（一）关于大国之间的科技竞争，是现代社会中的永恒的讨论话题。尤其是在中美科技竞争越来越白热化的情形下，人们都在关心：到底采用什么样的制度，以及什么样的路径，能在科技竞争中获得优势地位。 

最近普林斯顿大学出版社出了一部新书《技术与大国崛起》（Technology and the Rise of Great Powers: How Diffusion Shapes Economic Competition），作者是华人学者Jeffrey Ding，现任乔治华盛顿大学政治学系助理教授，此前曾经在斯坦福大学国际安全与合作中心和牛津大学人工智能治理中心工作，一直关注技术治理与全球权力转移的关系。他在书中的一些解释，对于我们思考近代以来历次经济权力洗牌，很有启发意义。 

Jeffrey Ding认为第一次工业革命以来，全球产业发展基本可以归结为两种模式：一个是“部门主导型”（leading-sector; LS）导向，另一种是“通用技术”（general-purpose technology; GPT）导向。具体来说，LS导向模式下，侧重于关心是否由本国率先做出科技创新，获得早期机会窗口；而GPT导向是侧重于谁有办法在整个经济部门中大规模采用并扩散技术。 

Jeffrey Ding指出，早期的竞争先机固然重要，但从长远来看，真正决定大国经济权力兴衰的，并非谁先做出技术创新，而是谁更有能力将技术在经济领域中应用和扩散。这个判断可以在三次工业革命，以及中国经济崛起中得到应验。 

第一次工业革命前，法国是全球的科技中心，法国在科技上也奉行类似重商主义的政策，皇室和政府大力支持科技事业，当时法兰西学院为代表的科研机构举办和资助了全球最强大的科研事业，当时全球40%以上的科技发明是法国人贡献的，不过工业革命终究发生在一海之隔的英国。这种结果的反差就在于英国的自由市场、股份制企业、外贸网络和金融等构成的生态，具备更强的技术转化和扩散能力，能将技术产业化，这也是人类经济增长方式的一次巨大飞跃。 

第二次工业革命中的美国崛起，也是基于同样的原因。19世纪后期至1920年代，欧洲仍然是全球的科技中心，在1917年之前，美国是留学净逆差国，常青藤最优秀的学生毕业之后，以能去德国或英国留学为荣，当时美国大学校长或学科带头人，也基本都是欧洲大学毕业的；在1933年以前，美国的诺贝尔奖获得人数也远远低于德国和英国。在1894年美国成为第一工业大国的时候，其科技成果全球占比仅在15%左右，远远落后于英法德。

但是美国的企业组织上的创新（比如流水线、企业实验室、泰勒制、托拉斯联合），加上市场规模优势，使得美国具有更强大的技术应用和扩散能力，将欧洲人的电气、汽车、化学等发明在产业上发扬光大，使得美国一跃成为全球工业中心。 

当然，LS模式与GPT模式竞争的极致是苏联和美国之间的竞争。苏联是LS路径的极致代表，与同时代中国对知识分子的极为轻视不同，苏联对科技极为重视，科学家地位比党政干部高很多，1980年苏联R&D支出在国民经济中比重为3%，这个数值高于当时几乎所有发达国家，也高于2024年的中国。得益于巨额经费支出，苏联建成了当时世界上最庞大的科研体系，到1980年苏联拥有高校870多个、科研院所5000多个，科研人员137万，而同期美国科研人员只有80万左右，中国每千人中科技人员数量占比至今也没有超过苏联。 

苏联在基础研究和技术研发上也取得了世界瞩目的成就，一共产生了13位自然科学领域的诺贝尔奖得主，制造出全球第一座核电站、第一枚洲际导弹、第一枚人造卫星、第一枚晶体管、第一个移动电话（比摩托罗拉领先10年）、第一台光刻机、第一个区域互联网。

不过苏联的科技竞争路径，错在只重视能否产生率先获得技术突破（LS），而忽略了应用和扩散（GPT）。相反，计划体制下技术转化率是极低的，比如，机械机床厂推广一个新的技术发明，需要10-12位领导签字，然后走30道程序，苏联四分之一的产品从设计到应用周期在10年以上。导致美苏在技术创新上其实差距不大，但是产业上是天壤之别，美国在这一波科技革命中产生了摩托罗拉、惠普、IBM等巨头级企业，进一步强化了经济优势，而苏联在产业上几乎毫无建树。

我们对中国产业的崛起的梳理，也可以印证这个理论框架。那就是，中国至今仍然不是全球科技中心，在原始技术创新突破上仍然是落后于美国，甚至是日本、英国和德国的。不过，这并不妨碍中国的相关产业获得全球竞争力优势，比如中国新能源汽车产量全球占比达到了三分之二以上，工业机器人、智能家电产量全球占比也在50%以上。 

而支撑中国产业实现龙门一跃的诸因素中，显然最重要的是中国拥有一批具备强大技术转化应用能力的企业，让中国形成了全球最有活力的技术扩散生态，以至于这些年出现了“人挡杀人、佛挡杀佛”的优势。以小米为例，这个杀入到智能家居的新手，其原始创新成果远远不如日本松下、索尼等同行，但是依靠其强大技术转化应用能力，仍然开始跻身全球家电巨头之列。 

中国企业内部之间的产业竞争力差异也可以用GPT理论来解释。现在根据各种指标，民营企业的国际竞争优势越来越大，这种差异是怎么产生的呢？是民营企业具有更强的基础科研能力和技术研发能力吗？显然不是，相反国企的研究实力大大高于民企，仅央企系统就拥有院士241名，约占全国院士总数的1/7，科研人员中中高级职称占比为45.8%，而民企仅为25.1%；同时，国企拥有91个国家重点实验室、4个国家技术创新中心、97个国家工程技术研究中心，即便是华为、腾讯这样的头部民企，也很难获得这样的资源。 

不过由于民企在技术创新的应用扩散能力具有得天独厚的优势，比如从专利生产转化率上讲，2022年高校为3.9%、公立科研单位为13.3%，而民企及外企平均可以达到50%以上，导致民企在一般竞争性领域中逐渐超越了国企同行，广东、浙江的机床产量远远超过“共和国长子”辽宁就是这个道理。 

（二）GPT理论对于我们思考今天中美科技竞争和产业竞争也有极大的启示。Jeffrey Ding认为，中美两国当下都不自觉在走LS导向模式，即双方政策的侧重点都在投放资源，企求率先获得创新突破，而对普遍性应用重视不足。基于科技民族主义，双方都喜欢把谁先研发出来，谁的技术更先进为是否成功的指标。 

在这种情况下，谁更重视培育新的技术的转化、扩散能力，其实决定了两国科技竞争长跑的最终结果。具体来说，人工智能竞争的关键不在于ChatGPT、Deepseek孰优孰劣，或新能源竞争不在于电池技术孰优孰劣，而是在于谁具有更强的能力将这些创新转移到生产、生活场景，进而激发全社会普遍意义上的技术革命。 

从这角度讲，我国科技界有两个非常有价值的探索案例。第一个就是腾讯宣布全面接入DeepSeek，包括微信、腾讯元宝、ima知识库等。尽管DeepSeek 全球累计下载量超1亿次，但是它仍局限于是一个年轻人、高学历群体的小众软件，它与腾讯15亿以上用户存量还是不能相比的。腾讯接入Deepseek，有助于这项技术应用真的走向普及化，以及依托腾讯的各种应用场景，转化为社会生产和商业革新的动力。

第二个就是比亚迪在高端车型中计划采用大疆研发的全新辅助驾驶系统，实现泊车辅助、记忆泊车、记忆行车、高速领航驾驶，城区领航驾驶等功能。大家印象中大疆只不过是个做无人机的公司，但它的辅助驾驶研发也是全球前列，研发团队达 1300 人左右。比亚迪作为全球最大车企之一，年产量突破400万，这也有助于这项新技术获得一个应用、扩散、改进的蓝海。

今天，李强总理在政府工作报告中，把推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用作为今年重要任务，提出要大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备，上述两个案例都是构建人工智能应用生态的生动实践。 

第一, 必须持续有创业型企业家人才源源不断涌现。美国企业与欧洲、日本企业的应用转化能力差异的一个原因是，美国可以有源源不断的新的创业型企业家出现，比如盖茨、马斯克、扎克伯格等等，只有创业型企业家才有热情和动力在技术应用上做革命性创新。而欧洲、日本企业家往往都是接班人守成式的，尤其日本企业更流行作坊式、家族传承式，过去很多媒体在推崇这种方式，其实也容易形成技术“封建格局”，最终不利于社会创新。 

我国过去四十多年技术应用扩散做得好，其实也是依赖从鲁冠球、任正非、柳传志，到王传福、马化腾、李斌，到梁文峰、王兴兴这些草根出身的企业家。企业家其实是技术应用扩散的枢纽，现在年轻人创业热情大大消退这不是好事，我们应该在法治、产权保护、政策稳定性、金融方面都做积极改革，推动社会创业热情再度高涨起来。

第二, 充沛的工程师资源。笔者以前经常举例，日美的经济竞争力差距差距扩大，背后一个原因是工程师队伍数量的差距逐渐拉大，2003年日本博士入学人数为1.8万，美国是4.4万，日本占美国的40%以上，而 2023年日本下降到1.3万，美国上升到7.6万，日本已经不足美国的20%。过去中国在信息、汽车等产业的崛起也是基于工程师队伍的不断壮大，到去年我国已经成为全球第一大博士培养国。

但是我国工程师人才培养有几个突出问题：第一是质量低，原创性人才不多；第二是少子化速度特别快，工程师红利持续不多久；第三是，国际化程度太低，国际生质量太差。这都是未来我国教育基本制度所要解决的问题。 

第三, 原创性企业与大企业平台的配合。颠覆性创新往往都出自于创业初期的小团队，但是小团队由于资金薄弱、管理经验不足，在推动社会转化应用发明风险极大，成功率很低。如果能够形成前面所提到的腾讯 X Deepseek，比亚迪 X 大疆的这种技术应用扩散路径，极大有助于创新作为一种基础技术向全社会的扩散，缩短创新改变社会的周期。

所以，我们既要重视那些能够不断创造奇迹的创新团队，也要看到拥抱技术创新的大企业平台在技术应用中的价值，也就是Jeffrey Ding强调的基础建设（skill infrastructure）作为关键一环的意义。过去燃油车时代，德国汽车工业维持100多年的长盛不衰，BBA三大制造商与供应链企业的相互配合是一个很重要原因，他们促成了曼牌、道依茨、博世、采埃孚、马勒、大陆、舍弗勒等在各个领域的源源不断创新。 

其实，从近来Deepseek走向社会化应用的路径看，今天在我国的人工智能领域，BAT就相当于BBA，充当了颠覆式创新走向普遍化应用的营养土壤的作用。

未来的中美科技竞争将越来越精彩激烈，这个竞争并不是单件武器对武器的竞争，而是整个社会创新生态的竞争。从这个角度讲，我们既要有Deepseek这样的王牌突击队，也要有腾讯、比亚迪这样的侧翼主力，还要有源源不断的企业家人才、工程师人才，只突出一点，无法取得胜利。