摘要：近期，OpenAI 以威胁国家安全为由对DeepSeek发起指控，延续了此前围绕数字威权等议题的争论，本质上是对AI竞争格局的进一步博弈。2024年诺贝尔经济学奖获得者阿西莫格鲁称，DeepSeek目前只是满足了用户好奇心的工具，在企业应用提高生产力方面的潜力
IPP评论是国家高端智库华南理工大学公共政策研究院（IPP）官方微信平台。
摘要：
近期，OpenAI 以威胁国家安全为由对DeepSeek发起指控，延续了此前围绕数字威权等议题的争论，本质上是对AI竞争格局的进一步博弈。2024年诺贝尔经济学奖获得者阿西莫格鲁称，DeepSeek目前只是满足了用户好奇心的工具，在企业应用提高生产力方面的潜力还未出现。但事实上，统计数据显示，第三次工业革命期间兴起的信息通信技术（ICT），早已经在提高劳动生产率方面呈现出边际效益递减的状况。然而，即便如此，各国围绕AI技术主导权的竞争却不断加剧，这一矛盾反映了人们对新技术突破传统创新瓶颈的高度期待。
本文首先探讨了由于ICT在推动生产率增长的局限，及其所影响和塑造的促进劳动生产率增长的格局。随后，文章分析了低成本新兴数字技术的出现，为何能够“唤醒”ICT，突破传统创新的边界，通过数字化转型重塑低生产率行业的增长逻辑。在此基础上，本文进一步讨论了数字技术发展带来的数据安全风险并提出应对需要技术、政策与治理体系的协同推进的思路；数字化转型对于劳动就业挑战，强调积极推进数字化转型数字技能培训和就业市场与教育培训的有效对接，以确保AI时代的经济增长能够实现更具包容性的可持续发展。
ICT的边际效益递减和发达国家劳动生产率
红线
在过去几十年间，发达国家将中低端制造业大规模转移至发展中国家，形成了一个依赖发达国家技术创新与进步来驱动全球劳动生产率增长的内部良性循环。
上述的这一模式在很大程度上是由于信息通信技术（ICT）的内在局限性导致的。作为第三次工业革命的主角，ICT主要提高了办公和服务业的效率，但在工业制造和农业等实体经济领域的影响相对有限。
经济学家Robert J. Gordon认为，ICT技术对经济增长的边际效益已经大幅减弱，单靠其推动生产率提升已难以为继。1920-1970年，劳动生产率年均增长2.82%，但在2006-2016年下降至0.97%。[1]
相反，新兴技术，如人工智能、生物医药、机器人等核心领域，才可能带来新一轮生产率的跃升。因此，全球资本会自然地选择支持更具突破潜力的新兴产业，尤其是在掌握先进技术的发达国家，期望借此形成新的增长动能，从而持续推动全球经济增长。这实际上体现了一种资本追求最大效益的本能行为，即资本会流向能够带来更高生产率提升、更高回报的新兴领域。
许多畅传统手机厂商正投入机器人产业。有专家表示，手机与机器人产业在技术层面有着显著的相通性，诸多技术能够实现迁移复用。图源：新华社
数字化转型与全球劳动生产率增长的机遇
红线
然而，低成本AI技术的出现颠覆了这一传统逻辑。它带来的最核心变革在于，让ICT在推动生产率提升方面重新焕发生机。ICT的局限性在于，它的增长效应往往集中在特定领域，且具有较强的边际递减特征。
例如，办公自动化、互联网商业模式创新在短期内带来了效率提升，但对传统制造业、农业等实体经济的渗透能力有限，因而未能像前第一、二次工业革命时期的通用技术（如电力、蒸汽机）那样带来持续的生产率跃升。
而AI的潜力在于，它不仅提升信息处理能力，还能够与自动化、机器人、物联网（IoT）等深度融合，直接改变物理世界中的生产过程。如果这一转变得以实现，那么AI可能真正成为类似电力的通用目的技术（General Purpose Technology，GPT），其影响力将远超ICT革命所能达到的范围。
我们的调研显示，在中低端制造业和农业领域，数字化转型往往是信息化和智能化同步推进的过程。这是因为，这些行业的企业信息化程度普遍较低，其转型往往无法跳过单纯的信息化阶段，直接进行数字化转型。于是，原本利用“ICT+”难以提高生产率的农业、工业生产，由于AI的赋能而被彻底改变，实现了降本增效，提高了劳动生产率。例如：
1.农业领域：小农经济曾限制大规模机械化农业的发展，但农业无人机结合AI程序可以在小范围精准喷洒农药，大幅提高效率，并减少农药对喷洒人员的健康损害。
近年来，配合大数据、5G、物联网等技术，AI正成为不少地方种植、畜牧、饲养的“新农具”。图源：新华社
2.制造业领域：过去，传统制造业的质检环节依赖人工，一条生产线可能需要十名工人以缓慢的履带速度检查产品瑕疵。而现在，基于神经视觉网络的AI质检系统可以更高速、更精准地检测缺陷，不仅提高了生产效率，也减轻了工人的劳动强度，加快了产品出货速度。
目前，广东正在重点发展与工业应用相结合的人工智能，对大模型等数字化领域的硬件改造、软件应用、产业合作等给予贷款贴息、建设补贴。图源：新华社
原本，ICT技术在这些行业无法直接提升生产率，因为这些生产或者作业环节涉及复杂决策，而不仅仅是信息集成。另一方面，AI赋能的实现也离不开ICT作为基础设施（无论是软件还是硬件）。因此，让AI具备辅助决策能力，反向推动了ICT技术在农业和制造业的深度渗透。
如果新兴技术的突破不再局限于发达国家，而是更多地出现在发展中国家，那么全球生产率增长的传统叙事可能会被改写。毕竟，分布在广大发展中国家的农业和中低端制造业在AI和ICT技术的双重赋能下，依然具备贡献新增长率的潜力。简单而言，这一机遇的本质就是依托新兴技术，推动传统产业的数字化转型，从而创造新的生产率增长空间。
来自数据安全和劳动就业的挑战和应对思路
红线
数字化转型发展推动生产率增长的另一面，也伴随着诸多挑战，其中数据安全和劳动就业问题尤为突出。
首先，在数据安全层面，隐私泄露、商业机密外泄、国家安全风险等问题早已引发广泛讨论。Shoshana Zuboff在其著作《监视资本主义》（The Age of Surveillance Capitalism）[2]中探讨了数字经济对个人隐私的侵蚀，强调大型科技公司如何利用数据监控用户行为，将其转化为商业利益，进而引发更深层次的社会控制问题。
Yanis Varoufakis在《技术封建主义》（Techno-feudalism）[3]中则进一步提出，数字平台经济的发展已经不再是传统资本主义的延续，而是形成了一种新的“数据封建体系”，其中企业掌握着庞大的数据权力，个人和国家则愈发丧失数据主权。这些观点反映了数据治理危机所带来的广泛悲观情绪，也促使学界和政策制定者对数据安全问题进行更深入的思考。
在这一背景下，OpenAI对于DeepSeek的指控重点突出其潜在的各种安全隐患，但值得注意的是，OpenAI本身同样面临类似的问题。否则，很难解释其负责人在被问及模型训练所用数据来源时为何含糊其辞。这也恰恰说明，数据安全问题不仅仅是某家企业的责任，还是整个AI产业发展过程中不可回避的全球挑战。
目前已经有多个国家相继对DeepSeek采取了禁用或限用措施，理由大多是所谓的“安全风险”和“数据隐私”问题。图源：新华社
然而，陷入无休止的安全与发展、乐观与悲观意识的讨论对于实践的帮助非常有限。这并不是说讨论安全问题毫无意义，相反，因为数字技术与核武器相比后果更加致命和隐蔽，同时又更少地依赖国家动员规模的力量。但是，对于安全议题最值得讨论的方面应该是如何最大程度减低风险，而不是消灭风险。
那么，我们该如何应对数据安全风险？笔者认为，数据安全治理不仅仅要依赖技术防护，更是一项社会性的系统工程。仅仅依靠技术很难应对数据安全问题，真正的关键在于“技术+治理”并行，以构建一个更加稳健的数字安全体系。在思考解决方案时，笔者联想到中国基层治理中的“三防工程”，即人防、物防、技防。
在数字化领域，“技防”涉及强化AI及ICT领域的数据安全技术，如隐私计算、数据加密、联邦学习等技术手段，以减少数据泄露的可能性；“物防”则包括建立可信的数据基础设施，确保数据存储、跨境传输的安全性，强化行业标准；“人防”实际上最不起眼但却至关重要的，需要完善治理体系，加强企业自律和用户数据保护意识。
其次，劳动就业挑战不仅影响社会稳定，也直接关系到数字化转型的可持续性。如何在推动安全且低成本的数字技术发展的同时，确保劳动市场的稳定和就业机会的创造，是数字化转型过程中必须应对的问题。
技术革命对就业的影响，不仅取决于创新本身，更取决于其对生产方式和社会结构的渗透。正如《创新的起源》一书中作者引述约瑟夫·熊彼特（Joseph Schumpeter）的话：
“对于那些有钱买足够多的蜡烛并雇佣仆人照顾他们的人来说，电灯并无太大好处。……伊丽莎白女王拥有很多长筒丝袜。但是，工业化生产的成就不在于让女王拥有更多长筒丝袜，而在于让工厂女工凭借日渐降低的劳动量也能拥有长筒丝袜。”[4]
技术创新的真正价值在于普惠性，即技术是否能够推动更大范围的生产力提升，并惠及更广泛的劳动群体。
乐观来看，如果AI能够像电力这样第二次工业革命的成果一样，深度渗透到生产和生活的各个领域，它将有机会突破ICT创新的“一次性”特征，成为长期推动生产力提升的核心动力，从而塑造AI时代独有的增长模式和就业格局。这或许也正是AI乐观派坚持将其比喻为电力的原因，即不仅因为AI本身是一种强大的技术，更因为它具备与其他技术结合、推动整体经济体系变革的潜力。
但是，AI时代能否真正创造可持续的就业增长，并不完全取决于技术本身，而更取决于社会如何适应和引导这场变革。因此，技术变革带来的结构性失业风险仍不容忽视。在AI预期乐观的前景下，社会需要采取现实可行的应对措施，以减少技术进步对劳动力市场的冲击。
比如，一方面，政府可以依托高校、职业院校和在线教育平台，建立面向普通市民和企业员工的“数字技能终身学习平台”，通过在线培训、社区教学中心和企业定制化课程等多种渠道，提供涵盖AI基础技能和行业应用技能的培训项目，实现从入门到专业技能提升的持续教育。
另一方面，可以推动就业市场与教育培训的有效对接，建立以政府为主导、企业广泛参与的“数字就业服务平台”，实时发布岗位所需数字技能标准，并引导教育机构根据就业市场需求灵活调整培训内容和课程设置，从而改善技能供给与就业需求错位问题，降低结构性失业的风险。
参考文献：
[1]Gordon R J. Why Has Economic Growth Slowed When Innovation Appears to be Accelerating?. Cambridge, MA: National Bureau of Economic Research, 2018.
[2] Zuboff, S., 2019. The age of surveillance capitalism: The fight for a human future at the new frontier of power. New York: PublicAffairs.
[3] Varoufakis, Y., 2023. Technofeudalism: What Killed Capitalism. London: Bodley Head.
[4]（英）马特·里德利（Matt Ridley）. 创新的起源：一部科学技术进步史[M]. 王大鹏, 张智慧, 译. 北京: 机械工业出版社, 2021.
从DeepSeek突围，看AI领域赶超策略
关于IPP
华南理工大学公共政策研究院（IPP）是一个独立、非营利性的知识创新与公共政策研究平台。IPP围绕中国的体制改革、社会政策、中国话语权与国际关系等开展一系列的研究工作，并在此基础上形成知识创新和政策咨询协调发展的良好格局。IPP的愿景是打造开放式的知识创新和政策研究平台，成为领先世界的中国智库。
来源：IPP评论一点号
