芯片之後，美國“卡脖子”的下一個目標是什麼？_風聞

最近一個月來，互聯網行業頻頻飛出“黑天鵝”，從阿里系產品連續出現問題，到滴滴因“底層軟件故障”長時間崩潰。除了相關的技術漏洞，這些事故也折射出信息與數字技術已經深度滲透到我國經濟的方方面面，從實體企業的數據安全到交易利益，從司機的收入到打工人的全勤獎，成為了“失去了才知道可貴”的基礎設施、基礎技術。今天我們就來聊聊信息與數字技術對於現代經濟的基礎意義。

對西方經濟學屬於“庸俗經濟學”的批判，其中一點就是粗暴地將所有經濟活動用單一的貨幣量綱衡量，導致貨幣表象和實物工作量的差距。討論數字技術是不是“硬技術”，也要從經濟活動的本質出發：

人類的經濟活動本質上利用能源進行物質改造從而滿足自身需求的過程，生產力就是判斷這一過程能力與效率的指標。新石器時代革命是主動利用太陽能進行生化合成，第一次工業革命標誌着首次擺脱人、畜或植物“現合成現應用”的能源利用模式限制，第二次工業革命則解決了高密度燃料和能源大規模傳輸問題——一句話，能夠實實在在提高人類利用能源或改造物質能力的技術，就是基礎技術、“硬技術”。

隨着第一二次工業革命極大增加生產過程本身以及整個社會治理的複雜度，信息作為第三大生產力因素的關鍵性作用開始逐步凸顯。信息減少了決策者面臨的不確定性，讓資源的投入更加精準高效，如果生產或社會治理系統超出了信息處理能力的約束，不能對複雜系統進行有效控制，就一定會步入僵化或混亂的結局。

**信息的收集、傳遞、計算處理和運用貫穿了人類的生產活動，**繩結、竹簡、紙張，算籌、算盤、機械計算器，這些都可以算作早期存儲和計算處理信息的廣義“信息技術”，跟隨着社會經濟信息處理量的膨脹而不斷進步升級。電子科技讓計算本身也擁有了工業化的規模和速度，數字化的信息存儲運算成為了信息技術的最主要組成部分。以數字信息技術為標誌的第三次工業革命雖然沒有在能源或物質領域做出突破，**但極大外推了這兩大過程面臨的算力約束，**帶來了社會生產力的實在進步，無愧於一次工業革命之名。

兩彈一星前輩用簡陋的計算工具完成了巨量的科學計算，數字信息技術的進步讓這些辛酸的場景不必重現

**蘇聯的興衰就是信息技術“硬度”的試金石。**蘇俄的數學超人們開發了一套經濟控制論體系，用寫滿上下游產品關係的巨大表格網住所有社會產品的生產和調配，試圖真真正正地把經濟作為一項社會工程，用數學工具進行建設和維護。

當蘇聯還是一個手扶木犁的農業國的時候，這張大表還能比較充分地代表相對簡單的產業鏈和社會產品需求，蒐集各級數據、解線性規劃的時間成本還在良性範圍內，實現了資源的高效配置，創造了快速工業化的奇蹟。

但等蘇聯完成了工業化，越來越多的產品加入平衡表，人民的需求更加多元化，**經濟的後續發展就已經超過了計委的模型與算力，**計劃本身的成本和錯誤率越來越高，計算人員越來越難以獲取真實的生產數據，上報數據和修改計劃的會越開越長，甚至做全年計劃本身就能佔到全年的1/12。

蘇聯並非沒有做過依靠數字技術提高算力的努力，先後嘗試過АСПР和ОГАС等電子經濟計算系統，但正如蘇聯計委人自嘲：“實現這玩意需要給每一頭母牛裝上傳感器！”蘇聯的技術絕不足以完成如此大規模的數據採集和運算，本就存在各級官僚拍腦門、亂伸手問題自然更加猖獗，最終造成了蘇聯的經濟失敗。

可見，蘇聯計劃經濟先勝後敗的原因既非神神叨叨的人性慾望論，也非事後吹噓的市場萬能論，**而是經濟決策者的信息處理能力遠遠落後於它所控制系統的複雜程度。**即使蘇聯倒下後人類的信息技術有了長足進步，但顯然沒有跟上社會經濟複雜度的提高速度，把信息蒐集、處理和決策的工作量分解到微觀個體仍是符合當前算力基礎的生產組織模式。

每個企業就是一個計劃經濟體，各層管理人員根據自己掌握的信息下達指令完成各個商業環節，越是成功的企業越是優秀的計劃者、系統控制者。現代企業的生產、管理和營銷無不浸潤在大數據之中，數字技術就是把習以為常的數據環境轉化為生產力的“點金術”，通過改善分散的生產決策效率提高整個社會的生產效率。

機器最先取代的是人類的體力勞動，一些重複性高但需要分析判斷的工作卻沒有在第一二次工業革命中實現機器對人的替代。運用信息技術提高機器的算力、同時替代體力勞動和部分腦力勞動是深化工業革命的大方向，比如信件包裹的分揀以前需要靠人識讀，現在的分揀中心則能自動化處理一年上千億件的快遞。可以説，數字技術把更多的“手工業”變成了“工業”，不斷拓展着工業革命的外緣。

在計劃編制、工況分析、故障監測、質量分析等等環節，一家智慧工廠每天能採集數百TB的數據，可見在以往的生產過程中存在着何等巨量的、未被得到利用的數據信息。建立起配套的數據分析系統，就能極大拓展生產流程中的可操作面，極大提高生產效率。

而且生產主體分散決策並不意味着政府的算力需求下降，反而由於現代經濟鏈條高度複雜和交叉，經濟行為的外部性會沿着供應鏈被不斷放大。**政府更應當建立一套基於實物和服務生產的信息處理系統，充分反映流動的“鏈”的概念，**好能夠穿透扁平的貨幣核算的表象，對經濟系統進行更有針對性和實時性的協調管理。

所以，信息技術能讓我們在可控核聚變等下一代能源物質利用技術突破到來前，**最大限度地挖掘生產力潛力、拓寬“工業化”的概念範圍，**是不折不扣的硬核技術、基底技術。相比之下，數字經濟佔GDP比重迅速提升只不過是技術重要性的結果體現而已。

生產力就是國力，圍繞數字技術的大國競爭早已開始。美國的制裁往往被戲稱為“高科技劃重點”，對芯片等計算硬件的制裁已經得到了我們國家和公眾的廣泛重視和大力投入，華為“遙遙領先”標誌着硬件技術反圍剿已經開始見效，對於同樣必須自主可控的計算軟件，我們也應予以足夠的重視。

目前，軟件、算法、控制系統等數字信息技術已經成為電力、交通、金融等“基礎設施的基礎設施”，若不能自主、依靠外部技術輸入，大到國家的重大基礎設施被留了“後門”，小到企業的敏感數據外泄，都將造成不可估量的損失。

而在前沿競爭方面，無論是企業的競爭力，還是軍隊的戰鬥力，數字技術作為一種決定性的因素，也絕不能再抱着“造不如買”的僥倖心態，再次把卡脖子的主動權奉交別人手上。

美國人顯然已經把數字技術列為了和硬件同等重要的戰場，**在計算軟件方面的制裁施壓並不遜於芯片。**在大多數中美經貿談判中，美國人必將開放雲服務市場、取消外企數據本地存儲作為談判事項，持續敦促我國“公平”對待美國相關企業。美國卻反手禁止用於訓練AI的高端芯片對華出口，制裁中國的AI、超算企業，騷擾與中國合作的AI跨國公司，甚至matlab這種專業軟件都能成為美國的制裁工具。

特別是當下的世界，數字技術正在以超越想象的速度向前發展。今年10月16日，Gartner發佈了2024年十大戰略技術趨勢，其中9個屬於數字技術範疇，例如全民化的生成式AI、智能應用、行業雲平台、AI增強開發等。福布斯也發佈了AI領域五大趨勢，涵蓋生成式AI，AI道德，AI立法等。

國內如騰訊研究院最近也發佈了2024數字科技前沿應用趨勢，其中涉及的領域，高性能計算、多模態智能體、AI+基因計算、星地直連通信等等，都很有可能成為下一個美國試圖”卡脖子“的領域。

對此，我們已經採取了很多對應措施，從高鐵信號控制系統自主化等重大項目，到堅持要求跨國公司數據本地存儲，再到華為、騰訊、阿里、百度、訊飛等企業在商業雲服務、AI輔助科研、智能協作機器人等領域加速研發突破。因為目前受制裁的數字技術還屬於比較前沿高端的範疇，沒有像芯片一樣在民用領域造成廣泛的切膚之痛，所以更應該提前佈局、靠前發力，儘早開始縮小後發差距，乃至儘快爭取引領地位。

顯然這一過程是任重道遠的，令人吐槽無數的國產電腦操作系統，最近暴露出的大流量產品穩定性差等等問題都表明，**我國數字技術的優質供給規模遠遠不足。**在擴大供給的過程中，又有一些企業藉着技術的幌子、趕着熱點的風口大搞投機炒作，不僅侵佔了本應用於發展技術的資金資源，還損害了實體企業和社會對信息技術的信任，以至於信息技術、數字行業本身屬不屬於實體經濟都成為了一個爭議頗大的話題。

不光國家在反覆強調數字經濟屬於實體、服務實體的導向，越來越多的理論也在突出數字經濟的實體性技術性，比如最近在一個前沿科創論壇研討上，經濟學家樊綱就提出數字技術是硬科技、是需要自主可控的國家基礎能力。除了概念上的釐清，更應該用市場激勵的方式貫徹數字經濟的實體定義，加強對投機炒作、無序擴張行為的監管，同時給予務實創新者相應的扶持激勵，促使整個行業錨定在切切實實的技術創新和創造實體產值之上。

過去十年，國內數字企業在to C端取得了巨大的成功，但也形成了技術服務商業的慣性思維。要想實現數字技術自主可控，**行業就必須從商業模式驅動的技術創新轉向技術創新驅動的商業模式，**走出早些年在消費者端跑馬圈地形成的舒適圈，到專業垂直領域“二次創業”。

就拿今年最火的ChatGPT舉例，ChatGPT是一種通用大模型，通俗的説就是能和不具任何專業知識的用户“聊天”，不僅受眾門檻低，而且調戲AI過程中的大量段子具有極強的傳播力，一下子就引爆了輿論流量和投資流量。於是在國內企業推出大模型的熱潮中，大量企業扎堆搞通用大模型，還鬧出過“松鼠鱖魚”的笑話。

但大模型要真正轉化為生產力，就決不能止步於聊天、搜索、畫畫、做excel的通用場景，必須更進一步與各個產業的嚴肅場景深度結合，成為企業提升算力、增強決策能力的輔助工具，要把大模型的應用效果、深度作為“百模大戰”成敗的試金石。前文提到的智慧工廠、物流供應鏈等數據高度密集的地方應該成為大模型的主要戰場，而對於醫療、科研、政府管理等因為需要高精度判斷的、“手工業”程度仍然較高的行業，大模型則有可能成為它們“工業化”的起點。

總的來看，有了芯片的前車之鑑，在這一輪數字信息技術革新的浪潮中，我們的政府、大企業及時意識到了自主可控的重要性，沒有重蹈造不如買的覆轍，在很短時間內開始了追趕進程。但數字技術的進步迭代週期極快，我們的技術追趕仍然道阻且長。

更重要的是，在太多數字技術領域我們一直是“追趕者”，如何讓我們成為數字技術的開創者引領者，深挖生產力的外沿，才是政府和數字行業的大企業和中小企業需要共同回答的歷史課題。