吴翰清?的科技史观：有变革的需求，才有技术的诞生

想要理清技术发展脉络，就需要回顾人类历史，因为人类历史本身就是技术的发展史。

马克思对于人的定义中有一项是：劳动使人变得和动物不一样。而具体是什么不一样呢认为是技术赋予了人类独有的特性。

农业革命之前，人类大多是以社群的形式生活。当时，人类获取食物的主要手段是狩猎和采集，因此效率非常低。大概在八千到一万年以前，人类历史上发生了农业革命，出现了种植以及畜牧。在此之后，人类在单位面积土地上获取食物的效率就大大提升了。因为不需要所有人都去从事农业生产，所以多出的劳动力形成了最早的社会分工，比如有的人开始进入手工业制造工具，进一步形成了人群的聚集和交换，由此出现了最早的城邦，也就是说世界上第一个城市的诞生是由农业革命所产生的技术驱动的。这之后人类历史发展得非常平缓，农业社会经历了漫长的几千年的时间。一直到了近代，大概两百多年前，在英国首先诞生了工业革命。自此之后，人类社会的经济开始呈现指数级增长。

我们这一代出生在二战之后的人特别幸运，因为没有经历过大规模战争，并且享受着中国高速发展带来的红利。建国伊始，中国一穷二白，就直接开始工业化建设，并完成了国家和社会工业化建设。到 70 后、80 后、90 后出生的时候，中国已经进入了消费型社会，并经历着不断的变革，出现了计算机、互联网。如今，我们即将进入下一个时代，姑且把它定义为智能时代。

定义一个时代并不简单，当一项新技术出现，能够对经济产生巨大影响，并拉动整个社会的全面改造时，才能称之为一个时代。从两百多年前的工业革命开始到现在为止，是一次巨大的社会变革，而这次社会变革对人类思想的改变也是非常巨大的。可以设想，三四百年前生活在明朝的人，可能一生的生活、工作都不会变化，所从事的工作可能和一千多年前的汉唐时期没有太大改变。而我们这一代人却不同，我们直接从工业社会进入到了消费社会，再到现在的互联网时代。因此，即便是幼年的光景现在看来也非常遥远。如果在今天想要预测几十年后会发生什么也非常困难，这就是技术对社会带来的巨大改变。

从工业革命开始的两百多年里，人类科技不断爆发。回到工业革命的本质，其实资本的本质实际就是技术，是技术创造了新的财富。回顾两百多年来发生的所有技术变革，从蒸汽机、铁路、火车，到蒸汽轮船、电报、电话、电器照明以及汽车、石油、飞机，然后再到计算机、互联网、人工智能，这些变化互相影响，相互刺激，承前启后，共同改造了这个多元化的社会，也促成了现代城市的诞生。相比于古代城市，现代城市已经发生了根本性的变化，而这些变化正是由工业革命带来的。

工业革命的另一项资源——煤炭，在中国古代很早就有了，但中国古代的富人只是拿煤炭来取暖，并没有把煤炭作为重要的生产资源来使用。正是因为这些客观因素导致工业革命首先发生在英国。工业革命的最直接原因是消费需求的刺激，当时的英国消费者对从印度进口的色彩鲜艳、价格便宜的印花棉布产生了非常高的兴趣，因此，英国会花大量金钱去买印度进口的棉布品。

当时英国最早采用的是贸易保护措施，就像现在产业对新技术的遏制一样。但即便英国制定了法律来禁止印花棉布的进口，也遏制不住人民的旺盛需求，这就使得英国生产者不断思考如何实现技术创新。之所以选择技术创新，是因为英国的人力成本非常高，导致纺织业资本需要寻求技术的帮助来拉动产业升级，用机器取代人力可能是当时英国的唯一出路。因此，棉纺织工业出现了大量的技术进步，比如 1733 年，约翰凯伊发明了“飞梭”，提高了织布速度；1779 年，克朗普罗顿发明了“罗机”，后来为了适应蒸汽机变成了一个普遍的纺纱机器，使得产能巨幅提升；后来还有一个传教士发明了水利制机，开创了机械织布的新时代。到了 19 世纪 20 年代，一个初级学徒通过操作机器织的布要比熟练的手织工多 15 倍。

站在今天看工业革命，可以明显地感受到需求对技术诞生的刺激作用。瓦特改良蒸汽机是一项非常重要的工作，而棉纺织业对新技术的需求才是关键所在。之所以工业技术革命发生在英国，是因为想要通过技术创新降低人力成本，这也是创新的重要特点。

回到当下，在看待人工智能时，比如在一个仓储中的细分场景中，想要通过仓储物流机器人实现自动分拣和配送，而仓储管理员往往觉得只需要雇几个人力成本非常低的员工即可，从当下的投入产出比来看，不值得去构建人工智能系统。因此，在新技术诞生的初期，最需要找到合适的产业，才能更好地孵化创新。

总体来看，技术实际上就是生产力。在工业革命时代，通过蒸汽机、纺纱机，释放大量的人力成本，提高了产能。可以说，需求刺激了新技术的诞生，而新技术要解决的第一件事情就是提高产能。

新技术的成熟

要经历通用化、成本、安全的考验

回到今天看互联网、计算机与智能技术的发展，我认为第一个真正被验证过的就是搜索，互联网的发展拉动了搜索技术的发展。搜索是第一个实现算力、数据规模化的软件，它依然满足冯诺依曼架构的设想。其实，搜索最开始被提出来的时候就是为了解决海量数据的计算效率问题，最早由雅虎发明，后来 Google 通过 PageRank 算法做了改良，以更好的体验创造了巨大的市场。正是因为在互联网广告领域发现了巨大的市场需求，才使得源源不断技术投入到搜索领域。正是因为对于搜索技术的沉淀，使得算力和数据的规模化问题得以更好地解决，也就形成了云计算和大数据。

传统思路无法思考新技术的估值问题，对于创新的技术，很难对它形成正确的估值，因为技术迭代速度非常快。比如当蒸汽机出现之后，很快又出现了铁路、轮船，因此对蒸汽机进行估值时，很难想象后面会出现多大的市场，对世界和社会形成多大的改变，这就是创新的力量。所以说只有技术创新才是在创造新的财富，因为它增加了产能，再通过资本的投入不断扩大规模。因此，在研究技术的变化、迭代时，很难想象一个新技术出来之后会创造怎样的新需求，所以难以通过一套成熟的方法评估一项新技术未来的潜力空间。

今天，如果想要在企业的竞争中具有更好的竞争力，需要从资源角度去思考对每项新技术的看法。比如在工业时代，其实出现了一次自然资源的大发现，英国最早使用木材作为生产生活的主要燃料，后来因为木材减少才开始使用煤炭，但直到蒸汽机发明之后，煤炭才被大量开采出来。工业革命诞生在英国还有一个很重要的原因是英国的煤炭比较多并且方便开采，离海岸线近，比较容易运输。

在古代中国，煤矿主要在内陆，而经济最发达的地方在长三角，在没有铁路、轮船的情况下，将煤炭运输到沿海地区的成本很高，所以煤炭没有成为古代中国经济发展的重要材料。当蒸汽机出现之后，煤炭成为了重要的战略资源。同样的事情也发生在石油出现之后，美国克利夫兰因为附近的油田从小城镇发展成为一个工业化城市，也正是在这里洛克菲勒拿到了第一桶金。

电力发展上也一样，1886 年，美国决定在尼亚加拉瀑布上建设一个水电站，输送十万马力的电能到距离 26 英里外的布法罗市。瀑布在电力发明之前，只能被当做壮观的自然景观，而当电力系统发明之后，就会发现瀑布的水落差是非常重要的自然资源，而谁占有了这样的资源，谁就拥有了巨大的财富。对于自然资源的垄断或攫取，能够让企业或者国家在竞争上处于优势位置，因此有必要从自然资源的角度重新看待新技术的发展。当一项新技术出现之后，创新实际上是需要讲究市场规模的。而对于时代的改变来说，创新的规模才是最关键、最本质的事情。

回到计算机的发展，最开始的电子管还会发光发热，存在巨大的能耗问题。后来发明了晶体管，硅就成为了一种新的自然资源，而这种材料在地球上到处都是，使得新造晶体管比维修电子管更加便宜，这就导致了商业模式的重构。由此可见，自然资源会决定很多事情。

对于计算机、AI 的发展而言，算力和数据都是重要的生产资料。算力涉及到晶体管、存储网络等，而数据则需要当做一个新的自然资源重新思考。在信息时代，计算机的发展就是出现了各种各样的数据库，通过计算机取代了许多需要人工的填表工作。而在智能时代，一些低门槛、低复杂度的事情都可以被计算机自动完成。

回过头来看，计算机在信息时代对算力和数据利用的规模都比较小，PC 时代所使用的算力和数据可能仅仅来源于自身，但在智能时代的软件操作，利用的可能是云计算海量的数据和算力。因此，今天新的软件才能解决不一样的问题，它对效率的提升会是信息时代的无数倍。云计算有效地完成了算力的规模化，数据的规模化曾经期望通过大数据来完成，但目前大数据并没有得到充分应用，各行各业依然在处理小数据。今天我们谈论机器智能到底应该设计成什么样的软件，其实应该看这个智能软件到底消耗多少算力和数据，从规模上来判断。如果一个智能软件没有消耗非常多的算力与数据，很难想象它能够提升非常高的产能。

要实现数据的规模化，其实最重要的就是 IoT。今天，通过大量的 IoT 设备，会源源不断地采集海量的数据，数据规模远远大于人工填表时代所产生的数据规模。人工填表采集的数据依然认为是信息时代采集的数据，而 IoT 设备采集的数据则是满足智能时代所需数据规模的基础。数据要想成为自然资源，规模很重要。

对于数据的成本而言，AI 的成本高是因为数据成本非常高。算力成本通过晶体管、集成电路、云计算已经有效地实现了规模经济，可以在实现路径中逐渐收敛，并且符合摩尔定律。而数据成本依旧非常高，这主要有几点原因：第一，对很多 AI 算法而言，数据打标的成本非常高，往往需要人工参与，因此整个学界和产业界都在思考如何让机器自动打标签，进而有效降低数据成本。第二，IoT 设备以及全链路数据采集的成本过高。IoT 设备不生产数据，而是采集数据，通过 3G/4G/5G 的发展降低了设备数据采集链路的成本。数据采集之后，还需要考虑如何存储和加工，需要综合考量成本，也需要和上层的应用软件形成互动，所以人工数据治理也浪费了大量时间。只要需要人工参与，效率一定不高，成本也会上升。因此，学术界和产业界也在思考如何让机器自动进行数据治理，解决数据的质量问题。当这些全部完成之后，才能让数据成为在智能时代能够被有效使用的自然资源。

数据的智能化