数字化的前提和基础是现代计算技术的发展，其历史顺序用最简单的语言讲大致如下：电子计算机的出现带动了集成电路（芯片）和软件的发展，而芯片和软件的发展又使计算机和通信之间相互融合；互联网的出现标志着计算机和通信技术融为一个互动的系统，而低功耗芯片和无线通信的发展催生了移动互联网，使计算技术发生了“端”（智能终端）和“云”（数据中心）的分离，由此产生的大数据为人工智能铺平了道路。

在这个被称为信息和通信技术（ICT）的现代计算生态系统的形成过程中，软件的发展起到特殊的作用，因为当计算机本身可以“沉浸”在自己的物理世界时，软件系统无可回避地要与一个更大的计算系统交织在一起，其中不仅包括机器，也包括人和过程。换句话说，软件是计算技术与社会关系和人的行为相互交叉的地方。【16】

这里特别要强调，上述顺序只能从事后理解，因为从来没有任何人在任何阶段能够准确地预见到计算生态系统在下一个阶段的实际形态——技术史的逻辑是被在不确定条件下的创造性反应所塑造的。

应用市场的规模和增长速度同时决定着ICT的技术创新速度。中国数字支付领域的技术领先，正是与中国工业生产能力及相关物流服务的发展分不开的。

上面几句话所概括的过程其实至少持续80年了，它说明ICT一直在影响经济发展，只不过这种影响是渐进的。这种渐进性质的根本原因在于，ICT的发展及其经济效果不仅取决于ICT工业的技术创新，而且取决于使用ICT的其他工业和服务业的应用创新。

特别重要的是，应用市场的规模和增长速度同时决定着ICT的技术创新速度，因为没人买单的技术研发是不可持续的。ICT的应用创新不仅仅是技术性的，而是涉及企业结构的变化，工作和激励结构的变化，甚至包括对用户服务方式的变化。

于是，最有价值的ICT应用既要求ICT的技术进步（一个领域的知识），也要求应用企业发明新的经营方式（另一个领域的知识），这就带来很难事先看到技术机会与商业价值之间相匹配的问题。【17】这种不确定性可以解释，为什么中国在互联网应用方面的创新（无论是阿里巴巴的电子商务还是抖音的短视频）能够超过在ICT技术上领先的美国。

从技术观点看，现代计算生态系统展示的产业数字化前景是：来自真实工业世界的数据一旦成为数字模式，就可以通过数字化生态系统的网络和装置来获取、储存、通讯、分析和转换这些数据。数字化数据之所以如此强大，是因为它可以被结合进由电子计算机上的软件所代表的数字模型，而数字数据和数字化模型的相结合允许以数字来模拟原来的物理系统，从而通过操作数据使物理系统实现人类依靠传统方法做不到的功能。【18】

数字化使计算机的作用产生如此的革命性，在科学研究上，实验室的新知识不是通过对自然界的观察和试验，而是通过在可视环境中仿真自然界；在工业发展上，如果产品开发和生产过程能够被数字化，那么就可以通过数字数据和数字化模型来仿真和操作这些过程，并通过虚拟的手段来改变产品开发和制造的过程。

但是，产业数字化仍然必须经过现有工业的改进和应用创新，因为它受到两个条件的限制：

第一，对于数字化来说，数据虽然可以被处理成为虚拟世界，但必须来自真实的工业世界（不真实的数据没有用）。如果没有现有的工业，就没有真实的产业数据，也就没有产业数字化的可能性。

第二，数字化必须对工业发展产生经济效益——如帮助提供更好的或成本更低的产品和服务，否则就没有企业愿意为数字化付钱，要不把搞数字化的专业人士饿死，要不就得忽悠政府提供无底线的投资。因此，数字化始终是“赋能”的手段，而不是工业能量本身，它逃不脱生产率提高必须遵循以机器代替人力劳动的规律。

这些限制条件还提出另一个重要问题：产业数字化的主力军是谁？大约10年前，曾经风靡一时的“互联网+”企图用互联网改造工业，如果不是代替的话。最后，没有任何一家互联网公司能够改造任何一家工业企业。原因在于，每个工业都有自己长期积累的专业知识和技能，不是互联网公司或任何ICT企业所能掌握的。

例如，如果想实现轧钢生产过程的数字化，就必须开发以智能轧钢机为中心的智能轧钢生产线，而开发智能轧钢机的先决条件是有能力设计建造轧钢机和轧钢生产线。更一般地讲，以数字化方式把工业生产与现代计算生态系统连接起来的关键是工业生产设备的智能化，而设备智能化的关键是把设备的控制系统与计算网络系统连接起来。

由于不同工业甚至不同企业的设备控制系统都需要不同的工业知识和经验，所以开发能与计算系统相连接的设备控制系统只能依靠工业企业，尽管需要它们做出新的努力（如有能力开发软件）。因此，无论ICT发展到什么样的水平，产业数字化的实际进展也只能取决于现有工业企业的创新。这个过程不存在以ICT来代替传统工业的可能性——“二分法”的逻辑不成立。

人工智能是数字化技术的最新成就，它的目的是使机器能够对目标对象的变化做出像人一样的瞬时反应。以目前流行的大语言模型为例，它通过对海量文本数据进行运算，用Transformer这样的深度学习架构来理解词语之间的联系和关系。目前大模型已经从文本领域拓展到做多模态处理，开始处理图像、音视频这些不同形态的数据。不过，以大模型为代表的人工智能刚刚开始影响“白领”工作领域的生产率，而对人工智能影响生产率的厚望还是被寄托在它能够进入生产领域。【19】

如果人工智能技术能够进入工业，它所带来的机器自主学习可能创造一个新的历史阶段：在马克思划分的以手工造机器→以机器造机器阶段之后，【20】再加上一个让机器自主造机器的阶段，那将使一个社会的生产力发展摆脱劳动力数量的限制（亦即生产率的大幅度提高）。但是，实现这个前景恐怕不仅需要比想象的更长时间，而且更加依赖于工业体系的互补性。

人工智能技术仍然属于数字化性质，所以它在工业上的应用面临着类似的障碍：首先，需要获取真实和准确的海量工业数据；其次，则需要在把数字网络与生产连接起来的智能机器或机器人方面，取得新的重要进展，以及工业组织相应的变化。

人工智能仍然是赋能技术，不能代替现有的工业，反而有赖于工业企业的应用创新。图为2020全球人工智能大会上亮相的国产智能机器人

因此，人工智能应用于工业的可能性，仍然有赖于工业企业的应用创新（因而通用大模型不一定是工业人工智能的最优技术路线），而工业应用计算技术的累积性过程——从机器的控制系统、运营的信息化到产品开发和生产过程的数字化，仍然是应用人工智能技术的基础。即使人工智能可以对生产率提高产生明显的影响，它仍然是“赋能”技术，不可能代替现有的工业，反而有赖于工业的应用创新才能继续发展。

为了继续推销“二分法”思维，一位经济学家在2023年说，“我们面对的实际上是两种不同实体经济：一种是传统的竞争力下降、过剩严重的实体经济，另一种是数字化赋能、生产率大幅提升的实体经济。我们面临的真正挑战，是如何加快实现由传统实体经济向数字化实体经济的转型。”

不过，这段话存在一个重大的自我矛盾：如果传统的实体经济是产能过剩的，那为什么“生产率大幅提升”（意味着生产得更多）的数字实体经济就不过剩？当然，他们不得不说“实体经济”是因为有政治正确的约束。但是，数字技术只是赋能技术，本身并不生产任何东西，他们怎么就能相信数字化可以代替工业化？“二分法”思维可以让人忘记常识。

强调工业体系的互补性并非贬低发展高技术工业的作用，而是强调这种互补关系是技术进步影响生产率提高和经济增长的关键机制，即一个工业部门的创新会导致其他工业部门的技术进步，而新技术在众多工业部门的扩散和持续改进才会使其经济效果得以充分发挥。正是从工业体系的整体性视角看，中国发展高技术工业是绝对必要的，因为这是工业体系技术进步和升级的主要动力。

正是从这个视角看，我们对于中国半导体工业一定能够发展起来的前景也充满信心：世界最大的单一半导体市场提供的需求条件，加上世界最大工业体系提供的供给条件，使中国半导体工业的崛起只是时间问题。也正是从工业体系的这种互补性和整体性来看，我们就会理解，为什么企图以高新技术工业来代替传统工业的“二分法”政策思维会导致经济下行。

（未完部分，见下篇）

注释：

【1】[ Simon Kuznets, “The Meaning and Measurement of Economic Growth,” in Barry E. Supple, ed., The Experience of Economic Growth: Case Studies in Economic History, New York: Random House Book, 1963, p. 53.]

【2】 例如，从19世纪末汽车工业诞生以来，汽车的基本产品形式迄今没有出现过重大变化，但经历过大规模流水线生产的应用、内燃机的持续改进和电子元器件的普遍使用，直至今天的新能源汽车发展。这些变化降低了汽车的生产成本，扩大了生产规模，把汽车从最初的贵族奢侈品变成了今天的大众消费品。

【3】 Ralph Landau and Nathan Rosenberg, “Successful commercialization in the chemical process industry,” in Nathan Rosenberg, Ralph Landau and David Mowery, eds., Technology and the Wealth of Nations (Stanford, CA.: Stanford University Press, 1992), p. 73.

【4】 官方自己也承认，“石化化工、钢铁、有色、建材、机械、汽车、轻工、纺织等传统制造业增加值占全部制造业的比重近80%，是支撑国民经济发展和满足人民生活需要的重要基础”。见：《工业和信息化部等八部门关于加快传统制造业转型升级的指导意见》工信部联规〔2023〕258号，https://www.gov.cn/zhengce/zhengceku/202312/content_6923270.htm。

【5】 数据来源：美国半导体工业协会。

【6】“战略性新兴产业增加值占国内生产总值比重超13%”，《人民日报》，2023年7月6日 第1 版，http://finance.people.com.cn/n1/2023/0706/c1004-40028852.html。

【7】 David Mowery and Nathan Rosenberg, Paths of Innovation: Technological Change in 20th-Century America. New York: Cambridge University Press, 1998, p. 5

【8】晶体管是美国电报电话公司的贝尔实验室发明的，集成电路是德州仪器公司发明的；合成纤维是原来生产炸药的杜邦公司发明的；光纤是生产玻璃的康宁公司发明的；液晶显示器的样机是美国无线电公司（RCA）发明的，但产业化是日本消费电子企业所实现的。这些发明后来都发展成为独立的工业，即当时的“战略新兴产业”，但它们都出身于传统工业。

【9】 Constance E. Helfat and Marvin B. Lieberman, “The birth of capabilities: market entry and the importance of pre-history, ” Industrial and Corporate Change, vol. 11, no. 4 (2002), pp. 725-760.

【10】 【美】阿尔弗雷德·D·钱德勒、詹姆斯·W·科塔达，编：《信息改变了美国：驱动国家转型的力量》，万岩、邱艳娟，上海远东出版社，2008年。

【11】W. Brian Arthur, “The Structure of Invention,” Research Policy, vol. 36 (2007), pp. 274-287.

【12】例如，光刻工艺最早来自于相机的聚焦和曝光工艺，最初的光刻镜头也是用相机镜头改装而来。时至今日，在光刻镜头领域领先全球的德国蔡司、日本佳能和尼康同样也是相机镜头领域的主导企业。

【13】 Cyrus C. M. Mody, “Spillovers from Oil Firms to U.S. Computing and Semiconductor Manufacturing: Smudging State–Industry Distinctions and Retelling Conventional Narratives.” Enterprise & Society, vol. 24, no. 3 (2023), pp. 676–701. 

【14】 Joseph A. Schumpeter, “The creative response in economic history,” The Journal of Economic History, vol. 7, no. 2 (Nov., 1947), pp. 149-159

【15】这段历史详见路风：《光变：一个企业及其工业史》，当代中国出版社，2016，第三章。

【16】 Thomas Haigh, “Inventing information systems: the systems men and the computer, 1950-1968, ” The Business History Review, Vol. 75, No. 1 (Spring, 2001), pp. 15-61

【17】Timothy F. Bresnahan, “Technological change in ICT in light of ideas first learned about the machine tool industry, ” Industrial and Corporate Change, Vol. 28, No. 2 (2019), pp. 331–349.

【18】 Nathan Ensmenger, “The Digital Construction of Technology: Rethinking the History of Computers in Society, ” Technology and Culture, vol. 53, no. 4 (October 2012), pp. 753-776

【19】 James Manyika and Michael Spence, “The coming AI economic revolution: can artificial intelligence reverse the productivity slowdown? ” Foreign Affairs, vol. 102, no. 6 (November/December 2023), pp. 70-86.]

【20】马克思：《资本论》第一卷，北京：人民出版社2004年第2版（2008年第3次印刷），第439-441页。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。