谭寅亮：生产力悖论：三次工业革命规律如何在AI时代演绎
历史没有奇迹，生产率增长先降后升的现象在三次通用技术诞生的初期一再出现。由AI引发的第四次工业革命，很大程度上将重现前三次工业革命的规律。
难解的“生产率悖论”
自工业革命以来，人类历史上出现过三次通用技术（General Purpose Technologies, GPTs）【注：此处的GPTs与OpenAI的GPT（Generative Pre-trained Transformer）不是同一个概念】，分别是蒸汽机、电力以及信息与通信技术（以下简称IT时代）。这三次通用技术引发了三次工业革命。现在有种种早期迹象表明，人工智能（Artificial Intelligence）将会是下一个影响人类生产生活方式的通用技术。
与普通技术不同的是，通用技术是指那些在各行各业中具有广泛应用，并能驱动整个时代的经济和社会变革的技术 (Bresnahan & Trajtenberg 1992)。简言之，通用技术具有三大特征：广泛适用性（广泛性）、持续改进的潜力（创新性）以及溢出效应/互补创新（增长性）。
对于当下人工智能的热潮，比尔·盖茨曾说，“我们总是高估未来两年的变化，低估未来10年的变革。”人工智能若全面渗透到社会生态中，势必将掀起一场巨大的变革，而当下仅仅是初露端倪。
要了解人工智能在短期和长期对社会经济的影响，不妨将其置于通用技术的框架内进行探讨，虽然我们无法预估哪些具体的商业模式将在人工智能时代诞生，但可以从百余年来三次通用技术的发展规律中得出有益的启示。
基于经济学家几十年来对通用技术的研究成果，我们可以预见，人工智能在短期内未必会带来生产率的快速提升，甚至还有可能下降。这与人们对创新技术惯常的理解很不一样，这就是著名的“生产率悖论”。例如，推动英国工业革命的技术导致了“恩格斯停顿”（Engels’ pause），这是一段半个世纪的资本积累、工业创新和工资停滞的时期（艾伦2009；阿克莫格鲁和罗宾逊2013）。
历史没有奇迹，生产率增长先降后升的现象在三次通用技术诞生的初期一再出现。究竟是哪些关键因素影响了生产率的增长？
电力技术的普及为什么迟到了30年
电的发明和普及是工业化和现代社会发展中的一次巨大飞跃。我们选取电力革命作为例证，以此来观察第二次通用技术的诞生初期，有哪些因素在影响生产率。
1879年电灯泡问世，1882年，托马斯·爱迪生在纽约珍珠街建立第一座发电站。到世纪之交时，有远见的工程师已经预见到电力革命将给工厂、商店和家庭带来的深刻转变。但是，这种远见并没有立即成为现实。
穿越时空回到1900年初，几乎找不到任何证据表明“电力革命”正在使商业变得更加高效，甚至在电力出现的初期，生产率增长还出现了下降。为什么电力花了30多年的时间才影响了生产率？斯坦福大学经济学家和历史学家Paul A. David教授在1990年的美国经济学年会（AEA)上发表了一篇论文，从管理视角揭示了这个问题的答案。
以图1为例，当时，以蒸汽为动力的制造业将整个生产线连接到一个巨大的蒸汽机上，所有的传动带都以相同的速度运转。蒸汽机时代的工厂通常是多层建筑，这种布局便于传递动力，有助于减少动力损失，但也限制了工厂布局的灵活性。
工厂内的工作流程是根据某些机器距离蒸汽机位置远近的必要性来设计的，而不是根据产品方便从一台机器转换到下一台机器的逻辑。由于动力集中在蒸汽机上，工厂的操作和控制需要集中管理，导致管理层和操作层之间的距离较远。这种集中控制方式也限制了工厂生产的灵活性和响应速度。
图1：以蒸气为动力的制造业（本图片由AI工具DALL-E 3生成）
当电动发电机首次引入工厂时，人们简单地拆除蒸汽机并将其替换为发电机，希望实现降本增效，但生产效率几乎没有提高，直到工厂老板从根本上重塑工作方式和劳动力构成。
斯坦福大学Erik Brynjolfsson等学者指出，通用技术在早期阶段展现出巨大潜力，但企业在实现这些潜力时需要投入大量难以量化的资源。企业不仅要对生产组织进行全面重新思考，还需重构业务流程，开发新的管理方式，培训员工，并建立其他无形资产。
依照这一研究观察，以图2为例，电动发动机最初进入工厂时，企业管理方式经历了哪些变化。
首先，单元驱动系统的普及。传统蒸汽机使用复杂的轴和皮带传动系统，而电力技术允许使用单元驱动系统，即每台机器由单独的电动机驱动。这种系统减少了传动损失，提高了机械的控制精度和效率，显著提升了生产效率。
其次，工厂布局的重新设计。电力技术使得工厂可以采用单层建筑布局，不再需要多层结构来减少传动系统的长度。这种变化不仅节省了建筑成本，还提高了生产线的灵活性和物料处理效率。
第三，改进的工作环境。电力系统的使用改善了工厂的工作环境。电动机比蒸汽机更安静、干净，减少了噪音和污染。此外，电力驱动系统消除了旋转皮带带来的安全隐患，提供了更安全的工作环境。
第四，新技术的互补发展。随着电力的普及，其他技术如自动化和过程控制技术也得到了发展和应用。这些新技术与电力技术相结合，进一步提升了工厂的生产效率。例如，电力驱动的自动化设备使得连续生产和24小时不间断生产成为可能。
第五，工人自主性提高。上述改进不仅仅体现在建筑上，企业还允许工人做出更多决定，给予更多的培训和不同的合同来鼓励他们承担责任。
企业管理方式发生变化的同时，电力技术的普及亦离不开市场需求和政策支持。电力成本的降低，政策对电力基础设施建设的支持，以及电力设备制造行业的发展，都为电力技术在工业中的广泛应用提供了有利条件，更带来商业思维上的变革。
美国的生产率增长最终在1910年代飙升，也就是在电力商业化的30多年后，美国制造业在1910年代的生产效率的增长率超过了每年5%。
图2：电动发动机进入工厂后引发生产布局重组（本图片由AI工具DALL-E 3生成）
通用技术的历史规律
无独有偶，进入IT时代初期，电力时代生产率增长放缓的现象再次出现。
20世纪80年代末，诺贝尔经济学奖得主罗伯特·索洛（1987）提出著名的“索洛悖论”，“计算机无处不在，除了在生产率上找不到它的影子”。计算机的发明，本应是一场带来生产率和生活剧烈变化的技术革命，奇怪的是，对信息技术的大量投入并没有取得可衡量的生产率提升。“生产率悖论”如同魔咒一般，再次出现在第三次通用技术时代的初期。
原因何在？
有学者试图将电力时代和IT时代的生产率增长做对比，试图从中发现规律。他们选取1870-2000年130年间每人时产量的年度增长（Annual growth in output per man-hour）作为研究对象。
图1中，虚线表示长期趋势，为便于表述，后文以生产率指代每人时产量。130年横跨蒸汽机、电力和IT三个通用技术时代，通过研究对比电力和IT时代的特征，学者试图揭示通用技术对经济影响的一般规律。
图3：每人时产量的年度增长，1874-2003年
1870年尚处于蒸气动力时代，1890年电力时代开启，从1870-1890年的这段时期，生产率增长是在下降的。直到1915年之后，由于电机的普及以及集中电网的广泛建立，电力更加广泛地使用，生产率才开始上升。
研究者将IT时代的开端选在了1971年，以英特尔推出微处理器（PC的关键组件）4004为标志。该发明起初并未扭转十多年前开始的生产率增长下降的趋势，直到IT技术持续扩散，相关设备价格急剧下降后，生产率增长才出现回升。美国经济学家戴尔·乔根森对IT技术扩散进行了扎实的研究。他发现，计算机价格的下降促进了计算机的投资增加。在1958-1992年间，美国总投资的年均增长率为3.82%，而计算机投资的年均增长率为44.34%。计算机服务价格每年下降23.22%，但可比的服务投入则年均增长52.82%。
对这两个通用技术时代的特征加以比较，学者发现了一些相似与相异之处。
相似之处是：初期，两者生产率增长都较之前的一段时期更低；新公司的投资数量，专利和商标授权数量都高于以往；私人消费均逐步上升。不同之处是：IT时代创新措施的增长量比电力时代更高，具体体现在专利和商标的增长速度更快；此外，IT价格的下降速度至少比电价快100倍。
虽然不断有证据表明，通用技术对经济发展的影响并非一蹴而就，甚至IT时代的“生产率悖论”在1990年代才得以解决，此前15年，美国非农业部门统计的生产率增长徘徊在1.5%，但从1991-2007年，美国非农业部门的生产率增长至2.5%。最终，产业界还是摘到了第三次通用技术的果子。
管理创新是释放通用技术潜力的重要手段
前工业革命时代的技术创新果真不值一提吗？安提基特拉机械（Antikythera mechanism）（公元前150年到100年之间）、现代印刷机（1450年）、望远镜（1608年）、气压计（17世纪）、潜水艇（ 1620年）都出现在前工业革命时代，一些发明甚至比工业革命期间的“工具潮”（wave of gadgets）更精细、更复杂。显然，仅靠发明家的创造力不足以构成经济进步的充分条件。所以，发明是一回事，会利用发明物是另一回事，而管理创新便是利用发明物的重要手段。
第一次工业革命，亚当·斯密提出“劳动分工”的概念。在《国富论》中，他对“劳动分工”的阐释是，专注于将任务分解成更小、更专门的步骤，从而使同一数量的人所能完成的工作数量得到巨大增长。
在工业实践中，理查德·阿克莱特（Richard Arkwright 1732—1792）在英国创办机器纺纱厂。他创造的工厂制有别于过往的工厂制度。他率先将大量工人聚集在单一地点进行生产，建立了人与大机器的分工合作模式。1776年开业的第二家克罗姆福德棉纺厂，创造性地将水力驱动的机器按照生产顺序排列，从而成为其他早期棉纺厂仿效的模板。工厂制度还催生了早期成本核算，用简单的成本会计形式来监控和控制工厂的运作。这些早期方法为正式的管理奠定了基础。阿克莱特也被誉为“近代工厂之父”。
第二次工业革命，福特汽车开创了大规模生产（mass production）。这一生产方式之于第二次工业革命，有如工厂制之于第一次工业革命一样重要。
大规模生产实施的前提是，需要有精密机床生产可互换零件，还需要电动机来驱动机器。生产方式上，标准化的零部件通过移动装配线(流水线）传送至固定工位的工人处。电力提供照明，驱动电动机，带动移动装配线。由电力技术的进步和互补创新催生的生产方式重组，提高了劳动生产率。
有一个关键时点需要引起注意，“大规模生产”一词最早出现于1925年《纽约时报》发表的一篇题为《亨利·福特解释大规模生产》的周日专题报道中，这时距离第一座发电站诞生已经过去了33年。这说明，管理变革像技术扩散一下，需要时间沉淀，从而与技术形成创新互补。
人工智能作为第四次通用技术，其普及和应用会面临怎样的挑战？回顾过往的发展，我们总结出以下几点规律。
首先，简单替换行不通。如果简单地把一项新技术对现有技术进行替换，只专注于降本增效，往往不能对商业活动和生产效率产生重大影响。
其次，需要时间沉淀。人工智能需要时间才能产生重大经济影响。起初，企业会投入大量时间和精力来重新设计业务流程，但这些投入不会立即转化为更高的产出，生产率反而降低了。随后，当这些投资开始获得回报时，生产率提升——这就是生产力随时间推移呈现J形增长的原因。
第三，全面创新才能成功。成功的技术应用和转型不仅需要新技术本身，还需要对商业模式、组织结构和文化进行全面的创新和调整。
人工智能时代的机会又在哪里呢？
传统的通用技术通常需要数十年才能完全发挥作用。然而，生成式AI带来了好消息：即使没有大规模的变革，人们也能从中获益匪浅。我们已经具备了完善的基础设施条件，互联网能够迅速提供这些工具。以ChatGPT为例，它在短短60天内就达到了1亿用户。我们也熟悉如何使用像ChatGPT或其他大型语言模型（LLMs）这样的工具——无需学习特殊的编程语言或复杂的技能，只需会打字即可。因此，AI的演变速度将比早期的一些技术更快。J形曲线的低谷部分正在被压缩，甚至变得更加平缓。可以说，AI是所有通用技术中最具普适性的技术。
在人工智能的元年，每个人都有可能开辟一条前人未曾涉足的道路，而这些探索者的智慧，在某种程度上并不逊于人工智能的发明者。
（作者为中欧国际工商管理学院决策科学和信息系统教授谭寅亮）
来源 | 财新
