|
前两天，看到2025年诺贝尔经济学奖公布了。说实话，每年这个时候朋友圈都是固定节奏：物理学奖一出，各种“改变世界的发现”刷屏；文学奖一揭晓，大家争着说“这作家我早读过”；可等到经济学奖……基本就是“哦”的反应，热度连前两个的零头都不到。 我以前也这样，“内生增长理论”“博弈论均衡”这些概念听着就头大，感觉跟咱们的生活隔着十万八千里。 这里也和你分享个小知识：诺贝尔经济学奖并不是诺贝尔遗嘱里的奖项，而是1968年瑞典中央银行为纪念自己银行成立300周年设立的。不过，它的评选和发奖体系完全沿用诺贝尔奖体系，由瑞典皇家科学院负责评审，与诺贝尔物理学奖、化学奖等奖项同时公布。 但今年的经济学奖，我看完之后愣了一下。三位获奖者——乔尔·莫基尔、菲利普·阿吉翁和彼得·豪伊特，研究的是：技术创新如何通过“创造性破坏”驱动经济增长。 这听起来还是挺学术的，但如果你是得到的老用户，或是万维钢老师的用户，大概会有种“似曾相识”的感觉。 这几年，万维钢老师在《精英日课》里反复提到过阿吉翁的研究，比如韩国1997年金融危机后被迫开放市场，反而让创新能力大增；又比如为什么有些国家越保护产业，产业反而越落后。 当时听着觉得挺有道理，可总觉得那是“别人家的故事”。直到今天才发现，这套理论正在我们身边，在AI这个最前沿的领域，一幕一幕地上演。 01 三位获奖者及其贡献先说说这三位获奖者。 乔尔·莫基尔是西北大学的历史学家，研究的是“为啥工业革命偏偏在欧洲爆发”这类宏观问题。 另外两位——菲利普·阿吉翁和彼得·豪伊特是经济学家，他们在90年代构建了数学模型，把“创造性破坏”这事儿给算明白了。当然，“创造性破坏”这个词也常被称作“破坏性创新”，其实两个词含义一样。 有意思的是奖金分配：总金额120万美元，莫基尔一人独得一半，另外两位学者平分剩下的部分。单看这个比例就能明白，评委会认为历史视角与理论建模一样重要。 咱们今天主要聊聊阿吉翁和豪伊特的研究，因为他们的理论模型跟AI时代的关系实在太紧密了。不过，莫基尔的历史研究咱们后面也会提到，特别是他关于“知识如何流通”的洞察，对理解今天的开源AI社区特别有启发。 听完你就会发现，今年他们获得诺贝尔经济学奖，说不定就跟这两三年全球科技创新大爆发的背景有关。 02 “创造性破坏”的威力我们先来说说什么是“创造性破坏”。听着挺矛盾的，对吧？ 其实它的核心逻辑很简单：经济增长不是匀速跑步，而是靠一波接一波的“新技术干掉旧技术”推动的。 就像当年智能手机普及，诺基亚就逐渐衰落了；外卖平台兴起，方便面的销量就下降了。而且每次新技术出现，发明者能爽一阵子，但很快就会被更新的技术干掉。这个循环不停运转，经济也就这样不断向前发展。 但这里面有个特别关键的发现，就是阿吉翁他们用英国制造业的数据，证明了一个“倒U形关系”——竞争和创新之间不是简单的正相关或负相关，而是一条倒U形的曲线。这是什么意思呢？放在这句话里，正相关就是越竞争得厉害，越能创新，负相关就是越竞争得厉害，越没有创新。 但实际上的情况是不断变化的，竞争太弱的时候，大家都躺平，没人愿意创新；竞争到了中等强度，企业为了“逃离竞争”拼命创新；但竞争太激烈了，落后的企业发现怎么努力都追不上，干脆就放弃了。 说白了就是：躺平不行，太卷也不行。 这个发现在英国、美国以及几乎所有能收集到数据的国家都得到了验证。 韩国金融危机的印证万维钢老师当年讲过一个案例，我印象特别深。1997年韩国爆发金融危机，当时韩国被迫开放市场，外国人在韩国公司的最大持股比例，从原来的低位一下子提高到55%。 好家伙，这对依赖垄断的财阀来说，无疑是巨大冲击，很多人当时都觉得韩国企业要完蛋了。结果呢？ 阿吉翁他们专门研究了这个案例，发现危机之后，那些非财阀企业的生产率蹭蹭往上涨，专利申请量翻了好几倍。韩国企业的创新能力不但没垮，反而超过了日本，甚至有赶超德国的趋势。 为什么会这样？因为市场竞争加剧后，那些原本被财阀压制的企业，突然有了创新的动力和发展空间。 这正是“创造性破坏”的威力——旧的垄断格局被打破，新的市场活力便释放出来了。 AI行业的加速迭代放到AI行业，“创造性破坏”的速度简直快到让人眼花缭乱。 2020年GPT-3问世时，大家已经觉得它足够强大；2023年GPT-4发布，直接将GPT-3远远甩在身后；随后Claude、Gemini、Kimi等各类大模型轮番登场。 到了今年，DeepSeek这类开源模型横空出世，以极低的成本就能达到接近GPT-4的效果，直接颠覆了“大模型必须烧钱”的行业共识。 好家伙，这才短短几年时间，整个AI行业已经完成了好几轮迭代。 AI与思想生产率阿吉翁和他的团队也在研究AI。得到电子书里就收录了阿吉翁的著作《创造性破坏的力量》，书里专门有一章探讨信息技术对生产率的影响。他们提出了一个特别关键的概念——“思想生产率”。 这一概念具体指什么？简单来说，信息技术不仅能提高产品和服务的生产效率，更重要的是能提升“思想观念的生产”效率。借助Skype、Zoom等工具，不同国家的学者可以更便捷地交流合作；但这种对“思想生产”的提升，比产品生产效率的提升更难测算。 进入生成式AI时代，阿吉翁团队认为这个问题更重要了，为此专门做了研究，并发表了一篇被多家媒体报道和引用的论文《AI与增长：我们处在什么位置？》。这篇论文用两种方法估算了AI对未来十年生产率的影响： - 一种是与过去的技术革命进行对比，估计AI会使生产率年增长提升0.8到1.3个百分点。
- 另一种是采用任务框架计算，得出的中位数为生产率年增长0.68个百分点。
不过，他们特别强调：这些估算尚未考虑AI在“思想生产”中的作用。 这意味着AI不仅能帮你干活，更能帮你想创意、做决策和探索假设。如果把这部分作用纳入考量，AI对生产率的实际影响可能会更大。 AI的拉平与放大效应这不是空谈，已经有具体的实验数据了。 2023年有个特别有趣的实验，研究人员找了453名受过大学教育的专业人士，让他们完成职业相关的写作任务，其中一半的人可以使用ChatGPT，另一半不能。结果呢？使用ChatGPT的那组平均完成时间减少了40%，但更令人震惊的是，输出质量反而提高了18%。你看，这不就是“思想生产率”的直接证据吗？ 另一个客服中心的实验，更能直观地说明这一问题。5000多名客服代理用上AI对话助手后，团队平均生产率提升了近14%。但你猜怎么着？新手（经验不足两个月的员工）生产率提升了34%；而经验丰富的老员工，生产率几乎没有什么提升。 为什么？背后的原因很明确：因为AI将那些高手的“隐性知识”传播出去了，让新手一下子就能用上老手的经验和技巧。 但这里面有个特别关键的问题：不同水平的人使用AI，效果完全不一样。 阿吉翁团队的研究发现，AI对低技能工人具有“拉平效应”——能够将0分的人提升到4分（10分制）。而对于高技能工人则是“放大效应”——水平越高，AI的帮助就越大。有3到5年经验的前端工程师使用AI编程工具后，速度能提升55.8%。 而最危险的是中等技能的人。 德国的一项研究发现，ChatGPT提高了低水平学生的成绩，但对中高等学生反而拉低了得分。为什么？因为中等水平的人，他们的技能恰好是AI最容易替代的那部分。 新入行的程序员借助AI每天能写大量代码，直接威胁到那些只会写不太复杂代码的普通程序员。这不就是“创造性破坏”在个人层面的体现吗？ AI在创造新的可能性，但同时也在破坏那些中等技能的岗位。 创造性破坏的极端案例我看过一个特别震撼的案例：有人借助AI编程工具Replit，仅花费400美元就复制出一款原本需投入15万美元开发的软件，随后将其转手卖出3.2万美元。 而且，这并非个例。更夸张的是，现在连技术面试都被AI“破坏”了。哥伦比亚大学有个学生开发了一款AI面试作弊工具，每月收费60美元，据此推算，预计年收入能到100万美元。目前市面上类似的工具一大堆，甚至有人依靠这类工具成功拿到了大厂的offer。 你觉得这是好事还是坏事？ 从阿吉翁的理论来看，这种现象其实是必然的——当旧的面试评价体系与新技术相遇，要么评价体系主动升级以适配变化，要么就会被新技术钻空子。 03 从历史视角看开源精神说到这里，就不得不提到莫基尔的研究了。他研究的是一个更根本的问题：为什么有些地方能持续创新，而有些地方却不行？ 他发现，关键不在于技术本身，而在于背后的文化与制度。 说实话，莫基尔这个人的研究特别有意思，得到电子书里就收录了他的一本经典著作《启蒙经济：英国经济史新论》，专门讲“为什么工业革命会在英国爆发”。 我在他获得诺贝尔奖之后，翻开了这本书，书中一个故事让我深受触动，原来早在300年前，就有人把今天开源AI社区的玩法给玩明白了。 月光社：创新的摇篮这个故事的主角，就是“月光社”。1765年前后，英国伯明翰有这样一个小众团体，成员人数从没超过14个人，但个个都是大牛。 你看看这堪称“豪华”的阵容：詹姆斯·瓦特，现代蒸汽机的发明者；马修·博尔顿，瓦特的“天使投资人”；伊拉斯谟·达尔文，这是进化论奠基者查尔斯·达尔文的祖父；约西亚·韦奇伍德，被誉为“英国陶瓷之父”；约瑟夫·普里斯特利，发现氧气助燃作用的化学家。 这群人有个特别的聚会习惯：每到月圆之夜，就会聚集在博尔顿的索霍会馆，讨论当时最新的科学发现与技术突破。 为什么选月圆之夜？我一开始还以为是搞什么神秘仪式，毕竟在我的认知里，月圆之夜都是狼人一族出来活动的时间。其实真相就是因为那时候路上亮堂，晚上散会回家方便。你看，真相多接地气。 瓦特与博尔顿的合作瓦特的故事特别能说明问题。 他从小就爱摆弄机械，后来在格拉斯哥大学当修理仪器的技师。1763年，学校有台蒸汽机坏了，瓦特修好之后仔细研究，发现这玩意儿效率太低了——活塞每推动一次，气缸里的蒸汽都要先冷凝再加热，80%的热量都耗费在维持气缸温度上。他想到把冷凝器和气缸分离开来，并真的造出了一个能运转的模型。 但从设计到造出来需要大量资金。1773年，瓦特的生活跌到谷底，原先的支持者破产，妻子去世，还留下几个未成年的孩子。当时有人推荐他去俄国高薪就职，但月光社的朋友博尔顿把他留下来了。 博尔顿花了1200英镑还清瓦特的欠款，并为他提供资金和设备。特别是在制造工艺方面，他们采用了英国工程师威尔金森制造加农炮的技术，解决了活塞与大型气缸之间的密合问题。1776年，第一批新型蒸汽机终于制造成功。 据说英国国王参观工厂时问博尔顿在制造什么，博尔顿的回答特别霸气：“陛下，我们在为全英国提供动力。”你看，这不就是18世纪版的“我们在改变世界”吗？ 开源精神的早期实践更让我震撼的是，这些发明家很多人根本不在乎专利。 小亚伯拉罕·达比发明了焦煤炼铁法，但他拒绝申请专利，理由是“不会剥夺公众使用这一发明成果的权利”。 法国化学家贝托莱则把氯气漂白的技术免费分享给苏格兰人，人家拿去商业化赚了大钱。贝托莱写信给瓦特说：“当一个人热爱科学时，他不太需要财富，因为财富只会破坏他的幸福感。” 我看到这儿的时候，想到今天的开源AI社区。Hugging Face、GitHub上那些开源大模型，代码和论文全都公开，全世界的开发者都能看、能用、能改进。 DeepSeek把模型开源，不是因为他们傻，而是因为开源能获得社区的认可和声誉，能吸引更多人才加入。 这跟300年前博尔顿投资瓦特、达比拒绝申请专利、贝托莱免费分享技术，本质上是一回事——都是用“非经济激励”来推动知识流通。 知识自由流动的力量莫基尔特别强调，正是这种知识自由流动、同行评价、非经济激励的文化，让欧洲的科学知识能够快速积累和传播，最终引发了工业革命。 伏尔泰、狄德罗、卢梭这些大思想家，经常泡在巴黎的咖啡馆里讨论问题。据说伏尔泰每天要喝40杯咖啡，我就很好奇，这哥们晚上还睡不睡觉？ 更厉害的是，狄德罗和达朗贝尔编写的那部著名的《百科全书》，就是在巴黎的普罗科普咖啡馆里完成的——这其实就是18世纪版的“开源知识库”吧？ 但这个社区并不是一团和气的。牛顿和莱布尼茨关于微积分发明权的争论，可以说是科学史上最著名的“撕逼大战”。 两人都认为自己先发明了微积分，谁也不服谁，最后闹到英国皇家学会裁决。1713年，皇家学会裁定牛顿比莱布尼茨早十年。但莱布尼茨不认账，继续通过书信和论文反驳，一直怼到1716年他去世。 你看，这种公开的学术BATtle，虽然看着很激烈，但恰好推动了知识的进步——因为双方都要拿出更多证据，整个社区的人都在围观学习。 中美AI开源路径差异这里就出现了一个特别有意思的现象：中国的领先AI模型很多是开源的，比如DeepSeek、通义千问；而美国的主要大模型像GPT-4、Claude基本都是闭源的。 为什么会这样呢？用莫基尔的理论来解释，这背后是不同的创新文化和制度安排。 中国这边，商业场景丰富，政府和大企业对AI的推动作用很强，开源能快速建立生态，降低应用门槛，符合“先把蛋糕做大”的思路。美国那边，更依赖风险投资和商业回报，闭源能保护技术优势，符合“先把护城河挖深”的逻辑。 你不能说哪个更好，只能说在不同的文化和制度环境下，创新者选择了不同的路径。 04 AI时代的个人启示说到这儿，我想起莫基尔在《增长的文化：现代经济的起源》这本书的第二章里，曾说过一句话：“对权威的不盲从，是进步的钥匙。” 这句话放到今天看特别有意思，听起来像是专门为AI时代准备的。 你看，这三位经济学家三十年前建立的理论，今天在AI领域一幕一幕地上演。阿吉翁说的“躺平不行，太卷也不行”，莫基尔强调的“制度和文化决定创新能否持续”，放到今天都特别管用。 AI确实是“创造性破坏”的加速器，它让这个循环的速度快到前所未有。但加速不等于失控。 从这次诺贝尔经济学奖的研究来看，关键不在于技术本身有多快，而在于我们能否建立起支撑创新的文化和制度——就像300年前的月光社和文人共和国那样，让知识自由流动，让同行评价起作用，让创新者获得的不只是金钱，还有声誉和认可。 我不知道你是什么感觉，反正我最近两年最大的体会就是：这个时代确实挺焦虑的。初级岗位在消失，AI工具层出不穷，感觉一不留神一夜之间就要被淘汰。 但如果你理解了“创造性破坏”的逻辑，可能心态会好一些：工作被破坏的地方，新工作也在诞生；关键是你得保持学习，保持在“中等竞争强度”的状态——既不躺平，也不把自己卷到放弃。
就像阿吉翁的研究显示的那样，那些靠近技术前沿的人，从竞争中获益最大；而那些离得太远的人，反而容易被淘汰。 所以，与其焦虑AI会不会抢走你的工作，不如想想怎么让自己成为那个“靠近技术前沿”的人。这不是说你要去学编程或者搞AI研究，而是要保持对新事物的好奇心，愿意尝试新工具，愿意在自己的领域中持续创新。 就像当年月光社的那些人，瓦特是修理工出身，博尔顿是商人，韦奇伍德是制陶者，但他们都愿意学习新知识，愿意把新技术用到自己的领域里。 这个时代，躺平不行，太卷也不行。找到自己的节奏，保持学习，保持创新——这可能是这次诺贝尔经济学奖给咱们最实用的启发。
相关链接：
| 
|Archiver|手机版|小黑屋|鲁公网安备 37082802000167号|微信邦
( 鲁ICP备19043418号-5 )
发表于 2025-10-16 09:11:11
