也许没有一种其他技术能像计算机技术一样，在过去几十年里有如此巨大的进步。据估计，自1974年以来，美国总生产力增长的三分之一来自信息技术，它是国家繁荣的最大贡献者之一。
关键点
揭示处理器发展规律的摩尔定律由两股力量推进，科技进步和通用技术的经济周期规律。后者简称GPT（general purpose technology），受到市场增长和技术投资的相互作用左右。二者相互刺激，产生了强烈的经济动力，促使用户对快速改进的CPU进行标准化，而不是发展专用处理器。
今天，促进通用技术发展的两股力量逐渐解开纠缠，导致市场增长和技术进步放缓。随着CPU技术发展减速，经济动机将推动用户转向专用处理器。在这样的计算环境中，一些用户将走在快车道上，从定制的硬件中受益，而另一些用户将留在慢车道上，受困于更新缓慢的CPU。
计算机的兴起一部分是由于技术上的成功，另一部分是由于资助它们的经济力量。
Bresnahan和Trajtenberg创造了“通用技术”（general purpose technology, GPT）这一术语，指的是具有广泛技术适用性，且产品改进和市场增长会相互推动的技术，如计算机技术。但是，他们也预测，GPT在其生命周期结束时可能会遇到挑战：随着通用技术发展放缓，其他技术可能会在特定的利基领域取代通用技术，并破坏这种经济强化周期。
我们今天正在观察这样的转变：中央处理器(CPU)发展缓慢，因此应用程序转而求助于专用处理器，例如图形处理单元(GPU)。专用处理器比传统的通用处理器提供更少种类的功能，但能更好地执行某些特定功能。许多应用已经在追随这一趋势，包括深度学习（机器学习的一种形式）和比特币挖矿。
在此背景下，我们可以更精确地给出这一论点：“计算机作为一种通用技术正在衰落。
”我们并不是说计算机技术将失去其自身的科技能力，“忘记”如何做计算。我们的意思是，以快速迭代的通用处理器支撑的通用计算平台为主体的经济周期，正在让位于一个分裂周期。在这个周期中，经济效益将把用户推向由专用处理器驱动的不同计算平台。这种分裂意味着不同的计算将以不同的速度发展。对于那些进入“快车道”的应用来说，这并没什么问题。
快车道上的改进将继续保持快速，但对于那些不再从推动计算技术进步的领导者那里获得好处、因此不得不留在计算技术改进“慢车道”的应用和市场来说，情况就不妙了。这种转变也可能减缓计算机发展的整体速度，危及这一经济繁荣的重要来源。
通用计算和专用计算
早期的电子技术产品，并非可执行多种不同计算任务的通用计算机，而是有专门用途的设备，如收音机和电视机。
这些设备被设计用来完成某一项任务，而且只能完成这一项任务。这种专门化有如下优点：设计复杂且易于管理，处理器效率高，工作速度快，耗电量少。但与之对应的，专用处理器也“更窄”，只能被很少一些上层应用所使用。早期的电子计算机实际上都是为特定算法量身定制的，很难适应其他算法，即使是那些为“通用”目的而设计的计算机。例如，1946年的ENIAC在理论上是一台通用计算机，但它主要用于计算火炮射程表。
如果需要稍微不同的计算，计算机将不得不手动重新连接，采用新的硬件设计。解决这一问题的关键是一种能够存储指令的新型计算机架构。这种架构使计算机更加灵活，使它能够在通用硬件上执行许多不同的算法，而不是在专门的硬件上才能工作。这种“冯・诺伊曼架构”（von Neumann architecture）十分成功，以至于它仍然是当今几乎所有通用处理器的设计基础。
许多技术，当它们被引入市场时，大多都经历了一个良性的强化循环，帮助它们发展。早期使用者购买产品，然后获得投资，使产品更好。随着产品的改进，更多的消费者购买它，从而为下一轮的发展提供资金，依次类推。对于许多产品来说，随着产品改进变得过于困难或市场增长停滞，这个周期会在中短期内逐渐结束。
通用技术的定义包括它在发展过程中持续受益于这一良性经济周期的能力——就像通用处理器几十年来所经历的那样。这个市场已经从军事、太空等领域的一些高价值应用发展到全球使用的20多亿台个人电脑。这种市场增长推动了对改进处理器的更大投资。例如，在过去的十年里，英特尔已经在研发和制造设施上花费了1830亿美元。这带来了巨大的回报：据估计，自1971年以来，处理器的性能提高了约400,000倍。
通用处理器必须能够很好地进行许多不同类型的计算。这导致设计上需要妥协，许多计算速度较快，但做不到最优化。对于适合专门化的应用来说，这种折衷带来的性能损失是很高的，比如：大量可并行的计算、稳定的计算、需要内存访问的范围和次数较少的计算、不需要高精度的计算。
在这些情况下，专用处理器（例如，专用于应用的集成电路ASIC）或异构芯片的专用部件（例如，I.P.块）可以执行得更好，因为它们可以通过定制以适应这些计算。
专用处理器的现状
所有主要的计算平台，PC、移动端、物联网(IoT)和云/超级计算机，都变得越来越专业化。其中，个人电脑仍然是最通用的。相比之下，由于电池寿命的关系，能源效率在移动端和物联网领域更为重要。
因此，智能手机芯片上的大部分电路和传感器，如RFID标签，都使用专门的处理器。云/超级计算机也变得更加专业化。例如，2018年，全球最快的500台超级计算机中新增的超级计算机，其专用处理器的性能首次超过了通用处理器。
国际半导体技术路线（International Technology Roadmap for Semiconductors，ITRS），作为协调了维持摩尔定律所需技术发展的重要组织，在2015年的执行报告中也暗示了这种向专用化转变的趋势。他们承认，传统的“一刀切”的缩小晶体管方法不应再被确定为设计要求，而应针对特定的应用量身定制专用处理器。
通用技术的碎片化
支持通用技术的良性循环，来自相互加强的一系列科学技术和经济力量。不幸的是，这种相互加强也适用于相反的方向：如果在周期的某个部分中改进变慢，则在周期的其他部分中改进也会变慢。我们将此称为“分裂周期”，因为它有可能将计算碎片化为一组松散相关的筒仓，这些筒仓以不同的速度前进。
科学技术进步缓慢
为了衡量处理器的升级改进速度，我们考虑两个关键指标：性能和每美元性能。
从历史上看，这两个指标均在迅速提高，这主要得益于晶体管的小型化使得每个芯片的晶体管密度更高（摩尔定律）并且晶体管开关速度（通过Dennard Scaling）也变得更快。不幸的是，由于技术原因，Dennard Scaling于2004/2005年结束，而现在，摩尔定律也即将终结。这是由于制造商达到了现有的材料和设计的物理极限，而突破这些极限将需要付出大量的努力。
在经济放缓过程中，我们可以明显地看到性能提升和每美元性能提升都有所放缓。
更少的新用户
随着通用处理器的改进步伐放慢，开发人员将创建更少的具有新功能的应用程序，因此客户将失去更换其计算机设备的动力。英特尔首席执行官克赞尼希（Krzanich）在2016年证实了这一点，他说，PC的更换率已从每四年一次逐步增加到现在的每5-6年一次。有时，客户甚至跳过了多代处理器的改进，直到真的值得更新自己的电脑。
在其他平台方面，美国的智能手机在2014年平均每23个月进行一次升级；但到2018年时，这一时间延长至31个月。
用户从通用处理器向专用处理器的迁移，是我们关于计算碎片化的论点的核心。因此我们将对其进行详细地讨论。考虑一个既可以使用通用处理器也可以使用专用处理器的用户，同时他也是一个希望以最低成本获得最佳性能的用户。
为创新筹集资金更加困难
2017年，根据半导体行业协会的估计，为下一代芯片建造和配备制造设施（“fab”）付出的总成本约为70亿美元。“下一代”是指芯片的下一个小型化组件（即“process node”）。投资于芯片制造设施的成本必须由它们产生的收入来补偿。2016年，该行业3430亿美元的年收入中，多达30％来自尖端芯片。因此，尽管收入是可观的，但是成本也在增长。
固定成本每年增长13％与市场每年增长5％之间的巨大缺口，预计将导致竞争力较弱的参与者退出市场，而其余参与者则通过继续增大体量来摊销其固定成本。
结论
传统意义上，计算经济学是由通用技术模型驱动的：通用处理器的发展越来越好，市场增长不断推动了处理器的改进和对它们的改进的投资。几十年来，这个良好的通用技术经济周期使计算机成为经济增长的最重要驱动力之一。
本文提供的证据表明，通用处理器的通用技术周期已被一种新的碎片化的周期所取代。在这个碎片化的周期当中，计算速度开始放缓，并且过去的用户群体开始分崩离析。我们展示了碎片化周期的三个部分，每一个部分都已经处于正在进行中。通用处理器的改进速率已经出现了急剧且程度不断加深的放缓。购买通用处理器和专用处理器之间的经济权衡已急剧转向专用处理器一边。
而且，建造更好的通用处理器的固定成本不断上升，以至于无法再由市场增长率来弥补。总而言之，这些发现清楚地表明，处理器的经济状况已经发生了巨大变化，将计算推入了截然不同的专业领域，彼此之间也很难互相促进减少了。而且，由于此循环是自我增强的，因此它将永久存在，从而进一步分散通用计算的份额，最终将会拆分出更多的应用程序以及它们的专用硬件。通用处理器的改进速度将进一步放慢。