这篇内容以1950年代IBM错误地判断计算机主要用途为军事的案例为引，警示我们解读当前AI使用数据时需保持谨慎。尽管OpenAI和Anthropic的报告揭示了AI用户量激增和主要应用场景，但这些短期快照无法解答AI对未来劳动市场是补充还是替代等深远问题。最终的核心观点是，与电力或杂交玉米等历时数十年才普及的技术不同，AI的扩散速度快得惊人，这意味着社会将没有足够的时间来适应其带来的巨大变革。
历史的误判：计算机曾被视为军事专用
1956年，IBM的分析师会发现，其计算机业务的绝大部分收入来自军事项目，特别是为防御苏联核攻击而建立的SAGE预警系统。相比之下，出售给私营企业的计算机收入微不足道。基于当时的数据，一个合乎逻辑的结论是：计算机的主要社会影响将局限于军事领域。
然而，这个结论很快就被证明是完全错误的。
- 两年后，到1958年，私营企业的计算机销售额就追平了SAGE项目。
- 一年后，私营部门的收入已经与整个军事部门持平。
- 到1963年，也就是最初数据分析的不到十年后，军事收入在IBM庞大的商业计算机业务面前几乎可以忽略不计。
这个例子提醒我们，一项新技术的早期应用场景，并不能准确预示其未来的发展轨迹和最终的社会影响。
当下的人工智能：我们能从数据中学到什么？
如今，面对OpenAI和Anthropic等公司发布的AI使用报告，我们很容易重蹈覆覆辙。这些报告经过精心设计，提供了宝贵的即时快照，但我们必须清楚它们的局限性。
从这些报告中，我们可以了解到一些重要的短期事实：
- 用户增长惊人：ChatGPT的周活跃用户已超过7.5亿，其查询量的增长速度预示着可能在明年底超过谷歌搜索。
- 全球普及迅速：虽然富裕国家使用AI更多，但像巴西这样的中等收入国家的使用率也几乎与美国等富裕国家相当。
- 主要用途集中：目前最大的用例包括寻求“实用建议”（如教程）、文本编辑与生成，以及信息查询。
数据的局限：无法回答的关键问题
尽管这些发现很有趣，但它们无法回答我们最关心的一些根本性问题。当前的数据只是描述性的，无法预测长期的经济后果。
我们真正想知道，但目前无法从数据中得到答案的问题是：
- 在未来五年、十年或二十年里，人类劳动和AI劳动将是 互补关系还是替代关系？
- 工资水平会因为人类技能的稀缺性而上升，还是会因为AI的普及而崩溃？
- AI是否会催生“数据中心里的天才”，自主进行科学研究，从而引发爆炸性的经济增长？
基于当前的使用数据就对这些问题下结论是 轻率且危险的。报告的作者们自己也承认，他们的发现并不能告诉我们AI对劳动力需求、经济增长分配或哪些职业将受到最大影响的中长期效应。
AI与历史最大的不同：惊人的扩散速度
然而，这些报告确实揭示了一个至关重要的差异点。经济学中一个古老的发现是，新技术需要很长时间才能在整个经济中“扩散”。
以杂交玉米为例，这项技术在某个州被少数农民采用后，虽然在该州内普及很快，但要在不同州之间传播却需要数年甚至十年的时间。电力和早期计算机的普及也遵循类似的缓慢模式。
AI则完全不同。
数据显示，AI技术的扩散延迟非常短。它的采用速度不仅超过了杂交玉米，甚至超过了Facebook或TikTok等早期互联网产品。
这是一个关键的警示：
过去像电力或计算机这样的通用技术需要数年甚至数十年的时间才能在经济中扩散，这在一定程度上限制了它们的好处，但也给了我们时间去适应。这一次，我们可能没有那么多时间了。