AI技术变革周期与扩散,以及对我的启示 | 深度

技术变革周期

技术变革的周期遵循一些可识别的模式。最常被引用的分析框架来自 Carlota Perez 的《技术革命与金融资本》以及 Kondratiev 长波理论——它们都指向一个核心观察：现代历史中，每一次重大技术革命大约持续 50-60 年，并呈现高度相似的内部结构。

从这张图里能看到几个关键规律：

周期长度趋于稳定：每次浪潮约 50-60 年，没有明显加速或缩短。这反映的是社会、制度、人才适应一项通用技术所需的时间——不是技术本身的速度。

新旧浪潮重叠：下一次革命的”萌芽”往往出现在上一次革命的”成熟”阶段（如 AI 在 ICT 浪潮成熟期已开始酝酿），但要等到老浪潮真正衰退后才能成为主导范式。

领导国家更替：每次浪潮都伴随地缘经济中心的转移。前两次在英国，三、四、五次在美国。本次 AI 浪潮目前看是中美双极。

每次浪潮内部都有一个”转折点”：通常是一场金融危机或泡沫破裂，把疯狂的安装期与务实的部署期分开。1797 运河泡沫、1847 铁路狂热崩盘、1893 大恐慌、1929 大萧条、2000 互联网泡沫——这些都不是意外，而是周期结构的一部分。

下面这张图展开单一周期的内部结构，并标出 AI 当前所处的位置：这张图揭示了一个反直觉但极其重要的事实：真实的财富与生产力创造主要发生在”部署期”，而非泡沫高峰期。

1999 年顶点买入互联网公司的人，多数 13 年才回本（Nasdaq 直到 2015 年才重回 2000 年峰值）；

而 2003 年以后才进入这个领域的人，反而拥有了 Google、Facebook、AWS、移动互联网这二十年最好的机会。

AI 周期的时点推测

如果以 2012 年（深度学习的”AlexNet 时刻”）为起点，按 50-60 年的历史模板，AI 整个周期会延伸到 2060-2070 年代。我对各阶段的时点估计如下，强调这是框架推演而非精确预测：

萌芽期 (2012-2022) — 已结束。从深度学习突破到 ChatGPT 发布。少数先行者意识到通用 AI 来了。

狂热期 (2022-2027 左右) — 我们正处此阶段晚期。当前已能看到经典泡沫的所有特征：估值脱离传统财务模型（OpenAI、Anthropic 估值 vs 现金流）、万亿级数据中心资本支出、英伟达的天量市值、二级市场的 AI 概念狂热、典型话术”这次不一样”再次出现。但与此同时，多数企业 AI 应用仍停留在 PoC/聊天助手阶段，真实生产力转化远未发生。

转折点 (2027-2030 之间某个时点) — 高概率会有一次重大重估。可能由通用模型能力增长放缓、过度建设的算力供给过剩、利率环境、地缘冲击或某个未预期事件触发。这未必是”AI 没用”，而是”AI 估值跑得比 AI 价值快太多”的修正。1873、1929、2000 都是这个剧本。

协同期 (2030-2045 左右) — 真正的黄金时代。AI 像电力一样嵌入所有行业：医疗诊断、法律研究、教育个性化、企业流程、机器人、生物制药、材料发现。新组织形态（10 人独角兽）、新基础设施（AI 原生应用栈）、新就业结构成型。

成熟期 (2045 之后) — AI 成为水电一样的基础设施，注意力转向下一波（生物工程？聚变能源？空间经济？）。

扩散过程与大众采纳

按 Everett Rogers 的扩散曲线（创新者 2.5% → 早期采用者 13.5% → 早期大众 34% → 后期大众 34% → 落后者 16%），AI 在不同人群和行业进展速度差异极大：

• 创新者阶段（已完成，2012-2020）：研究人员、AI 实验室
• 早期采用者（当前主体，2022-2027）：科技公司、Silicon Valley、知识工作者中的尝鲜派、独立开发者
• 早期大众（即将进入，2027-2033）：主流企业、白领工作者、教育系统、传统媒体、专业服务业
• 后期大众（2033-2042）：保守行业（重制造、政府、传统金融、农业）、年长群体、资源受限地区
• 落后者（2042 之后）：永远只在被迫时才使用

值得注意的是：你身边的”AI 已经无处不在”是幸存者偏差——你处在早期采用者的圈层。全世界绝大多数人到 2026 年初仍极少在工作中使用 AI。这恰恰是机会——大众扩散远未发生。

个人如何踩准这波浪潮

我把核心策略归为六条，按重要性排序：

1. 培养”AI × 领域知识”的复合能力。这是最重要的一条。纯 AI 工程师会被更厉害的 AI 工程师替代；纯传统专家会被会用 AI 的同行碾压。但能把 AI 真正嵌入某个垂直领域（医疗诊断、法律尽调、建筑设计、临床研究、教育、特定制造工艺等）的人，会成为这一周期最稀缺的资源。你的领域纵深 × AI 杠杆，乘出来的价值远高于任何单边能力。

2. 把 AI 内化为日常工具，而非偶尔使用。日常重度使用者和偶尔使用者的差距是复利级的——前者每个月都在重塑自己的工作流，两年后能完成的事可能是后者的 3-5 倍。具体方法：把至少一个核心工作流（写作、代码、数据分析、研究、创意）彻底交给 AI 协作，迫使自己学会精细地驾驭它。

3. 关注部署期机会，警惕狂热期投机。历史教训非常清楚：1999 年顶部进场的散户大都是教训提供者。当前 AI 二级市场有大量”概念溢价”。如果做长期配置，思考 5-10 年后哪些公司真正能从 AI 部署中获益（不只是卖铲子，还包括能用 AI 重塑自身业务的传统行业龙头）。最大的机会通常不是最热的标的。注意我不是给具体投资建议——这部分需要你结合自己的财务状况和风险承受能力，必要时咨询专业人士。

4. 培养”长周期心态”，抗住每周新闻的噪音。每周都有”颠覆性”模型发布、”AGI 倒计时”、”程序员/律师/设计师消失”的标题。绝大多数都是噪音。真正的格局变化在 5-10 年的尺度上才会显现。能屏蔽日常焦虑、保持长线判断的人，是这个时代的稀缺资源。

5. 把”重新学习能力”本身作为核心资产。一份职业做 30 年的时代结束了。未来 20 年，你大概率需要 2-3 次重大职业身份重塑。比起学某个具体技能，更值得投资的是元能力：怎么快速进入一个新领域、怎么学习 AI 不擅长的事、怎么在不确定中行动。

6. 关注 AI 替代不了（或最晚才替代）的稀缺品。包括：真实的人际信任与判断（医生、教练、谈判者、关系经理）、品味与创造性决策权（艺术总监、产品负责人、企业家）、实体世界的复杂操作（高级技工、护理、维修、施工）、社会资本和关系网络。这些不是”安全岛”——AI 也会侵蚀边缘——但中心地带在很长时间里仍然属于人。

几条必要的说明

这套框架是地图，不是地形。真实历史会偏离任何模型。也有学者认为 AI 不是新一波浪潮，而是 ICT 浪潮的延续/再加速；如果是这样，时间线会更短。AI 还可能因为通用智能的特殊性，打破很多历史周期的常规——比如部署速度可能远快于电力或互联网。

精确时点预测几乎一定是错的。但周期阶段的方向判断（狂热期之后会有转折点、真实价值在部署期才大规模释放、大众扩散仍未发生）历史可信度很高。基于这些大方向定位自己，比押注具体时点更稳。

最后一句话：每一次浪潮中，最大的赢家往往不是最早入场的人，而是在转折点之后还坚持留在牌桌上的人。

耐心比聪明更稀缺。