玉米地里诞生的理论，为何至今依然适用
技术的速度变了，但人们接受变化的结构却没有变
开篇
订阅者朋友，我先抛一个有趣的问题：20世纪40年代美国爱荷华州的玉米农民，和2026年准备引入AI的企业高管，他们有什么共同点？
两者都说了同一句话：“我知道这东西好，但我想再观望一下。”
上周德勤发布的《2026 State of AI in the Enterprise》报告显示，88%的企业表示已在至少一项业务中使用AI。但同一份报告也指出，真正跨越试点阶段、扩展到整个组织的企业不到40%。普华永道的《2026全球CEO调查》给出了更坦率的数字：56%的CEO表示AI投资“没有取得任何成效”。
技术层出不穷，扩散却停滞不前——这种现象，一本1991年出版的书早已精准地解释过。今天我们就来聊聊这个故事。
诞生于玉米地的扩散理论
“鸿沟”（chasm）这个词原本是地质学术语，指土地或冰层裂开形成的深沟。这个词能成为经营学与市场营销的核心概念，起点却出人意料——是玉米地。
1941年，爱荷华州立大学的社会学家Bryce Ryan和研究生Neal C. Gross开始了一项有趣的研究。当时爱荷华州正在推广一种改良玉米种子（杂交种子），其产量比原有品种高出约20%，且更耐旱。这种1928年培育出的种子在客观上明显更优，但农民接受它的速度却比预想的要慢得多。
Ryan和Gross直接采访了爱荷华州两个农村社区的257名农民，发现了一个惊人的模式：农民们听说这种新种子的时间点差别不大，但真正采用它所花的时间，最长竟相差7年之久。早期，种子公司销售员的讲解是主要信息来源，但随着时间推移，邻居农民的亲身经验逐渐起到了决定性作用。
这篇发表于1943年的论文1此后彻底改变了社会学的格局。1962年，俄亥俄州立大学的社会学家埃弗雷特·罗杰斯（Everett Rogers）受此研究启发，出版了《创新的扩散》（Diffusion of Innovations）。罗杰斯将社会中新想法或新技术的传播过程分为五个群体：
- 创新者（Innovators）：占总数的2.5%。被技术本身深深吸引的人
- 早期采用者（Early Adopters）：13.5%。能洞察技术战略价值的远见者
- 早期大众（Early Majority）：34%。渴望获得经过验证的产品的实用主义者
- 后期大众（Late Majority）：34%。只有在技术成为主流之后才会行动的保守使用者
- 落后者（Laggards）：16%。抵抗变化到最后一刻的群体
这个模型很好地解释了收音机、电视、电话等20世纪主要技术的扩散过程——各类采用者群体依次接棒，呈S形曲线，最终市场趋于饱和。数十年来，这个模型几乎被奉为公式。
然而到了20世纪80年代，怪事发生了：计算机、软件等信息技术产品，在从早期采用者过渡到早期大众的阶段，需求会突然大幅下滑，而且这种现象反复出现。
一位英语文学博士发现的裂缝
这时登场的人物是杰弗里·摩尔（Geoffrey A. Moore）。不过摩尔的经历有些出人意料：他在斯坦福大学主修美国文学，又在华盛顿大学获得了英语文学博士学位。他曾在大学教了4年英语文学，之后转投硅谷，投身科技企业的销售与市场营销一线。此后他在硅谷传奇性的营销咨询公司Regis McKenna Inc.担任合伙人，为众多高科技企业制定市场进入策略。
摩尔在一线反复目睹了同一幕：开发新产品的团队对技术的卓越性深信不疑，但大多数员工甚至不知道那是什么。更有意思的是，消费者感受到的产品优点，和开发团队所认为的优点，完全是两回事。
摩尔以这些经验为基础，于1991年出版了《跨越鸿沟》（Crossing the Chasm）。出版社起初预计能卖出约5,000册，结果累计销量突破100万册，成为高科技营销领域的圣经。
摩尔的核心发现是：在罗杰斯那条平滑的钟形曲线之间，其实存在着好几处裂缝（crack），而其中早期采用者与早期大众之间的裂缝，规模远远超出其他所有裂缝。他将这称之为“鸿沟”。
为什么偏偏在这个节点上出现裂缝？因为早期采用者（Early Adopters）与早期大众的购买心理从根本上就不同。
早期采用者是远见者。即便技术尚不完善，他们也愿意押注其潜力，愿意亲自动手去适配磨合。相反，早期大众是实用主义者，他们会考量：“有没有已经验证过的案例？”“和我处于同一行业的企业在用吗？”“这是不是一款完整的产品？”而最关键的是，早期采用者的推荐，实用主义者根本不会当回事。远见者的成功故事，在实用主义者眼中只会被解读为“那是个特例”。
跨越鸿沟的四种方法
摩尔将跨越这道深深裂缝的策略归纳为四种。33年后的今天再看，依然具体得令人惊讶。
**第一，保龄球道策略（Bowling Alley Strategy）。**不要一下子进攻整个主流市场，而是选定一个狭窄的细分市场，在那里打造出一个完整产品（whole product）2，从而占据主导地位。就像保龄球中只要精准击倒第一个瓶，其余瓶子就会连锁倒下一样，一个成功案例会向邻近市场扩散。特斯拉2012年从高端轿车市场（Model S）起步，再扩展到大众市场（Model 3、Y）的路径，就是这一策略的代表案例。
**第二，完善基础设施与配套产品。**创新产品往往光靠自身是无法运作的，实用主义者需要一个完整的生态系统。这也是特斯拉在销售电动车的同时，亲自搭建超级充电站网络的原因。2016年进入韩国市场时只有数十座充电站，如今已超过数百座。
**第三，确立事实标准（de facto standard）。**实用主义者偏好市场占有率高的产品，因为他们需要确认未来能持续获得升级保障。特斯拉在2014年全面开放电动车相关专利，并非出于技术上的无私，而是为了做大整个电动车生态系统，从而扩大自家标准的影响力。
第四，善用桥梁产品。在现有产品与创新产品之间架起一座过渡的桥梁，以此降低消费者的抵触感，同时提供学习效果。低配置、低价格的型号可以扮演这一角色。特斯拉Model 3以不到Model S一半的价格推出，降低了电动车的入门门槛，正属于这一策略。
Oswarld视角
鸿沟理论真正的价值，并不只在于发现了“存在裂缝”，而在于从结构层面解释了“为什么早期采用者的成功不能保证主流市场的成功”。
我认为如今的AI市场恰恰就处在这个节点上。**2025年全球企业在生成式AI上的支出高达370亿美元，同比增长3.2倍（Menlo Ventures，2025年）。然而根据麻省理工学院的GenAI Divide报告，95%的生成式AI试点项目仍未走出实验阶段。**钱在源源不断地砸进去，但在大多数组织中，这些投入并没有转化为实质性成果。
这正是典型的鸿沟现象。对AI狂热的创新者与早期采用者群体（开发团队、CTO、AI专职组织）已经在行动，但相当于早期大众的一线业务部门、中层管理者、实务团队，却在要求“经过验证的案例”和“完整的产品”，处于观望状态。
把摩尔的框架套用到AI上，能得到这样一幅图景：
- 保龄球道策略：不要把AI一下子铺洒到整个组织，而是先在一项具体业务（例如代码审查、客户咨询分类）上做出完整的成果，再向外扩散
- 完善配套产品：不只是引进AI模型，还要同步搭建数据管道、治理体系、培训项目这一整套生态系统
- 确立事实标准：先在公司内部建立起使用AI的共同语言与评价标准
- 桥梁产品：一开始不要直接上马智能体型AI，而是采用能自然融入现有工作流程的AI辅助工具（副驾驶型），以此降低入门门槛
正如1943年爱荷华的农民们，是在亲眼看到邻居田里的杂交玉米确实长势良好之后，才更换种子一样，要跨越AI的鸿沟，需要的不是更强大的模型，而是“在和我类似的环境中，这东西确实起作用了”这样一份经过验证的参考案例。
33年前的理论至今依然有效，原因很简单：技术的速度已经戏剧性地加快，但人接受变化的心理结构，无论是1943年还是2026年，都是一样的。
结语
鸿沟不是技术问题，而是心理与信任的问题。早期采用者押注可能性，实用主义者要求证据。弥合这道间隙的，不是更好的技术，而是一个完美的成功案例。
无论是引入AI的组织，还是把新产品推向市场的团队，都要战胜“做出让所有人满意的产品”这一诱惑，精准地击倒那唯一的一个瓶。这条诞生于1991年的建议，到了2026年依然是最实用的策略。
参考资料与延伸阅读
- Geoffrey A. Moore, Crossing the Chasm: Marketing and Selling Disruptive Products to Mainstream Customers, 3rd Edition, Harper Business, 2014. ：鸿沟理论的原典。第3版更新了近期案例，现在读起来依然很有现场感。
- Bryce Ryan & Neal C. Gross, “The Diffusion of Hybrid Seed Corn in Two Iowa Communities,” Rural Sociology, 8(1), 15-24, 1943. ：扩散理论起点的论文。虽是80年前的研究，但作为理解创新采用社会动力学的起点，依然有效。
- Everett M. Rogers, Diffusion of Innovations, 5th Edition, Free Press, 2003. ：罗杰斯40年扩散研究的集大成之作，综合了5,000多项扩散研究，是教科书级别的著作。
- Deloitte, The State of AI in the Enterprise 2026, 2026. ：对3,235名企业领导者的问卷调查，可以借此确认AI引入的现状与鸿沟现象。
- Menlo Ventures, 2025: The State of Generative AI in the Enterprise, 2025. ：介绍了企业生成式AI支出达到370亿美元的现状，以及编程成为AI第一个杀手级应用场景的过程。
作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。