# Rodney Brooks 把技术落地拆成四个时间尺度，专治各种不靠谱预测

> 原标题：Four Time Scales for Technology Development and Deployment

- 来源：Hacker News 首页
- 发布时间：2026-08-02T02:26:52.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48157
- 原文：https://rodneybrooks.com/four-time-scales-for-technology-development-and-deployment/

## 摘要

Rodney Brooks 发现技术从想法到真正能用，中间隔着四段完全不同的时间节奏，很多人把它们混在一起，才会做出离谱的预测。第一段是新研究想法，通常要 10 到 20 年才能变成扎实的实验室演示——深度学习从 1943 年的神经元模型算起，到 2012 年 AlexNet 跑通，花了六十年，中间还被判过好几次死刑。第二段是炒作周期，一个概念从没几个...

## 推荐理由

Rodney Brooks 是 MIT CSAIL 前主任、iRobot 和 Robust.AI 联合创始人，在 AI 和机器人领域干了四十年，预测有公开记录可查。这篇文章不是普通观点文，他用自己 2018 年的预测当案例，验证了四阶段框架的可靠性。我会先打个折：框架本身不新鲜，但 Brooks 用具体数字和历史案例把它讲透了，对从业者来说比读十篇趋势报告都管用。

## 锐评

Rodney Brooks 这篇短文的核心判断很直白：技术从想法到真正能用，中间隔着四段完全不同的时间节奏，很多人把它们混在一起，才会做出离谱的预测。他说的第一段是新研究想法，通常要 10 到 20 年才能变成扎实的实验室演示。深度学习就是个典型——从 1943 年 McCulloch 和 Pitts 提出神经元计算模型，到 1960 年 Widrow 搞出线性阈值神经元（也就是今天神经网络的“神经元”雏形），再到后来卷积网络加反向传播跑通，前后折腾了几十年，中间还被判过好几次死刑。

文章把“炒作周期”单独列为一段，举的例子很生动：AI agent 这个词在 2025 年中还没几个人提，现在旧金山的公交车上已经全是它的广告。Brooks 的提醒很实在——不懂技术的人容易把研究突破和部署时间线画等号，然后做出 wildly wrong 的预测。

不过这篇文章本身是“Quick Takes”分类，不是长文论证，四段时间尺度的后两段在正文里没有展开细说，只给了框架。如果是真的想拿这个框架去判断某个具体技术的落地时间，还需要 Brooks 对后两段（工程化和大规模部署）给出更具体的周期估算，否则框架本身还停留在经验直觉层面。