在波屯的藤校同专业在读 phd, 真心建议你能好好地申请一波北美的 phd/master. 高中高考失败后没在国内怎么呆过, 但是楼上的老哥们基本都说的很清楚了, 大体方向也都是对的.
我只举一个例子. 本校所有的理工类的 phd, 要么就是国内 TOP2 卷王, 要么就是北美专业内 TOP5,一手 6 大 offer 的, 基本都是智商触顶的聪明人. 我 social 聊过很多人, 没有哪怕一个人, 有明确的回国的倾向.
你作为国内 TOP2, 大三现在开始铆足了劲搞科研, 我相信资源应该不会差. 现在北美的计算机的薪水还在涨而且这个趋势还会持续很长一段时间, 接下来这波 AR/VR 浪潮(5 年), 机器人技术逐渐落地(10-20 年), 保守估计还有十几年的红利.

xps17 9700, i7 10850H, 64gb, 装的 popos, 基本上 4 个小时不到就没电了.....就当移动台式机在用.

一般直接进 apple tv 买.......

10 分钟前刚下单了一个 G915 TKL
个人需求是 2.4ghz 无线, 机械 /电容, 不用三天两头充电, 感觉选择没有那么多...

@Heisenbery 是不是装的 public beta, 不是开发者 beta?

练手很重要..之前在 lab 摔了快 1w 刀的各种无人机.....

其实大约半年前升级过一次, 现在至少打开微信,几秒内能从手机上把记录拉过来. 之前几年时间打开微信 watch 同步手机需要 30s 以上,直接卡死在那里.....
楼上说是 watchos 的锅的朋友, 建议体验一下 telegram 的 watch 版, 简直是两个次元.

@mxT52CRuqR6o5 确实是很有希望的，能够进入日常生活的机器人是目前最有希望的领域之一，奇点估计还有 10-20 年，但是苗头应该在 5 年之内就能看到了。计算，感知，规划，控制四大模块已经快到了融合奇点了。

楼上有朋友提到很多学科的发展已经进入挤牙膏, 其实换种思维想一想, 那就是可能我们人类在最近百年真正走在了正确的科技树上. 经典物理模型成功了几百年, 但是那是因为那个年代受限于能观察到的物理现象的尺度. 如今我们所能观察的尺度, 所能达到的实验根本不是几百年前的实验物理学家能够想象的, 某些方面上甚至可以说已经能逐渐看到极限的边缘了. 而我们现在的所能观测的大部分现象, 微观也好, 宏观也好, 都和目前的物理架构都是在大方向上吻合的.
当然, 作为科研人员, 一定要永远坚持不能迷信科学本身或者成熟大理论本身, 而且永远坚持使用正确的方法, 在现代卓越的工程能力下, 我笃信我们的科技树就不会停滞.

个人不同意这个观点, 只是人类目前得益于信息技术的发展, 二战后的全球平均生活水平的快速提升导致“科研”这一行为的“去阶级化”, 目前人类科技树的复杂,驳杂程度往往已经超出了非该领域学者的所能理解的范畴. 本人在某藤校读 phd, 朋友圈偶尔的学术 party, 各个领域的人会用比较通俗易通的方式来给不是一个领域的人讲一些前沿知识. 其实在量子计算, 核物理领域, 神经科学, 病毒学, 材料学, 机器人等(我自己的领域) 最近 20-30 年的进展都是日新月异的. 打个比方, 粒子物理几十年前是数据不够多, 现在是实时测量中数据能打到几个 TB 每秒, 反而是计算力不足, 哪怕是最新的超算也不能用来穷举验证模型. 但是最近人工智能带了了很多变革, 比如以前每秒有上千个参数的变化要去建模, 现在逐渐的能通过深度学习来筛选掉 99%的无用参数. 其他的 data-rich 的学科就更不用说了, 可以说生在这个时代的科研人员是非常幸运的.

虽然作为一个半控制领域的做机器人的小学渣时常还是会吐槽深度学习的不可靠, 但是不可否认得的是, 在很多领域它所能发光发热的上限还远远没有到, 非常期待未来 10-20 年的科研变革.

给一个参考,
2019 16‘ i9 2.3Ghz 32GB 5500M 4GB, 1T SSD, facebook 上出了 1850 刀.

@TeslaLyon 步态识别, 人体特征再识别都是已经搞了几年的东西了. 5 年前去京东做一个科研合作项目就已经是用各个线下店的海康威视后台做数据采集, 用步态+穿着, 加上大数据对客户进行线上线下的画像绑定和特定推荐.....哪有什么隐私之谈, 他们当时连后台里用户手持身份证的数据都没有做权限分离,其他的更不用说了.