如何促进通用技术扩散？

新技术的引入需要经验的积累、技术的完善、认知的提升，因此，通用技术的扩散有时会伴随着早期生产效率的下降，而在经历经验曲线之后，大幅度的生产效率提升才会出现。

IBM在1964年就推出了计算机大型主机，极大地规范了行业的软件硬件标准，但计算机真正进入千家万户还是二三十年之后，而距离第一台现代计算机问世已有四五十年的时间。科学家乔治·劳雷尔（George Laurer）在1973年就发明出了被称为20世纪最伟大发明之一的条形码，而条形码真正被广泛采用却是二三十年之后。

在人工智能领域有一句笑话说：有多少人工智能，背后就有多少人工。这是人工智能早期开发中所需要经历的学习曲线，有人形容这个规律为“播种的时节和收获的时节”。

1965年，摩尔在集成电路制造上总结出了“当价格不变时，集成电路上可容纳的元器件数目，约每18～24个月便会增加一倍，性能也将提升一倍”，从而形成了摩尔定律。赖特早在1936年就发现飞机制造的产量每增加一倍，生产成本就会下降20%，这被后人称为赖特经验曲线或者赖特定律。2013年圣塔菲研究院和麻省理工学院的研究人员通过收集研究62项来自化工、能源和信息技术的数据，验证了赖特定律和摩尔定律适应于不同的行业。(www.xing528.com)

随着时间的推移、经验的积累、算法的丰富、投资的增加，人工智能也会突破早期的学习成本，加速在各行各业的部署。也许20年后，许多公司从某种意义上来说都是AI公司，如同今天许多银行也是金融科技公司一样。

早期人工智能的研究仅仅是由科学家们的好奇心驱使。比如IBM的人工智能研究始于1952年，当时科学家想要实现人工智能仅仅是为了下西洋跳棋。1997年IBM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫，被认为是人工智能彪炳史册的转折点。又经历了二十几年的发展，人类在绝大多数棋类游戏上，已经完全不是人工智能的对手。今天随便一部智能手机都已经配备了很强的人工智能，无论是自然语言理解和交互，还是图像识别，其功能都已让过去的大型计算机望尘莫及。