1704607940
1704607941
所以戈登的理论对于过去几十年令人失望的经济不失为一种不错的解释，但是对于接下去的几十年，这肯定不是一个好的指导意见。事实上，悲观主义者在三个方面误读了技术变革的本质。
1704607942
1704607943
被低估的指数效应
1704607944
1704607945
首先，他们低估了计算机性能指数提升的累积效应。摩尔定律的确是在放缓，但其前面几十年的累积已经把技术带到了新突破的边缘。正如麻省理工学院的埃里克·布林约尔松和安德鲁·麦卡菲在他们最近的几本书中提到的那样，指数级增长的过程具有欺骗性。他们引用了一个古老的故事，一个人发明了国际象棋，国王问他想要什么奖励，这个人要国王以一种特殊的方式奖给他大米：在棋盘的第一个格子里面放一粒大米，第二个格子放两粒大米，第三个格子放四粒大米，以此类推，每个格子的米粒都是前面格子两倍。国王同意了，认为这只是微不足道的奖励。但是当超过棋盘的一半时（棋盘有64个格子），大米的数量已经非常大了，棋盘下半部分的第一个格子中要放40亿粒米，每个新格子需要的米粒是前面所有格子里面的米粒之和。
1704607946
1704607947
同样，摩尔定律早期每次带来的运算能力的翻倍增长为计算能力带来小幅但是极为重要的提升。随着时间的推移，每一代带来的提升都是前面所有计算能力的总和。在过去的十年中，悲观主义者一直惊讶于各种技术目标的实现，这些目标都是在几年前刚刚制定的。在21世纪前10年中期，自动驾驶汽车看起来在技术上还遥不可及，仅仅几年之后，谷歌的自动驾驶汽车就已经在街道上行驶，大部分汽车厂商都开始出售具有某些自动驾驶功能的汽车。阿尔法狗的胜利也比预计的来得更快。即使摩尔定律在未来会进一步放缓，每一代增加的性能也会比以前任何一次翻倍获得更大的性能提升。
1704607948
1704607949
第二个值得乐观的原因是，摩尔定律不再是技术发展的限制因素。芯片制造商正在尝试使用新的芯片和设计材料，以便当摩尔定律不再适用时能继续保持芯片性能的提升。亚马逊和谷歌等公司提供了大量的云计算能力，这意味着用户电脑芯片的速度将不再是限制其完成各种任务的瓶颈。另外，计算能力的提升也同样受益于算法的优化。阿尔法狗的胜利不是简单地通过暴力计算所有可能的棋着，而是使用更聪明的人工智能，思考打败对手的方法。
1704607950
1704607951
总而言之，这些因素意味着智能机器的能力还有更多的提升空间。同时，这些因素也说明计算能力的提升，并不是简单地每隔几年能够用更小的设备帮助我们更快地做事情。计算能力每一代的提升都能够推动技术突破新的瓶颈，为计算机用户带来更多的可能。
1704607952
1704607953
技术充分发挥潜力的滞后效应
1704607954
1704607955
如果这是真的，为什么技术进步不能带来生产力的提高？我们如何才能保证将来生产力能够持续提高？第三个也是最重要的能让我们保持乐观的原因是，学习怎么应用强大的新技术是需要时间的。
1704607956
1704607957
戈登对于数字革命的观点有点不太公允。他对于19世纪末到20世纪初，电气化和汽车等重大创新给发达国家带来的人均产出的持续提升有正确的认识。但是，他忽略了一个关键点：发挥这些创新的潜力其实用了很长一段时间。1890年以前，科学家就已经在电力实验方面取得了很多重要进展，但是生产力的提高并没有立刻出现。直到企业发现了更好的供电新方法，其效用才一点一滴地显现出来。例如，电信很早就出现了，但是家庭和工厂大规模电气化以及其带来的生产力提高则要晚得多。
1704607958
1704607959
芝加哥大学的查德·希维尔森指出，电气时代生产率的提高并不是匀速的，相反，在加速上升之前的很长一段时间内都是令人失望的平缓发展。他将电气化时代劳动生产率的提高以及信息时代已有的记录对比发现，两者的模式非常相似（见图6–2）。
1704607960
1704607961
1704607962
1704607963
1704607964
图6–2 美国劳动生产率模式
1704607965
1704607966
技术的产生与充分发挥其潜力之间之所以存在滞后，主要是因为找到最好利用创新的方法并让世界对其适应需要时间。在19世纪末期就已经出现了不用马拉的车（早期人们对于汽车的称呼），但是很久以后汽车才得到质的发展。制造商需要知道如何降低成本，政府需要修改法规并建设新的基础设施，企业需要围绕汽车尝试新的商业模式。
1704607967
1704607968
波士顿学院的经济学家苏珊托·巴苏以及旧金山联邦储蓄银行的约翰·费尔纳尔德说，这些动态关系意味着生产率的提高总是来源于以前的技术进步，平均是5到15年之前，有时候更长。20世纪90年代末到21世纪初的生产率提高主要是建立在几年前的智能商业管理软件基础之上的，而基于网络的商业模式的贡献相对较小。同样，在无人驾驶汽车开始对生产率增长做出贡献之前，还有一段时间。虽然目前增长缓慢，但机器学习的潜力不能被忽视。
1704607969
1704607970
另外，当今天的技术开始影响生产率的提高时，应该也是以我们现在难以想象的方法。卡尔·奔驰和亨利·福特可以把汽车想象为更好的“无马”车，可以让人们不依靠牲畜更快地旅行。但他们没法预见，汽车将给城市带来的巨大变化，或者国际贸易有一天会迅速扩张，这主要归功于集装箱、邮轮、卡车等一整套系统。
1704607971
1704607972
同样，我们也无法预料无人驾驶汽车的长期应用及其影响。几乎可以肯定的是，它们与需要人驾驶的汽车有显著不同。相反，汽车的根本性质将会发生改变。可能只有很少的人会自己购买一辆无人驾驶汽车，他们可能倾向于在想要用的时候租一辆。更为高效的道路以及更少的停车需求可能会改变城市的结构。但是当人们越来越习惯于按需获取他们的所需时，越来越多的交通将由无人驾驶汽车来完成。例如，某人可能在家里向电脑发送语音指令去当地的餐馆购买一个汉堡，餐馆会把食物放到一辆小型无人驾驶汽车上并运往目的地。机器将能足够聪明来为汽车导航（以后机器还能做更多的事），能够应用到经济体的方方面面：进行手术、辅导学生交流对话、运营农场以及管理能源系统等。
1704607973
1704607974
现在计算机已经足够小巧便宜了，可以嵌入所有一切物体。复杂的人工智能能够让它们以我们无法想象的方式来操作物理世界。但是，很明显这种变化给社会和经济带来的转变将与室内下水管道、汽车和电力带来的转变一样具有破坏性、一样强大。
1704607975
1704607976
技术变革带来的麻烦
1704607977
1704607978
有些悲观主义者还是有一定道理的，虽然不是戈登及其同行喜欢的那种。如果说想象人工智能控制的房子和汽车未来将怎样改变我们的生活还很困难，那么考虑社会为了适应这种变化面临的麻烦就容易得多了。这些诸如无人驾驶汽车和无人机之类的新技术已经引起了监管部门的注意。政府正在努力制定有关搜集和使用智能手机和其他联网设备获取的大量个人信息方面的法规，尽管公众对于政府监视这些数据日益感到紧张。在下水管道之前，电力和汽车可以改变世界，社会不得不花费很多年的时间来投资建设新的基础设施，制定新的法律、法规来明确谁能拥有和运营这些网络及其资质要求，同时也涉及新的文化标准——哪些行为合适、哪些不合适。接下来的几十年，人类将再次经历这个过程。这将减缓创新的传播速度并削弱其对经济的影响。
1704607979
1704607980
最棘手的调整将是管理这些新技术对劳动力市场以及工人工资的影响。事实上，很有可能劳动力市场的麻烦会给新技术的使用及其生产率的提高带来严重的负面影响。在过去几十年中，发达国家的工人工资增长已经比经济增长慢了。与此同时，低失业率水平导致工资上涨的压力比以前要小（见图6–3）。传统经济学家习惯于把生产率视为工资的决定因素：随着工人生产效率的提高，公司就能支付更高的工资。但是也有一些人开始质疑，低生产率和低工资之间的关系是否是双向的。
1704607981
1704607982
低工资能够让企业雇用工人，还能获取边际效益，并且继续让工人来工作，即使机器人或者软件能替代他们。例如，当有很多廉价的劳动力时，使用自动结账机就没那么有吸引力了。一些经济学家，如伦敦经济学院的约翰·保罗·佩索亚和约翰·范·雷宁认为，在大衰退期间，英国工资的下滑，能够帮助解释为什么在随后经济复苏期间生产率增长缓慢，因为低工资让企业的压力更小。同样，充足的廉价劳动力有助于解释，最近几年美国经济为什么能同时兼顾高就业率和低工资。
1704607983
1704607984
1704607985
1704607986
1704607987
图6–3 工资增长率
1704607988
1704607989
随着技术变得更加强大，雇主们能够使用其他方法来取代工人，提高他们的盈利，但是当工人被解雇后，还需要吃饭，寻找新的工作。随着过剩劳动力的增长，工资水平将停滞甚至下降。低工资最终又会吸引企业使用工人来做低生产率的工作。这会阻碍新的技术投资，这些技术有可能取代昂贵的劳动力：新的自动化系统或者机器学习系统能够高效地完成人们交付给它们的任务，并且费用也不高。