GPT系列 | 通用目的技术：经济增长的引擎？

导读：工业4.0研究院以GPT驱动设计第四次工业革命体系，并把它作为数字经济基础设施认识的起点。本文为“GPT系列”的第一篇文章，1992年8月由Timothy F. Bresnahan和Manuel Trajtenberg发布在美国国家经济研究所（NBER），工业4.0研究院翻译部分内容（第3、4和5部分模型未翻译）。

整个时代的技术进步和经济增长似乎是由一些关键技术驱动的，我们称之为通用目的技术（GPT，General Purpose Technologies）。因此，蒸汽机和电动机在过去可能扮演了这样的角色，而在我们这个时代，半导体和计算机可能正在发挥同样的作用。由于GPT具有普遍性的特点，被很多下游行业用作投入；它还富有技术改进的内在潜力以及创新互补性，这意味这下游行业的研发生产力可以由于GPT的创新而提高。因此，随着GPT的改善，会扩散到整个经济领域，带来普遍的生产力提高。

分析表明，GPT的特征意味着一种规模报酬递增的现象，这可能在技术进步的速度方面起着很大的决定作用；另一方面，这种现象使得分散的经济体很难充分利用不断发展的GPT提供的增长机会，特别情况下，如果GPT与其用户之间的关系仅限于独立企业间的交易，这两个行业的创新将会“太少、太慢”了。同样，预测对方技术发展的困难可能会降低所有行业的技术进步速率。最后，我们认为GPT的分析在研发和生产力方程的上下文中具有可检验的意义，原则上可以进行估计。

一、引言

30多年来，经济学家们已经认识到，技术变革是推动长期经济增长最重要的力量（Abramovitz,1956; Solow,1957）。然而，在揭示总量生产函数的“剩余”内容，或将技术变革概念作为经济现象特征的方面，进展相对较少。我们理解这一差距的关键是，技术本身（及其创造）在经济学中很大程度上仍是一个空洞的概念：就我们的分析模型而言，实际上无法区分微处理器出现和另一个电子产品引入的价值。

与这种技术的“黑匣子”概念形成鲜明对比的是，经济史学家强调了一些关键技术在增长过程中所起的作用，如蒸汽机、电力和半导体（见Landes 1969, Rosenberg 1982）。撇开这些轶事不谈，到底有没有“技术原动力”这样的东西？在很长一段时间内，少数技术是否会对所有经济体的增长潜力产生巨大影响？蒸汽机、电动机或硅晶圆的本质（包括技术和其它方面）是什么？究竟什么是使它们发挥这种作用的主要“嫌疑”？

在这份报告中，我们试图在单个技术细节与总体增长过程之间建立一个联系。我们提出了创新和增长的观点，其中一些关键技术因素可能对整个经济的动态性能产生深远的影响。核心概念是，在任何时候，都有少数“通用的”或“通用目的”技术（GPT），其特点是具有广泛适用性以及很高的技术活力——即它们可以作为广泛的下游行业作为技术投入。因此，随着GPT的发展和进步，它将扩散到整个经济领域，并在此过程中带来和促进总体生产率的提高。

GPT作为“原动力”的假定角色主要源于“创新互补性”的作用，这意味着下游行业研发部门的生产率由于GPT技术的创新而提高。举例来说，在制造中引入电机，其生产率收益不仅来自于能源成本的降低，而且源于这样一个事实——即利用电力的灵活性，新能源使工厂的设计更高效。因此，创新互补性意味着底层技术非凸性（纵向外部性）的存在，从而放大和传播了GPT的创新效应。在越来越多的应用领域之间共享GPT则体现了第二个外部性（横向外部性）。

显然，这些非凸性可能会加速增长，但很可能达不到社会最优率。原因是它们造成了严重的协调问题，在市场环境中不可能轻易解决。这并不奇怪，因为不确定性与信息不对称（通常使协调变得更困难）是创造新知识的本质（Arrow 1962）。然而，时间间隔和时间序列是技术发展的一种固有的特性，尤其是在GPT的背景下。例如晶体管不能在电力发明之前出现，干扰素也不能在发现DNA之前出现。因此，所需要的是在时间和技术的维度上协调一下彼此相距甚远的动因。然而，有可能出现协调失败的地方，也有协调的余地，最终取决于所制定的制度安排，以市场安排为准，或代替市场安排。因此，从GPT演进的有利角度来看，增长被视为严重依赖于少数几个市场的产业组织细节，即与GPT相关的市场。

近年来，人们对收益递增在内生增长中的作用进行了大量的研究（可追溯到Romer在1986年的开创性贡献）。然而，许多这些模型都将经济视为“扁平”的，不允许不同行业之间的明确互动。技术变革的轨迹似乎无关紧要，因此没有余地去明确讨论协调、市场结构和总体增长等经济问题。与此密切相关的是，技术变革往往被认为是无处不在的，也就是说，在整个经济中，到处都以类似的强度发生。显然，人们无法建立一个依赖于双边市场关系细节的增长理论，这些细节原则上可以指构成鸡精提的任何一个或所有市场。相比之下，我们在这里确定了一个特定行业（在每个时代中普遍存在的GPT），我们认为这个行业对于促进广泛的用户行业的技术进步至关重要，因此可以推测她对驱动整个经济的增长也至关重要。我们为尖锐的焦点付出的代价是，分析是部分均衡的，因此对总体增长的影响是通过归纳得出来的，而不是通过对整个经济的明确建模的结果。

本文的结构如下：下一节将更详细地描述我们所说的GPT，并举例说明蒸汽机和电动机（提供“连续旋转运动”）的情况，以及电子电路的情况，其核心是“二进制逻辑”。为了突出纵向和横向外部性的运行方式及其对福利的影响，我们首先在第3节建立了一个GPT和应用行业的正式模型，该模型仅在“单轮”中发生，强调双向可分配性在这种情况下出现的问题（以及相关的双边道德风险）。在第4节中，我们根据Maskin和Tirole（1987）的动态寡头理论，以一种直接的方式呈现了动态模型图。我们强调技术不确定性（例如用户行业对GPT未来创新的了解程度）在决定集群技术进步速度和长期均衡水平方面的作用。动态模型也为第5节讨论总量增长提供了框架。由于缺乏全面的一般均衡分析，我们做了一个“租金核算”练习，即计算当GPT和应用行业逐步走向长期均衡时产生的创新租金。然后，我们将其与一个更为传统的总体增长方程联系起来，并说明如何在原则上评估创新互补性的影响，并检验GPT的一些含义。

二、通用目的技术的描述

我们认为在任何给定时期，盛行的技术都是以层级制模式构成的（例如形成某种技术图谱），在最简单的情况下，它只包括了两个层次：顶层的少数“基础”技术（也许只有一个），以及底层的大量基于利用基础技术的产品类别或行业。

处于顶层的技术首先应具有通用性的特征，即具有一定的通用功能，对大部分现有或潜在产品与生产系统的运行有着至关重要的作用。这种通用的功能可能是诸如“连续旋转运动”，一开始是蒸汽机，然后是电动机；“二进制逻辑”则将相应的通用功能用于电子，这显然是我们这个时代的候选GPT。

GPT的第二个显著特征是其技术活力：持续的创新探索和学习，使得通用功能的性能随着时间的推移得到提高。这可能表现为包含GPT的产品、系统或组件的性价比提高，或它们的多维质量改进。因此，对GPT作投入的下游行业，其成本降低能够开发出更好的产品。而且更多的行业将会发现采用这种改进的GPT有利可图，从而扩大其应用范围。

GPT的第三个特征是与应用行业存在创新互补性，因为GPT的技术进步会使其用户创新更具盈利性，反之亦然。

1. 旋转运动：蒸汽机和电力

第一次和第二次工业革命的GPT，其普遍特征相对容易理解：根据其定义，“运转”涉及能量（可能是人、动物、化石、电气或核能）从一种到另一种形态的转换，例如热能、动能（位移）、光能，等等。碰巧的是，许多商品的生产也涉及或可能通过应用特定类型的能量转换来完成，即产生连续旋转运动的能量转换。这正是蒸汽机和后来的电动机展现的通用功能。然而，旋转运动将成为一种普遍应用的功能这个趋势起初并不明显：许多手工作业（例如缝纫、抛光、切割等）很难被视为连续旋转运动的机械作业会必然替代的行业。此外，在许多情况下替代本身是没有经济意义的，直到蒸汽机和电动机给这项替代功能提供了前所未有的超高性价比，并且效率还在不断提升。这种情况一旦发生，人们就会投入大量的创造力，使其功能可以应用于各个工业领域。当然，这些活动正是创新互补性驱动的。

以电力为例，清楚地说明了创新互补性的作用，并让人们认识到它在生产率增长的极大重要性。例如，在20世纪的头30年，电动机价格持续稳步下降，结果是电机在整个制造领域迅速普及，取代了蒸汽发动机。20世纪初，电动机仅占美国装机动力不到5%的使用率，到1930年，这一比例已上升到80%以上。人们普遍认为，这一时期生产力水平的大幅度提高，在很大程度上应该归功于电气化进程。可见，关键在于电动机对生产率增长的贡献，远远超过了由于廉价电源的推广而直接节约的成本。Rosenberg在1982年如此说道：

“电力带来的社会收益不仅包括更低的能源和资本成本，还包括利用新发现能源的灵活性，即电力使得新设计工厂的运行更高效…… 过去，蒸汽机需要笨重的传动带和轴系技术才能在工厂内传输动力。这些方法…… 对工作的组织和流程的顺畅度具有严重限制，这些工作必须根据功率要求分组到靠近能源的地方…… 随着电力和电动机实现“细分”功率，就有可能以体积非常小而且成本更低的发电机组供电…… 这种灵活性…… 使工作流程的大规模重组成为可能，并且新方式对整个制造业的生产率增长作出了广泛和普遍的贡献。…… 如今，机器和工具可以放置在任何需要提高效率的地点，而不是放在最方便连接皮带和转轴的地方。”（pp. 77-78）

2. 电子工业的时代

在我们这个时代占主导地位的通用目的技术，即半导体技术的背景下，理解“通用目的”的含义是很重要的。同样，这个GPT有一个特别的核心功能，就是二进制逻辑。其普遍性现在已被认为是理所当然的，但是直到不久之前，二进制逻辑在计算领域以外的应用并不多，即使在其计算本行内，其应用深度和趋势也不明显。当初集成电路发明时，一些已被广泛理解的经济活动如会计已经被概念化为“计算”（事实上银行业务自动数据处理是最早的大型计算机行业应用之一），但是当时谁会想到，汽车发动机的燃料气化也是“计算”呢？

那么，什么才算是电子电路的通用目的性呢？几乎任何系统，特别是机电系统的工作，都可以被分解成一系列的步骤，例如把弹簧的功率转换成模拟信号以描述时间、洗衣机将电力引导的连续机械牵引转换成一系列动作，包括部件的运转、阀门的打开和关闭等。尽管这些动作的中间步骤多种多样，但原则上可以通过应用二进制逻辑来完成或复制，即通过激活由一系列二进制原件（例如门、触发器等）组成的电路。这是一个惊人的技术进步，对全社会产生了深远的经济影响。各种各样看似不同的产品、材料、生产方法等掩盖了一些基础技术原则的统一性，这些原则反过来又会产生强大的经济力量，塑造技术变革的内生过程。

与普遍看法相反，在许多情况下，如果用所需的步骤数来衡量，也就是所涉及的电路元件数量和操作步数来看，用二进制逻辑替代机械部件是极其不必要的。然而，随着电路元件的价格和体积的急剧下降，以及可靠性的大幅提高，使用它们而不是继续用旧式几点零件，反而最终变得更加划算。反过来，这些在成本、尺寸和可靠性方面的巨大进步，很大程度上是由于标准电路产量的大幅增长，而在标准电路中，“学习”起着关键作用。在这点上，值得大量饮用的是一本经典的电子教科书：

“标准化的终极目标只有在数字逻辑中才是切实可行的。制造大容量的机械部件可以做到很经济，例如5美元的时钟，但是有太多变化的可能性…… 以实现我们如今在数字集成电路中的标准化。例如，时钟齿轮可以有任意数量的齿，并且可以有无限个不同的尺寸…… 其组合如此之多，不可能制造出适合任意齿数和尺寸的时钟都通用的标准齿轮部件。…… 而数字集成电路的标准化就容易得多。从逻辑上讲，时钟的减速齿轮相当于一组相同的标准触发器，每个触发器将速度降低2倍。这些触发器与计算机、磁带，或其它任何逻辑设备中使用的触发器相同。…… 因此，我们理解了数字化趋势终将一统天下的关键：标准化的廉价组件…… 使用标准化组件带来的巨大节约，大大抵消了组件适应应用程序的低效率。”（Blakeslee，1975年，第4页）

还可以补充一点，即使机械零件可以像集成电路一样标准化，目前还不清楚生产它们的成本是否会随着体积的变化而急剧下降：集成电路生产过程的本质非常有利于持续的“学习效应”（即批处理和收益率），但在齿轮等机械产品的生产中很难看到他们的同行。

集成电路的学习能力只是故事的一部分：过去40年来电子技术以惊人的的步伐进步和发展，这与独立的科学进步，以及对有目标的研发作大量投资的巨大贡献，是分不开的。以单个芯片商可集成的单个元件（例如晶体管）的数量为例：在60年代初，集成电路只包括其中的少数元器件；80年代初，集成电路的数量已经超过十万；到90年代初，组件数量达到一百万个。听起来令人惊讶，沿着这个发展步伐，似乎确实符合“摩尔定律”，该定律指出，可封装在单个芯片上的电子元件数量，每年将翻一番（从那时到现在已经过了25年！）

从这些先进的纯物理及半导体的竞争程度来看，电子设备的质量在提高，而价格却一直在以无与伦比的速度下降。例如动态随机存取存储器（最常见的电子元件之一）每千位的价格在70年代初卖4美元以上，最近已经降到不到1美分。换句话说，15年前一千比特的内存价格是现在的5000倍。由于这些量子级的飞跃式发展，今天的个人微型计算机比第一台大型计算机功能强大而且用途广泛。例如，前苏联发射Sputnik人造卫星的时候，如今花几美元就能买到的普通电子手表在当时，技术上是完全不可能实现的。又例如，CT扫描仪需要在几秒钟内采集、处理并直观地显示数百万条信息，如今这种设备在医院里几乎和前一辈人常用的X光扫描仪一样司空见惯。

因此，当代的主导技术非常清楚地展示了GPT的主要特征：首先，它已被证明具有在其主要性能维度上持续不断取得重大进步的内在潜力。其次，这些进步冲击了广泛的应用领域。再加上用户行业的互补创新，重塑了现有的商品形态和服务领域。

【第3、4和5部分为GPT模型的构建及分析，涉及大量数学推理，建议阅读原文，工业4.0研究院未翻译】

三、总体评价

我们的分析表明，GPT的特征意味着一种规模报酬递增的现象，这可能在决定技术进步的速度，从而决定整个经济的增长率方面起着重要的作用。另一方面，这种现象使得分散的经济体很难充分利用不断发展的GPT所提供的增长机会。特别是，如果GPT与其用户之间的关系仅限于独立企业间的交易，这两个行业的创新将会“太少、太慢”。通用，预测对方技术发展的困难可能会降低所有行业的技术进步速度。最后，我们认为GPT的分析在研发和生产力方程的背景下具有可测试的含义，这在原则上是可以估计的。

在未来的工作中，我们打算遵循以下几条路线：首先，我们希望按照第5节中的概述进行计量经济学工作；除了一些具有挑战性的数据问题（例如，如何识别全部或大部分的AS，并获取其研发数据？），还需要更严密的方程公式的估算，同时澄清它们如何与更传统的研发溢出研究的关系。第二，我们希望进行微观层面的研究，旨在评估“技术附加值”：在最终产品市场（即AS市场）注册的创新成果中，有多少是由于AS本身的技术进步，而不是来自于在AS中纳入GPT的创新？我们会对此作出评估和比较。为此，我们收集了大量数据，使我们能够进行此类相关研究。

第三，GPT和“制度”的历史研究（广义）：目的是研究特定GPT的历史演变和与之相关的制度，利用我们的概念框架来试图理解技术和制度共同组成的推动力。特别是，我们想评估具体机构在多大程度上促进或阻碍了GPT发挥其假定的“增长引擎”作用。一个关键假设是，制度比先进技术惯性更高，因此随着一个GPT时代将行结束，新的GPT已经出现时，一个经济体可能会被错误的制度“卡住”。也就是说，适合让前一个GPT发展的制度，可能不足以支持新的GPT发展。

综上所述，本文的主要目的是提出一种技术变革的思考方式，侧重于关键技术特征与市场特征之间的相互作用。因此，这是试图仔细审视技术的“黑匣子”内部，受到历史的启发，并借助于正式的建模，同时试图揭示技术程式化的事实与围绕它的机构之间的联系。由于在任何时候都存在着无数的技术，因此这种方法只有在一开始就能确定具有特定经济相关性的一小部分技术，并对其进行严格地描述时才有用。这里提出的通用目的技术概念实现了这一作用，但这当然只是一个可能的抽象，可能还有其它有趣和有用的特征。