技术革命发生时，我们为什么总是慢半拍

每一次技术革命发生时，普通人的认知往往都会慢半拍。

最近读了不少关于 AI 技术的书，才发现本轮 AI 浪潮并不是近几年才突然出现的。从 2010 年左右 DeepMind 创立，到辛顿及其门徒拿下 ImageNet 挑战赛，再到谷歌收购辛顿的三人初创公司，OpenAI 成立，AlphaGo 战胜人类围棋冠军，Transformer 论文发布，AI 其实已经一浪又一浪地奔涌了一二十年。

只不过这两年，它才真正席卷全球。等我们开始惊叹 AI 的魅力和潜力，喊出 All in AI 的时候，浪潮其实已经奔涌了十几年。

作为一个计算机从业者，我最近一直在反思：为什么自己的技术嗅觉这么迟钝？好像直到浪潮奔涌到脚下，才真正发现它的存在；直到 AI 的能力开始逼近甚至超越许多程序员，才窥见它的巨大潜力。

为什么？

最近上下班通勤时，我一直在想这个问题。我越来越觉得，这种滞后并不完全是理解能力的问题，而是由信息位置、经验惯性、风险偏好和时代噪声共同造成的。

第一个原因，是噪声太多了。

每隔一段时间，就会有一些所谓“革命性技术”被推到台前。它们有宏大的叙事，有资本追捧，有媒体造势，也有一批先知般的人不断宣告“旧世界即将被颠覆”。近几年的区块链、VR、增强现实、元宇宙，哪一个没有被寄予厚望？Facebook 甚至为了押宝元宇宙，把公司名称都改成了 Meta。

可是回头看，真正改变世界的技术并不多，更多概念只是热闹一阵，随后慢慢退场。泡沫经常发生，真正的变革却很少出现。

所以很多人对新技术保持怀疑，并不完全是迟钝。某种意义上，这是一种正常的风险过滤。问题在于，真正的技术革命也恰恰会混在这些噪声里出现。它早期同样不成熟，同样有缺陷，同样会被夸大。于是判断难度变得极高：你很难在当下分辨，这究竟是短暂的风口，还是长期变量的起点。

第二个原因，是我们总习惯用旧框架评判新事物。

这很像刻舟求剑。船已经在动，但判断标准还停留在原地。汽车刚出现时，人们容易把它理解成没有马的马车；智能手机刚出现时，很多人把它看成能打电话的小电脑；今天看 AI，也有不少人只是把它理解成更会聊天的搜索引擎、更快的写稿工具，或者更聪明的代码补全。

这种理解不能说完全错，但它往往只抓住了表层形态，没有看到更深层的关系变化。真正的技术革命，通常不是让旧东西变得更好一点，而是重组原来的结构。智能手机不是更好的电话，而是移动互联网的入口。AI 也未必只是某个工具功能的增强，它更可能是一种新的认知接口、新的软件生产方式，甚至是一层新的人机协作基础设施。

第三个原因，是新事物早期往往不够明朗。

就像雾里看花，水中看月。很多技术刚出现时，逻辑链条并没有完全贯通，产品形态也不完整，关键环节还存在明显短板。它可能成本很高，体验不稳定，商业模式不清楚，应用场景也没有完全打开。站在当时看，怀疑它很正常。因为你看到的确实是一个粗糙的、不完整的东西。

但技术革命的微妙之处就在这里。它最初并不是以完整答案的形式出现，而是以某种不成熟的雏形出现。很多人看见的是当下的缺陷，少数人看见的是背后的曲线。真正需要判断的，不是这个东西现在完不完美，而是它背后的底层变量有没有开始变化。

当然，前瞻性也不能被神化。

我们事后看历史，容易只看到成功者。某些人在很早的时候看见了人工智能、互联网、电动车、芯片或移动计算的潜力，于是我们会觉得他们仿佛天生具有穿透未来的眼光。但这背后存在明显的幸存者偏差。那些同样很早下注、同样相信未来、同样拥有强烈直觉，却最终失败的人，往往已经消失在历史叙事之外。

判断对方向，不等于一定能成功。一个人可能看见了趋势，却输给了路径；可能押中了未来，却死在了太早；可能理解了技术，却没有跑通商业化。成功从来不是单一因素的结果，而是认知、资源、时机、执行和运气共同作用的结果。

所以，我们既要训练技术敏感度，也要警惕事后诸葛式的简单归因。不能因为某个人成功了，就把他的判断神化成必然；也不能因为大多数人没有提前看见，就轻易嘲笑他们短视。技术革命早期，本来就处在混沌之中。能看清一部分已经不容易，能看准、下注、坚持并穿越周期，更是极少数。

那么，普通人如何尽量提高自己的判断力？

我觉得首先还是要多观察、多思考。这里的观察不是刷热点，也不是追概念，而是长期浸染在真实变化里。看技术怎么演化，看产品怎么落地，看用户怎么使用，看成本怎么下降，看组织怎么被重新塑造。很多判断力不是一夜之间形成的，而是在长期耳闻目染中慢慢长出来的。

其次，要保持问题导向。真正有价值的技术，往往不是因为它听起来先进，而是因为它回应了某个长期存在的问题。如果一个技术只是创造了新的表达方式，却没有解决真实问题，它的生命力通常有限。反过来，如果它能把过去很难解决、很贵解决、很慢解决的问题，变得更便宜、更高效、更可规模化，那就值得重视。

再往深处说，还要把技术放进时间、空间和人的维度里看。看它处在什么周期，能力曲线是否还在上升；看它在产业链里是什么位置，是局部工具，还是可能变成新的基础设施；看它是否改变了人的行为习惯、协作方式和利益分配。

当然，框架再好，也不可能把判断完全公式化。

到最后，真正稀缺的能力，往往是一种长期思考、长期观察、长期浸染之后形成的直觉。这种直觉不是拍脑袋，也不是玄学，而是大量样本、经验、失败、比较和结构认知在心里沉淀后的结果。

有时候真正打动你的，可能不是某一个孤立理由，而是一种整体感：这个东西的气味不一样。它不是单点创新，而是在牵动更深的结构；不是局部优化，而是在改变某种基本关系；不是短暂热闹，而是底层变量开始重新排列。

所以，前瞻性不是预言能力。它不能让人提前看清每一家公司、每一条路线、每一个产品的命运。它更像是在不确定性中提高下注质量的能力。它不能消除失败，也无法绕开运气，只能让失败更有信息含量，让成功更有概率基础。

真正重要的，或许不是比别人更早相信未来，而是能在噪声中识别：哪些变量正在发生不可逆的变化。