【導(dǎo)讀】當(dāng)全網(wǎng)為AI大模型的“智力奇觀”驚嘆時，李寅的硬核分析撕開了技術(shù)狂歡的幕布：ChatGPT的顛覆性不在于“擬人對話”，而在于它開啟了信息技術(shù)產(chǎn)業(yè)的“規(guī)模革命”——大模型參數(shù)和訓(xùn)練數(shù)據(jù)越多，效果越好，具有“規(guī)模收益遞增”的特點(diǎn)。而中國研發(fā)的DeepSeek因其成本更低，更有可能大規(guī)模應(yīng)用到更多產(chǎn)品和場景中。生成式AI在技術(shù)上的先進(jìn)之處已經(jīng)無可置疑，但技術(shù)要想轉(zhuǎn)化為能持久發(fā)力的產(chǎn)業(yè)卻還需要“漫長的跋涉”。技術(shù)自身特性、社會不同群體對技術(shù)的反應(yīng)、國家競爭等等因素都會影響AI技術(shù)產(chǎn)業(yè)化的路徑和效果。
從工業(yè)史出發(fā)，本文指出那些依賴規(guī)模收益遞增的技術(shù)，才有潛力演變?yōu)榇笠?guī)模通用技術(shù)，最終引發(fā)生產(chǎn)過程、經(jīng)濟(jì)社會組織方式的重大轉(zhuǎn)變。傳統(tǒng)信息技術(shù)基于模板和規(guī)則實現(xiàn)智能，是勞動密集且規(guī)模收益遞減的。而基于深度學(xué)習(xí)的生成式AI恰恰具備規(guī)模收益遞增的特性，這將不斷為進(jìn)一步投資和擴(kuò)大市場提供激勵。在資本和市場的相互激蕩下，生成式AI技術(shù)可能是信息技術(shù)產(chǎn)業(yè)邁入大規(guī)模生產(chǎn)時代的起點(diǎn)。
本文指出，在向通用AI技術(shù)轉(zhuǎn)型的過程中，真正決定各國成敗的，將會是能否建立起一套支持不斷投資通用技術(shù)的制度安排，最終讓全社會都能享受規(guī)模經(jīng)濟(jì)遞增帶來的好處。
智能革命還是“規(guī)?！备锩?？
——?dú)v史視野下的人工智能技術(shù)與產(chǎn)業(yè)演化
? 李寅
復(fù)旦大學(xué)國際關(guān)系與公共事務(wù)學(xué)院
2022年末美國OpenAI公司發(fā)布的對話式人工智能（AI）通用大模型——ChatGPT-3.5，標(biāo)志著討論多年的人工智能技術(shù)終于進(jìn)入了商用階段。與之前一些不太成熟的人工智能技術(shù)相比，ChatGPT不僅在理解和邏輯能力上有大幅提升，而且作為通用大模型，ChatGPT試圖為使用者提供跨領(lǐng)域、一般性的知識和信息。此后短短一年多時間里，國內(nèi)外領(lǐng)先的信息技術(shù)與互聯(lián)網(wǎng)公司紛紛推出自己的大模型，爭相加入這場AI技術(shù)軍備競賽中，以保護(hù)自己未來的市場份額。AI技術(shù)的爆發(fā)也吸引了各國政府的注意力，尤其是美國政府將其視為未來中美科技競爭的決定性因素，嚴(yán)格封鎖AI芯片和先進(jìn)芯片制造技術(shù)向中國流動，以阻礙中國發(fā)展先進(jìn)AI技術(shù)。在這場AI技術(shù)狂歡中，普通人一邊在驚嘆大模型帶來的五花八門的新玩意兒，一邊擔(dān)憂自己的工作或許將被取代。
人工智能一定會給當(dāng)前的世界各國經(jīng)濟(jì)社會形態(tài)帶來巨大沖擊，但真正的問題是，這種沖擊將以什么樣的形式出現(xiàn)？各國應(yīng)當(dāng)如何調(diào)整自身的經(jīng)濟(jì)社會制度，以適應(yīng)和駕馭新技術(shù)？本文指出，AI通用大模型帶來的變革，或?qū)⑿畔⒓夹g(shù)產(chǎn)業(yè)帶入一個大規(guī)模生產(chǎn)的時代。如同20世紀(jì)大規(guī)模制造技術(shù)對工業(yè)生產(chǎn)的改造一樣，AI技術(shù)將把龐大的信息產(chǎn)業(yè)改造為依賴規(guī)模經(jīng)濟(jì)遞增的通用技術(shù)來大規(guī)模生產(chǎn)信息和服務(wù)的資本密集型產(chǎn)業(yè)。而工業(yè)革命以來制造業(yè)經(jīng)歷過的多次大規(guī)模生產(chǎn)技術(shù)轉(zhuǎn)型，或許是我們理解AI技術(shù)革命之沖擊的最佳歷史參照。
▍從傳統(tǒng)信息技術(shù)到AI通用大模型的范式轉(zhuǎn)換
在1956年美國達(dá)特茅斯大學(xué)舉行的暑期研討會上，約翰·麥卡錫（John McKarthy）、馬文·明斯基（Marvin Minsky）、納撒尼爾·羅切斯特（Nathaniel Rochester）、克勞德·香農(nóng)（Claude Shannon）等多位計算機(jī)科學(xué)的先驅(qū)學(xué)者最早提出了人工智能的概念，即使用計算機(jī)模擬人的認(rèn)知、思考和學(xué)習(xí)的能力。因而1956年也被公認(rèn)為是人工智能元年。參與達(dá)特茅斯會議的學(xué)者曾對人工智能的發(fā)展非常樂觀，認(rèn)為只需數(shù)年時間即可發(fā)展出可用的AI。然而，傳統(tǒng)AI領(lǐng)域經(jīng)歷了數(shù)次低谷，到20世紀(jì)末仍然進(jìn)展緩慢。直到2006年，來自加拿大和美國的兩位計算機(jī)學(xué)者在《科學(xué)》上發(fā)表里程碑式文章，提出“深度學(xué)習(xí)”的神經(jīng)網(wǎng)絡(luò)， AI技術(shù)隨之進(jìn)入飛速發(fā)展階段。2013年左右，ImageNet等深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在語言和視覺識別上取得重大突破。2016年，谷歌DeepMind團(tuán)隊的AlphaGo運(yùn)用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，戰(zhàn)勝圍棋世界冠軍李世石。2017年，谷歌公司的八位研究者發(fā)表會議論文，提出一種新的高效神經(jīng)網(wǎng)絡(luò)——Transformer模型，這便是當(dāng)前流行的AI通用大模型GPT（Generative Pre-Trained Transformer）的技術(shù)基礎(chǔ)。2018年6月，OpenAI公司發(fā)布初代ChatGPT模型，后經(jīng)過迭代、調(diào)整、性能提升，終于在2022年末發(fā)布了可商用的AI大模型ChatGPT 3.5。
如果把深度學(xué)習(xí)以前的智能技術(shù)稱為傳統(tǒng)信息技術(shù)的話，簡單對比就會發(fā)現(xiàn)，AI通用大模型與傳統(tǒng)信息技術(shù)實現(xiàn)智能的思路有極大的不同。在傳統(tǒng)信息技術(shù)中，人工智能之所以發(fā)展緩慢，一方面是受限于有限的芯片硬件運(yùn)算速度，但更主要是因為傳統(tǒng)信息技術(shù)的構(gòu)架是勞動密集且規(guī)模收益遞減的。傳統(tǒng)信息技術(shù)的主要思路是基于模板和規(guī)則來實現(xiàn)智能，即由軟件工程師將數(shù)據(jù)的規(guī)律總結(jié)為規(guī)則（算法），通過編程讓計算機(jī)按照規(guī)則完成特定的任務(wù)。學(xué)習(xí)過編程的人都知道，這樣的經(jīng)典規(guī)則在程序代碼中一般以“If…Then…Else”（如果……就……否則）等形式存在，這構(gòu)成了傳統(tǒng)人工智能的邏輯基礎(chǔ)。經(jīng)典規(guī)則顯然在需要處理的情境數(shù)量較少、任務(wù)復(fù)現(xiàn)頻率高時效率較高，因此在特定的應(yīng)用場景（如車間自動化流水線）可以被迅速采納。但對于經(jīng)典規(guī)則而言，一旦需要處理的情境數(shù)量大量增加，單個任務(wù)重復(fù)頻率又不高時，需要設(shè)置的規(guī)則就會迅速變得異常復(fù)雜而龐大，設(shè)置額外規(guī)則的成本將高于收益，呈現(xiàn)出邊際收益遞減的規(guī)律。舉個例子，當(dāng)需要識別圖像中的特定對象，如識別狗時，傳統(tǒng)AI是基于規(guī)則來搜索狗的圖案：狗的身體通常呈橢圓形或長方形，頭部呈圓形或三角形，眼睛一般是倒三角形，有下垂的耳朵、胡須等。如果在圖像中識別出這些特征，軟件就會報告發(fā)現(xiàn)了狗。但是，如果只拍到了狗的背部，或者如果狗沒有胡須或在事故中失去了腿，軟件應(yīng)如何識別？盡管這些異?，F(xiàn)象出現(xiàn)的可能性較小，但模式識別代碼仍需要編寫大量的額外規(guī)則，來覆蓋所有的可能現(xiàn)象。這樣急劇提高的邊際成本，意味著在經(jīng)濟(jì)上的投入無法持續(xù)。換言之，在傳統(tǒng)信息技術(shù)需要實現(xiàn)的智能遠(yuǎn)遠(yuǎn)沒有達(dá)到盡善盡美的程度之前，符合理性的投資便早就應(yīng)該停止了。
當(dāng)前流行的基于深度學(xué)習(xí)的生成式人工智能，則完全顛覆了經(jīng)典規(guī)則的范式。首先，基于深度學(xué)習(xí)的AI并沒有配備固定的規(guī)則，而是神經(jīng)網(wǎng)絡(luò)經(jīng)過大量數(shù)據(jù)的訓(xùn)練自己獲得的。深度學(xué)習(xí)中使用的預(yù)訓(xùn)練材料數(shù)量越多，神經(jīng)網(wǎng)絡(luò)的參數(shù)越多，獲得更好結(jié)果的可能性也越大。其次，與基于經(jīng)典規(guī)則的AI相比，深度學(xué)習(xí)的AI也不會給出明確的結(jié)果，而是報告出一系列概率。例如，在上面的圖像識別的例子中，深度學(xué)習(xí)給出的結(jié)論將是“圖像顯示為狗的可能性為98%，它也可能是狼（1.5%可能性）或狐貍（0.5%可能性）”。研究人員可在模型報告的結(jié)果的基礎(chǔ)上，再設(shè)定判斷規(guī)則進(jìn)行決策。深度學(xué)習(xí)的這些特點(diǎn)意味著，在理想情況下，只要在足夠好的硬件上運(yùn)行AI模型，進(jìn)行大規(guī)模無監(jiān)督或自監(jiān)督學(xué)習(xí)，訓(xùn)練采用的數(shù)據(jù)越多、建立的模型參數(shù)越多，AI模型獲得的結(jié)果就能無限地接近最優(yōu)。當(dāng)然，這種無限接近是建立在一定前提上的，需要研究人員掌握微調(diào)模型的大量訣竅，這個過程本身也需要大量的經(jīng)驗技巧和人力投入。在OpenAI公司的GPT模型取得突破前，幾乎所有的深度學(xué)習(xí)大模型都遇到了瓶頸。一旦OpenAI的工程師證明了大模型的可行性后，各大公司的大模型便大量涌現(xiàn)。OpenAI訓(xùn)練的GPT模型，第一代時只有1.17億參數(shù)，第二代有15億參數(shù)，到第三代時就有1750億參數(shù)，規(guī)模迅速增加，能力快速增強(qiáng)，這便是坊間所說的“大力出奇跡”。
因此，生成式人工智能最重要的特征，可能是具有資本投入的規(guī)模收益遞增的特點(diǎn)。傳統(tǒng)信息技術(shù)產(chǎn)業(yè)中，基于經(jīng)典規(guī)則的程序可被看作一種局部自動化的專用技術(shù)，適合應(yīng)用在高頻次重復(fù)的任務(wù)。一旦超出規(guī)則覆蓋范圍的“例外”情況增多，傳統(tǒng)信息技術(shù)要進(jìn)一步提高覆蓋，就面臨規(guī)模收益迅速降低的難題，無法為進(jìn)一步投資和擴(kuò)大市場提供激勵。而進(jìn)入生成式AI階段以后，通用大模型的規(guī)模收益遞增則能不斷地為投資提供正向激勵：一方面，通過不斷投入算力、語料，大模型的準(zhǔn)確度和使用場景不斷提升，使用大模型的單位成本不斷下降；另一方面，大模型高昂的固定投入需要大規(guī)模產(chǎn)出和應(yīng)用來分?jǐn)偝杀?，這就需要不斷擴(kuò)大的市場來合理化大規(guī)模投入。于是，在高投資和不斷擴(kuò)大的市場相互刺激下，AI大模型的技術(shù)進(jìn)步可以在不斷擴(kuò)大的投資和市場中螺旋上升。當(dāng)然， AI大模型的增長最終也會面臨邊際收益遞減的問題，比如訓(xùn)練模型的語料終會有枯竭的一天。但即便如此，AI大模型仍將經(jīng)歷較長一段時間的規(guī)模收益遞增。
▍工業(yè)史中的大規(guī)模通用技術(shù)是如何演進(jìn)的？
將當(dāng)前AI大模型技術(shù)的發(fā)展理解為一種從局部自動化專用技術(shù)到在更大范圍內(nèi)具有規(guī)模經(jīng)濟(jì)的通用技術(shù)的范式轉(zhuǎn)換，或許可以幫助我們更好地解釋其對經(jīng)濟(jì)社會組織的沖擊。盡管人工智能是技術(shù)上的新突破，但人類社會經(jīng)歷過多次從局部自動化到大規(guī)模通用生產(chǎn)技術(shù)的范式轉(zhuǎn)型，我們可以從工業(yè)史中找到大量的案例和線索：從第一次工業(yè)革命中的動力織機(jī)，到第二次工業(yè)革命中的自動流水線，再到信息技術(shù)革命中的電子計算機(jī)，都對大量原有的工業(yè)技術(shù)和社會組織產(chǎn)生過類似的沖擊。盡管AI模型產(chǎn)出的更多是信息和“服務(wù)”，而不是“商品”，產(chǎn)品的消費(fèi)方式與工業(yè)制造或有一定的差異，但歷次工業(yè)革命中的范式轉(zhuǎn)型對經(jīng)濟(jì)社會的沖擊，仍可能是我們判斷人工智能潛在影響最好的歷史參照。
第一次工業(yè)革命中棉紡織技術(shù)的發(fā)展，便經(jīng)歷了從局部自動化到大規(guī)模生產(chǎn)的轉(zhuǎn)變。棉紡織業(yè)的發(fā)展是英國工業(yè)革命的起點(diǎn)，工業(yè)革命早期的多項重要發(fā)明都指向棉紡織中關(guān)鍵步驟的局部自動化。1733年英國人約翰·凱發(fā)明的飛梭，使得單個紡織工人能以更快的速度紡更寬的布，并實現(xiàn)了機(jī)械化。1764年英國蘭開夏郡的織工詹姆斯·哈格里夫斯發(fā)明了珍妮紡紗機(jī)，盡管仍然只是一種人力機(jī)械，但珍妮紡紗機(jī)大大提高了生產(chǎn)率，使得熟練的紡紗機(jī)操作工工資快速增長，同時也造成了純手工紡紗勞動者的迅速消失。因此，恩格斯稱珍妮紡紗機(jī)是“使英國工人的狀況發(fā)生根本變化的第一個發(fā)明”。
棉紡織業(yè)真正引入當(dāng)時的通用技術(shù)——蒸汽機(jī)，并進(jìn)入大規(guī)模生產(chǎn)階段，則要等到第一次工業(yè)革命的中后期。1781年瓦特改良了蒸汽機(jī)，1785年埃德蒙·卡特賴特設(shè)計出第一臺動力織機(jī)。在此后47年里，動力織機(jī)不斷被改進(jìn)，從由水力牽引轉(zhuǎn)變?yōu)檎羝麢C(jī)牽引，終于在1834年由英國人詹姆斯·布洛和威廉·肯沃西開發(fā)出半自動的動力織機(jī)，即著名的蘭開夏織機(jī)。動力織機(jī)是工業(yè)革命時代最尖端的工業(yè)技術(shù)，也是英國蘭開夏地區(qū)的主力生產(chǎn)機(jī)器，英國政府曾長期禁止其出口到其他國家。這些蘭開夏織機(jī)生產(chǎn)了大量廉價的棉布，向全世界出口，給英國帶來了繁榮和財富，但也摧毀了印度等眾多殖民地的傳統(tǒng)手工業(yè)。在英國，動力織機(jī)的應(yīng)用使操作機(jī)器需要的織布工人減少了3/4，并大大降低了對熟練工人的需求，造成了大量失業(yè)與工資下滑，引發(fā)了19世紀(jì)英國民間長期的對抗工業(yè)革命、反對機(jī)器的勞工運(yùn)動——盧德運(yùn)動。
可以說，在第一次工業(yè)革命從局部自動化到大規(guī)模生產(chǎn)的轉(zhuǎn)型中，英國并未能妥善處理好技術(shù)革新與社會轉(zhuǎn)型的關(guān)系。由于資本與勞工的拉鋸，英國企業(yè)內(nèi)長期保持了熟練工工頭對生產(chǎn)過程的控制，未能及時轉(zhuǎn)向更適應(yīng)大規(guī)模生產(chǎn)的、由職業(yè)經(jīng)理人控制的現(xiàn)代企業(yè)制度，導(dǎo)致對新的大規(guī)模生產(chǎn)技術(shù)投資不足，最終走上了長期衰落之路。但動力織機(jī)大大降低了對勞動技能的需求，使得女工甚至童工也能勝任。隨著美國企業(yè)在1895年率先開發(fā)出全自動動力織機(jī)，動力織機(jī)技術(shù)在國際上迅速擴(kuò)散，棉紡產(chǎn)業(yè)成為眾多后發(fā)國家工業(yè)化的起點(diǎn)，而美國工業(yè)在此過程中獲得國際領(lǐng)導(dǎo)地位。
大規(guī)模生產(chǎn)技術(shù)在第二次工業(yè)革命中占據(jù)了更為中心的位置，尤其是20世紀(jì)初在汽車產(chǎn)業(yè)中應(yīng)用的自動流水線生產(chǎn)技術(shù)，影響最為深遠(yuǎn)。自動流水線生產(chǎn)方式是一種通用的大規(guī)模生產(chǎn)技術(shù)，有明顯的高固定成本投入、規(guī)模收益遞增的特征。這就需要將高固定成本分?jǐn)偟礁弋a(chǎn)量上，才能實現(xiàn)競爭優(yōu)勢，因而大規(guī)模生產(chǎn)依賴一整套支撐高投入、大市場的企業(yè)戰(zhàn)略和經(jīng)濟(jì)社會制度。美國從19世紀(jì)末開始的經(jīng)濟(jì)社會轉(zhuǎn)型，為大規(guī)模制造體系在美國率先出現(xiàn)鋪平了道路，這些變化主要包括：大企業(yè)經(jīng)過管理革命，所有權(quán)與經(jīng)營權(quán)的分離，職業(yè)經(jīng)理人有激勵對高固定成本的大規(guī)模生產(chǎn)技術(shù)長期投入；美國政府和私人投資的大量鐵路、運(yùn)河、電報等交通和通信網(wǎng)絡(luò)的建設(shè)，使得統(tǒng)一的國內(nèi)大市場逐漸形成，為大規(guī)模制造的產(chǎn)品找到了出路；普及大眾教育吸納了工廠不再需要的童工，公立大學(xué)為新興的工業(yè)部門培養(yǎng)了大量工程師和職業(yè)經(jīng)理人。這些社會條件，使美國企業(yè)得以在20世紀(jì)初建立起一套向后整合供應(yīng)鏈、向前整合制造與分配的垂直整合大企業(yè)管理模式，以馴服大規(guī)模制造技術(shù)。
美國大企業(yè)制度并未能徹底解決大規(guī)模生產(chǎn)技術(shù)中因機(jī)器替代人而產(chǎn)生的矛盾，甚至枯燥單調(diào)的流水線作業(yè)還帶來工作“異化”的新問題。但相比之前的自由放任資本主義，美式大企業(yè)仍然更有效地緩和了勞資關(guān)系。例如，創(chuàng)辦福特公司的亨利·福特一方面嚴(yán)厲打壓工會，另一方面在1913年采用自動流水線后開始實施著名的“5美元一天”的工資政策，將流水線工人的工資上漲了一倍，讓福特的工人能負(fù)擔(dān)得起自己制造的汽車，為大量制造的大量消費(fèi)提供了基礎(chǔ)。以大規(guī)模制造為競爭優(yōu)勢的美國企業(yè)在二戰(zhàn)以后大多建立起穩(wěn)定的就業(yè)體制，為白領(lǐng)工人和大部分藍(lán)領(lǐng)工人提供長期的雇傭關(guān)系和較好的福利。
美式大企業(yè)能提供高薪資高福利的前提是，美國大規(guī)模制造在全球范圍內(nèi)擁有絕對的競爭優(yōu)勢。但隨著戰(zhàn)后日本和西歐工業(yè)國的復(fù)蘇，國際競爭加劇，大規(guī)模制造便遇到所謂的“生產(chǎn)過?！薄⒐べY停滯的問題。解決生產(chǎn)過剩的基本思路無外乎兩種：一是進(jìn)一步降低成本，將本來負(fù)擔(dān)不起的消費(fèi)者吸納到市場中來；二是通過引入多樣性，滿足更多的個性化需求，擴(kuò)大各個層次的市場。前者的主要代表是日本汽車廠商，通過精益生產(chǎn)方式改良大規(guī)模制造，減少浪費(fèi)、降低成本，以質(zhì)優(yōu)價廉的小汽車占領(lǐng)世界市場。但精益生產(chǎn)終歸是一項規(guī)模收益遞減的活動，應(yīng)用范圍十分局限。支撐了第三次工業(yè)革命的電子工業(yè)，最終選擇了以模塊化的全球生產(chǎn)網(wǎng)絡(luò)，來創(chuàng)造多樣性和擴(kuò)大市場。
第三次工業(yè)革命是信息技術(shù)革命，一般認(rèn)為始于90年代電子計算機(jī)和互聯(lián)網(wǎng)的大規(guī)模應(yīng)用。然而，對于電子工業(yè)而言，更重要的轉(zhuǎn)變或許是在這之前從局部專用電子技術(shù)向大規(guī)模通用計算技術(shù)的范式轉(zhuǎn)換。以電子計算器為例，世界上第一臺全電子桌面計算器出現(xiàn)于60年代初，重達(dá)25千克，售價高達(dá)4000美元。70年代，日本企業(yè)率先將基于集成電路芯片的便攜計算器商業(yè)化，隨后電子計算器的重量不斷減輕，售價不斷降低。電子計算器大幅提升了普通人的計算效率，降低了財務(wù)、統(tǒng)計、科學(xué)研究等行業(yè)的門檻。但繼續(xù)改進(jìn)電子計算器顯然是一種邊際效益迅速降低的活動，因為進(jìn)一步改進(jìn)（如添加科學(xué)計算、編程等功能）的成本很高，售價卻在下降，所以并不值得持續(xù)地投資。類似的，20世紀(jì)電子工業(yè)的大部分產(chǎn)品（如電話、打字機(jī)、音視頻播放器、游戲機(jī)等）都是用于局部自動化的專用技術(shù)，它們最終經(jīng)歷了向通用計算技術(shù)的范式轉(zhuǎn)型。還是以計算器為例，計算器在1986年時曾在世界上所有的計算設(shè)備中占據(jù)41%的份額，但到2007年時就只占不到0.05%了。
新的技術(shù)范式集中體現(xiàn)在80年代出現(xiàn)的個人微型計算機(jī)和21世紀(jì)的智能手機(jī)上，后者本質(zhì)上也是一個便攜的、隨時聯(lián)網(wǎng)的通用計算機(jī)。計算機(jī)的核心部分在物理結(jié)構(gòu)上與80年代后的大部分電子產(chǎn)品看起來很相似，都是使用幾塊集成電路芯片。不同的是，計算器、隨身聽這類電子產(chǎn)品中的電路是為特定功能（如播放音樂）設(shè)計的，而計算機(jī)中使用通用計算芯片，搭配可以靈活擴(kuò)展的通用軟件操作系統(tǒng)，如運(yùn)行微軟Windows系統(tǒng)的個人電腦或運(yùn)行安卓系統(tǒng)的智能手機(jī)。早期的計算機(jī)和智能手機(jī)在執(zhí)行特定任務(wù)時并不一定比搭載專用電路的產(chǎn)品更有效率，但受益于集成電路芯片技術(shù)的快速進(jìn)步，計算機(jī)技術(shù)發(fā)展呈現(xiàn)出邊際收益遞增的特點(diǎn)。不同于前兩次工業(yè)革命中大規(guī)模生產(chǎn)技術(shù)的引入主要帶來的是產(chǎn)量快速提高與成本下降，計算機(jī)技術(shù)進(jìn)步的邊際收益遞增更多體現(xiàn)在隨著芯片處理速度的提高（和單位運(yùn)算成本下降），通用計算機(jī)能夠提供的服務(wù)的數(shù)量和質(zhì)量在不斷增加，因此它可以替代過去大量專用的電子技術(shù)。盡管這個邏輯并不復(fù)雜，但消費(fèi)電子工業(yè)真正全面轉(zhuǎn)向計算機(jī)的通用計算構(gòu)架，要等到智能手機(jī)流行以后。也正是在這個過程中，曾在80~90年代稱霸全球的日本消費(fèi)電子工業(yè)，因為沒有完成轉(zhuǎn)型而幾乎全軍覆沒了。
信息技術(shù)革命以來，生產(chǎn)組織的一個新特點(diǎn)是模塊化的生產(chǎn)網(wǎng)絡(luò)。之所以會發(fā)生這個轉(zhuǎn)變，一方面有部分企業(yè)戰(zhàn)略選擇的偶然因素，如IBM在進(jìn)入個人電腦市場時選擇了開放構(gòu)架；另一方面則是在大規(guī)模生產(chǎn)導(dǎo)致的“生產(chǎn)過?！眽毫ο?，模塊化帶來了靈活性和多樣性。第二次工業(yè)革命時代后發(fā)展起來的大企業(yè)采用垂直一體化的策略，通過控制供應(yīng)鏈和經(jīng)銷渠道，實現(xiàn)單位時間內(nèi)的大批量生產(chǎn)，以分?jǐn)偞笠?guī)模生產(chǎn)技術(shù)的高固定成本投入，最終實現(xiàn)規(guī)模經(jīng)濟(jì)遞增。信息技術(shù)時代的領(lǐng)先企業(yè)則不再尋求垂直一體化，它們轉(zhuǎn)而以模塊化的方式設(shè)計產(chǎn)品，著力于控制關(guān)鍵技術(shù)節(jié)點(diǎn)，以在一個碎片化的生產(chǎn)網(wǎng)絡(luò)中保持領(lǐng)導(dǎo)地位。例如，在智能手機(jī)產(chǎn)業(yè)，谷歌和高通公司分別控制了操作系統(tǒng)和芯片的生產(chǎn)，它們并不介入手機(jī)生產(chǎn)，整個產(chǎn)業(yè)則由大量相互兼容的零部件廠商、外包制造商和終端廠商形成一個相互合作與競爭的生產(chǎn)網(wǎng)絡(luò)。模塊化生產(chǎn)使得核心產(chǎn)商可以通過壟斷產(chǎn)業(yè)關(guān)鍵節(jié)點(diǎn)，來維持對通用技術(shù)的高成本投入，而退出非核心部門則可以進(jìn)一步維持利潤率。在信息技術(shù)產(chǎn)業(yè)中，美國硅谷在90年代率先擁抱模塊化生產(chǎn)，這樣的產(chǎn)業(yè)組織安排使得美國企業(yè)可以更快地迭代技術(shù)，充分攫取芯片技術(shù)規(guī)模收益遞增帶來的利潤，最終形成對歐洲、日本等地垂直一體化的傳統(tǒng)電子產(chǎn)業(yè)的巨大競爭優(yōu)勢。同時，模塊化生產(chǎn)網(wǎng)絡(luò)帶來的外包和離岸生產(chǎn)，嚴(yán)重?fù)p害了美國藍(lán)領(lǐng)工人階級的利益，但客觀上也給21世紀(jì)初的中國和現(xiàn)在的東南亞、印度等發(fā)展中國家?guī)砹税l(fā)展機(jī)遇。???
▍再認(rèn)識AI通用大模型技術(shù)革命的挑戰(zhàn)
回顧歷次工業(yè)革命可以發(fā)現(xiàn)，工業(yè)技術(shù)發(fā)展存在一個基本的三階段規(guī)律。在初始階段，新技術(shù)的發(fā)展從局部自動化專用技術(shù)開始，這往往是由于企業(yè)掌握了生產(chǎn)過程中某些步驟的特定規(guī)律，便試圖設(shè)計新的工具以簡化勞動過程，提高生產(chǎn)率，并產(chǎn)生有效利用工具的新技能。然而，局部自動化有邊際收益遞減的特點(diǎn)，隨著勞動生產(chǎn)率提高帶來的產(chǎn)業(yè)規(guī)模擴(kuò)大，企業(yè)家、發(fā)明家便有動機(jī)在更大范圍內(nèi)引入全面自動化的通用技術(shù)。但是，只有引入的通用技術(shù)具有規(guī)模收益遞增的特征，投資過程才能持續(xù)，才能在與專用技術(shù)的競爭中獲勝，最終完成生產(chǎn)過程的范式轉(zhuǎn)變。因此，范式轉(zhuǎn)變的階段可能持續(xù)較長的階段。最終，整個產(chǎn)業(yè)又在新的通用技術(shù)平臺上，面向更大的市場重新分工、重組生產(chǎn)組織，以充分發(fā)揮新技術(shù)的潛力（圖1）。工業(yè)社會經(jīng)過這三個階段的調(diào)整后，不僅勞動生產(chǎn)率會有階梯式的躍進(jìn)，經(jīng)濟(jì)社會組織方式也往往會發(fā)生全面改造。
從這個角度出發(fā)，我們便可以更好地認(rèn)識AI通用大模型技術(shù)與傳統(tǒng)信息技術(shù)和產(chǎn)業(yè)之間的聯(lián)系，以及前者對后者的顛覆。在本質(zhì)上，過去三十多年中互聯(lián)網(wǎng)信息產(chǎn)業(yè)帶來的繁榮，就是對銷售、金融、媒體等服務(wù)業(yè)中信息處理環(huán)節(jié)進(jìn)行部分自動化而帶來的生產(chǎn)率提升。如前文所述，在AI通用大模型出現(xiàn)之前，信息技術(shù)實現(xiàn)自動化的主要方式是運(yùn)行基于規(guī)則的程序，程序的價值則取決于值得被自動化的高頻次重復(fù)的任務(wù)。因此，信息技術(shù)應(yīng)用的深度和廣度，主要取決于兩個因素：編程技能的供給和高頻次重復(fù)任務(wù)的數(shù)量，而后者受市場規(guī)模影響。這便可以解釋全球互聯(lián)網(wǎng)經(jīng)濟(jì)為什么主要由中美主導(dǎo)：美國是現(xiàn)代計算機(jī)產(chǎn)業(yè)的誕生地，有大量高技能的程序員，同時美國也是世界上最大最富裕的市場，消費(fèi)者愿意為新產(chǎn)品和服務(wù)支付高價格；中國市場盡管個體支付能力不高，但人口基數(shù)龐大，海量的高頻次重復(fù)任務(wù)推高了自動化（數(shù)字化）的價值，同時中國擁有大量受過工程技術(shù)教育的高素質(zhì)勞動力，壓低了程序供給的價格。譬如，移動支付由于在中國可以高頻率使用而率先成功。在世界范圍內(nèi)，沒有其他國家同時具備這兩個條件。但AI通用大模型帶來信息技術(shù)的廉價生產(chǎn)后，中美在信息產(chǎn)業(yè)的相對優(yōu)勢都會遭到削減。
隨著近期AI大模型的大量涌現(xiàn)，并被部分領(lǐng)先企業(yè)嘗試應(yīng)用于生產(chǎn)過程中，當(dāng)前的信息技術(shù)產(chǎn)業(yè)或已進(jìn)入又一個范式轉(zhuǎn)換的階段。由于通用技術(shù)在早期與專用技術(shù)效率之間存在差距，范式轉(zhuǎn)換可能會經(jīng)歷較長一段時間。例如，如果以個人電腦的出現(xiàn)為起點(diǎn)，電子工業(yè)向通用計算機(jī)技術(shù)的范式轉(zhuǎn)換，直到智能手機(jī)的大范圍應(yīng)用才基本完成，經(jīng)歷了近三十年。80年代的經(jīng)濟(jì)學(xué)家還為此創(chuàng)造了一個笑話——“計算機(jī)到處都是，就偏偏不在勞動生產(chǎn)率的統(tǒng)計數(shù)據(jù)中”，即所謂的“索羅悖論”。原因?qū)嶋H上很簡單：此時計算機(jī)作為通用技術(shù)，并不比它將替代的大部分專用技術(shù)有更高的效率。
但是，當(dāng)前信息產(chǎn)業(yè)向通用AI技術(shù)的轉(zhuǎn)型，或許不僅是在規(guī)模經(jīng)濟(jì)遞增規(guī)律驅(qū)動下的產(chǎn)物，它還會由于中美競爭而加速。這是因為盡管中美兩國在傳統(tǒng)互聯(lián)網(wǎng)產(chǎn)業(yè)中的優(yōu)勢都會被通用AI技術(shù)削弱，但美國在互聯(lián)網(wǎng)產(chǎn)業(yè)中的優(yōu)勢本身也在快速消失。對比中美的程序員技能和市場規(guī)模，可以看到中美程序員技能供給的差距在縮小，美國全社會愿意為互聯(lián)網(wǎng)服務(wù)支付的溢價卻在降低。但中國更大的人口基數(shù)帶來的市場規(guī)模優(yōu)勢仍在，中國的互聯(lián)網(wǎng)企業(yè)可以獲得更長期的競爭優(yōu)勢。正是憑借這種優(yōu)勢，近年來中國社交媒體（如TikTok）和電商（如Shein、TEMU）在海外市場大獲成功。因此，美國有更強(qiáng)的動機(jī)使用通用AI技術(shù)替代傳統(tǒng)的互聯(lián)網(wǎng)行業(yè)勞動密集的生產(chǎn)方式，在謀求新競爭優(yōu)勢的同時，想盡辦法阻礙中國發(fā)展AI技術(shù)。
那美國能否通過技術(shù)禁運(yùn)來阻礙中國發(fā)展AI技術(shù)呢？這是一個非常復(fù)雜的問題，涉及中美兩國產(chǎn)業(yè)、科技、政策等多方面因素。但是，自工業(yè)革命以來，任何發(fā)達(dá)國家試圖阻礙大規(guī)模通用技術(shù)國際擴(kuò)散的努力，從長期來看都是徒勞的。例如，19世紀(jì)的英國曾對當(dāng)時的尖端技術(shù)——動力織機(jī)進(jìn)行嚴(yán)格的技術(shù)禁運(yùn)，但這樣的封鎖只能維持不到半個世紀(jì)。當(dāng)美國公司在1895年通過自主創(chuàng)新推出全自動動力織機(jī)后，便迅速占領(lǐng)了世界市場，而英國與棉紡織相關(guān)的一系列工業(yè)技術(shù)再無發(fā)展機(jī)會。事實上，歷史上進(jìn)取的大國都是積極推動技術(shù)擴(kuò)散的，因為這是大規(guī)模通用技術(shù)內(nèi)在的規(guī)模收益遞增的需要。中國在未來不僅需要通過自主創(chuàng)新在AI技術(shù)上突破，還應(yīng)當(dāng)積極推動技術(shù)擴(kuò)散，將廣大的第三世界納入我們的技術(shù)體系中來。
在向通用AI技術(shù)轉(zhuǎn)型的過程中，真正決定各國成敗的，或許是能否建立起一套支持不斷投資通用技術(shù)的制度安排，讓全社會最終都能享受規(guī)模經(jīng)濟(jì)遞增帶來的好處。這是因為，在向大規(guī)模通用技術(shù)的范式轉(zhuǎn)換中，局部自動化階段發(fā)展起來的勞動技能會被新技術(shù)和資本所替代，這使得轉(zhuǎn)型具有嚴(yán)重的再分配后果，往往會引發(fā)社會反彈，并打斷對新技術(shù)的持續(xù)投資過程。歷史上在局部自動化階段越成功的國家，這種反彈往往越劇烈，例如19世紀(jì)英國的盧德運(yùn)動。在本輪向AI技術(shù)轉(zhuǎn)型前，中美都建立了繁榮的軟件與互聯(lián)網(wǎng)工業(yè)，創(chuàng)造了大量高薪的程序員工作。在這一階段，程序員自身的技能和努力程度可以極大地影響程序效率（即能以盡可能簡潔的規(guī)則覆蓋盡可能多的任務(wù)場景），因此他們對工作過程便有較大的控制力，事實上成為有較多自由和議價能力的“工人貴族”。此外，在歐美的許多專業(yè)技術(shù)工作領(lǐng)域，局部自動化的軟件大大提升了信息處理工作的生產(chǎn)率，但決策權(quán)仍然由律師、咨詢師、財務(wù)等專業(yè)人員掌握，他們因此能夠享受到生產(chǎn)率提升的大部分好處。然而，AI通用大模型帶來的更加自動化的信息生產(chǎn)和決策過程，極有可能會讓以上兩類高技能工人受損，使他們成為反對技術(shù)革命的社會力量。
那么，什么樣的制度安排才能支撐一個社會平穩(wěn)完成面向大規(guī)模信息生產(chǎn)的通用AI技術(shù)的躍進(jìn)呢？歷史上，從局部自動化到大規(guī)模生產(chǎn)的多次轉(zhuǎn)型，并沒能給我們提供完整的答案，但提供了一個重要的線索：只有在全社會廣泛地分享新技術(shù)帶來的繁榮，才能促進(jìn)各階層社會成員擁抱新技術(shù)。譬如，制造業(yè)進(jìn)入大規(guī)模生產(chǎn)階段后，原有熟練工人的技能價值下降，面臨失業(yè)，但成功的大規(guī)模制造企業(yè)通過在研發(fā)、管理、銷售、物流等領(lǐng)域創(chuàng)造更多高薪的工作，實現(xiàn)了與大眾分享新創(chuàng)造的財富。面向通用AI技術(shù)的轉(zhuǎn)型，對中國來說是一個全新的挑戰(zhàn)。作為一個近二十年來才完成全面工業(yè)化的新興工業(yè)社會，中國此前引入的幾乎所有新技術(shù)都只會帶來福利改進(jìn)，因而我們并沒有太多經(jīng)驗應(yīng)對具有再分配效應(yīng)的技術(shù)變革。但正因為中國沒有歷史負(fù)擔(dān)，加之服務(wù)業(yè)在中國經(jīng)濟(jì)中的份額相對較低，中國或許更有可能創(chuàng)造出新的制度安排，利用AI技術(shù)服務(wù)更廣大的人民群眾，引領(lǐng)世界進(jìn)入一個信息技術(shù)大規(guī)模生產(chǎn)的時代。
本文原載《文化縱橫》2024年第2期，原題為《智能革命還是“規(guī)?！备锩?？——?dú)v史視野下的人工智能技術(shù)與產(chǎn)業(yè)演化》。歡迎個人分享，媒體轉(zhuǎn)載請聯(lián)系本公眾號。
熱門跟貼