21世纪前26年科技变革速度空前？真相比你想的更复杂

一个21世纪的困惑

近日，一位Reddit用户抛出了一个引发广泛共鸣的观点："我感觉这个世界正在以疯狂的速度改变。"他的理由很直接——21世纪才走过26年，人类却已经历了互联网革命、移动互联网革命、物流创新、自动驾驶，如今又迎来了AI浪潮。

互联网革命通常指1990年代万维网商用化以来，TCP/IP协议栈将全球计算机连接为统一网络的过程。蒂姆·伯纳斯-李在1991年发布第一个网页，到2000年前后全球互联网用户突破4亿，这一过程大约经历了十年。而移动互联网革命以2007年iPhone发布和2008年Android系统推出为标志，智能手机将互联网从桌面延伸到掌心，应用商店生态催生了数以百万计的移动应用，从打车、外卖到社交、支付，彻底重塑了人类的日常行为模式。两次革命之间的间隔不到十年，而每一次对社会的渗透速度都比前一次更快。

这位用户还做了一个有趣的对比：如果拿1900年到1926年这段时间的重大科技里程碑来衡量，21世纪前26年的技术密度似乎完全是另一个量级。回顾那段时期，20世纪头26年堪称现代科学的"黄金时代"：1903年莱特兄弟完成了人类首次动力飞行；1905年爱因斯坦发表狭义相对论和光电效应论文；1915年广义相对论发表，彻底重构了人类对引力和时空的理解；1913年玻尔提出原子模型；亨利·福特在1913年引入流水线生产，让T型车从奢侈品变为大众消费品；无线电技术从马可尼的跨大西洋传输发展为商业广播；1925-1926年海森堡和薛定谔分别建立了矩阵力学和波动力学，量子力学的数学框架基本成型。这些突破不是渐进改良，而是对物理学基本范式的颠覆。

但他也留下了一个耐人寻味的反问：如果单论科学世界，仅仅一个相对论，是不是就足以"碾压"20世纪和21世纪的其他所有成就？爱因斯坦的相对论之所以被视为"碾压级"成就，在于它并非对既有理论的修补，而是对牛顿力学统治两百余年的时空观的根本性推翻。狭义相对论揭示了时间和空间并非绝对独立，而是交织为四维时空，质量与能量通过E=mc²相互转化——这个公式后来直接通向了核能与核武器。广义相对论则进一步将引力重新诠释为时空的弯曲，预言了黑洞、引力波和宇宙膨胀等现象，这些预言在此后一个世纪逐一被实验验证（2015年LIGO首次直接探测到引力波、2019年事件视界望远镜拍摄到第一张黑洞照片）。科学哲学家托马斯·库恩所定义的"范式革命"，相对论是最经典的案例之一。

这个看似随意的社区讨论，其实触及了一个值得深入探讨的命题：我们这个时代的科技变革速度，究竟是真的空前，还是一种"身在此山中"的认知错觉？

变革密度：应用爆发与底层科学突破的分野

要回答这个问题，首先需要区分两种截然不同的"变革"。

应用层的技术扩散确实在加速

从表象上看，Reddit用户的直觉并没有错。互联网普及用了大约20年，从Web走向移动端只用了不到10年，而生成式AI从ChatGPT发布到渗透进日常工作流，只用了不到3年。技术从实验室走向大众的扩散速度确实在不断压缩。

这背后有一个关键的"复利效应"：每一轮技术革命都为下一轮铺设了基础设施。没有互联网就没有移动互联网，没有海量数据和云计算，就不会有今天的深度学习。技术栈层层叠加，使得新应用的诞生和落地越来越快。

具体而言，光纤网络和数据中心的大规模建设（互联网时代的遗产）为云计算提供了物理基础；云计算的弹性算力和按需付费模式（亚马逊AWS于2006年推出）让初创公司无需自建机房即可获得超级计算能力；云端积累的海量数据又成为机器学习模型训练的燃料；GPU从游戏图形处理器转型为并行计算引擎（NVIDIA在2012年AlexNet的成功中扮演关键角色），进一步加速了深度学习的突破。这种层层叠加的效应解释了为何技术"从实验室到客厅"的周期在持续缩短——电话用了75年达到5000万用户，电视用了13年，互联网用了4年，而ChatGPT只用了2个月就突破1亿用户。

底层科学突破可能正在放缓

然而，这位用户的第二个观点恰恰揭示了硬币的另一面。相对论、量子力学这类范式级的科学突破，在20世纪上半叶密集出现，而21世纪至今，我们更多是在既有理论框架内做工程化和规模化的延伸。

换句话说，我们今天看到的"疯狂变革"，很大程度上是工程创新和应用爆发，而非物理学、数学层面的基础理论革命。相对论重塑了人类对时空的理解，而AI大模型本质上仍建立在几十年前就已提出的神经网络思想之上——它的震撼在于规模和工程实现，而非全新的科学原理。

现代AI大模型的理论根基可以追溯到几十年前。1943年，麦卡洛克和皮茨提出了第一个人工神经元数学模型；1958年，罗森布拉特发明了感知器（Perceptron），这是第一个可学习的神经网络；1986年，鲁梅尔哈特等人提出了反向传播算法（Backpropagation），解决了多层网络的训练问题，这一算法至今仍是深度学习的核心训练方法。2017年Google团队发表的Transformer架构论文《Attention Is All You Need》引入了自注意力机制，成为GPT、BERT等大语言模型的基石。从科学原理层面看，Transformer并未引入全新的数学或物理理论，而是对已有的注意力机制、残差连接、层归一化等工程技巧的精妙组合。真正改变游戏规则的是规模——数千亿参数、数万块GPU、数万亿token的训练数据——这是工程能力和资本投入的胜利，而非基础科学的范式突破。

为什么我们总觉得"现在变化最快"？

人类对变革速度的感知，天然带有偏差。理解这些偏差，有助于我们更客观地看待当前的科技变革。

幸存者视角与近因效应的双重作用

我们回看1900—1926年时，只记得那些被历史筛选保留下来的重大成就（相对论、量子理论、飞机、汽车普及），而忽略了当时同样存在的大量渐进式改进。但对于当下，我们身处信息洪流中，每一个微小的产品迭代、每一次AI模型更新都会即时推送到我们眼前，造成"变化无处不在"的密集感。

从认知心理学的角度来看，这种偏差有其深层机制。近因效应（Recency Bias）是指人们倾向于对最近发生的事件赋予不成比例的权重。在记忆研究中，这被称为"系列位置效应"的一部分——人们最容易记住列表中最先和最后出现的项目。应用到科技感知上，我们对过去三年内AI的迅猛发展记忆深刻，却很容易遗忘1990年代互联网泡沫时期同样令人目眩的变化速度（当时每周都有新的".com"公司诞生并获得天价估值）。与之相关的还有"可得性启发"（Availability Heuristic）：越容易被想起的事件，越容易被判断为频繁或重要。在社交媒体时代，科技新闻的可得性被极度放大，进一步强化了"世界变化越来越快"的主观感受。

信息传播速度本身也被技术加速了

值得强调的是，今天"世界变化很快"这个感受本身，也是被技术放大的结果。社交媒体、算法推荐让每一个技术新闻都能在几小时内传遍全球。1926年的人们不会每天刷到"最新科学突破"的信息流，而我们会。所以"感觉快"，一部分是真快，一部分是信息可见度的大幅提升。

AI时代的变革独特性在哪里

尽管存在上述认知偏差，但AI这一轮变革确实具备一些结构性的独特之处，值得认真对待。

AI首次大规模作用于人类"认知"本身

此前的技术革命——蒸汽机、电力、互联网——主要延伸的是人类的体力和信息传递能力。而AI首次开始大规模介入人类的认知与创造过程：写作、编程、设计、推理。这意味着变革触及的领域从"工具"上升到了"能力本身"，其影响范围可能比以往任何一次技术革命都更深远。

从经济学的视角来审视这一变革的深层含义：此前的通用目的技术都有明确的作用对象——蒸汽机替代了人和牲畜的机械动力，将人类从繁重体力劳动中部分解放；电力实现了能量的远距离传输和灵活分配，催生了工厂电气化和家用电器；互联网本质上是信息传递的革命，将沟通的边际成本降至近零。但这些技术都没有直接介入人类"思考什么"和"如何创造"。生成式AI的突破性在于，它首次以可规模化的方式进入了写作、编程、视觉设计、科学假设生成等传统上被视为"人类独有"的认知活动。经济学家将这些活动归类为"非常规认知任务"，此前被认为最不容易被自动化。当技术开始作用于认知本身，其影响不仅限于效率提升，还可能从根本上改变知识生产的方式、专业技能的定义以及教育体系的结构。

AI具备自我加速的正反馈潜力

更关键的是，AI具备一定的"自我加速"潜力——AI可以用来加速AI研究本身（如自动化代码生成、辅助论文写作、优化模型架构）。这种正反馈循环，是过去的技术革命所不具备的。如果这种循环持续放大，那么Reddit用户"世界变化疯狂快"的直觉，可能会在未来几年被进一步验证。

这种自我加速能力在技术史上构成了一个前所未有的现象，具体表现在多个层面：在代码层面，GitHub Copilot等AI编程助手已经使开发效率提升了30%-55%（根据GitHub 2023年的研究数据），而AI研究本身就是大量编程工作；在科研层面，DeepMind的AlphaFold解决了蛋白质折叠预测这一困扰生物学50年的难题，Google DeepMind的FunSearch则用大语言模型发现了新的数学定理；在芯片设计层面，Google已使用AI来设计TPU芯片的版图布局，而这些芯片又反过来用于训练更强大的AI模型。这种"AI设计更好的AI"的递归循环，在理论上可能导致技术进步的速率本身也在加速——这正是"技术奇点"假说（由数学家弗诺·文奇和未来学家雷·库兹韦尔分别阐述）所描述的场景，尽管目前距离真正的失控式加速仍有很大距离。

结语：既不必焦虑，也不该轻视

回到最初的讨论，答案或许是双重的：

就基础科学的范式突破而言，相对论那样撼动世界观的成就，21世纪至今尚未出现同等量级的对标物，这位用户的判断有其道理。

但就技术应用的扩散速度和对社会的重塑力度而言，我们确实正处在一个前所未有的加速期，尤其是AI介入认知领域带来的变革，其性质与以往不同。

对普通人而言，重要的不是纠结"现在是不是史上最快"，而是意识到：**技术扩散周期正在缩短，适应变化的能力，正在成为比掌握某项具体技能更重要的核心竞争力。**这场讨论真正的价值，或许就在于提醒我们保持这份清醒。