夜雨聆风如果你此刻也正被 AI 的喧嚣搅得心神不宁，不妨花几分钟读完这篇文章。
这篇论文名为《发电机与计算机》（The Dynamo and the Computer），作者是斯坦福大学经济学家保罗·大卫（Paul David）。别看它写于三十多年前，里面讨论的事情与今天的 AI 惊人地相似。它回答了一个特别扎心的问题：为什么一项看起来即将改变世界的技术，在刚诞生时反而无法在生产力数据中留下痕迹？
这个问题是不是非常熟悉？今天的 AI 不正是如此吗？
熟悉的悖论：无处不在，却不见增长
ChatGPT 问世已经四年多了。过去几年，所有人都在高喊 AI 将颠覆世界、重塑行业，白领阶层即将大面积失业。但如果你冷静下来审视现实数据，会发现一个奇怪的现象：企业里的大多数人确实在用 AI——写周报、回邮件、做 PPT、辅助编程——可一旦追问，真正靠 AI 盈利的上市公司有多少？有多少公司因 AI 而被彻底重构？又有哪个国家的 GDP 因 AI 而暴涨？答案似乎都是：没有。
于是很多人抱怨：既然 AI 要颠覆世界，为什么会议依然那么多？工作流程依然那么冗长？我们为什么还是天天加班？
其实，1980 年代的人们也问过一模一样的问题。只不过他们当时讨论的不是 AI，而是计算机。那时候有一句名言："我们到处都能看到计算机，但就是在生产率统计数据里看不到它。"
那时的办公室已经摆上了电脑，企业纷纷上线信息系统，各行各业开始信息化。但一看宏观数据，生产率似乎并没有提升多少。这与今天的处境如出一辙——我们到处都能看到 AI，可在真正的组织效率与经济数据里，它依然隐身。
电力时代的启示：四十年滞后期
保罗·大卫在论文中说：别急，历史上早就发生过这一幕。它发生在电力时代。
今天回头看，电力无疑是伟大的。没有电，何来电灯、动车与现代化城市？但电力刚出现时，也并没有立刻改变世界。一组数据足以让人清醒：爱迪生于 1881 年就建起了中央发电站，伦敦、纽约相继通电。然而二十年后，到了 1900 年，美国工厂中使用电力驱动的比例还不到 5%。又熬了二十年，直到 1920 年代，美国工厂的动力才有一半以上实现电气化。
从发电站建成到电力真正拉动生产力大爆发，中间隔了近四十年，整整一代人的时间。
为什么这么慢？
因为最初的工厂只是把蒸汽机换成了电动机，但工厂的整体结构、机器布局、生产流程、管理方式……一切仍停留在蒸汽时代。这与今天何其相似：公司买了各种 AI 工具，员工用 ChatGPT 写文案，但工作流程仍是老样子——老板照样审批，员工照样复制粘贴，数据照样散落在各部门的报表里，部门之间照样相互甩锅。AI 能发挥多大作用？非常有限。因为你只是将一项新技术塞进了旧系统。
真正的革命：不是换工具，而是换系统
这篇论文最核心的洞察是：真正的技术革命，不是把新工具塞进原有流程，而是要围绕新技术，将整个系统重新设计。
电力之所以能释放巨大生产力，不是因为工厂"有了电"，而是因为工厂的内部组织系统被彻底重构了。
在蒸汽机时代，工厂通常围绕一个巨大的中央动力源布局，动力通过皮带和轴承传递到每一台机器。因此，整个工厂的空间结构都要服从于这个庞然大物。但电力不同，每一台机器都可以拥有独立的电动机，不再需要依赖一个 centralized 的动力源。
这意味着什么？意味着工厂可以被重新布局，机器可以重新排列，生产线可以重新设计，楼层不必再建得那么高，空间安排更加灵活。只有当这一切发生之后，电力的威力才真正显现。
技术改造组织的方式，才是重点。
AI 的当下：我们还在"蒸汽时代"用"电"
把这个逻辑平移到 AI 上，几乎一模一样。
今天大多数公司使用 AI，仍停留在第一阶段：把它当成更聪明的搜索框、更便宜的实习生、能润色文案的小工具。这当然有用，但这不叫颠覆。
真正的颠覆，是你开始围绕 AI 重新设计整个系统与流程，就像当年围绕电力重新设计工厂一样。
比如，一家内容公司过去需要一群人分别负责选题、写稿、分发、复盘。现在，是否可能出现一个由人带领的 AI 团队，将选题、素材、脚本、剪辑、标题、数据复盘全部串联起来？这才是 AI 时代真正的生产力革命——不是你用了 AI，而是你的生产方式被 AI 彻底重组了。
宏大叙事与"技术员"陷阱
论文中还有一个有趣的提醒：每当新技术出现，人们特别容易犯一种毛病，可称之为"技术员"——总是盯着遥远而宏大的未来。
在电力时代，人们被灯泡亮起的那一刻晃花了眼，以为第二天早上电力就能改变世界。这当然不可能。而在今天的 AI 时代，大部分人谈论的是 AI 让人类永生、AI 创造超级个体、AI 取代所有白领、AI 带来乌托邦或毁灭人类。这些宏大叙事固然刺激，极易调动情绪，但它们很容易让人忽略中间那段最难走的路。
技术从出现到真正改变社会，中间这一段路不会自动发生。 它充满了最琐碎、最艰难的落地：改流程、改组织、改制度、改教育、改岗位、改商业模式，还要改变人的习惯。这些才是最难的部分。
滞后期不是空白期，而是重构期
所以，AI 没用吗？不对。AI 已经彻底颠覆世界了吗？也不对。
更准确的说法是：AI 现在正处于电力时代的早期阶段。 它已经出现了，所有人都知道它很重要，但大多数人只是把它装进了旧世界。你暂时看不到生产率的爆发，不是因为 AI 不重要，而恰恰是因为它太重要了。
越是通用技术，越不可能在一夜之间释放全部威力。因为它不是改变某一个环节，而是要重塑整个系统、整个生产方式。给旧公司加一个 AI 插件，给旧岗位配一个 AI 工具，给旧流程塞一个 AI 助手——听起来很先进，但本质上仍是旧系统。就像当年工厂有了电，机器却还按蒸汽时代的逻辑排列。
电力用了近四十年才真正重塑工厂，计算机也花了很长时间才真正融入企业流程与个人生活。AI 大概率也一样。
分水岭：你在"用电灯"，还是在"重造工厂"？
这篇论文在今天最大的启发，不是说 AI 被高估了，也不是说 AI 即将爆发。它告诉我们：技术革命都有一个滞后期，而这个滞后期不是空白期，它是一个重构期。
表面上，生产率尚未起飞，行业尚未剧变，公司也尚未改头换面。但在水面之下，一小部分人、一小部分公司已经开始换工具、换流程、换组织方式。只有当这些人、这些公司慢慢成熟，生产率才会最终体现在数据里。
因此，更重要的问题是：如果 AI 像当年的电力一样是一种通用技术，你现在是在"用电灯照明"，还是在"重新设计工厂"？
这两者截然不同。用电灯只是改善体验，而重新设计工厂才是真正的生产率革命。
我觉得，当下对 AI 最健康的态度，不是盲目乐观，也不是冷嘲热讽；不是一边喊着它会改变世界，又因为几年内没看到真金白银就说它是泡沫。
大技术、通用技术从来不是一下子改变世界的。它先被少数人玩明白，再被少数组织重构流程，最后才变成整个社会的基础设施。电力是这样，计算机是这样，AI 大概率也是这样。
AI 时代真正的分水岭，不是你用没用 AI，而是你是否用 AI 重新塑造了自己、重塑了流程、重塑了整个公司的运营方式。