關注技術更新，基於怎樣的應用策略

1、變化纔是本質

熵，是混亂和無序的度量，無序的變化遠遠高於有序。熵的關鍵在於熵值會隨着時間推移而增長。也就是說，一切事物會從有序趨向無序。

生命、思想以及人類奮鬥的最終目的：創造能量和信息克服熵的浪潮並開闢有利秩序的庇護所

​ ---------------- 史蒂文·平克，心理學家、認知科學家

技術老是進行着這樣一種循環，爲解決老問題去採用新技術，新技術又引起新問題，新問題的解決又要訴諸更新的技術。

​ ---------------- 摘錄 《技術的本質》

軟件技術固然也逃不出這個循環，隨着新的思想、新的方法出現，技術在不斷升級更新。若是從業人員僅僅知足於黑盒式使用，對技術的換代更新應接不暇，心累身累學不過來，也就避免不了被時間淘汰。

再摘錄一段關於基因和環境選擇的文字以下：

基因有遺傳和突變，突變有線性突變也有離散突變，環境對突變進行優勝劣汰的選擇。

​ ---------------- 摘錄《適者降臨》

生物進化和天然淘汰是個複雜的過程，基因有顯性和隱性的區別，在影響可觀察的表徵性狀上也比較複雜，涉及到多組鹼基對的相互做用。但在無窮多的的組合中爲什麼出現了「特定」的突變至今是個難解之謎（這個「特定」是相對如今的人類而言）。

既然變化是萬物宿命，那咱就談談應對的方法和策略。面對變化通常有兩種並不相互排斥的策略（說到變化，那就無可避免的要談《易經》，這裏只列個條目），

一種是，天行健，自強不息；有能力在清晰的自我認知上，不斷創造出適合本身需求的解決方案。這是技術驅動的最佳引領表現。

另外一種是，地勢坤，厚德載物；努力認清本身的需求，客觀看待所處階段，因勢利導，在選型和微創新方面，組合出本身的解決方案。在量變到質變的技術積累過程當中前行。

2、軟件認知範圍內的考量

從技術架構實現與防腐的角度，創造和重構的區別是有無基礎，隨軟件產品發佈後使用時間的推移，不可避免有功能的增、刪、改，這符合產品的生命週期。架構自己就是基於當時需求認知上（這個需求是會變化的），利弊權衡的結果，天然也就有了適應性表現上的利弊。新技術的應用推進產品進化，客觀需求也在選擇新技術的應用（經過選擇產品和產品的功能）。軟件開發和重構有一套方法論，在這裏不作深刻討論。

從系統的角度，有具體問題，就有系統問題的。從人類目前所認知的解決方式來講【注：總體是各部分的組合，這個叫還原論；如今廣泛接受的是，總體大於部分之和。這是線性系統和非線性系統表現出來的特徵。】，軟件架構演進也經歷了從線性到非線性的進化【注：各局部之間的信息處理及相互適應產生的複雜性】，複雜（局部組合而成的規模表現） = 系統（分解後的組合）+ 具體部分（分解後的局部），當中也就涉及到架構問題。架構和系統是形式和內容的關係，沒有架構設計也能夠造成系統（自上而下是設計，自下而上是進化），只是規模的大小、進化時間的長短有區別而已，架構的形式也就帶來了系統問題。新的方式和技術使用，能夠改善架構自己的問題。

從工程的角度，開發的效率和質量，一直都是軟件工程中要不斷改善的部分，基於質量的效率是咱們追去的目標。好比：提升自動化比重、抽象整合公用類庫、規範形式和過程、知識分享和總結等都能提升人效的方法。新的方式和技術使用，可以起到如虎添翼的做用。

從團隊組織和管理的角度，減小溝通成本和縮短反饋和改善的循環；這個要用比較的方式，才能看出其中的價值。按SDLC（Software Development Life Cycle 軟件開發生命週期）的說法，軟件開發劃分爲六個階段：問題定義和規劃、需求分析、軟件設計、程序編碼、軟件測試、運行維護。從瀑布式開發到敏捷開發，咱們都是在一個目標的指引下串聯這幾個過程。這個目標能夠理解爲交付產品，也能夠是交付功能。產品分解爲功能，功能按優先級排序，而後按過程進行開發。這個過程當中反饋和改善的循環是能夠在組織和管理的方式上給予優化的，好比：基於功能來組織人員，讓各階段中參與的人員都儘可能早的參與到整個過程當中，減小溝通和流程的成本。至於如何按自身狀況去組織和管理，這是方法論的問題，這裏很少作討論。

3、總結

「變化」老是在軟件開發中被不斷抱怨，「變化」又是從業人員存在的基礎。如何與「變化」友好相處就成爲咱們終身要學習的內容。從細節的繁瑣中抽身，來看看全局，就能理解局部約束存在的意義（人生何處不類似？哈哈）。因此技術架構自己的定義能夠是「結構+願景」。在開發過程當中，運用系統化的思惟，必定會大有裨益的。

這裏提幾個開放性的問題，歡迎你們留言發表見解：

一、技術更新的速度，是否能在創業領域的局部幫助快速造成有競爭力的技術優點？人力成本、時間成本都處在劣勢，知識密集型的領先優點是否能靠短時間工時延長的努力能追平嗎（參考互聯網企業倒金字塔價值模型）？ 那產品和與技術在創業之初的驅動力應該會有側重嗎？

二、先發優點在大數據及AI業務上，隨數據的的積累和逐步補全（數據交易、交換），是否會擡高任何細化領域的入門門檻？細分領域的孤島數據是否會喪失價值（或必須依賴於其餘數據才能產生價值）？

---

原創文章，轉載請註明出處