官方回应:小米裁员6000人!【送书5本】
经济不景气，许多公司不得不裁员以度过难关。小米集团，即使是手机巨头，也无法幸免。
01 —大规模裁员
据悉，近期小米集团几乎所有部门都受到了裁员的影响，某些部门的裁员比例甚至高达75%。但最终，小米会将整体裁员比例控制在10%以内。
根据小米9月底的在职员工总数（35314人）来估算，本次裁员人数大约在3500人左右。小米采用了N＋2的补偿方案，即裁员员工可以获得比法定的多一个月的补偿。此外，如果员工没有休完的法定年假，可以按双倍金额折算。
很明显，小米在这次裁员中主要目的是为了降低成本，提高效率。因此，在决定是否裁掉员工时，会考虑员工的入职年限、赔偿成本、是否是管理岗位等多方面因素。总的来说，如果员工的成本很高且可以被其他人替代，那他们很可能会被裁掉。
就算是入职十年的员工，也不能幸免于难。这种做法与阿里、腾讯等大型公司的做法颇为相似。
冲顶高端手机市场失败 在2022年第三季度，小米集团的总营收为704.74亿元，同比下降9.7%，调整后的净利润为21.17亿元，同比下降59.1%。 一直以来，小米因其高性价比而备受欢迎。在早期，小米也是通过提供高于价格的参数配置和性能来快速占领市场的。 然而，随着智能手机的发展逐渐成熟，人们换手机的频率大大降低。如今，除非有意外情况，一般一部手机都能使用一到两年。 由于现在的市场环境已经不适合小米的薄利多销策略，为了维护利润，小米必须转向高端化品牌发展。
小米在冲击高端市场时，似乎缺少了些什么。 小米既没有像苹果系统一样的技术壁垒，也没有类似三星的品牌溢价。此外最近大热的2亿像素和苹果5000万的相比，在使用体验上看不出什么优势。
即使小米不断更新换代，也只不过是换了个外壳和更多的参数，很难吸引消费者的钱包。
All in 造车？ 为了应对风险并抓住机会，许多公司都将多元化经营作为发展战略之一。小米也不例外。 在去年3月，雷军大力宣布小米将进军汽车行业，并打算投资100亿美元用于造车。 目前，小米汽车部门拥有超过1800名员工，其中大部分是研发人员。小米的自动驾驶团队拥有超过500名员工。 在今年的前三个季度，小米分别投入4.25亿元、6.11亿元和8.25亿元，总投入达到18.65亿元。但是，到目前为止，小米在汽车行业的成就并不尽如人意。
目前的进度没有达到预期的主要原因是内部流程推进存在问题。如果想要在2024年上半年推出第一台小米汽车，只能着手砍掉一些计划中的功能和产品，但这将导致产品的综合实力大幅下降。
自动驾驶技术是一项非常复杂的技术，虽然坊间传闻：小米发布的自动驾驶测试视频可能经过剪辑拼接，但这并不意味着小米的自动驾驶技术完全靠剪。
自动驾驶技术是一个持续发展的过程，小米和其他公司都在努力开发和提升自动驾驶技术。在测试过程中，视频可能被剪辑是为了更好地展示车辆的表现，但这并不意味着小米的自动驾驶技术没有进步。
03 —
结语
尽管如此，面对这个烧钱的行业，小米显然早已做好准备。
“我觉得我们的投资都是经过非常仔细的盘算，用高效率的方式来做投资的。我们目前投资的效率和投资的规模对整个集团的运营不会构成重大的影响。”王翔关于造车投入对小米业绩造成影响的回应。
“这将是我人生当中最后一次重大的项目，我愿意押上我人生所有积累的战绩和声誉，为小米汽车而战。”光凭雷军赌上全部身家背水一战的决心，就算现在有再多的坎坎坷坷，相信小米也一定能把车造出来。
对于小米来说，在特斯拉等竞争对手的挑战下推出首款汽车是一个关键的时刻。尽管小米的首款汽车还要等待两年才能问世，但这并不意味着小米无法在竞争激烈的市场中取得成功。小米可以通过加强技术研发，提升产品质量和性能，以及提供优质的售后服务来构建后续的核心竞争力。此外，小米还可以利用自身在智能硬件和服务领域的优势，为汽车市场提供更具创新性的产品和服务。
最后让我们给小米一点时间，“为发烧而生”！
送书5本
《 深度学习全书——公式+推导+代码+TensorFlow 全程案例 》
赠送规则：
通过留言点赞的方式送出，
转发本文至朋友圈+文末留言
，留言点赞数量最多的5位读者将获得1本，共送出 5 本书籍！
开奖时间：
12 月29日20:00！
注意事项：最终获赠者请在24小时以内添加管理员微信👇如发现机器或者非真实流量刷赞，发现后将进入黑名单，取消获赠资格。
书籍介绍：
内容简介
深度学习已经风靡全球，对于计算机相关的从业者来说，学习其相关知识至关重要，对于非计算机领
域的从业者来说，学习这些知识也可以大大扩宽自己的视野，对科技世界的发展动向略知一二。本书作者
以统计学人的角度，从深度学习必备的数理知识出发，一步步介绍各种领域的算法和应用，帮助学习者们
构建一个完整的知识体系，做到即学即用，避免让知识成为空中楼阁。
本书共有 15 章，分为 5 部分，第一篇说明深度学习的概念，包括数理基础，特点是结合编程解题，
加深读者印象，第二篇说明 TensorFlow 的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，
逐步解构神经网络，第三篇介绍 CNN 算法、影像应用、转移学习等，第四篇则进入自然语言处理及语音
识别的领域，介绍 RNN/BERT/Transformer 算法、相关应用等，最后，介绍了强化学习的基础知识，包
括马尔可夫决策过程、动态规划、蒙特卡洛、Q Learning 算法，当然，还有相关案例实践。
读者画像
深度学习的入门者：必须熟悉 Python 程序语言及机器学习的基本概念。
数据工程师：以应用系统开发为职业志向，希望能应用各种算法，进行实际操作。
信息工作者：希望能扩展深度学习知识领域。
从事其他领域的工作：希望能一窥深度学习奥秘者。
阅读重点
第 1 章介绍 AI 的发展趋势，鉴古知今，引导读者了解前两波 AI 失败的原因，
比较第三
波发展的差异性。
第 2 章介绍深度学习必备的统计 / 数学基础，读者不仅要理解相关知识，也要力求能撰写
程序解题。
第 3 章介绍 TensorFlow 的基本功能，包括张量 (Tensor) 运算、自动微分及神经网络模
型的组成，并说明梯度下降法求解的过程。
第 4 章开始实作，依照机器学习十项流程，撰写完整的范例，包括 Web、桌面程序等。
第 5 章介绍 TensorFlow 进阶功能，包括各种工具，如 TensorBoard、TensorFlow
Serving、Callbacks 等。
第 6 ～ 10 章介绍图像 / 视频的算法及各式应用。
第 11 ～ 14 章介绍自然语言处理、语音及各式应用。
第 15 章介绍 AlphaGo 的基础—强化学习算法。
作者简介
陈昭明
成功大学统计系学士、清华大学工业工程研究所硕士。曾任职于 IBM、工研院电通所、软件开发公司、ERP
顾问公司、电信公司、财经数据库公司，目前担任 Python、机器学习、深度学习、AIoT 讲师。获 2018
年 IT 邦帮忙铁人赛 AI 组冠军、2021 年 IT 邦帮忙铁人赛 AI 组优选。
洪锦魁
中国台湾计算机专家，著名程序员与 IT 作家。横跨 DOS 时代、Windows 时代、Internet 时代、大数据
时代，纵观 IT 兴衰而笔耕不辍。台湾天龙书局 IT 图书常年霸榜专业户。其作品版权包括：中国台湾（繁
体中文）、中国大陆（简体中文）、马来西亚（马来文）、美国（英文）。写作特色：所有程序语法依特
性分类，同时以实用的程序范例进行解说，程序确保跑通，让读者可以事半功倍地轻松掌握相关知识。