技术扩散速度：从电灯到ChatGPT，一项被忽略的科研成果
电灯发明四十年，美国一半家庭还没用上
电灯发明四十年，美国一半家庭还没用上
1879年爱迪生点亮了第一盏实用电灯。你猜怎么着？四十年后，1920年代，美国农村还有超过一半的家庭没通电。对，四十年。——这个速度放到今天简直不可思议。但这就是真实的技术扩散速度。我们总以为，好东西自然会飞快普及，现实可没那么简单。
现在呢，ChatGPT上线5天，用户破百万。两个月，月活用户过亿。这个对比，啧啧。不是同一个世界。技术扩散的速度，本身就在加速。但奇怪的是，有些看似颠覆性的技术，反而慢得像蜗牛。比如，电动汽车——19世纪末就出现了，直到最近十年才勉强算“扩散”。
扩散曲线里的秘密：早期用户和“死亡之谷”
有个经典理论，叫技术采用生命周期，搞科研的都爱引用。说人群分成创新者、早期采纳者、早期大众、晚期大众、落后者。但实话说，这模型太干净了，现实哪有这么工整。我最近看到一篇论文，是MIT斯隆管理学院的，他们追踪了400多项技术从1970年至今的扩散数据，发现一个更有趣的现象：
技术扩散的“临界点”正在变得越来越早，但夭折率也高了。就是说，很多技术能迅速引发热潮，然后——噗嗤，没了。像谷歌眼镜，还记得吗？一阵喧嚣，然后沉寂。但有些技术，表面慢，实际在攒势能。比如太阳能板，上世纪70年代就有了，成本高得离谱，但每年默默降一点，突然某一刻，比煤电便宜了，然后爆发。
技术采用生命周期曲线与鸿沟示意图
这就是那篇论文揭示的：
扩散速度的方差在增大。平均扩散时间缩短了，但个体差异极大。原因？信息传播速度本身爆炸了嘛。以前靠口口相传，现在靠社交网络病毒式裂变。所以产品能一夜成名。可是，
缺点也会被无限放大，一个差评可能就引发雪崩。所以那种“先圈用户再改进”的打法，风险飙升。
为什么有些技术就是推不动？
说实话，人都有惯性。换技术有切换成本。我举个生活例子——智能家居。喊了十几年了吧？大部分家庭还是只有几个零散设备。为啥？因为你需要换灯泡、换插座、换开关，还要忍受时不时掉线。那个痛苦，谁用谁知道。所以扩散速度，跟
兼容性和易用性强相关。有种东西叫“路径依赖”，就像QWERTY键盘，明明不是最高效，但你就是换不掉。
还有一个被忽视的因素：
配套基础设施的完善速度。5G技术本身成熟了，但如果没有大量的基站，没有杀手级应用，用户不会买账。当年爱迪生的电灯，也得等着发电厂和电网铺开。现在氢能源汽车也卡在这儿，加氢站太少，谁敢买？
不过话说回来，有些技术扩散慢，纯粹是因为——它压根没解决真问题。比如那些可穿戴设备早期产品，计步器？功能太单薄，还得天天充电。直到后来集成了心率、血氧、睡眠监测，才真正起飞。所以，
技术组合的协同效应至关重要。
全球充电桩与电动汽车保有量增长对比图
当下：AI扩散速度是快是慢？
现在最火的就是AI大模型了。的确快，快到各国政府监管都跟不上。但注意，这是“采用”快，不是“深度应用”快。很多公司只是玩玩，生成个周报，写个邮件。但真正把AI嵌入核心业务流程，改变工作方式，那个扩散速度，可能才刚刚起步。一项调查显示（我又要搬论文了），超过70%的企业表示正在评估AI，但只有不到15%实际上线了规模化应用。这中间的鸿沟，就是机会，也是个大坑。
而且，AI还面临信任问题，幻觉、偏见、隐私。这些会拖慢扩散。所以我猜，
AI的扩散会是波浪形的，一波热炒，一波回调，再缓慢渗透。跟互联网1999年泡沫很像，是吧？
最后的吐槽——我们总喜欢线性外推，看到新技术就喊“明天改变世界”。其实，技术扩散有它自己的狡猾节奏。它可能突然狂奔，也可能十年磨一剑。作为普通人，保持敏锐，但别被FOMO烧焦了荷包。
好了，就聊到这儿。我该去试试那个据说能帮我自动写文章的工具了——你看，连我都在扩散中。