万维读者网 -- 全球华人的精神家园

广告服务

联系我们

关于万维

首　页

新　闻

视　频

博　客

论　坛

分类广告

购　物


		欧阳峰的blog
	https://blog.creaders.net/u/1030/ > 复制 > 收藏本页	以文会友，不亦乐乎！

网络日志正文

		创新基因—2025年诺贝尔经济奖（下：现实映射与未来探讨）	2026-08-12 04:46:59

1 第四部分　理论怎样转化为政策？

以上各部分中，我们梳理了 2025 年诺贝尔经济学奖三位获奖者的核心贡献：乔尔·莫基尔（Joel Mokyr）从历史视角展现了工业革命时期知识融合、工匠人才与开放共同体构成的“创新生态”；菲利普·阿吉翁（Philippe Aghion）与彼得·豪伊特（Peter Howitt）则将熊彼特“创造性毁灭”的思想量化为“质量阶梯/纵向创新”模型，揭示了创新自我延续的内在机制。同时，我们也从方法论和学术史的角度，反思了经济学模型的边界与魅力。

解释和理解现象只是第一步。更重要的问题是：这些理论对于今天的政策选择、制度设计意味着什么？一个希望保持竞争力和创新能力的社会，应该怎样设计自己的社会机构和市场规则？

先看莫基尔的工作。

与许多从资本、税收或市场结构出发的经济学理论不同，莫基尔特别关注参与创新的人，以及这些人所处的知识和制度环境。在他的历史叙述中，真正推动工业革命的并不是抽象的“技术进步”，而是具体的人：科学家、工程师、工匠、企业家。连接他们的知识共同体也非常重要。因此，从莫基尔的角度看，创新政策的目标不只是刺激经济增长，更重要的是营造一个有利于创新者成长和合作的生态环境。

莫基尔特别强调命题性知识（理论）与指令性知识（实践）之间的结合。工业革命时期的欧洲之所以能够持续创新，一个重要原因就在于这两类知识之间形成了频繁交流和相互促进的关系。这一点对于今天仍然具有重要启发意义。大学、研究机构、工厂和企业实验室之间的合作，不仅有助于知识传播，也有助于新的知识在碰撞中产生。

然而，两种知识之间的结合并不会自动发生。基础研究与应用研究应该如何分配资源？学校、研究机构与企业之间怎样建立有效合作？怎样既鼓励专业分工，又避免不同领域彼此隔绝？这些问题直到今天仍然没有简单答案。莫基尔的贡献，并不是替我们解决这些问题，而是提醒我们：一个社会如果忽视了不同知识之间的交流与融合，就很可能失去持续创新的能力。

培育了适当的知识生态，知识还需要人来承载，而其中的重要一环，就是高质量的工匠群体。在莫基尔的定义中，工匠并不是简单的熟练工人，而是能够把理论知识转化为具体实践，同时又能够把实践经验反馈给理论发展的桥梁角色。工业革命时期的大量创新，并不是来自少数天才科学家的灵光一现，而是来自一代代工匠持续不断的试验、改进和优化。

今天，当人们谈论创新时，注意力往往集中在科学家、企业家或明星工程师身上，而那些介于理论与实践之间的人物反而容易被忽视。但从莫基尔的角度看，一个社会真正稀缺的，也许恰恰是这些桥梁人物。因此，一个社会不仅要培养科学家，也要思考怎样吸引优秀人才进入技术职业，怎样建立训练和上升通道，以及怎样给予这些职业足够的社会认可。只有让这样的群体持续产生，并在社会中拥有足够的发展空间，创新能力才有了坚实的基础。

即使拥有了知识和人才，创新还依赖于一个鼓励开放与竞争的环境，这正是莫基尔工作的另一项重要启示。

开放与竞争并不容易。一个社会往往存在各种倾向于维护现状的力量。怎样在维护社会稳定的同时保持变革的活力？怎样既承认创新成功者应得的回报，又防止他们利用经济或政治的既得力量阻碍后来者？怎样用社会政策去补偿“创造性毁灭”中受到损失的人，从而缓解创新面临的政治阻力？这些问题同样没有简单答案。

从这个意义上说，莫基尔的研究更像是一盏探照灯，而不是一条铁路。它并没有规定前行的途径，也没有提供现成的政策手册。它只是帮助我们看清哪些因素真正重要，哪些问题值得优先回答。至于具体的道路应该怎样走，不同社会、不同时代，仍然需要自己摸索。

相比莫基尔关注创新发生的环境，阿吉翁与豪伊特更关心创新过程本身所产生的后果。在他们的模型中，创新不是单纯的“加法”。每一次创造，都伴随着某种毁灭；每一次技术进步，都可能意味着旧技术、旧企业的推出，甚至旧行业的消失。因此，从政策角度看，问题并不只是怎样增加创新，而是怎样在鼓励创新的同时，处理它所带来的各种影响。

“创造性毁灭” 会不断产生赢家和输家，而且创新本身又具有很大的随机性和不确定性，最终成败并不完全取决于努力和才能。 “运气”往往也占据重要位置。同时，成功者本身也受益于前人积累的知识、教育体系和公共投入。因此，一个社会既有理由通过税收等制度让部分收益重新回流社会，也有理由帮助那些在转型过程中受到冲击的人群。

这种再分配还有更深层的意义。它既能够限制既有成功者积累过大的影响力，从而为未来的创新和挑战保留成长空间，也能够为失败者提供安全网，使他们在遭遇挫折后仍有重新尝试的机会。更重要的是，通过降低创新活动中“赢者通吃、输者全失”的风险，它还能减轻社会对创新的抵触情绪，从而减少创新所面临的政治阻力。

对于创新外部性的认知也告诉我们，创新政策并不是力度越大越好。由于市场往往低估创新活动的社会价值，政府有理由通过补贴、税收优惠等方式鼓励研发；但创新本身也存在社会成本，因此政策同样需要避免过犹不及。

然而，认识到存在最优的政府支持水平，并不意味着知道这个最佳点在哪里。不同产业、不同技术、不同历史时期，所对应的最佳点都可能不同。怎样在鼓励创新与控制社会成本之间取得平衡？怎样判断某种补贴是在促进增长还是在制造低效率竞争？这些问题直到今天仍然是经济学研究和政策实践中的重要课题。

创新政策中的平衡，同样体现在对创新者利益的保护上。创新成功者需要获得足够回报，而后来者也需要拥有挑战现状的机会。我们既要保护今天的创新者，也要扶持明天的创新者。前者主要通过专利制度实现，后者则更多依赖竞争和反垄断政策。两者的力度，都是需要权衡的问题。

通过专利保护给予创新者一定时期的独占收益，社会能够激励更多人投入研发活动。然而，保护本身也存在代价。如果保护过度，会削弱后来者继续创新的机会和动力。因此，专利保护的范围、力度和时间长度，始终是一个需要权衡的问题。

另一方面，反垄断政策不是在成功者与挑战者之间做出取舍，而是让两者能长期共存。一个企业规模很大，并不自动意味着它有害于社会。真正值得警惕的，并不是成功本身，而是成功者利用自身优势阻止新的竞争者入场。因此，一个社会需要思考的，并不是怎样消灭大企业，而是怎样确保市场始终向新的挑战者开放。

阿吉翁与豪伊特的研究模型还提醒我们，人才本身也是创新活动的重要资源。创新需要研究人员，而这些人才同时也是生产部门所争夺的稀缺资源。一个社会的人才供给越充足，它能够投入创新的人力资源也就越多。

但人才并不会自动出现。教育机会、职业培训以及社会流动渠道，都会影响一个社会长期的人才供给。怎样在激励成功与维持机会公平之间取得平衡，怎样让更多人拥有参与竞争和向上流动的可能，这些问题不仅是社会政策问题，也是创新政策问题。

如果说莫基尔像一盏探照灯，帮助我们注目于创新生态中的重要因，那么阿吉翁与豪伊特更像一架天平。它提醒我们，创新社会中的许多目标并不总是一致的，而是需要在不同价值之间不断权衡。激励与补偿、效率与公平、保护与竞争，这些看似对立的目标，都无法简单地取其一而弃其余。

从这个意义上说，无论是莫基尔的历史研究，还是阿吉翁与豪伊特的数学模型，都是帮助我们思考的工具，而不是替我们思考的机器。

2 第五部分　AI时代的创新机器

前几部分里，我们回顾了诺贝尔经济学奖的主要工作及其对传统政策的启示。如果这些理论只是总结过去，故事到这里也许就讲得差不多了。然而，理解一项理论真正的乐趣，在于用它来审视我们当下正经历的深刻变革。首先值得讨论的，就是人工智能（AI）。

一个自然的问题是：AI究竟只是创新过程中的又一种新工具，还是正在改变创新本身？莫基尔和阿吉翁与豪伊特提出的框架，在今天的AI时代是否仍然适用？它们又有哪些指导意义？

莫基尔主要关注社会和文化环境怎样影响创新，而较少讨论创新对于社会环境的反作用。但AI具有一种特殊性质：它不仅是一项具体技术，同时也在改变人们获取知识、组织工作和进行交流的方式。换句话说，它不仅是创新生态中的一个参与者，而且正在重新塑造创新生态乃至社会结构。

借用阿吉翁与豪伊特的语言，我们可以说，AI的外部性已经不再局限于技术和经济层面，而开始扩展到社会、文化乃至认知层面。

如果沿用莫基尔的框架来看待今天的AI，我们会发现，他所强调的三个社会因素：知识融合、人才结构以及开放环境，在AI时代都有了新的涵义和新的问题。而这些变化，既可能增强创新能力，也可能带来新的风险。

先看知识融合。莫基尔特别强调命题性知识与指令性知识之间的结合。而AI是人类历史上最强大的知识转换工具之一，它能够大大加快两种知识之间的流通和融合。

例如，一个数学家不需要先成为程序员，就能借助AI把自己的理论成果快速转化为软件工具；一个火箭工程师遇到热力学问题，也可以利用AI快速学习相关知识并寻找解决方案。这种跨领域的任务，过去往往需要通过团队合作完成。而团队协作的成本和效率，本身就是社会的知识融合能力的一部分。今天，AI也许正在扮演一个随时待命的“多面手”队友，大大降低不同知识之间发生融合的门槛和成本。

同时，AI也可能改变知识本身的组织方式。

过去，一个人必须先系统学习一门知识，才能在工作中使用它。未来，人们也许只需要掌握基本概念框架，就可以在需要时借助AI获得即时帮助。这有点像谷歌改变了人们记忆信息的方式：很多数字和事实不再储存在人的大脑中，而是储存在搜索引擎里。

更重要的是，目前人类与AI已经能够交换结果，却很难交换推理过程。就像绝大多数人会使用计算器，却并不知道平方根是怎样计算出来的一样，未来很可能绝大多数人知道怎样利用AI获得答案，却并不真正理解答案是怎样生成的。

这种新的知识组织方式，对于日常工作也许十分有效。但它对于创新会有什么影响呢？

创新往往来自不同知识元素之间发生意外的联系，而这些联系究竟应该发生在人类的大脑中，还是发生在AI系统内部，抑或发生在人与AI的互动过程中？如果越来越多的知识被“外包”给AI，人类是否仍然拥有产生创新所需的“原材料”？未来的创新，究竟应该由人类完成，还是由人类与AI共同组成的系统来完成？这些问题，也许会成为未来教育学、认知科学乃至创新理论的重要课题。

有趣的是，AI行业本身的知识结构也值得关注。

直到今天，人们对于智能究竟是什么、为什么大语言模型能够工作、是否存在更好的替代架构这些基础问题，仍然存在许多根本分歧。然而，这并没有阻止AI技术通过实践层面的不断试错迅速发展。很多性能提升，并不是来自理论突破，而是来自工程经验、数据处理方法以及算力的持续增长。在AI领域，莫基尔所说的理论知识与实践知识正在同时高速演化，并且相互推动。所以，AI行业本身也正在展示和验证莫基尔所强调的知识融合机制。

莫基尔指出的“知识融合”问题，在AI时代变得更加尖锐，更加丰富，也更加有启发性。

再看工匠人才。

在莫基尔的历史叙述中，工匠始终占据着特殊地位。他们并不是简单的熟练工人，而是能够在理论与实践之间融会贯通的人。他们既理解具体技术，又能够通过不断试验、改进和反馈，把实践经验重新转化为新的理论知识。那么，在AI时代，谁是这样的“工匠”？

在AI行业内部，我们依然能够看到莫基尔笔下的人物形象。很多推动AI发展的领军人物，并不只是纯粹的理论研究者，也不是单纯的软件工程师，而是那些善于通过实践和试错推动技术进步，同时又能够与理论研究者交流的人。他们既理解模型，也理解应用；既关注原理，也关注实现。从这个意义上说，AI行业本身，仍然运行在莫基尔所描述的创新模式之中。

另一方面，AI也在重塑所有领域培养工匠的传统路径。在工业革命时代，一个优秀的工匠往往需要经历漫长的学徒训练，才能逐渐掌握复杂的技术和经验。莫基尔称他们为“上尾部人力资源”（upper-tail human capital），也就是技能水平最高的那一部分劳动者。

而今天，AI正在显著降低许多技术活动的门槛。过去需要多年积累才能形成的能力，现在普通人借助AI也能快速上手。AI正在使 “工匠阶层”变得更加民主化，使工匠能力不再限于少数精英。这意味着更多人有机会参与创新，也意味着社会拥有了更加丰富的人才来源。

然而AI又带来了一个新问题。AI在降低工匠门槛的同时，也可能正在取代许多传统意义上的工匠岗位，如律师助理，高级秘书，科研助手等。而这些工匠岗位，本身也是工业革命时期培养和筛选工匠人才的重要土壤。未来，如果越来越多的入门工作被AI接管，那么培养工匠的流水线是否被打断了？

进一步说，未来培养工匠的场所，是否仍然必须是工厂和企业？学校、游戏、开源社区、兴趣社群和其它非生产性的活动，是否也能够承担类似工厂学徒制度的功能？一个社会是否能够在生产活动之外，建立新的机制来吸引、训练和激励这些人才，并从中持续获得创新活力？

最后看开放环境。

莫基尔认为，开放的人才流动和思想交流，是工业革命能够持续发展的重要条件。创新不仅需要知识和人才，还需要一个能够容纳变革、允许竞争并鼓励新思想和新技术出现的环境。而在AI时代，这种开放的重要性，比以往任何时候都更加突出。

与许多已经成熟的产业不同，今天的AI技术仍然远未定型。许多研究者都认为，大语言模型未必是最终答案，未来仍然可能出现新的架构、新的范式甚至新的发展方向。然而，前所未有的资源、人才和用户已经集中到了现有技术和平台。现有公司和系统的优势，很可能会增加下一轮技术变革发生的难度。因此，怎样避免过早形成路径依赖，怎样让新的玩家、新的架构和新的思想继续拥有竞争机会，就变得格外重要。从这个角度看，现在已经崭露头角的模块化设计和开源生态，也许有助于降低进入壁垒。

除了技术和市场结构之外，开放环境还涉及更深层的问题。

大语言模型本身建立在现有知识和文本之上，因此它们在很大程度上反映了过去世界留下来的经验和共识。而真正重要的创新，尤其是熊彼特意义上的“创造性毁灭”，往往意味着对既有共识的挑战。

如果未来越来越多的人通过AI获取知识、参与讨论甚至形成观点，那么这些系统是否会使既有观念获得更大的影响力，而让那些“反叛”的新思想更难扎根？如果这种倾向确实存在，那么一个创新社会又应该怎样维持思想上的开放和多样性？

也许，未来最重要的开放环境，不只是市场和制度，还包括人与AI共同构成的知识环境。而莫基尔所强调的开放、流动和竞争，在这样的新环境中，将获得新的含义。

前面讨论的三个问题，主要都是沿用莫基尔的框架，关注AI对于知识、人才和创新环境的影响。但AI的影响并不止于此。

阿吉翁与豪伊特特别强调创新所产生的外部性。在他们的模型中，创造性毁灭既会带来新的价值，也会带来被取代者所承担的成本。不过，他们关注的重点仍然是这些外部性对于投资决策和经济增长的影响。而在AI时代，新技术所产生的影响，正在超出传统经济学所习惯讨论的范围。

早在2018年，杨安泽（Andrew Yang）就在《对普通人的战争》（The War on Normal People）一书中提出，当代高科技对于社会的冲击，也许已经不同于以往的生产技术更替。随后的AI浪潮，进一步强化了这种担忧。

过去的技术革命，通常首先出现在某个特定行业，并在相当长时间内与旧技术并存。无论是蒸汽机、电力还是互联网，它们都经历了一个逐步扩散和被社会吸收的过程。新技术的推广往往需要时间和资源来建设新的基础设施，整个社会也有时间逐渐适应。

而AI的发展速度则完全不同。大语言模型问世之后，仅仅几年时间，相关技术就已经迅速渗透到编程、教育、商业乃至军事等众多领域，并且这种扩散仍在加速。对于许多人来说，AI已经不再是一种新奇的技术，而正在成为日常工作不可或缺的一部分。

如果这种趋势继续下去，那么创造性毁灭所带来的社会重组，无论是规模还是速度，都可能远远超过以往。

那么，我们过去应对冲击的一些政策工具，如税收、职业培训以及传统社会保障制度，是否仍然足以应对这种变化？我们是否需要新的制度安排？这些问题目前仍然没有明确答案，而答案的形成过程本身，也将成为未来创新社会必须面对的一个课题。

不过，上面的讨论仍然默认一个前提：AI虽然会带来更快、更大规模的创造性毁灭，但社会的基本运行方式并不会发生改变。如果这个前提本身开始动摇，那么问题就会变得更加根本。

在现代经济学的大部分理论中，人们通常默认生产能力始终是制约因素，提高生产效率和扩大供给，几乎总是有利于社会福祉。无论是蒸汽机、电力还是互联网，每一次技术进步都在帮助人类生产更多财富；经济学所关注的问题，始终是如何最优地配置紧缺的资源，继续提高生产效率。

然而，互联网的发展已经使信息、软件和娱乐等产品的边际成本不断下降；而AI的出现，又进一步把这种趋势扩展到更多领域。随着越来越多的任务开始由AI参与甚至完成，人类劳动在生产过程中的作用可能持续下降。

如果生产能力持续提高，而人类劳动的重要性不断下降，那么经济增长与社会福祉之间是否仍然存在过去那样紧密的联系？今天人们对于AI的焦虑，很多时候已经不再是“怎样提高生产效率”，而是“当越来越多的人不再被生产过程需要时，社会应该怎样运转”。

如果真是如此，那么未来需要调整的，就不仅是具体政策，而是一些更加基础的经济学假设。也就是说，AI不仅增强了经济学长期关注的优化手段，也可能促使我们重新审视优化的目标。

从这个意义上说，AI所带来的外部性，已经超越了生产和经济层面，而开始触及整个社会存在和发展的基础。AI带来的“创造性毁灭”，其对象也许已经不再只是具体的技术和行业，而是我们理解人类社会的方式本身。

回过头来看，AI并没有让莫基尔和阿吉翁、豪伊特提出的问题过时。恰恰相反，它让这些问题变得更加重要，也更加复杂。

莫基尔强调知识融合、人才结构和开放环境的重要性，而阿吉翁与豪伊特则提醒我们关注创新的外部性以及创造性毁灭所带来的各种后果。在过去，这些问题主要发生在经济和技术层面；而在AI时代，它们的影响范围正在不断扩大，开始延伸到认知方式、知识组织、社会结构乃至价值观本身。我们思考的范围，也要相应地扩大。

AI不仅是一项创新成果，同时也正在成为创新环境的一部分。它不仅帮助我们完成生产和工作任务，也在改变我们怎样学习、怎样合作，以及怎样产生新的想法。换句话说，AI正在参与塑造未来的“创新机器”。更进一步，我们是否能够有意识地构建AI，使它帮助人类持续保持创新能力，本身也许会成为未来的重要课题。

如果说莫基尔和阿吉翁、豪伊特帮助我们理解了过去几个世纪的创新机器，那么AI时代提出的任务，也许正是开始有意识地思考：下一代的创新机器该怎样设计。

3 第六部分　二十一世纪的挑战

前面一部分，我们主要讨论了人工智能对于创新生态可能产生的影响。AI是目前最引人注目的技术变化，但它并不是我们今天面临的唯一挑战。AI只是一个例子，而不是例外。

除了AI，2025年诺贝尔经济学奖所表彰的这些工作，还与许多当代政治和经济问题密切相关。无论是经济不平等、全球化，还是人才流动和市场竞争，都可以放到同一个框架之下重新审视：一个社会怎样才能持续保持创新能力？

近年来，不少经济学家注意到，本世纪以来，许多发达国家都出现了经济活力下降的迹象：生产率增长放缓，企业新陈代谢速度减慢，大企业的寿命变长，市场集中度上升，而熊彼特意义上的“创造性毁灭”似乎也在减弱。至于这些现象之间究竟存在怎样的因果关系，目前仍然是活跃的研究课题。其中一个长期受到关注的问题，就是经济不平等。

过去几十年里，发达国家总体上仍然保持增长，但财富和收入差距不断扩大。许多国家，特别是美国，也出现了越来越明显的政治极化和社会焦虑。而从获奖工作的视角来看，经济不平等并不仅仅是公平问题，它同时也是创新问题。

一方面，经济资源和政治影响力过度集中，可能使既得利益者拥有更强的能力去阻止新的竞争者，从而削弱创新环境。另一方面，创新活动高度依赖人才，而人才供给又依赖于社会流动性。如果大量人群因为经济条件而失去受教育、创业和向上流动的机会，那么创新人才的“蓄水池”也会随之缩小。

但反过来说，完全消除收入差异也未必有利。创新成功者获得更高回报，本身就是激励机制的一部分，而资源向成功记录更好的个人和企业集中，也可能提高资源配置效率。因此，从创新角度看，真正的问题不是“要不要平等”，而是怎样在激励与机会之间找到适当的平衡。

另一个值得重新思考的问题，是全球人才和知识的流动。

莫基尔强调开放环境的重要性，而阿吉翁与豪伊特则揭示了创新的正外部性。两者都指向同一个结论：知识传播得越广，创新所创造的社会价值也就越大。无论是工业革命之后技术在欧洲的扩散，还是互联网时代全球化带来的经济合作，都曾经创造出巨大的共同收益。更重要的是，交流合作也意味着不同知识、经验和思维方式之间的碰撞，为创新提供了源源不断的动力。

然而，现代经济中越来越颗粒化的国际分工，在提高效率的同时，也可能增加不同知识体系彼此隔离的风险。仅仅依靠市场机制，也许并不足以维持这种交流。一个创新社会可能还需要主动创造机会，让不同行业、不同专业甚至不同国家的人能够分享知识、交流经验，并在碰撞中产生新的想法。莫基尔所津津乐道的“学术共和国”，在今天仍然需要维系和扩大。与此同时，今天由于地缘政治以及各种制度壁垒，不同国家之间的联系正在变得更加脆弱。但从创新角度看，开放和流动仍然是珍贵的资源。

也许，真正重要的并不是我们是否已经拥有答案，而是面对不断变化的世界，我们是否仍然愿意提出问题。