1 新技术如何扩散?

技术扩散是新想法从早期发明人传播至广泛用户并影响经济发展的过程。本章重点阐述扩散既非自动发生,也并不均衡,必须付出一定的努力,才能将技术转化为实际的影响。基于多种技术的历史数据,本章提出了两点见解:新的创新传播速度更快;对于较新的技术而言,先进经济体与其他经济体在技术使用方面的差距正在缩小。

导言

在过去的两个世纪里,人类的生活水平得到了前所未有的提高。自200多年前工业革命开始以来,全球人均收入增长了十多倍。许多国家的预期寿命几乎翻了一番,发达国家的预期寿命从40岁左右提高到80岁以上。曾经需要数月的旅程,如今只需数小时。过去依靠马背驮运邮件的通信,如今可以瞬间跨越各大洲。如今,生成式人工智能(GenAI)可以谱写交响乐、创作诗歌,并创造出可与人类创造力相媲美的艺术作品——这些能力在几十年前看来简直如同魔法。

这些令人瞩目的成就反映了创新和技术进步的力量。这一进步的核心在于“创造性破坏”——正是通过这一机制,连续不断的创新浪潮取代旧的技术和商业模式,从而推动长期生产力提升和增长,这一点在诺贝尔经济学奖得主菲利普·阿吉翁和豪伊特关于该主题的开创性研究中得到了突出阐述。 (1)Aghion, P. and Howitt, P.(1992).A model of growth through creative destruction.Econometrica, 60(2), 323–351. https://doi.org/10.2307/2951599.正如《2015年世界知识产权报告》所表明的,这也解释了为什么现代经济体能够利用与以往世代相同的资源,生产出数量更多、性能更强大的产品和服务。

然而,仅有新技术的发明,只能说明问题的一部分。创造创新解决方案并不会自动转化为经济增长或社会效益。新技术要发挥其潜力,就必须得到企业和家庭的采用和有效利用。这种所谓的技术扩散过程是连接发明和有影响力的创新之间的重要桥梁。这既非自动发生,也无法保证成功。

技术扩散面临着一些挑战,可能会减缓或阻碍有益创新的传播。用户往往需要掌握新技能,才能有效地操作不熟悉的技术。从内燃机到信息通信技术,各项突破性技术都需要对配套基础设施进行大量投资。例如,汽车不仅需要制造工厂,还需要道路网络、加油站和维修服务。企业可能需要重组其运营或制定新的管理做法。有时,它们必须创建全新的商业模式,以充分发挥技术的潜力。

突破性技术的出现通常会引发一波又一波的补充性创新。事实证明,这些组织和商业模式创新往往与最初的技术进步同样重要。新的工作组织方式、客户服务方式或整个行业的结构都能大大提高生产力,其意义远远超出技术本身。例如,互联网不仅加快了通信速度,还创造了全新的商业、娱乐和社会互动形式,这些形式至今仍在重塑全球经济。

影响扩散结果的因素有多种,包括可用技能、竞争态势、融资渠道以及技术标准和法规。这些因素有助于解释为何技术不能在各经济体之间无缝扩散。这些不均衡的模式造成了经济发展、生活水平、卫生状况和环境质量方面的持续不平等。

本报告的目的和范围

今年的《世界知识产权报告》旨在揭示技术扩散过程。本报告探讨了成功扩散结果的原因,以及知识产权在扩散过程中发挥的作用和影响。知识产权既能激励创新,也会影响新技术的扩散速度,这就需要政策制定者在两者之间取得关键平衡。

本导论章节介绍了影响技术扩散的核心概念,为报告的分析奠定了基础。本章回顾了探讨各种技术在全球范围内传播速度和广度的研究,重点介绍了扩散模式在历史上的变化。在此基础上,本章探讨了影响扩散速度和成功的关键因素。

第2章探讨了技术知识是如何跨国传播的——以及为什么有些经济体比其他经济体更善于吸收技术知识。该章以专利数据和发明之间的引用联系为主要视角,展示了新想法如何迅速吸引国外的关注,国内和国际知识流动之间的差距如何随着时间的推移而缩小,以及不同技术和区域的扩散模式有何不同。该章还探讨了一个国家的突破性发明如何被其他国家采用和借鉴,揭示了各国在识别、改造和再利用新技术的能力方面持续存在的差异。

第3章至第5章通过三个详细的案例研究将这些概念具象化。它们分别考察了农业生物技术、清洁技术和数字技术,具体探讨了扩散过程在实践中是如何展开的。这些案例研究揭示了不同技术领域面临的具体挑战和机遇。其对鼓励有益技术扩散的政策方法提出了见解,并阐明了知识产权在影响扩散结果方面所起的微妙作用。

这些章节旨在让政策制定者、商界领袖和研究人员全面了解技术扩散。这些知识可以为创新政策、知识产权制度以及利用技术进步改善经济成果和应对全球挑战的战略决策提供依据。

关键概念和术语

技术扩散涉及在不同规模上运作的多个相互关联的过程——从个体层面的变革到全行业的转型。了解这些过程对于分析技术的传播方式和确定影响其结果的因素非常重要。本节介绍了指导本报告其余部分的核心概念和术语。

技术扩散

技术扩散是指随着时间的推移,越来越多的用户采用新技术,从而使新技术在企业、行业和经济体中得到更广泛的传播。 (2)见Comin, D. and Mestieri, M.(2014).Technology diffusion: Measurement, causes, and consequences.In Aghion, P. and Durlauf, S. (eds), Handbook of Economic Growth.Elsevier, 565–622;以及Hall, B.H. and Khan, B.(2003).Adoption of New Technology.NBER Working Paper W9730.Cambridge, MA: National Bureau of Economic Research, https://www.nber.org/system/files/working_papers/w9730/w9730.pdf.扩散通常遵循一条可识别的路径。技术专长更好或风险承受能力更强的早期采用者会引领潮流。一旦技术证明了其价值并变得更容易获得,主流用户就会随之跟进。一旦某项技术成为标准,即使是谨慎的用户最终也会采用该技术。

技术知识的扩散

技术知识的扩散是指技术诀窍、专业知识和信息的传播,它们使技术的采用成为可能。这可能包括科学原理、设计细节、生产技术、实践经验或在实践中操作和管理某项技术所需的技能。

需要传播的知识量因技术而异。有些技术所需的知识很少。例如,农民可以在不了解化肥化学成分的情况下施用新型化肥。而另一些技术的要求则要高得多。采用先进机器人技术的公司不仅要购买机器,还要掌握编程、维护和集成到生产中所需的技能。

这些差异有助于解释为什么有些技术扩散迅速,而有些技术传播较慢或不均衡。知识的传播方式和用户获取知识的程度往往影响着整个扩散过程。

技术采用

技术采用描述了个体和组织如何开始使用一项新技术并将其融入自己的活动。这种技术可能是全新的——例如研究实验室的突破性成果——也可能只是针对特定用户、区域或经济体的新技术,即使其他地方已经在使用这种技术。请注意,采用侧重于个案,而扩散则着眼于整体模式。

采用很少意味着原封不动地复制一项技术。用户通常会根据实际情况进行改造。农民可以根据不同的土壤或气候调整抗旱作物品种。在采用不同的投入、机器或商业模式时,制造商可能会修改生产方法。为大型连锁超市建立的数字库存系统可能需要进行重大调整,才能让小型街角小店能够用上。

这些改造需求解释了为什么采用需要时间,以及为什么成功率各不相同。它们还表明,采用不是一种被动的模仿行为,而是一个积极的、往往是创新的过程。

技术转让

技术转让是采用的一种特殊形式。它涉及各方之间有意识地共享知识、技能、方法或技术。 (3)Stewart, C.T.(1987).Technology transfer vs. diffusion: A conceptual clarification.The Journal of Technology Transfer, 12(1), 71–79. https://doi.org/10.1007/BF02371364.随后接收组织使用、改造或进一步开发该技术。许可、合作伙伴关系和合资企业等合同通常会对这一过程进行规范。

大学通过向公司授予研究成果的许可来实现技术转让。跨国公司通过与外国子公司分享生产技术诀窍或管理实践来实现技术转让。政府可通过将研究机构与产业联系起来或资助联合项目来促进转让。

知识溢出

当想法、专业知识或技能从一个经济主体传播到另一个经济主体而无刻意转让或付款时,就会发生知识溢出。例如,一家公司可能会推出一种新产品,而竞争对手则会通过观察新产品的特点或客户的反应来学习。原公司承担创新成本,但其他公司也获益于创新产生的知识。

需要注意的是,知识溢出可能会在正式技术转让框架之外促进技术采用。关键区别在于意图:技术转让涉及有目的的知识共享,而且往往是以合同形式进行的;而溢出则是在无意间发生的,其他人受益于知识流动,而这种流动既非原始创造者所计划的,也不受其控制。

典型事实

经济学家不仅从单项创新层面,而且从跨行业和整个经济体层面研究了技术扩散。尽管模式和结果往往因技术和环境的不同而各异,但文献揭示了几个普遍适用的典型事实。这些事实为了解技术如何传播以及哪些因素决定了扩散的程度和速度提供了有用的视角。

典型事实#1:技术扩散通常遵循S型路径

1957年,兹维·格里利谢斯对美国的杂交玉米进行了开创性的研究,这是最早研究技术发明后如何扩散的正式研究之一。 (4)见Griliches, Z.(1957).Hybrid corn: An exploration in the economics of technological change.Econometrica, 25(4), 501–522. https://doi.org/10.2307/1905380.符合逻辑曲线或S型曲线的其他技术案例包括美国四个城市医生群体中的四环素使用情况,以及美国耐用消费品,见Comin, D. and Mestieri, M.(2014).Technology diffusion: Measurement, causes, and consequences.In Aghion, P. and Durlauf, S. (eds), Handbook of Economic Growth.Elsevier, 565–622.通过追踪这一农业创新在各州的传播情况,他证明了许多技术都遵循S型扩散路径,即最初采用缓慢,然后是快速增长阶段,最后达到饱和(见图1.1)。随后对各种技术的研究均证实了这一模式。 (5)例如,见Mansfield, E.(1961).Technical change and the rate of imitation.Econometrica: Journal of the Econometric Society, 741–766. https://doi.org/10/dmhscd;以及Geroski, P.A.(2000).Models of technology diffusion.Research Policy, 29(4–5), 603–625. https://doi.org/10/cp9wq3.

S型曲线之所以重要,不在于曲线本身,而在于它所揭示的扩散过程。 (6)见产权组织(2022年)。《2022年世界知识产权报告:创新方向》。日内瓦:产权组织,https://www.wipo.int/publications/en/details.jsp?id=4594&plang=EN缓慢的早期阶段反映了扩散是一个社会过程,而不是一个自动过程。潜在的采用者往往会观望早期用户的使用情况,以便学习他们的经验,或者仅仅是为了确信新技术是可靠的、值得付费的。 (7)见Mansfield, E.(1961).Technical change and the rate of imitation.Econometrica: Journal of the Econometric Society, 741–766. https://doi.org/10/dmhscd;以及Rogers, E.M.(1962).Diffusion of Innovations.Free Press of Glencoe.经济史学家指出,这种犹豫期可能特别长,有时需要数十年时间,一项重大创新才会在一小群先驱者之外传播开来。 (8)见Rosenberg, N.(1972).Factors affecting the diffusion of technology.Explorations in Economic History, 10(1), 3–33. https://doi.org/10.1016/0014-4983(72)90001-0.此外,一项技术在技术上的优越性并不能保证它能迅速推广。即使是明显更好的技术,也可能因制度障碍、基础设施要求或行为阻力而扩散缓慢。 (9)见Jaffe, A.(2015).Technology diffusion.In Scott, R.A. and Kosslyn, S.M. (eds), Emerging Trends in the Social and Behavioral Sciences, First edition.Wiley, 1–15. https://doi.org/10.1002/9781118900772.etrds0328.

然而,一旦有足够多的采用者加入,就会达到一个临界点,扩散速度会急剧加快。政策、价格下降或配套基础设施的改善都有助于推动一项技术进入快速增长阶段。 (10)见Geroski, P.A.(2000).Models of technology diffusion.Research Policy, 29(4–5), 603–625. https://doi.org/10/cp9wq3.最终,曲线再次趋于平缓。一些潜在用户完全置身事外,或者经过很长时间才采用,因此,即使是非常成功的创新也很少能达到完全饱和。 (11)见David, P.A.(1990).The dynamo and the computer: An historical perspective on the modern productivity paradox.The American Economic Review, 80(2), 355–361;以及Stoneman, P.(2002).The Economics of Technological Diffusion.Blackwell.

当今的关键技术在S型曲线上处于什么位置?就移动通信而言,这些技术已进入曲线顶端,并逐渐趋于平缓(见图1.2)。随着2G、3G和现在的4G接近饱和,这几代产品的覆盖率已基本趋于平稳。即使是5G——尽管在不到五年的时间里已经覆盖了全球一半的人口——随着剩余的覆盖空白越来越难以填补,其增长速度最终也会放缓。可再生能源技术则是另一番景象。其扩散曲线仍然更接近于S型的中间部分,该阶段增长迅速,通常呈指数级增长(图1.3)。可再生能源发电量继续急剧上升,尤其是风能和太阳能。在接近饱和之前,仍有巨大的增长空间,预计到2030年,可再生能源在全球发电量中所占的比例将从35%上升到47%,而太阳能和风能可再生能源所占的比例将增加近一倍,达到27%。

虽然S型曲线捕捉到了一个重要的普遍趋势,但经济学家也指出了其局限性。从实证来看,并非所有技术都遵循清晰的S型轨迹。许多创新表现出不均衡或多阶段的扩散,随着改进版本取代早期版本,会出现突然加速、放缓或连续的波动。 (12)见Dosi, G.(1991).The research on innovation diffusion: An assessment.In Nakićenović, N. and Grübler, A. (eds), Diffusion of Technologies and Social Behavior.Springer, 179–208. https://doi.org/10.1007/978-3-662-02700-4_7;以及Geroski, P.A.(2000).Models of technology diffusion.Research Policy, 29(4–5), 603–625. https://doi.org/10/cp9wq3.此外,S型曲线本质上是一种描述性工具:它适合事后观察到的数据,但并不能解释扩散的根本动因——为什么开始采用时速度缓慢,是什么触发了加速,或者是哪些因素决定了饱和? (13)Karshenas, M. and Stoneman, P.L.(1993).Rank, stock, order, and epidemic effects in the diffusion of new process technologies: An empirical model.The RAND Journal of Economics, 24(4), 503–528. https://doi.org/10.2307/2555742.传统的扩散衡量标准往往缺乏企业层面的细节,只关注企业是否采用了某项技术,而不是其使用强度。例如,如果知道50%的公司采用了某项技术,但大多数公司仅作最低限度的使用,那么这并不能说明该技术的经济影响。评估扩散成果需要了解采用率和使用密集度,以便评估生产力的提高。

典型事实#2:新技术扩散更快

有证据表明,随着时间的推移,技术得到广泛应用的速度也在加快。来自美国的一项著名研究 (14)Van den Bulte, C.(2000).New product diffusion acceleration: Measurement and analysis.Marketing Science, 19(4), 366–380. https://doi.org/10.1287/mksc.19.4.366.11795.考察了1923年至1996年间推出的31种耐用消费品的家庭采用情况。研究发现,在研究期间,扩散速度在统计上有了明显的大幅提高。

在20世纪中期的美国,一种刚刚开始普及的产品可能需要十多年的时间才能从有限的家庭使用发展到接近饱和。到1980年代,这一时间跨度大约缩短了一半。微波炉或个人电脑等创新产品大规模普及所需的时间只有洗衣机或冰箱等早期产品的一半。

这项研究将这种加速现象归因于几个宏观因素。收入的增加意味着家庭能够更快地买得起新产品,而低失业率的经济稳定期则进一步加快了产品的普及。人口结构的变化,包括城市化和家庭结构的演变,扩大了潜在采用者的范围。产品本身的性质也很重要:有些产品得益于可以快速建设或已经存在的基础设施,如收音机和电视机的广播网络。在另一些情况下,消费者很早就可以在同一产品的不同版本之间进行选择。一旦技术被证明是有用的,这种形式的多样性就有助于降低价格,使产品更容易获得,从而促进更快的传播——就像录像机和个人电脑一样。

典型事实#3:各国采用技术的滞后期正在缩短

技术正以史无前例的速度在世界范围内传播。衡量这一点的一个有用方法是采用滞后期——某项技术从世界上任何地方首次发明与该技术在某国首次被记录采用之间的间隔年数。图1.4显示了过去250年间推出的一大批主要技术的平均采用滞后期与发明年份的对比。该图借鉴了最初由Diego Comin和Bart Hobijn收集的历史数据集,并为撰写本报告的目的进行了扩展,纳入了更多近期技术。 (15)见Comin, D. and Hobijn, B.(2010).An exploration of technology diffusion.American Economic Review, 100(5), 2031–2059. https://doi.org/10.3386/w15319.我们在原有的跨国技术采用历史(CHAT)数据集的基础上进行了扩展,纳入了与数字化、可持续性和农业技术相关的更多技术,并依靠基于最新版麦迪逊国内生产总值和人口数据集的估算。与最初的CHAT数据库相比,这些更新使得国家样本和时间覆盖范围发生了一些变化。欲了解更多信息,见Fink, C.、Menéndez, M. de las M.和Raffo, J.(2026).新技术如何扩散?世界知识产权组织(产权组织)经济研究工作文件系列第91号。

这一趋势十分显著:技术越新,其在世界其他地区推广的滞后期就越短。换句话说,从发明到首次使用的时间间隔已大幅缩短。

请看几个示例。19世纪上半叶发明的电报平均耗时近50年才能传遍世界各国。19世纪末问世的汽车扩散速度更快,平均滞后期约36年。相比之下,手机于1970年代问世,在不到20年的时间里就在全球范围内开始使用。最近几代移动技术——3G和4G——传播速度更快,往往在推出后短短几年内就进入了新市场。 (16)我们估算采用滞后期参照的方法来自Comin, D. and Hobijn, B.(2010).An exploration of technology diffusion. American Economic Review, 100(5), 2031–2059. https://doi.org/10/bz9h9z;以及Comin, D. and Mestieri, M.(2018).If technology has arrived everywhere, why has income diverged?American Economic Journal: Macroeconomics, 10(3), 137–178. https://doi.org/10.1257/mac.20150175欲了解更多信息,见Fink, C.、Menéndez, M. de las M.和Raffo, J.(2026年)。新技术如何扩散?产权组织工作文件第91号。日内瓦:产权组织。

这一趋势的最极端体现是大型语言模型(LLM),2022年11月发布的ChatGPT就是一个示例。在该技术上线后的几天内,几乎所有国家的用户都访问并试用了该技术(见专栏1.1)。 (17)见Chatterji, A., Cunningham, T., Deming, D. et al.(2025).How People Use ChatGPT.NBER Working Paper 34255.Cambridge, MA: National Bureau of Economic Research. https://doi.org/10.3386/w34255.这种史无前例的速度反映了现成的全球数字基础设施——互联网——能够实现全球即时访问。

专栏1.1 生成式人工智能的全球快速扩散

几十年来,人工智能和机器学习一直是技术领域的重要组成部分。但是,从2022年开始,随着ChatGPT、Claude、Gemini、Copilot和Perplexity等工具的出现,生成式人工智能的崛起速度异常迅猛,而且极具变革性。除了生成文本、代码、图像或其他内容外,生成式人工智能还能针对用户的个性化问题和需求提供广泛的知识,并具有广泛的实际应用。

自2022年末以来,生成式人工智能服务以前所未有的速度在全球范围内传播。早期的使用主要集中在美国——上线时占全球流量的70%以上——但这种主导地位很快就消失了。在一个月内,美国的份额下降到25%左右,随后稳定在20%左右,因为流量迅速扩散到众多经济体。到2023年年中,仅ChatGPT每月就吸引了约5亿独立用户——相当于全球劳动力的12.5%——突显了早期国际用户的广泛性。 (18)见Liu, Y. and Wang, H.(2026).Who on earth is using generative AI?World Development, 199, 107260.

纵观各国,收入水平与生成式人工智能的使用之间存在明显的正相关关系(见图1.5)。高收入经济体往往显示出更强的整体活跃度,反映出数字基础设施、网络连接和技能水平方面的差异。 (19)Microsoft (2025).AI Diffusion Report: Where AI Is Most Used, Developed and Built.AI Economy Institute, https://www.microsoft.com/en-us/research/wp-content/uploads/2025/10/Microsoft-AI-Diffusion-Report.pdf.然而,这种关系远非一成不变。一些中等收入经济体——包括印度、巴西、印度尼西亚、菲律宾和墨西哥——记录的生成式人工智能使用量远高于基于国内生产总值、用电量或搜索引擎流量水平与美国进行对比时所能预测的水平。 (20)见Liu, Y. and Wang, H.(2026).Who on earth is using generative AI?World Development, 199, 107260.

与此同时,由于互联网接入有限、数据中心能力不足以及数字和人工智能技能短缺等制约因素,许多低收入经济体仍处于采用的早期阶段。语言覆盖范围也影响采用模式,因为许多生成式人工智能系统在英语中表现最出色。

生成式人工智能能够在全球范围内迅速传播,得益于它可以在现有的数字设备上运行,而且许多工具都是低价或免费提供的——这反映了供应商之间为尽早占领市场而展开的激烈竞争。 (21)见世界银行(2025年)。《2025年数字化进展与趋势报告:加强人工智能基础建设——概述》。华盛顿特区:世界银行,http://documents.worldbank.org/curated/en/099112525160593874尽管用户在全球人口和劳动力中所占的比例仍然较小,但早期的扩散模式表明,生成式人工智能的跨境传播速度超过了过去大多数技术的传播速度。

并非所有技术都符合这一趋势。电动汽车作为一项相对较新的创新,其采用滞后期仍较长。与数字技术不同,电动汽车依赖于大量的物理基础设施,如充电网络和电网容量,而这些基础设施的建设需要时间和投资。此外,鼓励采用电动汽车的政策激励措施也是最近才出现的,这进一步解释了其普及进程为何迟缓的原因。

尽管如此,总体趋势是明确无误的:新技术正以前所未有的速度覆盖更多地方。世界正以更快的速度迎头赶上——发明与首次使用之间的时间间隔正在稳步缩短。

采用滞后期数据还揭示了各区域技术领先和追随的持续模式。先进经济体始终是早期采用者,通常比全球平均水平20-80年采用新技术,而非洲则呈现出相反的模式,比全球平均水平10-50多年采用大多数技术,而亚洲和拉丁美洲则根据具体技术的不同呈现出混合模式(见图1.6)。 (22)Comin, D., Hobijn, B. and Rovito, E.(2006).Five Facts You Need to Know About Technology Diffusion.NBER Working Paper 11928.National Bureau of Economic Research, https://doi.org/10.3386/w11928.

这些差异对全球发展至关重要。那些比其他国家更早采用电力、铁路或固定线路电信等技术的国家积累了数十年的生产力增益——这些优势仍然影响当今的全球收入差距。然而,这些数据也指出了迎头赶上的新可能性。互联网和移动电话等最新技术的跨国传播速度要快得多。这使得许多发展中经济体更容易更快地采用新技术,在某些情况下,还能在这一过程中超越旧技术。 (23)见Comin, D. and Mestieri, M.(2018).If technology has arrived everywhere, why has income diverged?American Economic Journal: Macroeconomics, 10(3), 137–178. https://doi.org/10.1257/mac.20150175 .

典型事实#4:使用差距不断扩大

采用滞后期告诉我们一个国家什么时候开始使用一项新技术,但并不能说明该技术在国内传播的速度有多快。要理解这一现象的第二部分,我们需要把目光投向首次采用的那一刻之外,考察一项技术随着时间的推移被广泛采用的程度。

在上述历史数据库的基础上,按照Comin和Mestieri的方法, (24)Comin, D. and Mestieri, M.(2018).If technology has arrived everywhere, why has income diverged?American Economic Journal: Macroeconomics, 10(3), 137–178. https://doi.org/10.1257/mac.20150175. 可以估算多种经济体中各类创新技术的技术使用密集度——即最终采用某项技术的潜在用户比例,以及其使用程度。有了这些估计值,就可以研究技术在最初引入后如何在国家内部扩散,以及每种技术的使用密集度和总体使用模式在不同经济体之间随着时间的推移如何变化。

图1.7显示了先进经济体与发展中经济体之间的使用差距随着时间的推移而发生的变化。从1800年代到20世纪的大部分时间,这一差距总体上在扩大。虽然每种技术的使用模式各不相同,但较新技术的使用强度通常差异较大。Comin和Mestieri (25)Comin, D. and Mestieri, M.(2018).If technology has arrived everywhere, why has income diverged?American Economic Journal: Macroeconomics, 10(3), 137–178. https://doi.org/10.1257/mac.20150175. 将这种长期模式称为技术使用密集度的分化,并指出它与20世纪全球收入差距的演变密切相关。

然而,一旦将3G、4G和风能等最新技术包括在内,情况就会发生变化。对于这些创新,各国的使用密集度已开始趋同。这是一个令人鼓舞的进展,表明当今的数字和可再生技术可能为发展中经济体缩小历史差距提供了更大的机会。

图1.8通过比较发展中国家地区与先进经济体之间的技术使用差距,提供了一个补充视角。除个别情况外,非洲在大多数技术方面的差距最大,其次是拉丁美洲,然后是亚洲。重要的是,尽管这三个地区在最新一代技术上的差距都在缩小,但亚洲表现尤为突出:不仅更大幅度地缩小了差距,而且在某些情况下甚至显示出技术使用优势——即使用水平超过先进经济体。

生成式人工智能在此图景中占据何种地位?由于生成式人工智能的出现时间很短,因此未将其纳入图1.4和图1.6-1.8的分析中,因为我们尚不具备所需的长期数据,无法像评估早期技术那样估算其潜在使用密集度。尽管如此,初步迹象表明,其使用密集度正在迅速上升——特别是在几个中等收入经济体,其采用生成式人工智能的水平似乎远高于其收入水平所能预期的情况(见专栏1.1)。与3G和4G一样,生成式人工智能也在很大程度上依赖于已有的数字基础设施,这表明随着时间的推移,其扩散轨迹也可能显示出与先进经济体趋同的迹象。

这些研究结果需要谨慎解读。部分差距缩小可能只是反映了较新技术特性的差异——例如成本更低、适应性更强以及跨市场扩展更容易。此外,本分析所涉及的技术并不详尽。即便如此,鉴于数字技术作为通用技术的核心作用,使用密集度趋同的迹象对全球发展而言是一个积极的信号。

哪些因素决定技术扩散得更快、更广泛?

在不同的创新、行业和国家,技术扩散的速度和范围大不相同。有些技术在几年内就能在全球推广,而有些技术则需要几十年才能获得广泛使用。了解这些差异的驱动因素对于制定加速有益扩散的政策至关重要。在经济学文献中,有四大因素比较突出。

技术本身的性质

有些技术由于使用简单、成本低廉或能让广大用户立即受益而迅速传播。还有一些技术传播较慢,因为它们成本高昂、操作复杂或需要配套投资。一个关键的决定因素是技术的价格与其所提供效益之间的关系。以可控成本提供明确价值的技术往往传播得更快。 (26)见Rosenberg, N.(1972).Factors affecting the diffusion of technology.Explorations in Economic History, 10(1), 3–33. https://doi.org/10.1016/0014-4983(72)90001-0;以及Geroski, P.A.(2000).Models of technology diffusion.Research Policy, 29(4–5), 603–625. https://doi.org/10/cp9wq3.

另一个重要的决定因素是对配套基础设施的需求。有些创新依赖于大型且成本高昂的网络——如电网、宽带电缆或充电站——这些网络的建设需要时间。另一些则能够利用现有的基础设施,因此更容易扩散。如上所述,大型语言模型在全球的快速传播反映了一个事实,即基本的数字基础设施——互联网——已经在全球范围内建立起来。相比之下,电动汽车或可再生能源系统等技术需要对充电站、输电网络和储能设施等物理网络进行大量新投资。即使技术本身已经成熟并在成本上具有竞争力,这些基础设施要求也会大大推迟技术的采用。

信息传播速度

扩散不仅取决于技术的内在吸引力,还取决于有关技术的信息传播的速度和广度。19世纪,新发明知识的传播速度限于传统邮件和报纸的传递能力。电报、电话、无线电和传真的出现,逐步加快了技术知识的交流。互联网进一步改变了信息流动,如今,数字平台——以及越来越多的基于人工智能的系统——可以近乎即时地访问庞大的技术和科学信息库。

最近一个特别引人注目的发展是大型语言模型的出现。除了简单地允许访问大量信息外,大型语言模型还能以高度可访问的方式处理和应用这些信息,帮助用户按需生成或检索高度具体的、符合语境的知识。这种能力减少了查找、解读和改编信息的成本和精力,从而降低了学习门槛,并有可能加速技术本身的扩散。

这些进步大大缩短了新想法传达到世界各地潜在采用者所需的时间。 (27)见Rogers (1962).Diffusion of Innovations.Free Press of Glencoe.

吸收能力和当地能力

即使是免费提供的信息,也不是所有用户都能立即使用新技术。采用通常需要具备吸收能力,即理解、改造和有效应用新知识的能力。 (28)见Cohen, W.M. and Levinthal, D. A.(1990).Absorptive capacity: A new perspective on learning and innovation.Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10/bq7hw5.对于简单的消费技术来说,有限的知识可能就足够了;例如,人们无需了解发动机的工作原理也能驾驶汽车。但更复杂的技术,特别是那些必须适应当地条件的技术,如生物技术或先进制造技术——则需要大量的技术诀窍。

培养吸收能力有赖于教育、技术培训、研究机构以及与全球知识网络的联系。正如下一章将更深入探讨的那样,这些创新能力对各经济体有效借鉴他国经验、弥合发明与实际应用之间的差距起着决定性作用。

公共政策和制度

公共政策在影响技术扩散方面发挥着举足轻重的作用。政府通过以下多种渠道影响扩散。

配套公共基础设施

个体或企业对技术的采用往往取决于道路、港口、电力和电信网络等公共产品的存在。例如,大规模生产汽车的成功依赖于公共资助的道路系统。同样,数字技术的扩散取决于是否有经济能够承受的宽带和移动通信覆盖——这是政策干预可以加快采用的关键领域。

标准化和互操作性

标准可确保产品和系统协同工作,减少生产商和用户的不确定性。在许多情况下,标准是通过行业协作自然形成的。私营部门或行业主导的标准——如专业协会或技术联盟制定的标准——往往被证明在促进互操作性和市场扩张方面非常有效。然而,在其他情况下,政府参与标准制定至关重要。在协调失灵或风险较高可能导致技术采用受阻的领域,公共标准可以确保安全、兼容性和消费者保护。例如铁路轨距、电压、无线电频谱控制、建筑规范和汽车排放标准。政府和监管机构通常直接制定或协调此类标准,有时也通过国际标准化组织(ISO)或国际电信联盟(国际电联)等国际机构制定或协调。 (29)见Blind, K.(2004).The Economics of Standards: Theory, Evidence, Policy.Edward Elgar Publishing. https://doi.org/10.4337/9781035305155.

安全和消费者保护

保障安全和质量的法规也可以通过建立公众信任来促进技术扩散。车辆安全检查、航空认证和药品监管审批可确保新产品在进入市场前达到最低安全标准。这有助于消费者克服对陌生技术的疑虑,从而更广泛地使用这些技术。 (30)见Geroski, P.A.(2000).Models of technology diffusion.Research Policy, 29(4–5), 603–625. https://doi.org/10/cp9wq3.

知识产权政策

知识产权制度通过在创新激励与新技术获取之间寻求基本平衡,影响着技术传播的速度和范围。专有权鼓励企业和发明人投资于开发新想法,而披露要求和时间限制则确保其他人可以从中学习并在其基础上取得进展。已公布的专利文件尤其构成了一个庞大的全球技术信息库,为模仿、学习和进一步创新提供了支持。 (31)见Hegde, D., Herkenhoff, K. and Zhu, C.(2023).Patent publication and innovation.Journal of Political Economy, 131(7), 1845–1903. https://doi.org/10.1086/723636;以及Maskus, K.E.(2024).Intellectual property rights and knowledge diffusion in the global economy.Review of Economic Research on Copyright Issues, 21, 7–28.

知识产权还有助于将发明转化为可交易资产。通过界定所有权和提供法律保障,它们使企业更容易许可、购买或出售技术,从而促进知识市场的形成并促进跨境扩散。同时,正如上文所讨论的,采用其他地方发明的技术往往需要对其进行改造以适应当地条件。包括实用新型、外观设计权和商标在内的一系列知识产权工具为这种后续创新提供了支持,这些工具加强了对渐进式和改造性创新的激励,有助于技术在不同环境中扎根。 (32)产权组织。(2011年)。《2011年世界知识产权报告:变化中的创新格局》。日内瓦:产权组织。https://doi.org/10.34667/tind.28191;以及产权组织。(2015年)。《2015年世界知识产权报告:突破性创新与经济增长》。日内瓦:产权组织,https://www.wipo.int/publications/en/details.jsp?id=3995

结论

技术扩散是一个广泛而多层面的过程,是经济发展和人类进步的核心。技术突破要推动经济增长,就必须在整个经济体中广泛传播。虽然全球采用技术的步伐大大加快,但新技术的惠益在各国内部和各国之间的分布仍然不均衡。

本导论章节介绍了几个重要观点。首先,扩散绝非自动发生;即使是卓越的技术也会面临各种障碍,从基础设施要求和技能差距到监管障碍和融资限制,这些障碍都可能延迟或阻止技术的传播。其次,一项技术的性质、成本和基础设施要求从根本上影响其扩散模式。第三,信息流动和当地吸收能力的存在决定了潜在采用者能否有效地了解和实施新技术。最后,公共政策和制度框架在创造成功扩散所需的条件方面发挥着决定性作用,因为技术的传播本身并不会自动转化为经济、社会和环境方面的预期成果。 (33)见Coad, A., Nightingale, P., Stilgoe, J. et al.(2020).Editorial: The dark side of innovation.Industry and Innovation, 28(1), 102–112. https://doi.org/10.1080/13662716.2020.1818555.

这些见解对政策制定者利用技术进步促进经济发展和社会福利具有重要意义。仅仅鼓励发明是不够的。必须同样重视创造有利于快速广泛扩散的条件。这包括投资于配套基础设施,建设人力资本和机构能力,建立适当的监管框架,以及设计能在创新激励与技术获取之间取得平衡的知识产权制度。

正如本章所强调的,发达经济体和发展中经济体之间在技术使用模式上的差异,不仅凸显了全球收入差距持续存在的根源,同时也表明,如果能够减少扩散障碍,追赶式增长的潜力巨大。应对当今紧迫的全球挑战——包括气候变化——将取决于各国是否有能力快速、广泛地扩散有益技术。

要实现这一目标,就需要构成全球创新生态系统的众多参与者密切合作、相互依存。接下来的章节将在此基础上探讨技术知识在全球传播的具体机制,并通过详细的案例研究阐明这些概念在实践中的应用。这些内容旨在为政策制定者、商界领袖和研究人员提供可行的见解,帮助释放技术的变革潜力,造福社会。