王津程、簡陽和江浩來自不同的學(xué)校和專業(yè)，有著許多共同的特點：比如年輕、比如熱愛所學(xué)的專業(yè)、向往美國的科研環(huán)境等。但本章要討論的，是他們明顯出高于同班同學(xué)、高于大部分同齡人、甚至高于很多前輩的眼界。

他們知道的太多——指導(dǎo)普通學(xué)生的那些信息遠遠不能滿足他們，我不得不在腦子里開一臺挖土機使勁挖出數(shù)據(jù)來滿足他們的發(fā)問。

王津程在收到卡內(nèi)基梅隆大學(xué)的錄取后專程從西安來到北京的美國大使館辦理簽證，那天他有些無奈的對我說：“當(dāng)我告訴老師和考研的同學(xué)們我要去卡內(nèi)基梅隆大學(xué)讀碩時，他們竟然不知道這所學(xué)校！”

內(nèi)陸大學(xué)生和老師的眼界讓我汗顏，一個學(xué)計算機或者電子工程的人如果不知道卡內(nèi)基梅隆大學(xué)，就像一個網(wǎng)絡(luò)工程師不知道雅虎、一個做投行的人不知道中金、一個在北京律所混的人不知道金杜。

環(huán)境決定眼界，眼界決定境界。

向我咨詢的學(xué)生中有不少是二本院校、或者一本非名牌高校的學(xué)生，我發(fā)現(xiàn)他們內(nèi)心普遍有一種潛在的自卑感——高考的分流好像給他們貼上了一個尷尬的標(biāo)簽：“我不如名牌大學(xué)的學(xué)生”，或者“我本來應(yīng)該上名牌大學(xué)的”。大部分人認為只有考上名牌大學(xué)的研究生，人生才可以翻盤。于是大學(xué)的美好光陰集中消耗在了政治、英語和考研專業(yè)課書本上面，而真正需要掌握的專業(yè)技能和成年人需要具備的眼界、自信與批判思維卻遭到了冷落。

這些非名牌的大多數(shù)，往往在工作了幾年之后才會慢慢扭轉(zhuǎn)對于“名牌”大學(xué)的盲目崇拜或者恐懼——他們在工作中跑贏了名牌高校的畢業(yè)生，或者見多了“名牌”但不優(yōu)秀的人。

幸運的是，總有一些非名牌院校的青年，能夠不卑不亢、腳踏實地、持之以恒地奮斗。他們掙扎著、努力看到老師和同學(xué)的目光之外，早早的撕掉“名牌”與“非名牌”的標(biāo)簽，在人生的后半段賽跑中后來居上。比如本科就讀于陜西科技大學(xué)的王津程，并沒有像身邊的同學(xué)那樣認為清華、上交（上海交通大學(xué)）或者北航有多么了不起，他腳踏實地的做項目、讀文獻，在本質(zhì)上提升自己的優(yōu)秀程度，最終拿到了絕大部分清華、上交或者北航的學(xué)生拿不到的卡梅的錄取通知書。

我們再來認識一下簡陽，他雖然只是大三的學(xué)生，但對于網(wǎng)絡(luò)技術(shù)的看法已經(jīng)在很多博士生的水平之上。清華大學(xué)對于博士生在申請畢業(yè)論文答辯時至少應(yīng)在核心刊物、國外刊物、國際會議上發(fā)表或被錄用4篇論文，簡陽已經(jīng)發(fā)表了12篇國際會議論文。他在學(xué)校經(jīng)常有機會聆聽大師的講座，還因投稿的論文被收錄而受邀去國外參加國際會議，看到了業(yè)內(nèi)最前沿的科研動態(tài)。

在同國外的博士生導(dǎo)師聯(lián)系時，簡陽的專業(yè)水準(zhǔn)得到了充分的認可，比如普林斯頓大學(xué)（Princeton University）的Jennifer教授在收到簡陽的第一封套詞郵件時回信寫道：

Yang,

Hi, great to hear from you. My recent research has focused on enterprise and data center networks, though I still have a few ongoing projects related to interdomain routing as well. I've been interested in ways to make enterprise and data center networks easier to manage, and how to design networks that support geo-replicated services through load balancing and new networking architectures. I generally like research that addresses an important, practically-motivated problem, and either brings interesting theoretical techniques to bear on the problem (, optimization theory, game theory, crypto, algorithms and data structures) or involves designing and building a real system, or both. I work pretty closely with companies (Google, Intel, AT&T, Microsoft) to learn more about the challenges they face, gain access to measurement data, and have a way to transfer research ideas into practice. Lately I've also been using the OpenFlow switch platform in several of my projects, and we are doing a deployment in our department network at Princeton. I collaborate with several other faculty, including Mung Chiang (in Electrical Engineering at Princeton), Mike Freedman (in CS at Princeton), Nick Feamster (at Georgia Tech), Nick McKeown (at Stanford), Scott Shenker (at UC Berkeley), and Matt Caesar (at UIUC).