李平：用人工智能打开新质生产力的大门

作为后来追赶者，中国产业以传统行业追赶为起步，从价值链下游市场需求出发，通过走模仿、低端市场、低成本路线，向国外先进企业发起了奋力追赶。

这种模式导致了中国企业在上游产业，特别是在“五基”领域（ 基础零部件、基础材料、基础工艺、基础设备、基础软件）存在着一定的缺陷。

随着国内市场的日趋成熟和国际竞争的加剧，从低成本发展模式向高价值发展模式的转型升级，尤其是在价值链上游的“五基”领域，成为中国产业未来发展的唯一选择。

目前中国很多优秀企业的第一代创始人仍然在位，这意味着企业文化尚未经过时间的检验，也无法确定是否可能得以传承。

更为严重的是中国几乎所有竞争性行业都有太多高度同质化的众多企业，市场集中度（行业前四/前十的企业在行业市场占有率超越20%）过低。

反观美国，在19世纪中叶结束内战后，美国迎来了产业革命和战后的快速工业化。

到了1900年左右，美国每个行业被3-4家寡头企业垄断。最终，美国只能通过反托拉斯法来规制。

这种市场的高度集中度就是市场优胜劣汰的结果。日本行业发展历史也大体如此。

以新能源汽车为例，一提到美国品牌，很多人可能只会想到特斯拉，而中国有理想、比亚迪、小鹏汽车、蔚来、小米等众多品牌，还有华为参与的问界。

中国产业集群高度同质化，而以创新为核心的产业集群差异化则严重不足。

在经济转型升级过程中，我们不得不讨论一个相关的议题，同时也是现实中存在的最大风险——中等收入陷阱。

这是指一个国家因达到一定收入水准后（1万美元左右）长期停滞的情况。

香港中文大学（深圳）前海国际事务研究院院长郑永年教授提出的“中等技术陷阱”的概念与中等收入陷阱相似，但专指技术领域。

中等技术陷阱是指，一个国家没有有效的技术创新，就很难从中等技术水平上升到行业领先的地位。

事实上，日本、韩国、新加坡、台湾地区、香港地区均缺乏原创科技，却都成功走出了中等技术陷阱（同时成功走出了中等收入陷阱。需要指出，这些亚洲国家与地区也是现代世界唯一成功走出中等收入陷阱的国家与地区）。

因此，我认为，中国不应该过分强调在基础科学领域的原创研究，而应该更多关注应用技术的升级换代，尤其是从基础科学转向应用技术的前沿研究。

这是因为所有基础科学研究成果都是公开的，以学术论文形式出现。我们可以充分利用这些开源信息，无须从头再来。

比如，日本在走出中等收入陷阱（中等技术陷阱）之后才开始注重原创科研，并在过去20年中获得了19个诺贝尔奖，但在此之前他们的原创成果其实不多。

我的结论是，经济可持续发展的唯一出路来自创新，但这种创新不一定非要是原创科研，更应该是将现有科学成果转化为应用技术的能力。

有关创新的困难，学术界提出一个著名的理论框架，称为“创新死亡谷”。

这是指从基础科学研究到新产品开发转化的困难阶段，严重缺乏资金支持和转化能力。

1997年，美国学者亨利·埃茨科维兹(Henry Etzkowitz)在分析硅谷等产业创新集群的基础上，提出了“三螺旋”理论。

该理论强调创新体系建设的重点是高校、企业和政府等创新主体，如何进行知识的生产与转化，形成相互影响的“三螺旋”关系。

我们可以通过三个案例来分析不同路径下的“三螺旋”创新体系。

这三种不同路径的创新体系给我们带来新的启示，我们应该大力鼓励产学的跨界合作，建立真正意义上的“研”，即有效连接“学”与“产”的必要桥梁，也是超越“创新死亡谷”的唯一路径。

在这个方面，我们可以借鉴德国弗劳恩霍夫协会（Fraunhofer），以及中国台湾工业技术研究院的成功经验。这两者正是“研”的成功典范。

在明确了中国产业发展背景现状之后，我们不难发现中国产业转型升级的战略意义。

随着新质生产力的提出，中国经济正在迈向一个以创新驱动高质量发展的新阶段，我们需要阐述其中的底层逻辑。

从古典经济学的角度来看，生产力主要由资本、劳力、土地（包括所有其他资源）等传统生产要素的组合，包括传统技术。

这一观点也是亚当·斯密经济学理论的核心内容。这类生产要素具有边际收益递减的特征。

然而，随着时间的发展，经济学家熊彼特指出企业家对创新的核心作用，德鲁克提出了知识工作者概念，而罗默（诺贝尔经济学奖得主）则明确将知识视为新生产要素。

知识这一较新生产要素具有边际收益持平的特征（但罗默却认为是边际收益递增）。

如今提出“新质生产力”，我们可以看作是大数据和人工智能作为全新生产要素，与其他生产要素的全新组合。新质生产力具有边际收益递增的全新特征。

大数据和人工智能并不取代旧有生产要素，而是大幅度提升旧有生产要素创造价值的能力。

换言之，这些全新生产要素与知识、劳力、资本和土地等其他要素相组合，实现生产力的转型升级。

传统生产关系主要指的是资本家与劳工的从属关系、资本家与代理人的替代关系，以及代理人与职工的从属关系。

作为核心利益拥有者，资本家与工人、代理人之间存在博弈冲突关系。

但是，在知识生产关系时代，情况开始发生变化。不管是工人（尤其是技术工人）、科技人员还是管理人员，都是知识资源的拥有者，也是某种意义的“资本家”。

换言之，知识成为生产要素，即生产资料，其拥有者也成为“资本家”，可以与金融资本家相互抗衡。

在硅谷，我们看到风险投资追逐高端人才，人才拥有讨价还价的地位，他们与金融资本家的关系开始变得相对平等。

这种新型关系，我们称之为“直接利益相关者”关系，基本局限于一个行业内部的利益相关者，没有涉及其他行业，也基本上不涉及高校与政府。

新质生产关系可以看作是创新生态+人机协同的新型生产关系，构成跨界协同、共创共享的新型生产关系（包括工业互联网与生态平台等新型组织模式）。

这种新型的生产关系将极大改变我们对于企业管理的传统认知，目前有两大发展趋势：

一是形成产学研协同的创新生态。小到某个城市如深圳、苏州等，大到一个区域如粤港澳大湾区，乃至于整个中国与整个世界，都可以视为一个大的生态系统；

二是人机协同模式。这对管理学来说是一个巨大挑战，因为传统管理学主要研究的是人与人之间的协作关系，但现在我们还需要考虑人与机器、机器与机器之间的协作关系。

新质生产关系面对的是“间接利益相关者”，即突破一个行业内部的局限，涉及跨行业协同竞合，同时涉及高校与政府。

我们常说生产力决定生产关系，生产关系反作用于生产力。

我认为这种说法不够准确，生产力与生产关系应该是互为因果、互为杠杆的平等关系。生产关系同样决定生产力。

这一点在邓小平的讲话中有所体现，他提到生产关系除了发展生产力以外，更重要的作用是解放生产力。这一点非常重要，因为它体现深化改革等必要性。

深化改革就是为了解放生产力。

这在中国70年代末启动的改革开放得到充分体现。类似的历史事件还有日本的明治维新、意大利的佛罗伦萨“文艺复兴”，以及中国西汉的文景之治、唐朝的贞观之治等。这些都是在体制上进行变革，通过变革解放生产力。

这一点我和传世智慧的理念不谋而合，我们可以把科技理解为生产力的一部分，将管理变革理解为生产关系的一部分。

这两者实际上是一个相互因果的过程。技术和管理之间不是单向推动的关系，而是形成一个闭环系统。

如果处理得当，就能形成良性循环，反之则可能形成恶性循环。

新型生产工具是新质生产力的重要体现和载体，侧面反映了社会生产力的发展水平。

比如工业革命时期蒸汽机的发明，极大地提高了生产效率；信息时代计算机和互联网的出现，改变了社会生产生活方式。

随着工业革命4.0的到来，一场以数智化转型（以人工智能为基础的人机协同）为核心的技术革命正席卷而来，对企业组织模式形成巨大的管理变革推动力。

数字化转型可以分为两个阶段，即上半场和下半场。

人工智能的发展也可以分为上下两个半场。

去年，麦肯锡发布了的一份题为《生成式人工智能的经济潜力》的研究报告，报告指出，生成式AI带来的价值增长，主要（约75%）集中在四个领域：客户运营、营销和销售、软件工程和研发，这也意味着四项业务受生成式AI影响最大。

需要特别指出，人工智能在研发设计领域具有巨大潜力，但其研究尚在初步阶段，值得我们深入探讨。

有学者提出，人机协同主要分为三种方式：

AI发现问题并设计解决方案，最后由人类来决定是否采纳。这种方式被认为是最弱的人机协同方式，因为机器在很大程度上替代了人类的工作。

机器发现问题，然后由人类来设计解决方案。这种方式将人机协同分为前后两个阶段，各自承担不同的任务。

AI和人类共同发现问题，并共同解决问题。这种方式强调了人机之间的紧密合作和协同。

但是，我们必须认识到，在不同阶段中，人机协同的侧重点应该有所不同。

早期以AI为主，后期则以人类为主。然而，在探索与定义问题的最早期，很可能还是以人类为主。

AI有其独特的优势，比如擅长处理线性和历史数据，具备真实性和对过去信息的处理能力；而人类擅长的是创新和直觉，优势在于想象力、启发性和对未来创新的能力，尤其是在非线性发展方面。

在共同发现问题时，可能更侧重于AI的能力；而在解决问题时，则可能更侧重于人的能力。

这正是我所提倡的“阴阳平衡”思想：在不同情境下找到平衡点，让人类和AI有效地协同工作。

我们不能在流程尚未优化的情况下匆忙进行数字化和信息化。否则，可能会收集到不必要的数据，而遗漏了重要信息，使用了错误的格式。

因此，必须先优化和固化业务流程，明确数据的收集点、收集方式和格式，这是华为的深刻体会，一定要线下先行。

没有一个既懂IT又懂业务的团队，就不可能有效地加速转型过程。这个团队的形成需要时间，因为IT人员起初可能不懂业务，业务人员也可能不懂IT。

只有经过长时间的磨合，双方才能相互理解并协同工作，这个团队才能真正开始数字化转型。

如果业务部门的数据没有清理干净，中台的人员由于缺乏业务知识，将无法理解数据的真实含义。

数据的定义、标签和主数据等都需要在业务部门进行初步处理。