第一次认真和 WJ 讨论法国，是在一份学校名单已经来回改了很多轮之后。
那时候他其实已经把美国那套申请逻辑走得很熟了。
本科在 Emory University 读应用数学，后来在 上海迪士尼做planning analyst，白天处理的是 labor forecasting、resource allocation、各种变量之间的平衡，晚上回来再把课程表、项目说明、研究方向一页页拆开来看。
这类学生有一个很明显的特点：材料通常很早就成形。
当然，作为中介老师，接到这样的学生case应该都会欣喜若狂，毕竟太省心了。
他第一次发给我的 CV，几乎没有什么情绪。
每一行都摆得很稳：学校、课程、项目、工作、数字，像一张已经排好参数的表，根本没有什么值得修改的地方。
项目自带一种很典型的理科训练痕迹：portfolio optimization，hospital profitability modelling。
我看完之后跟他说：“这份材料没有问题，但它太像一份系统自动会喜欢的材料。”
他说，这不就是申请本来应该做的吗？
我当时没有急着往下接，因为我知道藤校的逻辑。
很多已经在美国体系里读过名校的学生，一开始都会默认相信这件事：材料越清楚越好，标签越稳定越好，逻辑越快成立越好。
这种理解当然没错，因为美国很多时候就是这样工作的。
系统先抓取你来自哪里，看见你已经完成过什么，再迅速判断你大概属于哪一类申请者。
它是一套效率很高的识别机制。
对于已经完成度很高的人，这套机制往往非常顺畅，WJ 本来也天然适合这种路径。
所以最开始，当他找我们申请法国院校时，他并没有觉得法国硕士是最优解，只是一个保底。
毕竟法国的数学好像听说挺强的。
他也问得很直接：如果未来还是想回美国读 PhD，中间是不是继续在美国读硕士更好啊？
这个问题，后来我们来来回回聊了很久。
准备面试的时候，他发现一门概率课程的设置，突然说，这门课如果放在美国，可能会更早地被拉去接应用。
停了一下，他又补了一句：
“所以法国是不是不太着急证明你马上能用？”
我说是。
因为法国和美国在教育上，看待“人”的方式很不一样。
美国教育很擅长快速确认一个人已经具备什么。
法国教育更像是在问：你这个人接下来还可能长成什么。
当然这不是说法国学校不看成绩，不看背景。
但走到后面，法国教育一直在试图确认另一件事：
你面对复杂问题的时候，会不会停下来，怀疑一个已经成立的结论？
会不会在没有立刻产出的情况下，继续把一个概念往下追？
这几年我申请做的越多，反而越来越明白我自己读书时候那些对讲义不解的地方了，我想法国硕士最容易被低估的地方就在这里。
我们总习惯把硕士理解成下一段更高一级的技能累加，但法国教育根本恰恰不急着把你收成一份完成品。
就算硕士没有把人培养成完成品，也不影响法国教育在全球的认可程度（可能不包括国内的部分HR）。
WJ 对法国教育这件事的理解，是后来慢慢变得具体的。
也是差不多那段时间，他开始认真思考自己曾排在AI专业后面的的第二志愿，量子计算。
很多人一听量子，会下意识觉得那是纯物理，太可怕了。
其实想错了。量子计算恰恰是解决的是普天之下的平常事。
我们都知道，计算变量的时候，如果变量少简单路径用纸笔算，但如果变量多，这种复杂路径就用计算机好了。
但这里面有个度的问题。
如果只有几千几万种可能，计算机一条条试，对它来说很快。
如果是十亿种，再快的机器也会开始变得笨拙，真的是来不及。
我们都能看懂的是，这个来不及有个名字，叫死机。
死机似乎不是一个时间问题。
这意味着，不是说，我们等一等，就不死机了，而是等的尽头，还是死机。
而量子计算，是来解决这个问题的。
简单来说，量子计算是多个状态先同时展开，再通过干涉，把错误路径削弱，把真正有价值的路径慢慢放大。
它背后区别于传统计算的本质，是搜索答案的方法。
其实未来最先真正被量子影响的，反而是很多非常现实的问题：药物分子模拟，大规模物流系统，密码体系更新。
这个计算量，不是单纯时间的问题，是算力不够要死机的问题。
而解决问题的思路，是量子化的。这就是量子计算的简介。
我就拿这个话题跟WJ说，咱来个哲学推导。
量子方向真正需要的，可不只是懂量子的人。
一个懂算法的人，懂优化的人，懂复杂系统的人，可能更懂量子也说不定。
可以和量子一样，在做选择是，在几个方向之间都停一停。
就好像量子计算一样，品一品法国教育的这种逻辑。
后来，AI和量子的offer都来了，有马塞大学，有IP Paris等等。
要是按照排名来选择，选学校应该没有悬念。
要是按照冷热程度来选择，选AI应该基本等同于高薪高职了。
但WJ到今天还没做出这个决定，他只是提前到了法国，到处先看看。
