岔路口的脚印：技术路线选择为什么从来不是最优解

被误读的最优选择陷阱

很多人默认，做对了选择就等于成功了一半。甚至把所有结果都归因于最初选对了方向。

动力电池产业发展早期，业内几乎一边倒押注三元锂，能量密度更高，符合乘用车续航升级的需求，逻辑完美无缺。少有人看好磷酸铁锂，觉得它能量密度低，低温性能差，只能走低端商用车路线。

十年过去了。

磷酸铁锂靠着电池包结构创新和成本优势，重新拿下了超过一半的国内动力电池市场份额，而当年all in三元的不少企业，反而因为上游锂价暴涨、成本失控陷入亏损。

2016-2023中国动力电池技术路线市场份额变化图

类似的例子太多了。光伏产业早期晶硅对薄膜，智能手机早期触控对键盘，AI大模型早期稠密对稀疏，每一次争论都有无数“业内共识”拍板哪条路对，哪条路死。最后结果呢，大多打了多数人的脸。

说实话，太多人把选择本身神化了。好像只要站对了队，就能躺着摘果子。从来不说，路线本身是活的，是跟着外部条件、材料成本、技术迭代一起变的。

把选路线当成终点，本身就是最大的误区。

约束条件才是选择的锚点

脱离了约束谈好坏，都是耍流氓。

不存在放之四海而皆准的好路线，只存在符合你当下约束的合适路线。同样是做行业大模型，头部企业有万张A100的算力储备，有上百人的算法团队，要做通用底座，选全参数从头训练的路线当然没问题。

换成一个只有几张卡、三五个人的垂直领域创业团队，也要学人家从头训？那大概率钱烧完了，模型还没训出能用的效果，公司直接没了。这个时候选LoRA低秩微调，基于开源底座改适配，快速落地验证，才是符合资源约束的选择。

大模型不同微调技术GPU资源占用对比表

这里的约束，从来不止资金和资源。还包括政策合规、时间窗口、应用场景的特殊要求。比如做面向政务领域的敏感数据处理，选择闭源自主研发的路线，数据不出域，合规风险更低，哪怕成本高一点也是划算的。反过来，做面向C端的互联网创新应用，要抢三个月的时间窗口，用开源组件快速搭出来试错，试成了再逐步替换核心模块，反而更符合竞争要求。

很多人喜欢拿“长期主义”说事儿，要求所有人都选看起来长期更正确的路线。可问题是，你活不到长期，再正确的路线和你有什么关系？

反例比比皆是。早年共享风口起来的时候，不少创业公司一开始就想着做全自研的智能锁、自研的平台系统，砸了大半年时间搞开发，等产品出来，市场早就被头部玩家瓜分完了，连入场的机会都没了。

被忽略的路线切换成本

被忽略的路线切换成本

选路线的时候，大部分人只算当前投入的收益，很少算未来要换路线的成本。这才是很多企业翻船的核心原因。

p>当年光伏产业热潮的时候，不少企业押注薄膜光伏路线，砸了几十亿建生产线，设备都是定制化的，一旦路线错了，整条线都卖不出去，只能当废铁处理。后来晶硅转换效率提升、成本下降，薄膜路线的市场空间被挤没了，那些all in薄膜的企业，大多直接破产清算，连转型的机会都没有。

路线的可调整空间，比路线本身的当前优劣更重要。你选的路线，能不能留出来换方向的余地？你的核心投入，是不是可以复用在其他路线上？这些问题，比一开始选“最优”重要一万倍。

我接触过不少硬科技创业团队，有个做机器人导航的创始人说的话我印象很深，他说他们从一开始就没有把所有资源砸进某一个传感器路线，激光雷达也好，视觉导航也好，核心的算法框架是通用的，换传感器只需要换前端适配层就行，哪怕某一条路线走不通，核心能力还在，掉头只需要三个月。

这不叫投机，这叫清醒。

技术发展本身就充满不确定性，任何对未来的判断都有出错的概率，你再聪明，也想不到十年后材料成本会变成什么样，也想不到政策会往哪个方向倾斜，更想不到用户需求会突然发生什么变化。

不过话说回来，现在太多舆论喜欢造神，把某个企业家的成功全都归为当初选对了路，好像普通人只要学会选就能成功。本质上就是事后诸葛亮，把所有的偶然性都包装成必然的战略眼光。

哪有什么一选定终身。你走的每一步，都在重新定义你选的路。你留出来的每一分转圜余地，都是你应对不确定性的底气。

与其花几个月时间争论哪条路对，不如先迈出脚，带着能掉头的准备往前走。很多路，走着走着才知道对不对。