🤖 AI 资讯

（本文作者为 霞光智库，钛媒体经授权发布）

文 | 霞光智库，作者 | 陈玉宇，北京大学光华管理学院教授、北京大学经济政策研究所所长

发达国家早就是发展中国家的人工智能。汽车怎样造，电厂怎样建，世界上早有人知道，可是一百年来真正追上来的国家是少数。今天AI使知识更便宜，于是旧问题又回来了：便宜的知识过去没有自动变成增长，更便宜的知识为什么会？

这篇文章在增长理论里切开一个长期被压缩的环节：一群人怎样变成一个能共同使用知识的生产组织。作者提出”组织技术”和”双侧校准”两个概念，说明为什么生产能力可以在知识一页不少的情况下消失，为什么第一家工厂最难、第二家容易，为什么一个地区学会了生产未必学会了组织生产。这个角度被用来重看苏南、珠三角、温州、东北的工业化，福建一个村庄怎样成片学会房地产，以及两件正在发生的事：中国企业大规模出海，和制造业收缩以后新组织从哪里来。

文章最后回到AI。作者认为，AI对增长的作用取决于它改变的是知识供给，还是组织校准，还是两者都改变；同样的技术潜力，在校准快的行业和校准慢的行业会走出两条完全不同的生产率路径。

这是一篇思想长文，不是短评。它提出问题，综合已有认识，给出一个新的研究对象，并明确划定自己的解释边界。适合愿意花四十分钟认真读完的读者。

为什么世界已经拥有大量先进知识，许多国家却始终难以实现快速增长？发达国家早就是发展中国家的“人工智能”，今天AI又使知识的创造与获取更加容易。但知道怎样生产，与真正形成生产能力，是两个不同的过程。

本文综合增长经济学、技术扩散与组织经济学的已有认识，提出从组织技术的角度重新审视知识向生产率的转化。其中，“双侧校准”描述不同角色通过共同实践形成相互适配的工作规则。个人可以带走角色经验，已经形成的共同校准却不能由任何一方独自携带。这使生产组织具有独特的形成、积累、折损与重建规律。

这一视角有助于重新理解产业集聚、中国区域工业化、企业出海以及产业结构转型，也为解释AI增长效应的行业差异提供了新的思路。AI既可能增加知识供给，也可能缩短甚至改变组织校准过程。但现实增长还取决于资源重新配置和消费需求的发现。

生产知识的可复制性与生产组织的可复制性，是两种不同的技术性质。理解二者如何连接，是研究人工智能时代经济增长的重要方向。

知道一件事怎么做，和一群人把它做成，中间隔着一段路。

一、发达国家早就是发展中国家的人工智能

今天，人们对人工智能推动经济增长抱有很高期待。机器能够编程、设计产品、解释技术难题，也开始参与科学发现。知识生产的成本大幅下降，经济增长率会不会随之大幅提高？

这个问题并不新。回答它之前，不妨先看一场已经进行了一个多世纪的实验。对发展中国家来说，发达国家早就是它们的人工智能。汽车怎样制造，电厂怎样建设，药品怎样生产，现代工厂怎样管理，世界上早有人知道。设备可以买，工程师可以聘，学生可以送出去学习，跨国企业甚至可以把整套生产线搬过来。知识并非免费。知识产权、贸易限制和政治环境都可能形成障碍。但获得现成知识的成本，远低于重新发现这些知识的成本。

设想一个人在1960年作这样的推理：世界上的生产知识对加纳和印度几乎是现成的，先进国家已经付出了发现的成本，后来者只需要拿来用，所以这些国家会很快追上来。这一推理在当时并不荒唐。格申克龙讲“落后的优势”，讲的就是这件事。许多发展经济学家大体也持类似看法。六十多年过去，结果我们都知道。日本、韩国、中国等经济体的追赶引人注目，恰恰因为它们是少数。大量经济体长期接触先进知识，却没有形成与之相称的生产能力。发展核算的文献反复确认了这一点：各国人均收入的差距，大部分不能用物质资本和受教育年限解释，剩余的那一大部分被归入“全要素生产率”名下。

再做一个更极端的思想实验。假如今天把世界上最先进的生产知识完整地交给一个生产率很低的国家，技术图纸、生产流程、管理手册、全部科学知识，一样不少。它能不能在十年之内变成发达经济体？没有人会这样打赌。那么，它缺的究竟是什么？资本、制度、市场、基础设施，这些当然都缺。但还有一类东西，不在任何知识清单上，也不能靠交付获得。它只能在实际生产活动中慢慢形成。它是把知识、人员和资源结合成现实生产活动的能力。

这就是本文想追问的问题。我们对知识怎样创造、怎样传播，已经有很深的研究。我们对一个社会怎样获得使用知识的能力，认识还远远不够。知识的可获得性与知识的经济实现是两件事。把两者当成一件事，是那个1960年推理的全部错误。今天关于AI 的推理，很多正在重复这个错误。仅凭机器能够完成多少知识任务，就推算它能使GDP 增长多少，跳过了中间最难的一步。

AI 使这个旧问题变得更尖锐。过去知识已经便宜，现在知识要变得更便宜。如果廉价知识过去未能自动转化为增长，更廉价的知识为何就能？

还有一层。增长不是把知道的事做成一次就完了。收入提高，需求变化，旧的产业收缩，新的产业要长出来。一群人学会做一件事以后，社会还要不断地让另一群人学会做另一件事。这篇文章先讲前一半，第一家工厂怎样建起来。后面再讲后一半，旧工厂关了以后，新组织从哪里来。

二、知识还在，生产能力却可能消失

还可以从反方向看。一个社会不仅可能拥有知识却没有生产能力，也可能在知识仍然存在的时候，失去原来的生产能力。

美国曾经拥有庞大的制造业体系。随着国际分工深化，许多制造活动逐渐转移到海外。日本、韩国、中国等地的产业成长当然包含大量自主创新，不能简单理解为把美国的工厂搬走。但生产活动的地理转移，确实意味着技术人员、供应商、熟练工人和管理队伍在另一些地方重新积累。

假如今天美国希望恢复某些长期外移的制造环节，会遇到什么？产品设计可能仍在，工程知识并未消失，设备也能采购。专利还在美国公司手里，教科书还在美国大学的图书馆里。为什么不能立即恢复原有产能？因为稳定生产需要熟悉工艺的技术人员，需要能组织现场的管理者，需要懂得操作和质量控制的工人，还需要彼此配合的供应商。机器怎样布置，工序怎样衔接，异常怎样诊断，检验怎样安排，这些都要在实际生产中反复调整才能定下来。

长期不再从事某种生产活动，相关人员会退休、转行、迁移。供应商网络会改变，原来熟悉的协作关系会慢慢消失。于是出现一个很特别的现象：一种生产能力消失了，而没有任何一项科学知识失传。这里有一个耐人寻味的不对称。生产能力可以在几年里散掉，重建却要慢得多。散掉的时候没有人察觉，因为知识没有少一页。重建的时候才发现，少的东西不在纸上。

这当然不是说所有制造业回流都同样困难。它说的是，重建的成本不能只用设备和图纸来估计。

发展中国家面对的问题，是生产能力怎样形成。产业外移地区面对的问题，是生产能力怎样折损和重建。两者指向同一种有自己生命周期的生产能力。它的形成、折损和重建，都不与知识的存量同步。

三、图纸就在手里，为什么桥梁修不起来？

有一次，我向一家大型国有工程企业的负责人了解疫情期间的项目复工情况。这家企业承担过许多大型基础设施建设，有工程师，有图纸，有设备，有一套成熟的项目管理体系。可是有些工程迟迟不能复工。

我问为什么。他说，长期合作的农民施工队还没有从老家回来。我感到奇怪：这么大的企业，难道不能换一批人？他解释说，那些施工人员非常懂工程。图纸读得好，知道怎样把设计要求变成现场作业，知道怎样安排工序，遇到问题知道怎样处理。临时换人，很多事情要从头摸索。他感叹，那些农民工里的师傅看图纸的本领实在了不起。

我后来常想这件事。一家企业的生产能力，有一部分不在它的工资单上。那些施工队不是它的员工，却是它的一部分。企业能开工，靠的不只是自己拥有的东西，还有它和这群人之间多年形成的默契。这就是为什么，“换一批人”这个在账面上完全可行的方案，到了现场行不通。

这个故事里有两样不同的东西，要分开看。第一样是施工队自己的本领。设计人员掌握结构、材料和规范，施工队掌握现场工序与操作技巧，工长知道怎样协调不同工种。施工人员并不是在机械地执行指令。图纸上画的是设计意图，怎样在一片真实的场地上实现它，要靠他们的解释。从这个意义上说，他们也在参与设计。这种本领是他们自己的，走到哪里带到哪里。

第二样是他们和这家企业之间的东西。长期合作的工程师、工长和施工队，已经形成一套彼此熟悉的工作方法。谁负责什么，怎样提出问题，怎样确认修改，什么时候停工检查，遇到异常先找谁，各方早有共同预期。这套预期不写在任何文件里，也不归任何一方单独所有。换一批同样熟练的人来，他们各自都懂行，这套共同的工作方法仍然要重新建立。

停工也可能直接来自劳动力短缺，这个故事不能证明损失都来自协作关系。但它让我们看到一种可以单独拿出来看的能力：不同角色之间已经形成的共同校准。它并不完整地存在于工程师身上，也不完整地存在于施工队身上。它存在于他们之间。

四、增长理论把什么放进了生产率？

从这三个例子回到理论。它们提出的问题可以分成三层，每一层经济学都已经走了很远，本文想做的是顺着这条线再往前走一步。

第一层问题：知识怎样成为生产率？索洛把现实生产率的变化写进一个技术参数。这个参数后来被称为全要素生产率，实证研究用投入和产出的关系把它测出来。阿布拉莫维茨在1956年就提醒人们，这个残差是“我们无知的度量”，里面混着知识、组织、管理、资源配置，还有测量误差。阿罗1962年的“干中学”揭示了一个过程：生产本身产生知识。阿特金森和斯蒂格利茨接着指出，这种学习是局部的，你在哪种技术上生产，就在哪种技术上进步。再往后，技术采纳的研究追问企业为何不使用已知技术，吸收能力的研究问同样的外部知识为什么在不同企业产生不同效果，适宜技术的研究问先进国家的技术是不是适合后发国家的要素结构。科明和霍拜因等人的跨国技术扩散研究进一步提示我们：一项技术何时被引进，与它后来被使用得多广、多深，是两个不同的问题。这一层的结论可以归结为一句话：从知识传播到生产率实现，中间有复杂的条件。

第二层问题：组织为什么有生产性？科斯问企业为什么存在，威廉姆森问活动由市场还是由科层来组织。钱德勒写《看得见的手》，讲现代大企业的管理层级怎样取代市场协调。彭罗斯更早就说过，企业成长的真正约束是管理团队的扩张速度，新经理要在共同工作里学会这家企业的做法，这个过程不能靠雇人加速。布鲁姆和范里宁测量了几千家企业的管理实践，发现差异巨大、持久，而且能解释生产率的差别。这一层的结论是：组织不只是容纳生产要素的容器，它本身就是生产率的来源。

第三层问题：组织的知识存放在哪里？纳尔逊和温特在1982年提出组织惯例，说企业的生产知识不完全存放在个人头脑里，而在成员之间稳定、重复的互动模式里。团队专用人力资本的研究发现，一群人一起工作久了，生产率会高于把他们拆开再各自和别人组合。野中郁次郎讲企业怎样在互动里创造和转化知识。这一层的结论是：有一部分生产知识，不属于任何个人，而属于人与人之间的关系。

三层加起来，我们已经能看清一件事：现实生产率不仅来自知识本身，也来自组织知识的形成与运用。沿着这条路再往前走一步，就会碰到一个很具体的问题。一个组织解散了，原来共同形成的生产能力损失了什么？参与者各自带走了什么？这些人进入新的组织，为什么有时很快就能合作，有时仍然要漫长的磨合？惯例研究已经揭示组织具有集体知识。本文沿着这一认识，进一步区分两类东西：组织解散时失效的共同校准，与个人能够带走的角色经验，追问新组织怎样重新形成。彭罗斯强调管理团队的成长受到共同实践的制约。这里再把工人一侧的经验纳入分析，考察两侧经验的组合怎样影响校准时间。

所以本文要做的事可以说得很清楚。它不提出一套新的增长理论。它提出一个难以解释的增长现象，然后在增长理论里切开一个以前被过度压缩的环节，把里面的东西拿出来看。增长理论把从知识到产出的全部困难压进一个生产率参数。本文想把其中必须由不同角色共同实践才能形成的那一部分单独拿出来，给它一个名字，描述它的形成、折损和重建，说明它为什么值得作为一个独立的研究对象。

知道一家工厂应该归谁所有，不等于知道这家工厂第一天早晨该怎么开工。管理实践的研究常常考察已有企业怎样设定目标和考核，而建立第一家工厂还要解决更前面的困难：十个人来了，任务怎样分，怎样交接，谁核验谁的工作，出了差错怎样纠正。这是组织构成层面的问题。下面两节就从这里开始。

五、组织技术：把许多人变成一个生产单位

一个人知道怎样制造某种产品，不意味着他知道怎样组织十个人生产它。第一天早晨，十个人来到车间。谁负责什么？一个工头管几个人？哪些工作能够计件，怎样核对数量，返工怎么办？这些都有具体做法，而且做法有好坏之分。做法有好坏，正是技术这个词的本义。

我把这套做法叫作组织技术。它包括任务怎样分解，信息怎样传递，多人的行动怎样衔接，生产怎样核验，异常怎样处理。它既包括一个成熟的组织怎样运转，也包括一个组织最初怎样建立起来。

技术是做法，制度是权利与权力的安排。制度决定谁有权发令，谁承担责任，谁享有剩余。组织技术回答的是另一类问题：决定了谁发令以后，令怎样发，发到哪一级，怎样确认下面听懂了。两者相互依赖，却可以分开来看。同一种车间的组织方法可以在不同所有制下运转。同样的产权制度下，企业的组织能力也可以差别巨大。我们常常把后一种差别归因于文化、企业家或者运气，其实它有自己的内容，可以被描述，也可以被学习。

组织技术还有一个特殊的性质：它并不完整地归任何一个人所有。厂长知道怎样排班，工人也必须知道怎样按班次工作。线长知道怎样检查，工人也必须理解检验和返工的程序。一名经验丰富的厂长到一个从未办过工厂的村庄，未必能很快建起生产线。一群有经验的工人如果缺少懂得组织生产的人，也未必能自己建厂。

只说双方互补还不够。机器和劳动同样互补，经济学对互补的处理已经很熟练了。这里特殊的地方在于，不同参与者必须通过一起工作，才能形成彼此适配的行动规则。一个人可以独自学会开车床，却不能独自学会和别人交接。交接只能和别人一起学。组织技术中有些做法可以写成手册、程序和软件；另有一部分必须在具体参与者之间共同实践才能形成。这后一部分共同校准，只能在相应的协作关系中发挥作用。

第四节说过，纳尔逊和温特已经发现组织里有集体知识，团队专用人力资本的研究也已经发现，一起工作久了的人更有生产率。本文接着他们往前走一步，问这种集体知识是由什么构成的。哪一部分可以被个人带走？哪一部分只能留在关系里？组织解散的那一刻，两部分各自怎样变化？下一个组织形成的时候，前一部分怎样帮助后一部分更快生成？这几个问题连在一起，就从“组织有集体知识”这个一般判断，走到一套可以写下来的动态规律。这就是下一节。

六、双侧校准：组织能力怎样形成、消失与重建

设想一个管理者与一个工人团队开始合作。他们要共同确定生产节拍、岗位边界、质量标准、报告程序和异常处理方式。这些参数必须双方都理解，双方都能执行。任何一侧都不能单独定下来。管理者宣布一个节拍，工人做不到，这个节拍就不存在。工人提出一个节拍，管理者不认，它也不存在。

有经验的人未必预先知道新厂的最佳节拍。一个经验丰富的管理者，知道怎样和工人一起确定节拍：怎样试运行，怎样观察瓶颈，怎样调整流程，怎样确认对方已经理解。他不一定预先知道这家新厂的节拍该是多少。他从上一家厂带走的，是校准的程序。他留在上一家厂的，是那套已经完成的共同校准。这就是组织知识与普通技术知识的不同。经验是掌握校准程序，不是预先知道每一个正确答案。所以经验再多，校准也不能省掉，只能缩短。

双方都有相容的角色经验，仍然需要就新厂的具体参数达成一致，但往往能够较快完成。只有一方有经验，另一方需要被带着学。双方都没有经验，还要先摸索怎样一起试验和核验。三种组合对应三种校准时间。

一个极简的表达足够说明问题。设要校准 K 项参数，缺乏角色经验的一侧需要a 单位时间学习角色；双方都熟悉程序时每项校准时间为b₀，只有一侧熟悉时为b，两侧都不熟悉时为b′，其中0＜b₀＜b＜b′。三种校准时间分别为Kb₀、a＋Kb 和2a＋Kb′。这个表达式不是为了精确描述某家工厂。它只说一件事：新组织形成的时间，取决于双方经验的组合，而不是任何一方经验的多少。

这里必须区分两种存量。第一种是个人携带的角色经验。管理者和工人各自保留，可以带到别的组织去用。第二种是运转中的共同校准：参与者已经确定、理解并持续执行的一套具体参数。它存在于匹配之中，不能由任何一侧单独带走。舞步可以一个人练，两个人跳得合拍，是一起跳出来的。换一个舞伴，舞步还在，合拍要重来。

我们可以把一个地区运转中的共同校准记为Q。它取决于有多少匹配已经完成校准并正在运行。知道一个地区有多少有经验的管理者和有经验的工人，仍然读不出Q。这些人可能正在组成稳定的组织，也可能刚刚失业，分散在不同地方。一个地区也可能有大量由外来管理者主持的工厂，却没有多少本地的有经验的管理者。这是本文最想守住的一条：组织校准的存量，不是个人角色经验的加总。

组织解散时，共同校准不再作为运转中的整体存在。个人经验留下了。下一次匹配要重新校准。经验缩短重建时间，却不能替代校准。这正是组织能力与个人技能的差别，也是知识还在，生产能力却消失了这句话的准确含义。

共同校准的可携带程度，在不同情形下并不一样。原来的班组可能整体转到新企业去，原来的管理者和工人可能再次合作，标准化的流程可能已经写进文件、软件和设备的设置里。在这些情形下，旧的校准有一部分跟着走。所以匹配专用性是一个程度变量。这恰好能解释为什么有的组织很容易复制，有的很难：复制的难易，取决于校准的多少能被写下来，多少只能在人与人之间重做。

把这种东西叫组织资本并非不可以。但资本这个词容易让人以为它可以像设备一样整体搬走，或者像专利一样整体转让。我在这里用共同校准，是想守住一个区分：匹配