国务院最新文件，透露中国正构建美国难以模仿的“新竞争优势”

李寅

复旦大学国际关系与公共事务学院

【导读】日前，国务院印发《关于深入实施“人工智能+”行动的意见》，明确以多领域为重点推动人工智能深度融合，加快培育新质生产力，为新一轮产业革命锚定方向。因此，本文提出核心论断，即美国如今流行的生成式人工智能，与物理世界之间缺乏联系，对物质世界的影响必然也有限，既呼应了政策中“人工智能+”的融合发展导向，更从生产力范式演化视角给出了深层解读。

文章指出，人类社会已历经自然力、化石能源及机械动力两大范式，当前正迈向新能源到电动力的新范式。AI并非产业革命的全部，其落地需依托电动化平台才能发挥对物质世界的实际作用，而电动化的高效精准也离不开AI赋能，二者互补共生。数据显示，太阳能发电、锂电池等关键技术成本持续大幅下降，已形成完整且迭代迅速的新能源到电动力系统。

中国凭借强大的信息技术、机械工业与新能源产业优势，成为最接近发动这轮产业革命的国家。本文跳出单一技术竞争框架，为我国构建可再生能源、全面电气化、智能化的新体系提供了清晰思路，同时指出新范式有望打破零和博弈，为全球发展带来新机遇，对我国把握全球技术竞争主动权具有重要参考价值。

本文原载于《文化纵横》2025年第6期，仅代表作者观点，供读者参考。

为什么本轮工业革命是AI+电动化

2017年在亚特兰大举行的美国管理学会（AOM）年会上，杜克大学的著名创新经济学家阿希什·阿罗拉（Ashish Arora）教授在技术与创新管理分会讲了个笑话。他说，至少在当今发达国家，创新只剩下了两种：一种是生物医药创新，用于延长人类寿命；另一种是信息技术创新，用于打发时间、消磨过长的寿命。彼时西方主流学者的普遍观点是，除了信息技术、生物医药等少数领域外，技术创新已经进入了长期的停滞。这种技术机会穷尽的观点，甚至为欧美的企业高管提供了金融化的借口：既然缺乏真实的增长机会，那何不把利润投入金融游戏、放进自己口袋？阿罗拉教授用笑话讲出的共识，在场的听众——包括笔者和一些欧美顶尖大学里的创新管理学者，在大笑之余并未有人反驳。

然而，事后看来，教授的笑话更像是个冷笑话：一方面嘲讽了当代世界创新的庸俗化，另一方面也凸显出技术变革的巨大不确定性。事实上，2017年的世界即将进入新一轮技术革命和产业变革：包括光伏、风轮发电、电动汽车在内的新能源技术，很快进入爆发式增长；短短五年后，生成式人工智能技术也将进入全面商业化。但是，最顶级的创新管理学者在当时也很难预测到这些即将到来的变化。同样，在2025年的今天，未来依然笼罩在不确定性之中：生成式人工智能会是AI技术的终极形态吗？人工智能会像互联网技术一样决定未来几十年各国的经济绩效吗？

美国似乎已经认为答案是肯定的，从政府到企业全面下注AI，试图以AI技术的压倒性优势延续美国的技术和经济霸权。根据哈佛大学经济学教授杰森·弗曼（Jason Furman）的估算，2025年上半年对AI基础设施（如数据中心）的投资贡献了美国92%的GDP增长，也就是说，排除了AI投资后，美国GDP只增长了0.1%！这意味着，不论AI是否会成为一场巨大的泡沫，它都已然成为美国对未来的豪赌。

那么，一个紧密关联的问题是，中国将如何应对？是追随美国，拼尽全力在AI领域与美国一决高下？ 还是我们可以对未来的产业革命有一个不同的图景？中国过去二十年全力打造的新能源产业，在新一轮产业革命中将扮演什么样的角色？为了回答这些问题，本文从生产力范式的演化视角来重新审视AI在本轮技术革命与产业变革中的地位，得出一个出人意料却又显而易见的答案：AI或许只是我们正在经历的更大范围的技术经济范式转型的一部分，因此，AI很重要，但也没那么重要。

▍演化视角下的能源-技术生产力范式

任何一个为满足人类需求开展生产活动的经济体系，都可被看作在一定技术条件下，与自然界产生能量与信息交流的物质生产范式，或者生产力范式。每个生产力范式都有四个核心模块：能源模块从外界获取能量，动力模块将能量转换为可作用于外界的形式，调节模块协调着对外界作用过程的精度，控制模块负责决策和意图。因为能源形式和技术水平决定了物质生产范式的规模和上限，我们可以把它称为能源-技术生产力范式。

18世纪以来，前两次工业革命的本质是物质生产系统从自然力范式向化石能源-机械动力范式的转换。在前工业社会，物质生产系统的基本单位是自然人：能源模块是从食物中获取生物化学能的消化系统，动力系统是将生物化学能转换为动能的肌肉，调节系统是负责运动的协调、精度和产生“肌肉记忆”的小脑和周围神经系统，控制系统则是根据信息做出在哪儿使力等关键决策和意图的大脑。由于有限的自然力和粗糙的工具，前工业社会生产力的上限很低。工业革命以后，能源模块转换为以煤炭、石油、天然气为代表的化石能源的开采、运输与储存体系，动力模块以蒸汽机、内燃机为核心，调节系统也机械化了，包括基于飞轮的惯性调速和齿轮变速等机械结构。虽然工业革命中尝试过基于机械的控制系统，如提花织布机上使用的穿孔卡片等，但控制系统仍然主要依赖人和人的组织，后者包括企业和政府为控制大规模生产发展出来的科层制组织。尽管如此，化石能源与机器的使用带来了生产力的大爆发。

20世纪末的第三次工业革命被称为信息技术革命，显然是因为信息技术变革集中在控制模块中的信息加工、传输、存储等环节，而应用于能源、动力等模块上的技术变化在同一时期似乎相对停滞。信息技术革命的重要意义无须多说，但值得注意的是，引领第三次产业革命的美国之所以大力投入信息技术产业，是建立在能源、动力等模块上的技术机会已经穷尽了的认知前提之上。这种认知从文章开头的笑话中可见一斑，但这里更生动的例子是关于气候问题的争论。在西方，支持气候行动的环保主义者往往支持“去增长”（degrowth）的经济政策，主张通过减少经济活动（比如不开空调）来减少碳排放，而对气候变化持怀疑态度的对立阵营也常常以经济理由反对气候行动。然而，表面上相互对立的两大阵营在底层逻辑上其实是一致的：化石能源技术是不可取代的，要减少碳排放就要减少经济活动，分歧只是能否接受这个代价而已。大规模利用新能源替代化石能源的方案，实际上从未被争论双方认真考虑过。

发达国家对化石能源-机械动力范式的偏爱，或许是一种先行者的傲慢，源于它们在前两次工业革命中的长期领先；也或许是对自身既得利益的下意识保护，毕竟它们已在旧技术范式下建立了高壁垒产业。但是，这种认知与现实之间的偏差已经越来越明显。以摩尔定律为例，这条刻画了集成电路技术以指数级别降低成本、提升性能的曲线，一度被认为是信息技术作为“高科技”产业快速进步的独有特征，其他经济部门则不具有这样的特性。据测算，如果以20世纪70年代后期德州仪器（TI）率先在桌面计算器中实现商业化的微处理器芯片为起点，每秒钟运行一百万次指令的芯片运算单位成本到今天下降了99.9%，折合每年下降约23%。芯片的技术进步速度无疑是惊人的，然而，当我们摆脱了西方对信息技术的偏爱后，会发现以类似速度发展的技术在过去四十年中并没有那么罕见：

太阳能发电的成本从1975年的130.70美元每瓦下降到现在的0.31美元每瓦，下降99.7%，折合每年下降约11.42%。锂电池的成本从索尼公司在1991年开始商业化时超过9000美元每千瓦时，到现在已经下降98.7%，折合每年下降约11.8%。电磁电机最早在20世纪80年代末应用于电脑硬盘的磁盘驱动，到今天广泛运用在电动汽车上，单位成本从204美元每千瓦下降到5美元每千瓦，折合每年下降约10%。同样从80年代末开始应用在变频器中的IGBT功率半导体，成本也从超过400美元每千瓦下降了99.5%，折合每年下降约13.5%。

有读者可能已经意识到，这几项代表性技术已经构成了一个完整的新能源-电动力的生产力新范式。在这个新范式中，能源模块通过太阳能、风能等发电产生的电能，或由电网运输到用户，或储藏在电池中以驱动可移动的设备；动力模块以电磁电机为核心，高效地将电能转化为机械能，转化效率可以达到85%~95%，远远高于内燃机的30%~40%；调节模块则是利用功率半导体芯片，取得比惯性调速和机械齿轮高得多的精度和灵活性；而电脑芯片可以在控制模块中更好地辅助人类决策，也更容易被整合到整个电动体系中去。

整合各个单项技术进步成本下降的数据，不难估算出一个完整的新能源-电动力系统整体的技术进步速度：过去三十年中，这套电动力系统的单位成本每年下降超过10%。换句话说，大约每20年，成本就可以下降90%！这是技术停滞吗？这明明是正在我们眼皮底下发生的颠覆式创新和重大产业变革！

▍AI+电动化的生产力新范式

光伏面板、电动汽车、动力电池等代表性产品的日益普及，表明新能源-电动力的新范式正在替代旧的化石能源-机械动力范式了。从技术角度讲，电能驱动本身就是一种更先进的技术手段：电能不但可以直接转换为动能（电动机），还可以转化为磁能（电磁铁）、热能（电热丝）、光能（灯泡）等多种能量形态，而且转换效率高、转换过程可以精确控制。相比之下，化石能源只能转换为动能和热能（内燃机），而且转换效率低下，难以精确控制。人工智能也天然地与电动系统更匹配，因为人工智能显然可以直接控制其他同样基于电信号的装置，而不需要经过转化。甚至，计算机芯片制造中的摩尔定律和AI大模型发展中的规模定律，可能也不是特例，而只是电能驱动新范式下制造技术创新带来的性能提升、成本下降的普遍规律。

当然，在技术演化中，最先进的技术并不必然会在技术路线竞争中获胜。斯米尔的能源范式理论也早就指出，能源转型一般不是一个替代过程，而是长期的共存和叠加过程。路径依赖，互补技术能否及时涌现，经济社会组织能否与新技术协同演化，乃至不同技术使用者之间的竞争，都会影响不同技术之间的竞争和扩散。

从能源-技术经济范式的角度看，能源、动力、调节和控制这四个模块恰恰也是经济学意义上的互补要素，这意味着新范式的扩散既依赖各个模块间的相互促进，也会受制于最落后的单个模块带来的木桶效应。例如，笔者疫情前曾在旅途中观察到，一些欧洲城市里，在智能手机上下单的外卖订单，最终竟要由骑手骑自行车人力配送。这便是利用了最先进的通信方式（控制模块），却受制于最原始的人力，结果必然不能完全发挥信息技术的优势。同样，如果人工智能的产品形式只是聊天机器人，其最终对物质世界的作用完全依靠屏幕前人力的操作，那人工智能对物质世界的影响必然也有限。

但是，电动装置的加速普及，也同样需要“人工智能”。电动力相对于内燃机动力，主要优势就在于转换直接、高效、可精确控制。而要充分实现电动平台的这种高效率和高精度，就需要更高智能的调节模块和控制模块。举个例子，现代无人机能够成功商业化，并不仅仅是因为我们现在能制造更小的电动机和更高密度的电池，更重要的是，有更好的软件和芯片让无人机可以在飞行过程中更精准地调节和控制自身。正是因为大疆公司把无人机硬件和控制软件打包成一个稳定可靠的商业产品，才让无人机成为“有用的创新”，从专业玩家手中进入大众市场。

如果无人机——可能是过去十年中最重要的工业产品创新之一——是未来智能化的电动设备全面普及的先锋和样板的话，那么电动化与智能化实际上指向的是同一个方向：以更加精准、高效的控制软件和硬件来驱动电动设备。换句话说，人工智能或许只是走向更大范围内产业革命的新能源-电动化范式的一部分。因此，这个新范式也可以被称为“AI+电动化范式”。

细心的读者可能会意识到，这里指出的智能化方向与当下流行的生成式人工智能是有一定差异的。尽管有一定争议，但是当前的生成式人工智能技术主要仍是一项信息处理技术，在与人交互之外，与物质世界并没有直接的接口。这便出现了人工智能可以帮我们吟诗作画，却不能做任何简单家务的笑话。而要让机器真正能够满足人类的真实需要——把人类从繁杂家务中解放出来，代替人类从事危险的工作，以超过人类的精度改造自然……我们实际上需要的是另一种人工智能——在调节模块上实现更高的智能化，让我们更精确地操控机器。由于历史上产业分工演化等原因，调节模块上的重要技术，从调速器到功率芯片，都由擅长机械工业的欧洲国家和日本掌握；但在过去二三十年中，这些国家的信息技术发展相对落后，而信息技术发达的美国又不擅长机械工业。发展智能化的调节模块需要同时具有强大的信息技术产业和机械工业，这既为电动化设置了障碍，也为全世界唯一拥有全产业链的国家——中国的进一步发展提供了机会。

讨论到现在，本文实际上还没有涉及新范式落地的决定性因素——人类社会如何适应并驾驭这种新的生产方式。在过去的工业革命中，人类社会是通过“社会技术”的变革来掌握化石能源和机械动力带来的生产力爆发。科层制的大型管理企业便可看作控制模块中最大的社会技术变革之一。但至今，能够充分利用智能决策、驾驭更加精确的智能控制的组织形态会是什么样的，我们并不清楚；抑或新的组织形态已经出现，但我们还没意识到。这个问题，只能留到未来去回答。

尽管如此，本文对AI+电动化范式的到来仍然有极强的信心。因为在推动技术扩散的因素中，不仅有经济竞争，更重要的是军事竞争。工业革命以来，决定军事竞争成败的主要因素是国家动员资源的广度和深度，而新技术的运用一旦可以改变战略平衡，就会给竞争对手带来巨大的军事压力和技术扩散压力。比如，19世纪的铁路、轮船可以把更多的部队、火炮、补给运到前线，支持更持久的阵地战，也为世界大战创造了条件；20世纪的流水线可以在短时间里从生产汽车转向生产大量坦克、飞机，带来压倒性的火力优势；到了20世纪末，芯片技术让导弹更精确地击中对手，从而瓦解了大规模制造的数量优势。近期俄乌战场上无人机的大规模使用表明，无人机这样的电动武器平台兼顾了精确制导（质）和大规模制造（量）两种优点，给传统常规战争形式带来了巨大变革，已经引发新一轮军事竞争的范式转变。而完整的电子和信息产业工业链将既是AI+电动化的工业基石，也是构建电动时代军事能力的基础，这会大大加速AI+电动化新范式的扩散。

▍应对本轮产业革命的战略选择

回到本文开头提出的问题，我们应该如何应对本轮产业革命，很大程度上取决于对本轮产业革命的定义。我们需要清醒地认识到，美国将本轮产业革命定义为AI技术革命，是基于其经济结构和优势产业做出的战略选择，并不是什么技术发展的必然铁律。一方面，自90年代以来，美国制造业持续衰退，甚至长期以来美国制造业的两大皇冠——芯片制造的英特尔和飞机制造的波音——都在近期陷入了困境。软件互联网信息服务业与生物医药产业，是美国当前主导的两大高科技产业。因此，由互联网巨头投资产生的生成式人工智能，在诞生之初，便打上了美国经济结构的烙印：擅长数字世界的信息处理，而与物理世界之间缺乏联系。这也意味着，生成式人工智能只是人工智能发展无穷潜在方向中的一种，甚至进一步发展信息技术产业也只是技术变革的无限可能性中的一种。

另一方面，押注AI技术革命也是美国对90年代美日竞争获胜结果的路径依赖。美国政府和企业尤其希望复现当年互联网技术革命带来的“新经济”繁荣，只需在一个核心技术产业上的大幅领先，便能在与竞争对手的较量中获得全面优势。然而，美国如今的竞争对手中国不同于当初的日本，如今产业竞争的场景也大不相同。美国的对日竞争策略能成功的一个重要前提是，在信息技术以外的产业部门里，同样基于化石能源-机械动力范式的日本与美国并没有本质性差别。换句话说，80年代的日本虽然在汽车、消费电子、内存芯片等产业取得了竞争优势，但它无法在同一种生产力范式下与美国拉开实质性差距。因此，美日竞争才有可能最终由一个经济部门中的创新所决定，并且美国还可以运用其霸权塑造这场信息技术革命。但是，今天的美国即便还能够使用同样的策略，它还有足够的能力定义一场产业革命吗？一些迹象已经表明，美国现有的基础设施和能源结构连在本国内支撑AI革命都有困难。据报道，在过去两年中，美国大型数据中心周边区域的电价已上涨2~3倍。特朗普政府恐怕既无能力，也无意愿改变这样的状况。

如果我们将本轮产业革命定义为AI+电动化+新能源的新范式，那么，在当前的中美科技竞争中，中国就完全没有必要陷入美方设定的游戏规则，即以AI产业的领先决定竞争的成败。中美博弈至今，双方的韧性表明，不论是芯片还是稀土上的“卡脖子”，都只是在战术层面的短期博弈，而无法在战略上起决定性作用。就像第一次工业革命在根本上改变了东西方力量对比格局一样，最终决定中美博弈胜负的可能也是一场颠覆范式的产业革命。

因此，中国真正要效仿的，不是20世纪90年代以来靠互联网“新经济”一招制胜的美国，而是19世纪末、20世纪初成功发动第二次工业革命的美国。正如美国通过石油能源、内燃机动力、流水线生产建立起一套完整的新技术能力体系，中国的出路也在于建立起基于可再生能源、全面电气化、智能化的新能力体系，全面发动本轮以AI+电动化新范式的产业革命。作为世界上第一个单月发电量超过一万亿度的经济体，中国是目前最接近发动这轮产业革命的国家了。

与此同时，在当前并没有足够的证据表明现有的生成式AI就是人工智能的最终形态时，与美国在这一领域较劲并无多大实际意义。深度求索（DeepSeek）等本土创新企业的成功表明，美国也无法在AI领域与中国拉开实质性差距。如果历史有参照价值的话，我们还可以看到，即便在美国经济全面超越英国近半个世纪后，二战时英国在雷达、密码学、计算机等在未来具有重要价值的尖端技术上仍能处于领先地位——但是，这些个别技术领域的领先地位，在面对全面的、新范式的产业能力时不值一提，迅速烟消云散。

正确定义并发动本轮产业革命，不仅关系到中美竞争的结果，还关系到整个人类命运共同体的福祉。能源转型对解决全球气候危机的重要性无须再多论证。但还鲜有人意识到的是，转向新能源-电动化的新范式，或许是走向边际收益递增的新文明形态的第一步。基于化石能源的生产力范式一定是边际收益递减的，因为化石能源是从地下开采出来的，其能量密度决定了其经济的边际收益上限，化石能源使用得越多，开采的成本就越高，边际成本也一定越高，从而带来边际收益递减。边际收益递减规律支配下的化石能源文明形态只能强调稀缺，强调零和博弈。所以，即便是奥巴马这样的“进步主义者”也会狭隘地认为，不能让中国人过上和美国人一样的好生活，否则地球资源难以支撑。在新能源驱动的新生产力范式下，能源是从工厂里生产出来的，是边际收益递增的。因为决定其边际收益上限的是电池的能量密度，而电池是一种工业品，短期内受工业生产的规模经济规律支配而不断降低成本，长期内通过人类技术创新也可以不断提高上限。就如同只有工业化生产商品才能让人类社会摆脱马尔萨斯陷阱一样，未来，只有通过工业化生产能源，进入边际收益递增的新文明形态，才能让我们实现共同富裕和可持续发展。只有这样，本轮工业革命才能不仅让中国人在不远的将来都过上富裕的生活，也能让全球南方的几十亿人过上好生活，最终实现人类的真正解放。