中央化与集中化趋势可能扼杀技术的生产潜能

20世纪中叶，苏联在科技上的一系列成就——尤其是发射人造卫星Sputnik以及将尤里·加加林（Yuri Gagarin）送入太空——让许多观察者相信，中央计划经济体制可能优于市场经济体制。保罗·萨缪尔森（Paul Samuelson）等著名经济学家预测，苏联经济将很快超过美国；波兰经济学家、社会主义者奥斯卡·兰格（Oskar Lange）则认为，新兴计算机技术可有效取代过时的市场机制。

然而，出乎意料的是，就在计算机革命蓬勃兴起之时，苏联解体了。尽管苏联投入巨大，包括尼基塔·赫鲁晓夫（Nikita Khrushchev）在莫斯科郊外的泽列诺格勒试图打造“苏联硅谷”，该国依然未能抓住计算机技术的潜力。其症结并不在于科学人才的匮乏，而是制度环境对探索精神的扼杀。当硅谷通过发明家在初创企业间跳槽、并行开展多重实验的去中心化模式蓬勃发展时，泽列诺格勒的创新活动却完全由莫斯科的官员们集中管控。

正如弗里德里希·哈耶克（Friedrich Hayek）所认为的，中央计划的最大难题并非数据处理，而是如何收集关键的本地知识。苏联的计划者能够管理标准化作业，但在充满技术不确定性的环境中举步维艰，他们缺乏衡量工厂绩效和惩罚怠工者的基准指标。尽管早期增长迅猛，苏联终因无法适应新技术前沿而陷入停滞，最终走向了解体。

这些教训至今仍具现实意义，特别是，随着新一代人工智能（AI）的崛起，类似的问题再次出现：中央当局（如中国利用AI驱动的“监控体系”）或企业集群（如硅谷的科技巨头）是否能够有效利用新技术开展经济社会管理？

技术前沿创新

传统的贫富理论强调地理、文化或制度等因素，它们难以说明经济急剧逆转的变化。地理条件没有改变，无法解释苏联从经济高速增长走向崩溃这一转变；文化因素变化缓慢，也不足以解释经济的突然繁荣和急剧衰退。尽管法律法规等制度可能骤变，但那些基于普遍有效性的制度理论同样不够完善。例如，苏联和中国都曾在缺乏私有产权保护的情况下实现数十年的高速增长。要真正理解经济进步，必须研究制度和文化如何与技术变革动态互动。

认识到经济表现依赖于这种不断变化的互动，有助于为技术进步相关的政策争论提供新的视角。有人主张在监管宽松的市场中由小企业推动去中心化创新；也有人推崇由强势官僚机构执行国家主导的产业政策。然而，这两种模式仅在特定条件下最优：中央化的官僚体系在利用现有技术、推动追赶型增长方面更加有效，而去中心化体系则在技术前沿的开创性革新中更具优势。随着时间的推移，经济治理必须随之调整，否则将面临停滞的风险。

“日本第一”

即便在1991年苏联解体时，美国感到欣慰之余也夹杂着新的忧虑：当时不少学者和记者认为，日本将很快超越美国。早在1979年，傅高义（Ezra Vogel）的畅销书《日本第一》就已警告称，东京在计算机和半导体领域的竞争优势愈发显著，这种崛起势头似乎与其早年汽车产业的腾飞同样惊人。然而，随后掀起的计算机革命却将故事引向不同的结局：20世纪90年代初起，美国软件业驱动生产率迅猛增长，而日本企业则固守硬件阵地。

日本的崛起依赖于紧密协调的生产体系。由于日本企业可以持有供应商的股权（而美国反垄断法对此加以限制），它们得以形成密集的知识网络，并辅之以准时制物流、计算机辅助设计以及可重复编程机床，从而显著提升了效率。到1980年，日本汽车工人的生产率比美国同行高出17%，导致福特与通用汽车公司出现了巨额亏损。

然而，日本的优势更多在于改进西方产品，而非原创发明。彩色电视机、随身听和录像机等产品，都是在日本工程师重新设计降低成本并提高耐用性后才成为全球热销品。经济学家埃德温·曼斯菲尔德（Edwin Mansfield）的一项重要研究发现，日本约三分之二的研发投入集中在工艺改进上——这与美国侧重于产品研发的模式正好相反——这使得实验室成果能更快转化为廉价的商品推向市场。

但这些优势最终反而成为了制约因素。小阿尔弗雷德·钱德勒（Alfred Chandler Jr.）等著名观察家曾预期，计算机时代会回报精益求精的硬件和精简的生产，这些因素曾有利于日本发展。然而，真正起决定性作用的却是苹果、微软等美国初创企业的活力。根植于1890年《谢尔曼反托拉斯法》的美国反垄断政策，在商业互联网兴起前夕通过迫使IBM将硬件和软件业务分离以及拆分AT&T，打开了市场竞争的大门。市场免于单一“看门人”控制，企业家因此可以自由创新，互联网得以畅通无阻地扩张。

日本较宽松的竞争规则反而为卡特尔化和根深蒂固的财阀集团提供了助力。这种曾经推动增量产业升级的协调机制，如今却成为了向基于软件和互联网的商业模式转变的阻碍，将新进入者拒之门外。日本的技术发展势头停滞不前。即便在美国国内，像硅谷这样以激烈竞争为特征的地区，其表现也优于新英格兰地区128号公路科技走廊这种层级分明、垂直整合程度更高的地区。

协调资本主义的终结

日本并非孤例。二战后，西欧效仿美国在各个行业采用大规模生产的方式，实现了经济迅速增长。这一策略在20世纪70年代之前的几十年一直行之有效，但这之后，欧洲就将美国的技术存量消耗殆尽。要维持增长，西欧必须从单纯的技术追赶转向创新模式。

这一转型困难重重。欧洲的经济制度深受漫长工业追赶史的影响——其于19世纪末建立，旨在吸收英国技术，在战后缩小与美国差距的过程中得到进一步强化。这些制度通过精心规划、产业协调以及企业、银行和政府间的紧密合作，旨在实现稳定、可预测的经济增长。当发展目标明确——即追赶成熟工业实践时，此类协调资本主义效果显著；但当计算机革命和新信息技术带来不确定性与颠覆时，它却成为了障碍。

当年，法国政府出台了指导性计划制度，通过设定经济目标来协调投资，在技术呈增量式的可预见发展阶段，这一制度运作良好。但在技术快速变革的背景下，计划者力不从心，无法准确预测未来趋势，也难以有效配置资源。

类似地，意大利的国有企业在战后繁荣期功不可没，却在技术动荡的新时代显得僵化而缺乏应变力。西班牙和葡萄牙的强力国家干预以及既得利益盘结，严重制约经济灵活性，阻碍创新与适应能力的发展。因此，这些南欧国家在计算机革命期间经历了长时间的经济停滞，常被称为“失去的二十年”。

从哈耶克到莫拉维克

教训显而易见：当支撑过去成功的制度与新挑战脱节时，经济奇迹便会停滞。苏联以及欧洲大部分地区都因为僵化的大规模生产模式无法适应计算机时代的不确定性而遭遇重挫，日本也因为创新重心从硬件转向了软件而未能幸免。如今，中国的经济增长正日益受到党严格管控的制约，而如果垄断势力得不到遏制，美国也面临类似风险。当前的AI领域同样笼罩着中央化和集中化的阴影，人们担忧其创新潜力可能被扼杀。AI过去主要依靠算力和可用数据的规模扩大来实现性能提升，因此许多观察人士认为，人工智能竞争最好交由少数“国家领军企业”来主导。这种观点看似有吸引力，实则谬误。

如同计算机革命一样，真正的突破源于探索未知，而非完善已有成型的技术。以大型语言模型（LLM）（通过训练生成和理解人类语言的AI系统）为例，从2019年至2024年，其规模扩大了一万倍，但在ARC推理基准测试（衡量高阶问题解决能力）的得分仍仅为约5%。与此同时，更轻量化的方法，例如程序搜索（通过生成明确程序来解决任务），已取得超过20%的成绩；而新的“上下文学习”方法（模型无需重新训练即可通过示例学习）也在快速追赶。

人工智能在短期内也不会取代人类的探索能力。汉斯·莫拉维克（Hans Moravec）过去的观点依然成立：对人类而言轻而易举的事情（如沿着小径行走）对机器来说仍然艰难，反之亦然。即便是利用全网语料进行训练的语言模型，也仍不具备一名四岁儿童拥有的感知运动能力。在我们能够将这种具身知识编码之前，中央化的AI系统仍将落后于全球数十亿人日常进行的去中心化实验。

创造力恰恰在尚无先例的领域中蓬勃生长。发明家、科学家和企业家之所以能够取得成功，是因为他们善于将未知转化为机遇。相比之下，大型语言模型本质上依靠的是统计共识。想象一下，如果一个大语言模型是在1633年训练出来的，它会坚决维护地球是宇宙中心的观点；若以19世纪的文学作品作为训练材料，它会自信地认为人类永远无法飞行，并引用一系列在莱特（Wright）兄弟成功飞行之前的失败案例。连谷歌DeepMind的德米斯·哈萨比斯（Demis Hassabis）也承认，要实现真正的通用人工智能，可能还需要“若干项新的创新”。

控制与竞争

创新不太可能仅凭中央化的规模扩张就实现；它们将如以往一样，通过扩大试验范围以及降低进入门槛的方式实现。然而，在AI时代，中国和美国都在朝着相反的方向前进——加强中央控制、削弱竞争活力。

中国最具活力的行业仍由民营或外资企业主导，而国有企业则普遍落后。然而，当前中国政策导向再次呈现出了中央化的趋势：现在，资质审批、信贷投放和合同优先考虑偏向政治可靠的集团；反垄断法被选择性地执行；反腐运动将忠诚度变为政治生命的考核标准。曾经充满活力的地方试验已然凋零，官员们转而追逐诸如专利数量等粗放型指标，导致专利登记系统充斥着低价值专利。裙带关系正在取代透明规则，政治忠诚度逐渐取代专业能力考量，削弱了国家培育技术前沿创新的能力，并将经济推向增长放缓、创新驱动不足的轨道。

诚然，中国仍然拥有庞大的人才储备，并且政府也坚定致力于推动技术进步。但与西方国家一样，那些没有强大政治关系的企业（如AI初创公司DeepSeek）往往最具创新活力。尽管只要这些企业的活动符合国家目标，当局可能允许其相对自主地开展业务，但由于缺乏强有力的法律保障，它们依然容易受到政治优先事项变化的影响。因此，企业不得不投入资源建立政治联盟，从而分散了推动创新的精力与资本。而政府对关键信息技术的控制，也时常促使当局进一步巩固对社会的政治控制，这有可能抑制基层创新。

美国则表现出不同表象下的相同症候。自20世纪90年代进入计算机时代以来，美国相关行业的集中度显著提高，削弱了在硅谷一度流行的灵活竞争。现在，禁业条款限制了劳动力流动，抑制了隐性知识传播，还降低了科学家和工程师创办竞争性企业的意愿。因为初创企业在将实验室研究成果转化为商业产品中扮演核心角色，这种对人才流动的抑制削弱了“创造性破坏”机制，这一机制正是重新分配市场份额、支持新创意的关键所在。经济学家赫尔曼·古铁雷斯（Germán Gutiérrez）和托马斯·菲利蓬（Thomas Philippon）指出，这一趋势更多是由既得利益者游说推动的，而非规模经济的必然走势——他们通过专利延期、行业特定许可壁垒等手段固化监管优势。

这一模式同样威胁着AI。在如今激烈竞争的表象之下，微软与OpenAI深度合作，已控制了约70%的商业语言大模型市场；而英伟达提供了约92%的专用图形处理器（GPU）用于训练这些模型。与Alphabet、亚马逊和Meta一样，这些巨头们也一直在悄悄收购那些颇具潜力的AI初创公司的股份。要让下一代变革性创新者实现生产力的提升，维持一种既能保护竞争环境本身、又不偏袒特定企业的政策体系至关重要。这一点在AI时代、计算机时代也同样适用。

卡尔 • 本尼迪克特 • 弗雷（Carl Benedikt Frey）是牛津大学人工智能与工作领域“德蒂尔·施瓦茨”（Dieter Schwarz）副教授。本文借鉴了他的新作——《进步如何终结：技术、创新与国家命运》。

文章和其他材料中所表达的观点均为作者个人观点，不一定反映IMF的政策。