摘要：创新经济学创始人熊彼特在20世纪40年代提出，破坏式创新以及由此引发的一波波创新浪潮，是经济发展的动力。20世纪80年代中期到90年代，以里斯托弗·弗里曼Christopher Freeman）等人的研究成果以及理查德·尼尔森（Richard Nelson）发

文-卢周来*

创新经济学创始人熊彼特在20世纪40年代提出，破坏式创新以及由此引发的一波波创新浪潮，是经济发展的动力。20世纪80年代中期到90年代，以里斯托弗·弗里曼Christopher Freeman）等人的研究成果以及理查德·尼尔森（Richard Nelson）发表的《国家创新体系：一个比较研究》等著作为标志，创新经济学由熊彼特的企业创新研究转向以国家为主体的研究；1996年，布莱恩·阿瑟（Brian Arthur）发表了《报酬递增和商业新世纪》论文，被认为是《哈佛商业评论》有史以来最具影响力的文章之一，代表了信息时代创新经济学的先声。2000年，以威廉·米勒（William F.Miller）等发表《硅谷优势：创新与创业精神的栖息地》，倡导创新生态概念；2018年，迈克尔·G·雅各比德斯（Michael G.Jacobides）等合作发表《走向生态系统理论》，进一步推动了创新经济学中的创新生态研究；同年，索菲亚·卢纳·罗德里格斯（Sofía Alejandra Luna Rodríguez）等人发表《生态系统思维的洞察力生成：以人为本设计过程中的场景驱动创新》，在生态系统理论框架下提出“场景驱动的创新”概念，再次推动创新研究范式的变革。本文试图以创新经济学上述理论成果为框架，分析中美在高科技竞争，尤其是智能与量子领域竞争态势，未来又将呈现怎样的走向。

报酬递增理论与高科技领域的竞争

信息与智能化时代的高科技领域竞争，与工业化时代的竞争相比，越来越激烈，甚至成为你死我活的竞争态势。究其原因，是高科技条件下经济规则发生了根本性变化。

在熊彼特的创新理论中，创新可能会发源于某个企业发明了一项新产品，获得了市场上的超额利润。但这个新产品很快就会被其他同类企业争相效仿，由此引发全社会因应用新产品产生一波创新浪潮，带动经济一轮发展。但随着这项新产品生产越来越多，各企业为争市场竞相压价，致使这项新产品的边际报酬越来越低，但企业家对超额利润的追求，使另外的新发明与新产品又在酝酿之中。

所以，布莱恩·阿瑟指出，工业化时代思考经济的方式是，“嗯，我们有一个非常好的产品，如果我们关注我们的成本，并且我们能够很好地执行，我们将获得15%的市场份额。”这种思考对于啤酒厂、加油站和理发店甚至汽车制造厂来说都没有问题。也就是说，工业化时代，容得下同质或同型异质产品同时在同一个市场上存在，尽管各自拥有的市场份额有差异。但是到了信息化与智能化时代，一种与工业化时代不同的机制变得至关重要，这个机制就是报酬递增。也就是说，如果一种产品、一家公司或一项技术因为偶然或巧妙的策略领先，该产品、公司或技术可以继续锁定市场，而且随着用户数量的增加，其后续每一份投入产生的边际报酬会进一步增加。因为这些高科技产品（比如软件开发）的投入基本是前期的，后期几乎只需要极低成本复制。但这些产品同时拥有用户粘性，用户要想使用其他产品，要付出高昂的学习成本。因此在竞争中先行者的领先地位会进一步强化，处于劣势的主体会进一步失去优势。这是一种正反馈机制（positive feedback），其在市场、企业和行业中都在发挥作用，强化成功者成功，加剧失败者失败。

报酬递增的典型例子，是微软成功地将Windows变成了全球超过90%的个人电脑的标准操作系统。在微软之外，其实原本存在多个公司研发的不同操作系统，有的甚至比微软更先进好用。但是，就因为微软率先实现与个人电脑最大供应商IBM的电脑绑定，同时免费或廉价鼓励越来越多的用户使用，并且不断更新升级，由此吸引并“粘住”了日益庞大的用户群，实现了对整个PC架构的控制权，让其他操作系统几无任何市场存在的空间。

事实证明，报酬递增的确是“信息第一概念”。一个接一个的公司通过创造报酬递增，然后尽一切可能充分利用这些报酬递增而获得成功。包括脸书、亚马逊、优步等都做到了这一点：通过不断更新的产品迅速赢得客户，这些产品随着用户的增加而变得更有价值，然后利用这一基础优势向客户提供新的关联服务，进一步加强与客户的关系，实现对市场的独占或垄断。进入智能时代，报酬递增规律更显优势，光刻机荷兰ASML独占，高端芯片流片加工台积电垄断，人工智能高端算力芯片英伟达一家独大。等等。DeepSeek一问世，以其开源免费和好用能用横扫市场，此前中国市场上存在的百多种通用大模型，甚至包括此前已被看好的几家，一夜之间进入严冬。

总之，报酬递增这一规律意味着，在高科技领域，尤其是信息与智能领域，无论最初有多少家初创公司，最终可能只会剩下一家或至多两家公司能活下来、并成为行业霸主。也就是说，工业化时代，一个大国可以容纳十余家汽车制造厂，但信息与智能化时代，如果没有人为设置的壁垒，全世界最终可能都难以容得下三家智能操作系统，难以容得下两家通用大模型。信息与智能化领域的竞争，不是简单的谁占有多少市场份额的竞争，而是谁生谁死的竞争。这就表明为何中美两国当下人工智能与量子领域的竞争如此之激烈。

中美在高科技领域尤其是人工智能领域的竞争，大多数时间，美国在大多数领域是先行者。如果双方是和平竞争，遵循报酬递增规律，有可能仍然如计算机时代“Windows+Intel”或移动通信时代的要么是IOs要么是安卓（Android）一样，由美国公司独步天下，中国至多是其应用市场或“辅料”提供国。但是，由于美国越来越不自信，视中国为对手，对中国设置技术壁垒，打压中国在高科技领域的进步，推进与中国脱钩，这不仅是逆历史潮流而动，而且也是违背了“报酬递增规律”。其结果也是适得其反。

因此，美国如果真要保持高科技领域对华优势，最好的办法是利用报酬递增规律，与中国进行和平竞争，向中国市场出口其越来越多的高科技产品。而目前美国对中国的技术封锁，从长远看，是美国给了中国高科技领域独立发展的机会。迫使中国自主研发先进光刻机及高性能智能芯片，最终，使得中国发展成为一个与美国平行的高科技行业与市场。中国航天领域就是在美国封锁背景下独立发展起来的，其技术水平已堪与美国比肩。

这就是历史的辩证法！毛泽东同志早在《别了！司徒雷登》一文中就这样指出：“封锁吧，封锁十年八年，中国的一切问题都解决了。”而美国当下的精英们却鲜有人懂这一历史辩证法。

国家创新体系理论与政府在高科技发展中的定位

在当下信息与智能化领域，企业是在前台竞争，而背后都赫然站着国家。比如，去年3月，美国商务部长雷蒙多在出访菲律宾期间接受记者采访时说，“每天醒来，我们都要问一遍自己：我们在应对中国挑战上做得够多吗？”“我的职责是确保我们有包括半导体、人工智能（AI）等在内的尖端技术，而中国没有。”“因此，我们将不惜一切代价，包括扩大管制”。“为了赢得竞争，一部《芯片法案》还不够”。美国智库兰德公司的高级顾问吉米·古德里奇则坦言：“毫无疑问，在与中国的技术竞争方面，特别是在半导体方面，我们已经破釜沉舟。美国把在半导体领域打败中国作为首要国家战略目标之一。”

回顾历史，工业化时代的竞争，比如为支持本国汽车工业，各国政府可能会出台关税与补贴等财政政策，但这至多是经济手段与局部政策，而在当下人工智能与量子等领域，美国采取的是“全政府竞争”策略。

在熊彼特的创新理论中，企业是创新主体，而企业家是唯一的创新管理者。但到了信息与智能化时代，企业是创新主体，国家却成为最重要创新管理者。其背后的理论支撑，就是20世纪90年代中期尼尔森等人提出的“国家创新体系”理论。按《创新研究：演化与未来挑战》（Innovation studies: Evolution and Future Challenges，P178）一书的说法，“国家创新体系这个概念是创新研究领域过去30年发展的最重要概念之一。尽管我们一开始就知道并非所有的创新活动都是国家范围的，这个观点初期较为合理是因为大部分研发是在国家内部进行的，而且国家在其中发挥了企业家的作用，这不仅是作为市场失灵的协调者或调停者，而且是作为战略家、主要投资者和风险承担者参与其中”。

这表明国家创新体系中各国政府在高科技发展中的定位。而中美两国在此方面的运作亦有差异。

一是推动竞争前（precompetitive）合作，即政府要充当竞争协调者。由于报酬递增规律起了作用，为避免国内公司或机构之间的无序竞争造成内卷及浪费资源，真正推动形成国际竞争优势，国家作为国内竞争协调者角色非常重要。

20世纪80年代末，美国芯片产业面对日本的后来居上，进行了一系列专家会诊。参与美日半导体谈判的美国贸易代表克莱德•普雷斯托维茨（Clyde Prestowitz），一边指责日本人的做法“违背自由贸易原则”，一边为避免国内相关企业的无序竞争，在国内推动成立半导体战略联盟（SEMATECH），联盟内的成员企业将提供研发资源，进行合理分工，共享人力资源与研发成果、减少重复投资。最后，半导体战略联盟发展成为一个全球领先的全行业网络——包括代工厂、IDM、晶圆厂、测试、封装和组装公司、材料和设备供应商，确保了美国在全球半导体技术领域的领头羊地位。

当前，为了赢得对中国的竞争优势，在高科技领域，美国政府延续其“竞争协调者”角色。比如，2017年6月，DARPA启动“电子复兴计划”（ERI），旨在整合全美电子行业创新力量，以保持美国电子技术全球领先优势；2020年年初至2024年年中，美国国家科学基金会启动“国家人工智能研究所计划”，分三批领导成立了25个国家人工智能研究所，研究主题各有侧重，却又涵盖了人工智能，从基础研究到应用研究以及到成果转化全链条；2023年10月，由美国国家超算中心牵头，集结了众多国家实验室、顶尖高校、研究机构和全球领先的人工智能公司，以及工业界的众多科学家，共同组建了万亿参数联盟（Trillion Parameter Consortium，简称TPC），该联盟涵盖了从大模型开发到改进到应用各环节。

在市场经济背景下，政府如何充当好市场有序竞争协调者角色，还需要进一步探索。比如，在人工智能领域，国内企业之间山头林立，从智能应用、开发框架、系统软件、智能芯片，相互之间既有分工又有协调的格局没有形成。致使低水平项目争相重复上马，资源浪费严重。又比如，在新能源汽车领域，中国的技术已经领先于世界，但因为竞争导致的极致化内卷，中国出口的新能源汽车利润极低，没有体现出应有的价值。相较而言，华为作为中国信息领域巨型企业，反而通过“有组织科研”，在人工智能领域取得很大进展。2021年年初，华为牵头联合国内90余家半导体企业，组建了“中国芯片联盟”，推进改变国内相关企业低水平内卷式竞争局面，形成一致对外态势。中国亟待实行新型举国体制，在高科技领域借鉴“联盟模式”，以战略科技力量之间有序分工与有效协作为基础，贯通创新链与产业链。

二是支撑市场扩张到能够实现规模化。政府要充当战略家与安全风险承担者。高科技领域前期投入非常大，必须在产品阶段依托规模庞大的市场，慢慢消化前期投入，因此对市场的争夺远超过工业化时代。而规模化大市场是极其昂贵的“公共品”，只有国家力量才能创造和维护。工业时代早期，市场分割依靠的是战争与殖民，即依靠国家力量，获胜者是以美国为首的西方国家；信息化与智能化时代新一轮市场分割，甚至是市场全覆盖，更需要强大的国家力量参与其中作为后盾。在信息与智能化时代，现代化治理更是依靠大数据，谁掌握大数据实际上就掌握了治理的主权。而数据在全球范围内流动，会进一步冲击国家主权。因此，必须以强大的国家力量为依托，才能对冲大数据流动带来的治理问题。

美国采取“全政府竞争”策略，不仅有经济手段，还动用立法、司法与国家安全、外交甚至军事等各种措施。一方面是对外打压竞争对手，另一方面汇聚与整合资源支持国内主体。其《芯片法案》主要针对中国，一方面在拉拢欧盟及日韩包括中国台湾在内的“伙伴”一起针对中国时，另一方面又防止后者形成独立于美国控制之外的半导体领域发展体系。其中，滥用“国家安全”条款对中国企业进行制裁和封锁禁运，并滥用“长臂管辖”对科研人员和企业家滥捕滥诉，手段尤为恐怖。美国还通过《关于防止关注国家访问美国人的大量敏感个人数据和美国政府相关数据的行政命令》，限制乃至禁止中国（含香港和澳门）及符合条件的实体获取美国所谓“敏感个人数据及政府相关数据”。

中国是一个规模巨大的市场，虽然足够容纳下自身高科技领域发展成果的市场转化。但不断发展开拓这一市场，必须通过坚定不移的开放政策，通过与各国尤其是“全球南方”国家共享共创高科技领域发展成果，既扩大更适合南方国家市场的高科技成果市场，同时让南方国家在这其中获得发展机会与利益。中国亦根据国家利益包括高科技市场边界的扩展，建立以积极防御为导向的安全防线，尤其是信息化智能化时代的赛博空间安全与数据安全。

针对美国对我国滥用制裁、干涉与长臂管辖，我国已经初步建立起“三反”机制。2020年9月商务部出台了《不可靠实体清单规定》，2021年1月商务部公布了《阻断外国法律与措施不当域外适用办法》。在这两部行政性法令生效之后，2022年6月10日第十三届全国人民代表大会常务委员会第二十九次会议正式通过了《中华人民共和国反外国制裁法》，标志着正在构建“反制裁反干涉反长臂管辖”的法治保障。未来要继续丰富“三反”工具箱，细化执行主体，明确协调机制的建立。

三是政府必须是基础网络构造者。产业革命离不开基础设施。工业时代基础设施，主要是为了便捷资本的扩张与商品流动，而建设地理空间上的交通网络及通信网络主要是国家的责任。美国的铁路公路网，以及油气管网、通信网和互联网建设，借助了私营公司完成局部工作或作为政府购买服务的第三方，但政府仍是建设或推动建设的主角。信息与智能时代的基础设施，无论是建立在赛博空间上的畅通的国家信息高速公路，一体化的算力中心，还是强大的数据枢纽。同样只有国家才能承担建设任务。

目前，中美两国在人工智能领域基础设施建设方面各有长处。在算法方面，美国掌握核心算法和开源框架（如TensorFlow、PyTorch），主导大模型研发（如GPT系列、AlphaFold），我国在原创性、理论深度以及底层算法设计方面，仍然与美国存在较大差距。在算力基础方面，美国算力总规模为全球第一，2024年，美国新增智能算力占全球90%的市场份额；中国算力总规模居全球第二，次于美国，但智能算力增速显著，2025年预计同比增长43%。不过，目前中国面临高端算力产品禁售的困境，美国垄断了A100、H100、B200等高端智算芯片并且对华禁售。在数据基础方面，据美国加利福尼亚大学一份研究，目前机器学习和自然语言处理模型使用的数据集有50%是由12家顶级机构提供，其中10家为美国机构，1家为德国机构，只有1家机构来自中国。我国数据资源极为丰富，但是由于数据挖掘不足及流动性不强，数据孤岛问题依然严峻，阻碍了人工智能发展。当然，中国的优势是公共部门强大，数据量和数据结构良好，这是我们的产业优势，也是我们的制度强项。未来中国可利用好这一优势，并推动企事业单位的数据与其他各类数据汇聚融通，为人工智能产业发展提供关键要素。

中国在发展人工智能方面正探索一条低成本高效率的新路径。例如DeepSeek R1模型单位算力产出较OpenAI提升37%，这大大降低了人工智能基础建设的成本。同时，中国充分发挥体制优势，通过“东数西算”工程建成8个算力枢纽，算力复合增长率达62%。

并且，中国在传统能源与新能源供应上远超过美国。2023年，中国发电量是美国的两倍。也就是说，相较于美国，中国具备支撑AI按目前方向迅速发展的能源基础。而根据AI的第一性原理，最重要的就是能源和智能的转化率的问题。因此，中国在人工智能基础建设方面，将走出一条超越美国的新路。

来源：经济导刊