作為2025年諾貝爾經(jīng)濟學獎得主之一，喬爾·莫基爾（Joel Mokyr）的主要貢獻，是系統(tǒng)性分析了英國和歐洲工業(yè)革命的發(fā)生機制，并以此從經(jīng)濟史角度解釋，知識創(chuàng)新和相關制度如何引發(fā)長期經(jīng)濟增長。在他的代表性著作《雅典娜的禮物》、《啟蒙的經(jīng)濟》和《增長的文化》中，他將自己關于知識創(chuàng)新引發(fā)工業(yè)革命的主要觀點總結為：

首先，知識制度很重要，社會必須存在一個“知識共同體”（republic of letters）作為知識創(chuàng)造的“元制度”（meta-institution），在共同體中，知識是可爭論的，而不是被少數(shù)人壟斷話語權，知識生產(chǎn)者為了認可和榮譽相互友好競爭。

其次，知識按屬性分為兩類，命題型知識（propositional knowledge，類似科學知識）和處方型知識（prescriptive knowledge，類似工程知識和工匠技巧），工業(yè)革命需要兩者的結合，只有單獨一種并不會引發(fā)工業(yè)革命——或者用俗話說，科技革命必須是科學和技術相互配合一起進步，其中任何一個離開另一個都走不遠。

最后，工業(yè)革命也是社會文化和社會氛圍的變革，在中世紀，歐洲人也被保守的思想束縛，把“創(chuàng)新者”（innovator）看成離經(jīng)叛道的不合群的人的代名詞。而培根關于“知識就是力量”的名言和對實驗方法的推崇，使得英國人第一次覺得知識創(chuàng)新是人的榮譽和天職，也鼓勵科學家從在書齋中走出來，在實踐中檢驗自己的理論。莫基爾在書中寫道：“工業(yè)革命不是英國突然變聰明了，而是人們突然相信‘知識能改造世界，而且必須改造世界’。這就是培根主義（Baconian program）”。

莫基爾的上述研究，很容易讓人想起，2000年前后，在中國經(jīng)濟學界引起廣泛討論的“李約瑟之謎”或“大分流之問”，具體來說就是工業(yè)革命在歐洲/英國而不是世界其他地方，比如明清時期的中國江南發(fā)生。

關于這個問題，西方學者也有不同看法。比如，早先的諾獎得主道格拉斯·諾斯認為，西歐先于其他地區(qū)發(fā)生工業(yè)革命的主要原因是率先建立起了產(chǎn)權和現(xiàn)代公司制度，鼓勵人創(chuàng)新創(chuàng)業(yè)；2024年諾貝爾經(jīng)濟學獎得主達龍·阿西莫格魯認為，西方世界經(jīng)濟增長比其他地區(qū)快的原因，是擁有更加“包容型”的政治和法律制度。

而《大分流》一書的作者彭慕蘭，對這個問題的看法更為唯物主義。他提出，明清時期的中國江南和工業(yè)革命時代的英國，面臨的商業(yè)機會、人力和金錢資本積累等方面的條件確實差不多。而后者能引爆工業(yè)革命，但前者只能停留在萌芽狀態(tài)的主要原因，恐怕是要制造蒸汽機必須有大量煤炭作為燃料。英國的工業(yè)中心周圍有大量易于獲得的淺層煤，但中國江南缺煤炭，且以當時的漕運和海運運力，都不支持從中國北方大量運煤滿足南方的工業(yè)需要。工業(yè)革命的關鍵經(jīng)濟條件是人力成本貴，燃料價格低，所以對于企業(yè)主而言，節(jié)省人力的技術非常有利可圖。而中國江南人口密度大燃料少，就只能走傳統(tǒng)手工業(yè)人力密集的路子。

需要指出的是，“燃料決定論”或者資源決定論，并不是為中國一國設計的理論。很多學者也用它解釋，為什么缺少樹木和優(yōu)質煤炭的歐陸國家（比如德國煤炭儲量大，但都是品質很差的褐煤），在工業(yè)革命開始時大幅落后于英國。

當然，不管你更同意上述哪種觀點，更重要的問題是，站在21世紀前四分之一處的最后一年，人工智能帶來的新一波工業(yè)革命的浪潮已經(jīng)撲面而來。這時，人工智能會給經(jīng)濟發(fā)展和社會結構帶來怎樣的沖擊？哪個國家會在人工智能新經(jīng)濟中占據(jù)優(yōu)勢，經(jīng)濟學又能給我們哪些啟示呢？

這里，我們首先可以采用的一個角度是：莫基爾事實上也是經(jīng)濟學界最早把GPT反復掛在嘴邊的學者，他在這里說的GPT不是ChatGPT，而是“通用目的技術”（general purpose technology）的縮寫。莫基爾指出，科技革命的關鍵是產(chǎn)生新的通用目的技術，通用目的技術不同于別的技術的關鍵是可擴展性（scalable），即它的邊際成本迅速下降和可組合性（recombinant innovation），即它可以使得不同技術可以被重新組合，產(chǎn)生“組合式創(chuàng)新爆發(fā)”（類似基因突變）。

換句話說，通用目的技術不是“一次性發(fā)明”，而是可以與任何領域的創(chuàng)新組合起來產(chǎn)生1+1>2的強大生產(chǎn)力的一種通用型科技。在以前，電力和計算機都可以達到這一標準；而在今天，最有潛力的則是吸納和融會貫通幾乎網(wǎng)絡上一切可觸及的信息的大語言模型。當大語言模型學習了足夠多的人類知識與文明，它就變成了看起來非常聰明的ChatGPT和DeepSeek。

從目前來看，大語言模型基本滿足可擴展性的要求。但同時，即便當下的這些大語言模型看似已經(jīng)足夠強大，在AI的前沿領域內，“通用型人工智能”（AGI，Artificial General Intelligence）這一概念仍從未被實現(xiàn)。也就是說，當前人工智能仍局限于依靠實時數(shù)據(jù)對大模型的訓練和計算來輸出結果，卻不能做到在它不熟悉的任務和領域內執(zhí)行具有人類認知水平的任務，在可組合性上面臨較大局限?；蛟S中美在新一輪科技角逐中最關鍵的分水嶺便是誰能最先在AGI領域實現(xiàn)重要突破。

其次，人們對第一次工業(yè)革命是有共識的，但從第二次開始，人們對工業(yè)革命或者說產(chǎn)業(yè)革命的劃分，以及年代斷代，都相對缺乏共識，現(xiàn)有的“四次產(chǎn)業(yè)革命”說法，其中第四次主要來自德國提出“工業(yè)4.0”概念。但時至今日，德國的技術和經(jīng)濟發(fā)展似乎都大大落后中美，也沒有達到其自身“工業(yè)4.0”中提出的愿景。

此外，僅從時間跨度來說，第一次工業(yè)革命從1740年開始，持續(xù)到19世紀中葉或后半段，前后100—150年時間，而后1870年到今天約150年就發(fā)生了三次工業(yè)革命，這也未免讓工業(yè)革命這個概念聽起來有些許隨時間“貶值”。

但如果我們換個角度，認為自1740開始，人類首先從使用人力和畜力為代表的生物能進入煤炭和石油為代表的化石燃料作為“通用目的能源”（general purpose energy, GPE）的時代，而從20世紀初開始到今天，都可以認為是電能取代化石燃料作為GPE的第二次工業(yè)革命時代。面向未來，人工智能是公認的電能消耗大戶，在這方面，中國具有基礎設施建設方面的先發(fā)優(yōu)勢，而美國在必要時也可以通過私人資本“猛砸”迅速彌補缺口，但歐洲受地緣政治和國內情緒影響，一直處于能源供應不足的狀態(tài)，如不及時調整相關能源政策，恐怕會進一步拖累經(jīng)濟表現(xiàn)。

最后，人工智能帶來的知識賦能和“平權”是好事，也對大學和科研機構等傳統(tǒng)知識生產(chǎn)單位構成了嚴峻的挑戰(zhàn)。很多人擔心，如果人工智能可以寫論文，寫報告，甚至寫數(shù)理模型或者編程，那將來這些崗位的學生會不會快速被人工智能取代。果真如此，那大學教育對學生人力資本的增值在哪里？

我們認為，高校也應調整思路，學習并發(fā)揚莫基爾說的讓命題型知識和處方型知識結合的“培根主義精神”，以更靈活的課程設計和更有前瞻性的教學交流方式幫學生更好適應未來的就業(yè)市場。大學老師應該和學生一起多接觸新時代的各種創(chuàng)新技術和業(yè)態(tài)，探索“有監(jiān)督人工智能寫作”、“有監(jiān)督人工智能編程”等新的教學模式和課程。讓大學成為新時代的“AI駕?！保皇潜埵厝?，繼續(xù)按照“跑步運動員”或“人力車夫”的標準培養(yǎng)學生。老師要以知行合一的培根、陶行知等為榜樣，和學生一起迎接雅典娜的祝福和禮物，而不是困守過時的舊知識，看它和舊時代一起消失在諸神的黃昏。

（作者包特為新加坡南洋理工大學經(jīng)濟系長聘副教授；陳曉萌為清華大學國情研究院研究助理）