導語

2025年尚未過半，震驚全世界的“關稅戰”卻已經打完了第一回合。在中美較量的背景下，全球的政府、企業或者政策制定者該如何做出經濟決策？一份最新的研究抓住了我們的目光。

來自布達佩斯考文紐斯大學和圖盧茲大學的伊達爾戈（César A. Hidalgo）團隊，首次提出了靠量化算法來給出個性化的產業升級建議。什么是量化算法？它真的可靠嗎？這就要從它的基礎——經濟復雜性理論開始說起。

關鍵詞： 產業升級，經濟復雜性，量化算法，勞動分工

郭瑞東丨作者

圖1 https://arxiv.org/abs/2503.04476

1. 從勞動分工到經濟復雜性

其實早在2009年，塞薩爾·伊達爾戈和里卡多·豪斯曼共同提出了經濟復雜性理論。它靠的是勞動分工，這個經濟學里最基礎的概念，來描述經濟體的復雜程度。“經濟學之父”亞當·斯密在《國富論》中寫到“在一個治理良好的社會中，正是由于勞動分工，各種不同行業的產品得以成倍增長，從而使得普遍的富裕能夠惠及到社會最底層的人民。”勞動分工帶來了經濟增長，增長是背后是知識積累的推動。

例如2025年初，讓全國矚目的杭州“六小龍”，其高科技產業的背后是一個足夠多元化的能力組合，其中的游戲、機器人、腦機接口、大模型等看似差異巨大，但有一個高度多樣化的技能網絡來支撐。

圖2 國家/地區-能力-產品與國家/地區-產品網絡圖示 | 來源：Hidalgo et al., 2009

如把國家/地區和生產的產品綜合起來考量（國家-產品網絡示意圖如圖2所示），就能比較出一個國家的經濟生產能力。經濟復雜度指數這個概念由此應運而生，用來量化經濟體的經濟活動，是一目了然，還是紛繁復雜。

2. 應用經濟復雜性理論指導產業升級

要實現經濟的可持續增長，經濟體必須適應市場和技術的變化。經濟復雜性已經成為探索經濟戰略的常用方法。

對于一個國家，最理想的情況，是擁有一些復雜度高且相互關聯不高的產業，例如同時擁有航天航空制造、高端芯片制造產業等，這樣即能保證多樣化又能獲得高利潤，這對應赫爾曼·西蒙提出的“隱形冠軍”，對應圖3左上區域；現實中更多是順勢而為發展優勢產業，例如同時發展汽車制造、精密醫療器械制造產業等，這些產業復雜且對技術要求高，但與已有產業高度相關，容易實現協同發展，對應圖3右上區域；但某些地區也會陷入“低端鎖定”中，難以帶來突破，以低相關性和低復雜性產業為主，例如簡單服裝加工、基礎電子裝配產業等，對應圖3左下區域；有些地區在初步產業升級中，會選擇高相關性但低復雜性的產業，例如食品深加工、建材生產等產業，這些產業技術門檻低，但與本地資源或產業高度相關，但提升空間有限，需“久久為功”，對應圖3右下區域。

圖3 “相關性-復雜性”四象限圖：其中橫軸代表相關性（Relatedness）用來衡量產業之間的相互關聯是否密切，縱軸代表復雜性（Product Complexity）用來反映該產業的技術含量和經濟價值（高復雜性產業通常與高收入相關）

當政策制定者推動產業升級時，往往會先優先選擇具有高相關性和高復雜性的產業，但這樣的選擇產生的經濟效應可能并非最優的。

例如一個地區依靠自己的產業優勢，優先選擇發展相關性和復雜性都更高的汽車組裝產業，短期可能產生較好的效益，但長期來看，從油車時代到新能源時代，汽車組裝產業由于組建模塊化，其涉及到的產品復雜度降低，不再是產業鏈的核心。這種決策就忽略了復雜度和相關性會隨時間變化，而僅僅基于當前值做決策。

簡言之，僅通過四象限圖來設計未來產業升級路徑，是對經濟復雜性過度簡化的理解，而忽略了多因素綜合模型，以及動態變化的復雜性。

而這正是伊達爾戈團隊在最新研究中要解決的問題，文章提出了ECI優化算法（Economic Complexity Index Optimization），這里ECI指經濟復雜性指數，一個國家的經濟復雜性指數基于該國家所生產的產品的平均復雜度，而產品的復雜度則基于該產品的生產國家的平均復雜度，經濟復雜性指數越高，表明該國家生產的產品越復雜，其經濟活動也越復雜。

如圖4所示，算法可以找到實現目標ECI，并且最小化產業進入成本的組合，有效平衡復雜度和進入難度的問題。算法會根據現有的數據，預測未來產品復雜度（PCI）和相對比較優勢（RCA），避免靜態數據的誤導，通過引入專業化水平、相關性、相對相關性的度量，以及“墊腳石”年份來設立中期里程碑，構建更精準的經濟潛力模型。

圖4 ECI優化算法工作流

用餐廳的產業升級舉個例子，想象兩家餐廳，一家主營泰式炒河粉，一家賣墨西哥玉米餅，傳統的產業升級建議，是將餐廳做成米其林星級餐廳，賣出高價菜（對應圖3 的高復雜度-高相關性象限），而基于經濟復雜性理論，對賣炒河粉的店可能建議先添加冷凍食品線（利用現有廚房設備），再引入自動化包裝機（為未來預制菜鋪路）；而對于墨西哥餐廳給出的可能建議是先推出罐裝辣醬（復用調味技術），再研發食品檢測設備（跨界到儀器制造）。

3. ECI優化算法的實際案例

圖6 根據ECI算法對越南給出的提高經濟復雜性的建議，初始的ECI=0.14

基于ECI優化算法的過程，可基于一個國家或地區當前在產業網絡上的位置，對比如果將生產產品擴展后會有何影響，從而給出提高經濟復雜性的個性化建議。

例如圖6展示的是對越南的個性化建議，圖中的點代表一個產品，橫軸表示產品的進入成本，縱軸表示產品的復雜性指數，越南最初的經濟復雜度是0.14，根據算法，最先從左上的區域優化產品組合，從左到右，復雜度從0.19、0.24到0.34不斷提高，產品組合不斷豐富。在這個過程中，能直觀看到在產品復雜性和進入成本之間的動態權衡過程。

基于經濟復雜性給出的產業升級建議，不會盲目追求“神裝”，而是規劃性價比最高的升級路線。它允許“繞路”——比如先點“鍛造技能”才能解鎖“寶劍圖紙”。升級過程中還包括了動態調整：例如發現某個裝備被削（產業降級），立刻切換路線。

ECI優化算法會考慮不同國家的特殊性，例如對于泰國和墨西哥，在2022年，兩個國家的經濟復雜性指數是相似的，泰國為0.98，墨西哥為0.99，按照年度3.5%的增長率，給出了10年后，給出了兩個國家不同的產品組合，對于泰國應該發展橡膠加工機械、橡膠制品、化學工業、測量檢測及分析一起等產業，對于墨西哥應該發展金屬磨具制造、農業機械、鋼托平板軋制等產業。

圖7 對泰國和墨西哥給出的基于ECI優化算法的產業擴展建議

圖8 ECI優化算法（藍線）與傳統的“相關性-復雜性”的產業升級建議（紅線）對比

圖8(a)指出基于ECI優化算法推薦的產業，其相對比較優勢RCA普遍接近0.8，高于傳統方法的推薦。這正體現了ECI的優勢，ECI優化算法給出的產業升級建議，更像“順勢而為的沖浪者”——優先選擇那些只需“最后一把勁”就能突破的產業，專注于利用現有能力發展產業。

圖8(b)比較推薦產業的相對關聯性與經濟復雜度的關系，對于較低和中等ECI指數的國家會選擇相對更不相關的產品，產業關聯性的方差更大。這意味著中等發展階段最需要混合策略，進行多元化優化。

圖8(c)體現了新產業的數量和經濟體產品數量的關系，兩種方法表現相似，雖然推薦了不同的產業，但是新增產業數量相似，相比較而言，ECI優化算法推薦的數量更少。

圖8(d)展現為實現產品的比較優勢所需的新增出口額，圖片顯示ECI優化算法給出的建議，能夠以更少的成本，通過精準選擇杠桿產業，撬動經濟復雜性指數的提升。

概括來看，ECI優化算法能夠為經濟體提供量化決策框架，識別高潛力的發展路徑，避免“追逐全球熱點但脫離本地能力”的陷阱，還能通過預測未來競爭格局（如汽車組裝的產業復雜度下降），避免過度投資“即將貶值”的產業。其算法框架可擴展至區域創新、技術演化等領域，并在未來的研究中將制度、社會資本等“無形因素”納入模型。

4. 對ECI優化算法的可能批判

管理學中古德哈特定律指出，“一項指標一旦變成了目標，它將不再是個好指標。”當各個經濟體將經濟復雜性的優化作為指標，優化過程就會產生外部性，從而相互干擾——例如過去各地盲目跟風建設同質化工業園區。雖然ECI優化算法可以為經濟體提供個性化的產業發展建議，但當多個經濟體都同時采納這些建議時會產生相互作用，這時需要進入博弈論來加以衡量。

其次，經濟活動的主體是人，推動經濟發展的是人的創造力。經濟復雜性指數作為一個統計指標，捕捉的永遠是已反映在數據之中的知識網絡，是基于當下科技樹推斷出的產業相關性和復雜性。2000年時，在諾基亞時代手機組裝被視為高復雜度產業，但十年后迅速標準化。ECI優化算法依賴對產業未來復雜性的預測，但技術突破具有不確定性，未來可結合科學學，通過機器學習去預測可能的技術突破方向。

最后，經濟復雜性的計算，依靠的是貿易或就業數據，沒有整合歷史、文化、教育等維度，例如推薦沙特阿拉伯發展精密儀器制造（高PCI），但可能忽視其勞工體系、教育系統與這類產業的不匹配。ECI優化算法也沒有考慮一個區域的產業升級會對周邊地區帶來的虹吸或輻射效應以及特定產業造成的環境污染等，這些因素在真實的產業規劃中，都需要考慮。

盡管ECI優化算法存在局限性，但它提供了一種具有數學基礎的戰略多元化方法，推進了經濟復雜性理論在政策中的落地，它應該激發更多對戰略多元化的新研究。

作者：郭瑞東 審核：張江 北京師范大學系統科學學院教授 出品：中國科協科普部 監制：中國科學技術出版社有限公司、北京中科星河文化傳媒有限公司

金融復雜性讀書會

當前，全球金融系統正遭受多重不確定性沖擊，如氣候風險加劇、中美貿易摩擦及俄烏沖突等，導致金融系統復雜性與不確定性達到前所未有的高度。在金融復雜系統中，市場、機構及異質利益相關者的行為呈現非線性與網絡化特征，常引發意想不到的結果。

正如“知己知彼，百戰不殆”所言，我們需系統探究金融復雜系統的理論基礎、量化識別方法、生成演化機制及風險治理路徑，以更有效地認知、建模與決策。為此，集智俱樂部聯合北京師范大學李紅剛教授、愛爾蘭都柏林圣三一學院Brain Lucey教授、中國地質大學（北京）黃書培副教授、首都師范大學王澤講師、北京林業大學幸小云副教授及北京化工大學王欣雅副教授，共同發起。讀書會自2025年8月4日起，每周一19:00-21:00舉行，預計持續10周。歡迎掃碼加入，共建“金融復雜性”社區。

詳情請見：

1.

2.

3.

4.

5.

6.

7.