IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

摘要：

近期，OpenAI 以威脅國家安全為由對DeepSeek發起指控，延續了此前圍繞數字威權等議題的爭論，本質上是對AI競爭格局的進一步博弈。2024年諾貝爾經濟學獎獲得者阿西莫格魯稱，DeepSeek目前只是滿足了用戶好奇心的工具，在企業應用提高生產力方面的潛力還未出現。但事實上，統計數據顯示，第三次工業革命期間興起的信息通信技術（ICT），早已經在提高勞動生產率方面呈現出邊際效益遞減的狀況。然而，即便如此，各國圍繞AI技術主導權的競爭卻不斷加劇，這一矛盾反映了人們對新技術突破傳統創新瓶頸的高度期待。

本文首先探討了由于ICT在推動生產率增長的局限，及其所影響和塑造的促進勞動生產率增長的格局。隨后，文章分析了低成本新興數字技術的出現，為何能夠“喚醒”ICT，突破傳統創新的邊界，通過數字化轉型重塑低生產率行業的增長邏輯。在此基礎上，本文進一步討論了數字技術發展帶來的數據安全風險并提出應對需要技術、政策與治理體系的協同推進的思路；數字化轉型對于勞動就業挑戰，強調積極推進數字化轉型數字技能培訓和就業市場與教育培訓的有效對接，以確保AI時代的經濟增長能夠實現更具包容性的可持續發展。

ICT的邊際效益遞減和發達國家勞動生產率

紅線

在過去幾十年間，發達國家將中低端制造業大規模轉移至發展中國家，形成了一個依賴發達國家技術創新與進步來驅動全球勞動生產率增長的內部良性循環。

上述的這一模式在很大程度上是由于信息通信技術（ICT）的內在局限性導致的。作為第三次工業革命的主角，ICT主要提高了辦公和服務業的效率，但在工業制造和農業等實體經濟領域的影響相對有限。

經濟學家Robert J. Gordon認為，ICT技術對經濟增長的邊際效益已經大幅減弱，單靠其推動生產率提升已難以為繼。1920-1970年，勞動生產率年均增長2.82%，但在2006-2016年下降至0.97%。[1]

相反，新興技術，如人工智能、生物醫藥、機器人等核心領域，才可能帶來新一輪生產率的躍升。因此，全球資本會自然地選擇支持更具突破潛力的新興產業，尤其是在掌握先進技術的發達國家，期望借此形成新的增長動能，從而持續推動全球經濟增長。這實際上體現了一種資本追求最大效益的本能行為，即資本會流向能夠帶來更高生產率提升、更高回報的新興領域。

許多暢傳統手機廠商正投入機器人產業。有專家表示，手機與機器人產業在技術層面有著顯著的相通性，諸多技術能夠實現遷移復用。圖源：新華社

數字化轉型與全球勞動生產率增長的機遇

紅線

然而，低成本AI技術的出現顛覆了這一傳統邏輯。它帶來的最核心變革在于，讓ICT在推動生產率提升方面重新煥發生機。ICT的局限性在于，它的增長效應往往集中在特定領域，且具有較強的邊際遞減特征。

例如，辦公自動化、互聯網商業模式創新在短期內帶來了效率提升，但對傳統制造業、農業等實體經濟的滲透能力有限，因而未能像前第一、二次工業革命時期的通用技術（如電力、蒸汽機）那樣帶來持續的生產率躍升。

而AI的潛力在于，它不僅提升信息處理能力，還能夠與自動化、機器人、物聯網（IoT）等深度融合，直接改變物理世界中的生產過程。如果這一轉變得以實現，那么AI可能真正成為類似電力的通用目的技術（General Purpose Technology，GPT），其影響力將遠超ICT革命所能達到的范圍。

我們的調研顯示，在中低端制造業和農業領域，數字化轉型往往是信息化和智能化同步推進的過程。這是因為，這些行業的企業信息化程度普遍較低，其轉型往往無法跳過單純的信息化階段，直接進行數字化轉型。于是，原本利用“ICT+”難以提高生產率的農業、工業生產，由于AI的賦能而被徹底改變，實現了降本增效，提高了勞動生產率。例如：

1.農業領域：小農經濟曾限制大規模機械化農業的發展，但農業無人機結合AI程序可以在小范圍精準噴灑農藥，大幅提高效率，并減少農藥對噴灑人員的健康損害。

近年來，配合大數據、5G、物聯網等技術，AI正成為不少地方種植、畜牧、飼養的“新農具”。圖源：新華社

2.制造業領域：過去，傳統制造業的質檢環節依賴人工，一條生產線可能需要十名工人以緩慢的履帶速度檢查產品瑕疵。而現在，基于神經視覺網絡的AI質檢系統可以更高速、更精準地檢測缺陷，不僅提高了生產效率，也減輕了工人的勞動強度，加快了產品出貨速度。

目前，廣東正在重點發展與工業應用相結合的人工智能，對大模型等數字化領域的硬件改造、軟件應用、產業合作等給予貸款貼息、建設補貼。圖源：新華社

原本，ICT技術在這些行業無法直接提升生產率，因為這些生產或者作業環節涉及復雜決策，而不僅僅是信息集成。另一方面，AI賦能的實現也離不開ICT作為基礎設施（無論是軟件還是硬件）。因此，讓AI具備輔助決策能力，反向推動了ICT技術在農業和制造業的深度滲透。

如果新興技術的突破不再局限于發達國家，而是更多地出現在發展中國家，那么全球生產率增長的傳統敘事可能會被改寫。畢竟，分布在廣大發展中國家的農業和中低端制造業在AI和ICT技術的雙重賦能下，依然具備貢獻新增長率的潛力。簡單而言，這一機遇的本質就是依托新興技術，推動傳統產業的數字化轉型，從而創造新的生產率增長空間。

來自數據安全和勞動就業的挑戰和應對思路

紅線

數字化轉型發展推動生產率增長的另一面，也伴隨著諸多挑戰，其中數據安全和勞動就業問題尤為突出。

首先，在數據安全層面，隱私泄露、商業機密外泄、國家安全風險等問題早已引發廣泛討論。Shoshana Zuboff在其著作《監視資本主義》（The Age of Surveillance Capitalism）[2]中探討了數字經濟對個人隱私的侵蝕，強調大型科技公司如何利用數據監控用戶行為，將其轉化為商業利益，進而引發更深層次的社會控制問題。

Yanis Varoufakis在《技術封建主義》（Techno-feudalism）[3]中則進一步提出，數字平臺經濟的發展已經不再是傳統資本主義的延續，而是形成了一種新的“數據封建體系”，其中企業掌握著龐大的數據權力，個人和國家則愈發喪失數據主權。這些觀點反映了數據治理危機所帶來的廣泛悲觀情緒，也促使學界和政策制定者對數據安全問題進行更深入的思考。

在這一背景下，OpenAI對于DeepSeek的指控重點突出其潛在的各種安全隱患，但值得注意的是，OpenAI本身同樣面臨類似的問題。否則，很難解釋其負責人在被問及模型訓練所用數據來源時為何含糊其辭。這也恰恰說明，數據安全問題不僅僅是某家企業的責任，還是整個AI產業發展過程中不可回避的全球挑戰。

目前已經有多個國家相繼對DeepSeek采取了禁用或限用措施，理由大多是所謂的“安全風險”和“數據隱私”問題。圖源：新華社

然而，陷入無休止的安全與發展、樂觀與悲觀意識的討論對于實踐的幫助非常有限。這并不是說討論安全問題毫無意義，相反，因為數字技術與核武器相比后果更加致命和隱蔽，同時又更少地依賴國家動員規模的力量。但是，對于安全議題最值得討論的方面應該是如何最大程度減低風險，而不是消滅風險。

那么，我們該如何應對數據安全風險？筆者認為，數據安全治理不僅僅要依賴技術防護，更是一項社會性的系統工程。僅僅依靠技術很難應對數據安全問題，真正的關鍵在于“技術+治理”并行，以構建一個更加穩健的數字安全體系。在思考解決方案時，筆者聯想到中國基層治理中的“三防工程”，即人防、物防、技防。

在數字化領域，“技防”涉及強化AI及ICT領域的數據安全技術，如隱私計算、數據加密、聯邦學習等技術手段，以減少數據泄露的可能性；“物防”則包括建立可信的數據基礎設施，確保數據存儲、跨境傳輸的安全性，強化行業標準；“人防”實際上最不起眼但卻至關重要的，需要完善治理體系，加強企業自律和用戶數據保護意識。

其次，勞動就業挑戰不僅影響社會穩定，也直接關系到數字化轉型的可持續性。如何在推動安全且低成本的數字技術發展的同時，確保勞動市場的穩定和就業機會的創造，是數字化轉型過程中必須應對的問題。

技術革命對就業的影響，不僅取決于創新本身，更取決于其對生產方式和社會結構的滲透。正如《創新的起源》一書中作者引述約瑟夫·熊彼特（Joseph Schumpeter）的話：

“對于那些有錢買足夠多的蠟燭并雇傭仆人照顧他們的人來說，電燈并無太大好處。……伊麗莎白女王擁有很多長筒絲襪。但是，工業化生產的成就不在于讓女王擁有更多長筒絲襪，而在于讓工廠女工憑借日漸降低的勞動量也能擁有長筒絲襪。” [4]

技術創新的真正價值在于普惠性，即技術是否能夠推動更大范圍的生產力提升，并惠及更廣泛的勞動群體。

樂觀來看，如果AI能夠像電力這樣第二次工業革命的成果一樣，深度滲透到生產和生活的各個領域，它將有機會突破ICT創新的“一次性”特征，成為長期推動生產力提升的核心動力，從而塑造AI時代獨有的增長模式和就業格局。這或許也正是AI樂觀派堅持將其比喻為電力的原因，即不僅因為AI本身是一種強大的技術，更因為它具備與其他技術結合、推動整體經濟體系變革的潛力。

但是，AI時代能否真正創造可持續的就業增長，并不完全取決于技術本身，而更取決于社會如何適應和引導這場變革。因此，技術變革帶來的結構性失業風險仍不容忽視。在AI預期樂觀的前景下，社會需要采取現實可行的應對措施，以減少技術進步對勞動力市場的沖擊。

比如，一方面，政府可以依托高校、職業院校和在線教育平臺，建立面向普通市民和企業員工的“數字技能終身學習平臺”，通過在線培訓、社區教學中心和企業定制化課程等多種渠道，提供涵蓋AI基礎技能和行業應用技能的培訓項目，實現從入門到專業技能提升的持續教育。

另一方面，可以推動就業市場與教育培訓的有效對接，建立以政府為主導、企業廣泛參與的“數字就業服務平臺”，實時發布崗位所需數字技能標準，并引導教育機構根據就業市場需求靈活調整培訓內容和課程設置，從而改善技能供給與就業需求錯位問題，降低結構性失業的風險。

參考文獻：

[1]Gordon R J. Why Has Economic Growth Slowed When Innovation Appears to be Accelerating?. Cambridge, MA: National Bureau of Economic Research, 2018.

[2] Zuboff, S., 2019. The age of surveillance capitalism: The fight for a human future at the new frontier of power. New York: PublicAffairs.

[3] Varoufakis, Y., 2023. Technofeudalism: What Killed Capitalism. London: Bodley Head.

[4]（英）馬特·里德利（Matt Ridley）. 創新的起源：一部科學技術進步史[M]. 王大鵬, 張智慧, 譯. 北京: 機械工業出版社, 2021.

*本文作者：

張心旖 華南理工大學公共政策研究院 研究助理 政策分析師

（點擊圖片閱讀更多張心旖的文章）

IPP公共關系與傳播中心

排版 | 周浩鍇????

審閱 | 劉 深

終審 | 劉金程

張心旖：推進城市全域數字化轉型，該怎么做？

高技能人才，從何而來？

從DeepSeek突圍，看AI領域趕超策略

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。