1 背景
最近有两个热点新闻，（1）"孟晚舟建议不要选和机器竞争的职业，根本不是它的对手"；（2）"周鸿祎建议萝卜快跑把无人出租车卖给司机，可实现三赢"。
技术的变革在互联网领域是比较常见的，正如目前的自动驾驶技术，几乎每一年都有新的技术落地。
在当今快速发展的技术时代，企业和个人都面临着一个关键问题：是应该不断更新自身的技术，还是应该利用新兴的、可能颠覆行业的新技术来实现目标？这个问题也许会困扰很多已经工作的朋友。这个问题并没有简单的答案，因为它取决于多种因素，包括行业特性、市场趋势、资源可用性以及战略目标等。在日新月异的科技时代，这个问题如同双刃剑的两面，既考验着个体的成长策略，也映射出企业乃至整个行业的生存哲学。技术的飞速发展，不仅改变了我们的生活方式，更深刻地影响着每一个行业的竞争格局。
2 不断更新自身技术：持续进化的动力
首先，从个人层面来看，不断更新自身技术是保持竞争力的关键。在这个知识爆炸的时代，技术的更新速度远远超过了人们的想象。只有不断学习新知识，掌握新技能，才能在激烈的职场竞争中立于不败之地。对于技术人员而言，这意味着要紧跟技术前沿，参与开源项目，阅读最新的技术文献，甚至通过自学或参加培训课程来提升自己的技术水平。这种持续的学习和实践，不仅能够拓宽视野，还能在解决问题的过程中不断积累经验，形成独特的竞争优势。
从企业角度来看，不断更新技术则是保持创新力和市场敏感度的必要手段。企业需要通过研发投入，推动产品和服务的迭代升级，以满足市场和消费者的不断变化需求。同时，技术更新还能帮助企业降低成本、提高效率，从而在激烈的市场竞争中占据有利地位。例如，通过引入自动化生产线和智能化管理系统，企业可以大幅提升生产效率，减少人力成本；通过数据分析和人工智能技术的应用，企业可以更精准地把握市场趋势，制定更有效的营销策略。
将其中的优势其总结为以下几点：
- 增强竞争力：持续的技术更新可以确保企业在激烈的市场竞争中保持领先地位。
- 提高效率：随着技术的迭代，可以提高生产效率和服务质量。
- 降低风险：依赖经过验证的技术可以减少因技术故障带来的风险。
然而，不断更新自身技术也存在一些局限性：
- 成本问题：技术更新可能需要大量的研发投入和资金支持。
- 学习曲线：新技术的学习和实施需要时间，可能会影响日常运营。
- 创新瓶颈：过分依赖现有技术可能限制创新思维的发展。
3 利用新技术：智慧选择的策略
然而，仅仅追求技术的更新并不足以保证成功。在快速变化的市场环境中，如何高效利用新技术带来的机遇同样重要。对于企业和个人而言，学会评估新技术的价值和适用性，选择那些能够真正提升竞争力、解决实际问题的技术进行应用，才是明智之举。
利用新技术，意味着要具备敏锐的洞察力和判断力，能够准确识别出哪些技术趋势将对未来产生深远影响，并提前布局。同时，还需要具备强大的资源整合能力和执行力，能够将新技术与现有业务深度融合，创造出新的商业模式和价值增长点。例如，在数字化转型的大潮中，许多传统企业通过引入云计算、大数据、物联网等新技术，实现了业务的智能化升级和流程的优化重构，从而在市场中焕发出新的活力。那么可以将其中的优势总结为以下几点：
- 快速部署：利用现成的新技术可以快速实现特定的业务需求。
- 成本效益：相比自主研发，利用现有技术可能更具成本效益。
- 灵活性：采用新技术可以快速适应市场变化和客户需求。
- 性能突破：新技术往往带来性能的显著提升或成本的大幅降低。
- 新市场开拓：新技术可能开启全新的市场和应用领域。
利用新技术的局限性包括：
- 依赖性：过度依赖外部技术可能影响企业的自主性和控制力。
- 整合问题：新技术与现有系统的整合可能面临兼容性和集成性挑战。
- 安全风险：新技术可能带来安全和隐私方面的新风险。
- 高不确定性：新技术可能未经市场验证，存在较大的实施风险。
- 资源投入：学习、开发和部署新技术需要大量的时间和资金投入。
- 技术过时：盲目追求新技术可能导致资源浪费在最终未能普及的技术标准上。
4 平衡策略
在实践中，企业和个人往往需要在更新自身技术和利用新技术之间找到其中的平衡点：
-
核心能力：对于企业的核心能力和产品，持续的技术创新是必要的。
-
辅助技术：对于非核心领域，可以考虑利用市场上的成熟技术。
-
技术监控：建立技术监控机制，跟踪新兴技术的发展和应用。
-
风险管理：评估新技术的风险和收益，制定相应的风险管理策略。
-
人才培养：培养具备新技术知识和技能的人才，以适应不断变化的技术环境。
在实践中，最成功的企业往往采取一种平衡的策略，结合了不断更新自身技术和利用新技术的优势。
-
持续改进：在核心业务领域，持续改进现有技术，确保稳定性和客户满意度。
-
技术监测：建立技术监测机制，跟踪行业内外的新兴技术发展。
-
敏捷开发：采取敏捷开发方法，快速原型和迭代，以评估新技术的适用性。
-
风险管理：通过多元化投资和合作，管理引入新技术的风险。
-
人才培养：培养员工的终身学习能力和适应新技术的能力。
5 案例分析
通过下面几个例子，读者朋友们应该更容易明白上面的论点。
- 智能手机行业：苹果公司通过不断更新iOS系统和硬件技术，同时引入如AR、AI等新技术，保持了其市场领导者的地位。
- 电动汽车行业：特斯拉不断更新其电池和自动驾驶技术，同时积极采用新材料和制造工艺，以维持技术领先。
- 非AI从业者与大模型：对于非AI从业人员来说，是否应该钻研大模型还是利用大模型，主要取决于其个人目标、兴趣、时间资源以及应用场景的需求。
下面以大模型举例，虽然大模型的出现震撼了不少人，但很多人对此似乎并不重视，其实利用好大模型是有益于自己的工作和学习。
（1）利用大模型
-
快速应用：非AI专业人员通常不具备深入开发或优化大模型的技能和时间，但可以利用现有的大模型（如GPT系列、BERT等）快速应用到实际场景中。这些模型已经过充分训练和验证，能够直接用于文本生成、问答系统、情感分析等多种任务。
-
降低成本：自行开发大模型需要大量的计算资源和时间投入，成本高昂。利用现有的大模型可以显著降低这一成本，使非AI专业人员也能享受到AI技术带来的便利。
-
易于上手：许多大模型都提供了易于使用的API或SDK，非AI专业人员可以通过简单的编程或配置即可实现复杂的功能，降低了技术门槛。
（2）钻研大模型
-
深入理解：虽然非AI专业人员可能不需要深入到底层的算法实现，但了解大模型的基本原理、训练过程和应用范围有助于更好地利用其优势，避免误用或滥用。
-
定制化需求：在某些特定场景下，现有的大模型可能无法满足特定的需求。此时，非AI专业人员（或与其合作的AI专家）可能需要对大模型进行微调或定制开发，以适应特定的应用场景。
-
长远规划：对于有志于在AI领域长期发展的非AI专业人员来说，钻研大模型可以帮助他们建立更扎实的理论基础，为未来的职业发展打下基础。
（3）综合考虑
- 个人目标：如果目标是快速应用AI技术解决实际问题，那么利用大模型是更合适的选择。
- 兴趣与资源：如果对AI技术有浓厚兴趣，并愿意投入时间和精力去钻研，同时也有相应的资源和支持，那么钻研大模型也是可行的。
- 应用场景：考虑具体的应用场景和需求，选择最适合的方式。如果应用场景对模型的精度和定制化程度要求不高，利用现有大模型即可；如果需要高度定制化的模型，则可能需要考虑钻研或寻求专业AI人员的帮助。
总之，非AI专业人员可以根据自身情况选择是钻研大模型还是利用大模型，关键在于明确目标、评估资源和需求，并做出合理的选择。
6 结论
无论是不断更新自身技术还是高效利用新技术，都是适应时代发展、保持竞争力的必要手段。在快速变化的技术浪潮中，我们需要保持对新技术的好奇心和学习热情，不断提升自身的技术水平；同时，也需要具备敏锐的市场洞察力和判断力，善于抓住新技术带来的机遇，将其转化为实际的生产力和市场竞争力。只有这样，我们才能在未来的竞争中立于不败之地，共同开创更加美好的未来。