---
id: "2092573687799066962"
title: "摩根大通愿意给能从零推导它的工程师开出35万美元年薪。 每台核磁共振机、每个音频压缩算法、全球每一个信号处理器，底层跑的…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
published_at: "2026-08-26 21:36:25"
translated_x_url: "https://x.com/i/status/2092751680366342378"
canonical_url: "https://mubeitech.com/p/2092573687799066962"
markdown_url: "https://mubeitech.com/p/2092573687799066962/markdown"
json_url: "https://mubeitech.com/api/posts/2092573687799066962"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 摩根大通愿意给能从零推导它的工程师开出35万美元年薪。 每台核磁共振机、每个音频压缩算法、全球每一个信号处理器，底层跑的…

摩根大通愿意给能从零推导它的工程师开出35万美元年薪。
每台核磁共振机、每个音频压缩算法、全球每一个信号处理器，底层跑的都是它。
傅里叶变换。

它到底凭什么撑起半个现代信息世界？
1807年傅里叶搞出这套工具，原本只是为了算算热量在金属棒里怎么扩散。
在时间维度上，那是难到让人抓狂的偏微分方程。
换到频率维度，它瞬间变成了初等运算。
变换进去，解出来，再变换回来。

为什么现代工程完全离不开它？
时域里极其繁琐的信号滤波、降噪和音频压缩，在频域里全变成了几道乘法。
还有那个除了单点无穷大、其余全是零的狄拉克δ函数。
当年数学家说它根本不是函数，工程师直接拿来用，四十几年后数学界才把它证明合理。
它的傅里叶变换是均匀的常数：时域越集中，频域越分散，这是所有信号的普适定理。

但这套算法曾经撞上一堵算力高墙。
1024个采样点的常规矩阵乘法，需要算上一百多万次。
这要怎么解？
麻省理工学院（MIT）的吉尔伯特·斯特朗（Gilbert Strang）教授，在黑板上把这个矩阵给拆解了。
利用奇偶置换和递归分解，大矩阵被层层剥开。

运算量瞬间从一百多万次骤降到五千次，计算速度当场飙升两百倍。
这就是改变世界的快速傅里叶变换（FFT）。
有苹果工程师在接手重大项目前，特意重温了老先生的这堂课。

---

_Translation: <https://x.com/i/status/2092751680366342378>_
_Canonical: <https://mubeitech.com/p/2092573687799066962>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-08-26 21:36:25_