Dorsey正式任命为这家社交媒体巨头的CEO。 

直到此时,这位世界500强最年轻的一代移民CEO也才仅仅37岁。 

在担任CEO前,Parag负责Twitter的技术战略布局,同时管理着机器学习和人工智能业务的发展。2019年,Jack Dorsey曾经指认他成为Bluesky项目的负责人。Bluesky是Twitter致力于打造开放的、去中心化的社交网络而专门打造的项目。Jack Dorsey希望通过这个项目减少人们社交媒体上的误导信息,以对抗社交媒体的回声效应。 今年,这个项目由Happening公司创始人Jay Graber接管。 

在鲜有的2020年底的一次媒体采访中,Parag对《麻省理工科技评论》表示,Twitter的职责是让公众有一个健康的讨论环境。他强调,我们不该只关注自由话语权,而同时也要注意到这个社会正在发生巨变。

这一年,由于Twitter封禁了前任美国总统特朗普的Twitter账号,面临了巨大的社会舆论挑战。

由于Parag的低调,很多人对于Jack Dorsey的继任者选择感到异常惊讶。 但在Jack Dorsey的辞任Twitter中,他表示,Twitter的每个重大决策背后都有着Parag的付出。

这样的描述也被一些Twitter员工证实。一位不愿意透露姓名的Twitter高管对CNN表示,Parag一直是Twitter最大和最敏感政策背后的技术实施者。例如Twitter让用户可以选择按照公司算法或者按照时间线浏览信息流的计划就是Parag带领团队实现的。

不过CNN的报道中也指出,根据部分Twitter员工的描述,虽然Parag在公司内部受到员工的尊敬,但其管理经验也许并不充足。“他在Twitter期间大部分时间都没有直接下属。”不过,这些论调并没有获得Twitter的回应。

无论如何,昨天过后,这位37岁的印度一代移民已经成为Twitter的新任掌门人。 而他开挂的草根工程师奋斗史也再次让硅谷注意到移民人才的力量。

印度高管军团和背后的印度神校 

在Parag被正式公布即将继任Twitter CEO的时候,社交媒体上,硅谷工程师们再次发出感叹——硅谷要被印度裔“占领”了。连马斯克都忍不住转载发推,表示硅谷正在受益于印度人才。 

根据他所转载的来自Stripe CEO Patrick Collison的Twitter整理,硅谷目前包括谷歌CEO Sundar Pichai、微软CEO Satya Nadella、Adobe CEO Shantanu Narayen、IBM CEO Arvind Krishna 和Palo Alto Networks CEO Nikesh Arora 等科技公司的一把手目前都是一代印度裔移民。 

硅星人将这些人的背景大致做了一个整理,发现他们大多有三个共同特征。首先,他们都是印度土生土长来到美国的一代移民。第二,除了新加入军团的Parag,这些硅谷大厂掌舵人的年龄都在50岁左右,且全部集中在49-53岁这个年龄区间。第三,包括Sundar pichai、Arvind Krishna、Nikesh Arora,以及Parag在内的CEO们都有着同样的本科背景——全部毕业于印度神校印度理工学院(Indian Institue of Technology)。  

夸张点说,这所学校几乎快要包揽了硅谷大厂决策人的职位。电视节目《60分钟》甚至这样形容这所学校:把哈佛、麻省理工、普利斯顿大学加在一起,就是印度理工学院在印度的地位。这所学校毕业出来的学生被全世界的科技公司和顶级学府跨国疯抢。例如美国George Mason大学每年就会全额资助60位来自印度理工学院的学生来美国就读,并且帮助他们安排美国企业的实习。

在1953年建校以来,这所学校已经有超过25000名校友定居美国。在硅谷,这所学校也有着庞大的校友网络和人脉资源。而硅谷印度裔职场的帮扶环境也和这所学校的庞大资源人脉网不无关联。

实际上,除了印度裔外,较晚来到硅谷的华人工程师们在过去几年,也在硅谷的职场上有了比过去更亮眼的发展。相对比那些50多岁的早期移民硅谷的印度裔科技人才在这几年占据了硅谷科技大厂半壁江山,华人里也有越来越多的人逐步在科技公司里崭露头角。

总部位于硅谷的AMD就曾在2014年任命了苏姿丰为其CEO。此外,更晚一些从大陆来硅谷的工程师也在这两年在硅谷被主流所注意到,其中不少都已经在科技大厂担任了副总裁及以上职务。

例如在过去两年由硅星人举办的SYNC大会上,Facebook 副总裁贾宏钟、谷歌副总裁皮嘉、谷歌副总裁Yanbing Li、Twitter副总裁杨蕾以及Pinterest前高级副总裁Fan Li就曾经在职场活动上为超过3000名华人工程师分享过自己的职场成长历程。

其中不少华人副总裁都表示,非常希望能够在建立硅谷华人工程师互帮互助环境中付出自己的努力。 目前,也有越来越多的华人工程师职场组织尝试在硅谷无偿、义务地帮助工程师们完成职场成长,甚至建立华人职场帮扶网络。 

可以预见的是,随着时间的推移,这一批华人高管将继续成长,甚至有望打造出华人工程师的硅谷职场神话。 

内容概要:本文围绕“考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置”的Matlab代码实现展,提出一种结合电能交互机制的双层优化模型,用于解决冷、热、电多能耦合背景下多微网系统的协同规划与运行问题。研究采用多场景分析方法应对可再生能源出与负荷需求的不确定性,通过上层规划设备容量配置与下层优化多时段运行策略的联动,提升系统在复杂环境下的经济性、鲁棒性与能源利用效率。所提供的Matlab代码集成了建模、求解(如YALMIP+CPLEX)与结果可视化全流程,涵盖场景生成与削减、双层优化结构设计及多能流协同调度等关键技术环节,为综合能源系统优化提供了完整的算法实现与技术参考。; 适合人群:具备电系统、综合能源系统或优化建模背景,熟悉Matlab编程与数学规划方法,正在从事相关领域科研或工程设计工作的研究生、高校研究人员及能源行业技术人员。; 使用场景及目标:①展冷热电联供(CCHP)多微网系统的容量规划与运行优化研究;②支撑含分布式能源、储能及多能转换设备的综合能源系统多目标、多场景优化建模;③学习与复现双层优化、分布鲁棒优化及场景分析等先进优化方法在能源系统中的实际应用。; 阅读建议:建议结合配套文献与代码同步研读,重点理解双层模型的构建逻辑、变量耦合关系与求解技巧,关注场景生成方法与YALMIP调用细节,通过调整参数、修改目标函数等方式进行仿真实验,以深化对系统优化机理的掌握。
内容概要:本文系统研究了单相逆变器闭环控制下的PWM调制模型,基于Simulink平台构建完整的逆变电路仿真系统,涵盖主电路拓扑、闭环控制器设计、脉宽调制信号生成及输出滤波等关键环节。通过引入比例积分(PI)反馈控制策略,实现对输出电压幅值与波形的精确调节,有效抑制负载扰动带来的影响,提升系统的动态响应能与稳态精度。仿真过程详细展示了系统建模、参数整定及性能验证的全流程,重点分析了闭环控制在改善输出正弦波质量、降低谐波畸变率方面的优势,为电电子逆变装置的研发与优化提供了可靠的理论支撑与实践参考。; 适合人群:具备电电子技术、自动控制原理基础知识及相关仿真经验的高校研究生、科研人员,以及从事新能源发电、不间断电源(UPS)、微电网、电动汽车等领域的工程技术人员。; 使用场景及目标:①掌握单相逆变器闭环控制系统的设计与建模方法;②深入理解PWM技术与反馈控制在逆变系统中的协同工作机制;③通过Simulink仿真平台完成系统搭建与参数调试,服务于课程设计、毕业课题、科研项目或工业产品发中的逆变器控制算法验证。; 阅读建议:建议结合经典控制理论与电电子变换技术同步学习,动手复现仿真模型并尝试调整PI控制器参数、载波频率等关键变量,观察其对系统稳定性与输出性能的影响,从而深化对控制机理的理解,并为进一步研究并网逆变、多电平逆变等复杂系统打下坚实基础。
代码转载自:https://pan.quark.cn/s/36f2a379e44e 所讨论的核心内容涉及运用Keras所训练的`.h5`模型对实例进行检测,此任务在深度学习领域内十分普遍。`.h5`作为Keras库保存模型构造与权重的文件类型,使得训练后的模型能够被储存,并在必要时被载入以执行预测操作。在始前,务必确认已配置好Python 3.6的环境,并安装了opencv及Keras相关库。本案例中选用的数据集是MNIST,它是一个常用于手写数字识别的标准数据集。MNIST中的图像均为28x28像素的灰度图,因此在测试个人图像时,也需将其调整为相同的图像规格。若手写数字的背景并非黑色,比如呈现白底黑字的情况,可能会对模型的识别能产生影响,因为模型在训练阶段所适应的是黑底白字的图像。因此,在测试阶段,必须保证图像被转换为黑底白字的格式。测试代码的主要步骤包括:首先,运用`load_model`函数载入`.h5`模型文件,例如使用`model = load_model(fm_cnn_BN.h5)`进行操作。其次,通过`cv2.imread`函数读取图像,再借助`cv2.cvtColor`函数将图像从RGB色彩空间转换为灰度色彩空间。同时,要确保图像的尺寸与训练模型时的输入尺寸相匹配,一般设定为28x28像素。接着,利用`reshape`方法将图像数据调整至模型所要求的维度。对于MNIST数据集而言,这通常意味着将图像转化为一个一维数组,其形状为`(1, 1, 28, 28)`,其中1代表批次大小,其余部分则分别表示图像的通道数、宽度和高度。然后,对数据进行标准化处理,将像素值缩放到0到1的范围内,这通常通过除以255来实现。最后,运用`predict_cl...
内容概要:本文系统阐述了基于数据驱动的模型预测控制(MPC)方法在电系统机组组合优化中的应用,并以IEEE24节点系统为案例进行了Matlab代码实现。该方法融合实际运行数据,充分发挥MPC滚动优化与反馈校正的优势,对发电机组的启停计划与出进行多时段动态优化,旨在实现电系统运行的经济性、安全性与可靠性的协同提升。研究内容涵盖优化模型的数学构建、系统约束(如功率平衡、机组爬坡率、最小启停时间等)的处理、多目标函数(如燃料成本、启停成本)的设计,以及在MPC框架下的高效求解流程,充分体现了数据驱动方法与先进控制理论在复杂电系统调度决策中的深度集成与优越性。; 适合人群:具备电系统分析、优化理论基础及一定Matlab编程能的研究生、高校科研人员以及从事电系统调度、能源管理等领域的工程技术人员。; 使用场景及目标:①应用于电系统日前或实时调度中的机组组合问题,为调度员提供科学决策支持;②研究在风电、光伏等新能源出具有强不确定性的背景下,数据驱动的MPC策略如何提升调度方案的适应性与鲁棒性;③为电系统优化算法的研究、发与仿真验证提供一个结构清晰、可复现的技术范例和代码参考。; 阅读建议:建议读者结合所提供的完整Matlab代码与IEEE24节点标准系统的详细参数,分模块调试与运行程序,深入理解从数据预处理、模型构建到MPC滚动求解的全过程。在掌握核心逻辑后,可进一步尝试引入更复杂的实际约束条件,或将其拓展应用至其他节点系统或不同的不确定性建模场景中,以深化对方法的理解与创新能
内容概要:本文提出了一种考虑阶梯式碳交易与供需灵活双响应的综合能源系统优化调度模型,并通过Matlab代码实现。该模型深度融合了阶梯式碳交易机制与电系统中需求侧及供给侧的灵活响应能,构建了一个涵盖电、热、气等多种能源形式耦合的综合能源系统框架。通过引入阶梯碳价机制,有效激励系统低碳运行,同时结合需求响应与供给调整的协同优化策略,显著提升了系统运行的经济性与环保性。研究采用先进的数学优化方法对模型进行求解,实现了对系统内各能源单元出、储能设备调度、负荷转移等关键变量的全局最优配置,为实现能源高效利用与碳排放最小化的双重目标提供了科学支撑。; 适合人群:具备电系统、能源系统建模或优化调度等相关背景的科研人员与工程技术人员,特别适合从事综合能源系统规划、低碳调度策略、碳交易机制设计等方向研究的研究生及高校教师。; 使用场景及目标:①深入研究阶梯式碳交易机制在综合能源系统中的建模方法与应用效果;②实现供需双侧灵活互动下的系统经济性与低碳化协同优化调度;③为区域能源系统的低碳转型提供量化分析工具与决策支持依据;④作为Matlab平台下能源系统优化建模的教学案例或科研复现参考。; 阅读建议:建议读者结合提供的Matlab代码逐行解析模型构建过程,重点掌握目标函数与约束条件的数学建模逻辑及其程序实现方式。在学习过程中应积极尝试调整碳价阶梯参数、改变负荷响应场景以观察系统优化结果的变化,从而深化对模型机理的理解。同时,可将本模型与单一碳价或其他需求响应模型进行对比分析,进一步拓展研究视野与创新思路。
评论 18
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值