摘 要：以人工智能为通用技术的第四次工业革命与以往历次工业革命有所不同，前三次工业革命的通用技术只涉及单一关键投入，而人工智能作为一种复合型关键投入，其技术进步依赖于算法、芯片和数据的协同进步。人工智能技术的扩散速度不仅受本部门技术创新的影响，也需要上下游关联产业互补式创新的支持。再加上数字化技术在经济中的影响日益扩大，重组式创新也变得日益重要，传统产业政策已无法应对全产业链和跨部门的协同创新和组合爆炸的挑战，政策范式转型已刻不容缓。根据演化经济学的技术-经济范式理论判断，第四次工业革命尚处于导入期的构造范式阶段，这一阶段将会出现“创新蜂聚”和科技投资热潮。中国巨大的市场规模和海量的数据成为发展人工智能的先天优势，但也存在诸如基础科研投入不足，高端芯片领域缺乏核心技术等短板，以及促进创新和隐私保护的两难权衡。中国必须同时采用旨在促进人工智能领域“创新基因池”多样化和互补式创新的“水平式”产业政策，以及旨在突破关键核心技术和共性技术的“垂直式”产业政策，唯有二者并重，中国才有可能在第四次工业革命中取得领先地位。

关键词：产业政策;第四次工业革命;人工智能;技术-经济范式

中图分类号：F124.3;F269.22 文献标识码：A 文章编号： 0257-5833（2020）02-0018-10

作者简介：张海丰，广西师范大学经济管理学院副教授，珠江-西江经济带发展研究院研究员 （广西 桂林 541004）

一、引言：第四次工业革命呼唤政策范式转型

2016年，林毅夫与张维迎就“产业政策”展开了激烈辩论，双方争论的焦点在于政府是否应该优先发展特定产业和扶持个别企业，即政府是否要发挥增长甄别和因势利导作用。随后，北京大学新结构经济学研究中心发布的《吉林报告》更是将这一学术争论引发为一场社会大讨论。尽管有些新古典经济学家极力诋毁产业政策，有的甚至认为“最好的产业政策就是没有产业政策”，但从经济政策史的角度看，产业政策在当今发达国家的发展历程中都发挥了非常重要的作用。纵观美国经济史，“无论是核能、计算机，还是互联网和喷气式发动机，甚至州际高速公路网络和国家电网的建设，我们都能看到产业政策的影子，产业政策对美国经济的崛起起到了至关重要的推动作用”。根据邓久根和贾根良的研究，就连自由贸易的发源地——英国，在其发展早期也大量采用贸易限制、航海法案、谷物法、殖民地体系等一系列重商主义政策来扶持民族工业，从而在高关税保护大墙之内催生了第一次工业革命。全球化时代国家间竞争的白热化不是削弱了国家的作用，而是使国家的作用变得更加重要了。而对于发展中国家而言，正确的产业政策则是实现技术经济追赶的重要政策手段。

与新古典主义相对，近年来被列入“后古典主义”阵营的经济学家对新古典主义“静态的资源配置观”进行了反思，他们开始强调“资源创造”，研究的主题开始转向资源的可持续利用、知识创造及其分布的特征、决定因素和治理等领域。特别值得一提的是，有的经济学家通过对大部分国家的部门集中度与多样性进行研究时发现：随着经济发展，产业部门呈现出明显的多样化趋势，这是对比较优势理论的实质性挑战。斯蒂格利茨（Joseph E Stiglitz）也认为：产业政策的目标在于建立学习型社会，通过实施产业政策可以促进创新活动，从而加强学习效应，形成创新的正反馈。这种“后古典主义”的资源创造范式与演化发展经济学越来越接近。演化发展经济学把技术创新视为产业发展的第一推动力，强调生产与新知识的核心作用，认为产业政策可以发挥创造资源的作用。此外，一直对产业政策持保留甚至反对态度的世界银行，在2017年发布的一份报告——《遭遇麻烦？制造业导向型发展的未来》中也一改以往对产业政策的消极态度，指出在当前新技术与全球化新格局下，发展中国家注定要重塑制造业导向型的发展战略，在发挥有效市场作用的同时，需要更多针对特定领域或者地区的产业政策扶持。近来，世行依据如何促进发展中经济体和转型经济体的经济结构调整和技术活力为目标，提出的“新产业政策”，实际上也可归为基于资源创造的产业政策。

新古典增长理论在突出资本和劳动重要性的同时，却忽视了无法由要素投入来解释的增长因子，这些因素实际上是“对我们无知的度量”。后续增长经济学的研究发现，增长除了可计算的要素之外，技术、制度和组织等结构因素也十分关键。因此，经济增长并不能简单的理解为要素加总的结果，而应视为经济系统内部协同效应使然。产业政策的作用恰在于弥补市场协调的不足，发挥经济系统的协同效应，从而激发经济增长的潜能。以人工智能、数字化和大数据为主导技术的第四次工业革命已经拉开帷幕，这种技术-经济范式的变化将深刻的改变创新的方式。正如彼得·马什（Peter Marsh）指出的那样，“在变革的时代，科技是最核心的要素。新科学技术的应用会对产品的制造和生产方式产生重要影响。每达到一个工业发展阶段，技术复杂度就会上升一两个台阶”。技术的这种递归进化特征将导致技术的复杂度成指数上升，换言之，第四次工业革命时代的创新会更多表现为“重组式”和互补式的，传统的产业政策通过小修小补将无法应对这种“组合爆炸”和协同创新的挑战，产业政策只有进行“政策范式”意义上的转型才能应对这次挑战。

因此，我们不应再拘泥于需不需要产业政策的无谓争论之中，而是应该将产业政策置于具体的经济发展情境，即每一次技术革命浪潮的特定技术-经济范式作为制定产业政策的前提和约束条件。本文第二节概括第四次工业革命的技术-经济范式特征以及对所处阶段进行判定，并指出其与以往历次工业革命的不同之处;第三节阐述传统产业政策在应对第四次工业革命的新技术和新商业模式时所面临的挑战;第四节结合第四次工业革命的技术-经济范式特征，指出了中國产业政策制定的原则和方向，最后对全文进行总结。

二、第四次工业革命的技术-经济范式特征及阶段判定

以人工智能、数字化、5G技术和大数据为主导技术的这一波技术革命浪潮，无论将其称为“第三次工业革命”，还是“第二次机器革命”，抑或是“第四次工业革命”其实都不重要，关键是判断其技术-经济范式特征和所处发展阶段。那么这次工业革命与以往有何不同？按照施瓦布的界分，第一次工业革命大约从1760年延续至1840年，由铁路建设和蒸汽机的发明触发，引领人类进入机械生产时代。第二次工业革命始于19世纪末，延续至20世纪初，电力和生产线的发明使得大规模生产应运而生。20世纪60年代半导体技术的发展催生了以计算机、互联网和数字化为特征的第三次工业革命。施瓦布认为我们当前正处于第四次工业革命的开端，这场革命始于世纪之交，在数字革命的基础上发展而来，其特点是“互联网变得无所不在，移动性大幅提高;传感器体积变得更小、性能更强大、成本更低;人工智能和机器学习开始展露锋芒”。如果我们纯粹从历次工业革命的主导技术来界定其特征，那么必然会遗漏掉很多诸如能源、生产组织方式和制度等重要的特征变量。

根据演化经济学家卡萝塔·佩蕾丝的技术-经济范式理论，“一场技术革命可以被定义为一批有强大影响的、显而易见是崭新且动态的技术、产品和部门，它们在整个经济中能带来巨变，并能推动长期的发展高潮。技术革命是紧密地交织在一起的一组技术创新集群，一般包括一种重要的、通用的低成本投入品（能源、原材料或核心零部件），再加上重要的新产品、新工艺和新的基础设施……而只有当这批技术突破中的每一个都远远超出他所源起的产业或部门的界限，扩散到广泛的领域内才算真正意义上的‘技术革命。且每次技术革命都提供了一套相互关联、同类型的技术和组织原则，并在实际上促成了所有经济活动潜在生产力的量子跃迁”。按照佩蕾丝对一次技术革命的阶段划分，如果我们将人工智能看作是第四次工业革命的“通用技术”的话，那么本次技术革命应该还处于“导入期”的前期，也即图1中“大爆炸”点的右侧附近，即“构造范式”阶段。虽然国内研究工业革命的学者认为，本次工业革命的核心是人工智能替代人类脑力劳动以及智能制造，但也有学者认为，人工智能对就业的影响可能是积极的，也有可能是消极的。Trajtenberg將人工智能区分为“人类增强型创新”（HEI）和“人类替代型创新”（HRI），前者能够增强人类的感官、运动和其他能力，后者则会取代人类的劳动。HEI人工智能技术会带来新一轮创造力的释放和生产力的提升，在服务业领域可能会尤为明显。而HRI人工智能技术可能会减少就业，并产生枯燥且没有价值的工作。但总的来说，人工智能技术无论是增强人类，还是替代人类劳动，都不可能是一蹴而就的，需要经历比较长的过程。

根据卡萝塔·佩蕾丝在《技术革命与金融资本：泡沫与黄金时代的动力学》（田方萌等译，中国人民大学出版社2007年版）第35页和第44页的图整合而成。

我们对本次技术革命的阶段判定之所以认为还处于“导入期”的前期，理由有三：第一，因为技术进步并非均匀分布于各个历史时期，也即“创新的出现和扩散本身是一个不均衡过程，有时是爆炸性的，有时则非常缓慢”。第二，正如佩蕾丝指出的那样，“技术-经济范式既是扩散的推进器，也是一种阻滞力量。说他是推进器，因为技术-经济范式提供的模式可以被所有人追随，但它的形成过程需要时间（大约在大爆炸发生10年之后或更久），而且，既然每次技术革命的内涵与前一次不同，新的原则将不得不经过由社会来学习的过程。但这种学习必须克服由于先前的范式成功而产生的惰性力量。前一范式的广泛存在，成为下一次技术革命扩散的主要障碍”。也就是说，因为技术-经济范式路径依赖效应的存在，使得构造新范式需要经历一定的时期，因而新技术的扩散将会延缓。第三，人工智能作为一种通用技术，与前几次工业革命的单一关键投入例如铁、石油、芯片等都不一样，因为人工智能是由“算力（芯片）+算法+算数（大数据）”三者共同构成的复合型关键投入，正是人工智能的这一特征使得其在整个经济系统中的扩散速度有赖于三者的协同和互补式创新，因而扩散速度可能会趋缓。

那么导入期有哪些特征呢？人工智能作为一种通用技术，为何扩散至其他行业和部门存在时滞？因为“为了适应每次技术革命，需要实现不同层面的多项变革。首先，新技术需要建立一整套提供有关服务的网络，比如特定的基础设施和特定的供应商、物流渠道、维修能力，以及提供范围外部性的其他条件，以促进技术扩散”。也即，通用技术、相关基础设施、互补式创新以及技术的商业化应用之间存在复杂的反馈机制，而技术扩散有赖于这些要素形成良性的正反馈。也就是说，在导入期新技术对生产率的贡献至少在统计意义上是不显著的，这就是所谓的“索洛悖论”。Brynjolfsson等人将这种技术进步与生产率的悖论归纳为四个潜在的因素：（1）错误预期;（2）测算误差;（3）集中分配和租金消耗;（4）实施和重组滞后。他们进一步指出，实施和重组滞后是造成生产率悖论的主要原因。因为新技术扩散至其他部门有赖于与新技术相关的互补性技术的开发，只有等到通用技术和互补性技术全面发展起来，并得到广泛应用，才会对生产率的增长带来显著影响。他们认为，新技术的潜力，与其可测量效应之间的延迟，主要受两个因素的影响。一是新技术要对整个经济系统产生影响是有时滞的;二是要获得新技术的收益，需要后续的持续投资，但投到哪个具体技术（产业）才有利可图，需要一定的时间来识别。虽然在导入期的前期，我们就能识别出，那些对经济社会的发展将带来重要潜在影响的新技术。但是，随着时间的推移，我们会发现，通用技术的发展，有赖于一组互补性技术和基础设施的支持，通用技术和互补性技术之间的适应和调整在经历相当长的时间之后才能发挥协同效应。

导入期也是新技术-经济范式与原有旧技术-经济范式的纠缠期，“两种范式一种在衰落，而另一种在市场和人们的思维中占据了越来越多的空间。这些分化的进程注定要动摇、挑战和改变制度环境……一次技术革命的到来通过极大的提高利润预期而吸引金融资本，它最终将导致资产膨胀和金融泡沫破裂”。换言之，在一次技术革命的导入期，金融扮演着至关重要的角色，金融资本的逐利本性在这个阶段将显露无遗。易言之，金融资本在利润的牵引下，会夸大新技术、新产品和新产业的潜力，从而埋下科技投资泡沫的隐患。此外，第四次工业革命诸如人工智能和大数据技术可能进一步强化此前数字化革命造就的巨型平台公司的市场影响力，这对产业规制形成了挑战。

三、第四次工业革命的技术范式对传统产业政策的挑战

上文的分析表明，我们当前正处于第四次工业革命的导入期，“这一时期趋于出现一种赌博经济，财富好像被魔术所操纵。在金融天才的光耀中人们的信心在增长，而管制的尝试被认为是阻碍了通往成功社会的道路。这种新的钱生钱的能力吸引了越来越多的人加入其中，所以导入期的后期是一段金融泡沫时期”。在这个阶段，金融资本的狂热在将技术革命推向高潮的过程中极有可能会带来负面影响。因为这一阶段的一个显著特征是，虽然技术进步较快，新技术和新产品不断涌现，但新的技术-经济范式尚未定型。金融资本在追逐新技术、新产品和新产业的过程中极有可能出现科技泡沫，2000年发生在美国的互联网泡沫就是前车之鉴。

2000年的互联网泡沫一个突出表现是，由于金融资本追逐短期利益的内在逻辑，它倾向于关注新技术的商业化应用。而作为第四次工业革命的通用技术，人工智能与以往历次工业革命的通用技术有着很大的不同。作为集“算法、算力和算数”于一体的复合型通用技术，它的技术突破有赖于三者的协同创新，而算法和算力（芯片）的突破极度依赖于基础研究，需要稳定而长期的投入。但金融资本的短视行为，以及由此造成的科技泡沫可能对人工智能的长期投资造成负面影响。也即，新技术与金融资本之间的资本需求和供给存在类似蛛网模型的波动规律，这对产业政策的制定提出了挑战。也就是说，在当前第四次工业革命的导入期，要避免以下两种情况。第一种，因为第四次工业革命技术-经济范式还未定型，创新存在很大的不确定性，所以不能采用例如“挑选冠军”这样的传统产业政策工具，如果实施这一类产业政策，人工智能很可能重蹈日本“五代机”的覆辙。第二种，因为金融市场对新技术的狂热，产业政策及其相关政策资金更不能跟风式的“撒胡椒面”，从而加剧科技泡沫的风险。因此，这个阶段的产业政策应该更加注重对人工智能的基础科研进行支持，并采取诸如“政策性金融”這样的平抑市场的调控手段来助推人工智能技术的平稳发展和持续技术进步。

20世纪70年代微处理器（芯片）技术的突破，使得信息处理和加工的成本急剧下降，再加上互联网技术的蓬勃发展，数字化浪潮席卷整个经济系统，信息产品大行其道。信息产品的一个突出特征是“高固定成本，低边际成本”，也即“一旦第一份信息被生产出来，多拷贝一份的成本几乎为零”。这样的成本结构特征使得信息产品的营销手段与传统商品截然不同，信息产品的提供者为了抢占市场份额，在一开始会把信息商品的价格定的很低甚至免费提供。唯有如此，才能获得先行者优势，从而获得未来巨大的规模经济收益。这样一种技术-经济范式催生了新的商业模式——“平台（多边、双边）公司”，我们熟知的电商、即时通讯、出行、订餐、住宿等互联网公司都属于这一类型。平台公司作为一种商业模式，其本质是匹配供求信息的中间人，它的典型特征是，具有很强的正反馈和网络外部性。在传统经济中供给方规模经济可以巩固生产者的竞争优势，而信息商品（平台）具有典型的“需求方规模经济”

效应，即越多人使用，它的价值就越高，从而会吸引更多的人使用，这种正反馈一旦启动，在市场上就会出现强者愈强、弱者愈弱的赢者通吃效应。特别是，在平台竞争中，只要是质量上的小幅度领先就会导致消费者数量上的大幅领先。这样就可能形成一个正反馈，在这个正反馈中，数据上的小幅度领先可以让一家公司收集更多更好的数据，巩固这一领先优势，并随着时间的推移产生主导地位。因此，尽管从理论上来看规模报酬是递减的，但数据的经济价值确会导致规模报酬递增效应。因此，平台竞争最终会产生像腾讯（微信）这样集社交、资讯、支付、购物、打车以及游戏等于一身的超级平台公司，这类公司的出现对政府制定相应的产业规制和反垄断政策提出了挑战。

正是平台公司的出现，使得基于买卖双方之间的讨价还价博弈的传统定价机制发生了根本性的改变，定价权力明显在向卖家倾斜，因为卖家可以通过获得买家的消费数据进行定价和广告推送。目前来看，人工智能技术更多的是被卖家所利用，他们可以通过对海量用户数据的分析进行精准推送和价格歧视，从而提高利润率。因此，有关消费者隐私的相关讨论已经关注到这一技术变化可能导致的后果，比如平台公司应该以什么方式使用用户的信息就是一个值得探讨的问题。 Goolsbee认为，上述有关用户数据和隐私问题实际上是一个产权问题，即谁拥有消费者的数据，以及在什么情况下以何种方式使用这些数据需得到用户的同意。他认为，有关平台公司的定价和数据产权问题将成为以人工智能为中心的政策制定者需要考虑的核心问题。

人工智能在发展之初走的是一条基于规则和知识的探索之路，比如“搜索”和“专家系统”，但哪怕是搜索和专家系统也要借助数据。而人工智能进入机器学习时代之后，数据变得更加重要，已经成为人工智能技术发展必不可少的关键投入。因为“机器学习的有效运行必须满足两个条件：一是机器学习系统一开始就需要大量的数据来训练自己;二是机器学习系统必须得到频繁的反馈，从而进行自我调整以超越最初的训练成绩”。我们正处在数据爆炸的时代，所以人工智能将迎来一个快速发展时期。从互联网到物联网（IOT）的进化，不变的是连接，而变化的是接入网络的设备。互联网（移动互联网）时代只是计算机和移动终端接入网络，而物联网在理论上所有的设备都可以接入网络。入网设备的急剧增加将会导致数据呈指数级增长，如果我们将海量数据比作原油，那么这些数据必须要经过“提炼”才能成为“可信数据”（Trusted Data）从而运用于决策和生产。而数据的提炼需要借助人工智能技术，目前的“数据挖掘”正是人工智能的一个重要应用领域。

数据作为人工智能技术发展的关键投入之一，有着不可替代的重要作用。在移动互联网时代，绝大多数用户实际上都是阿尔文·托夫勒所谓的“产消者”，他们在网上消费或娱乐的同时也产生了大量的数据，但这些数据大都涉及用户隐私问题。Tucker认为，当前的数据具备三个特征：（1）存储成本的大幅度降低使得数据保存的时间比我们预期的会更长;（2）数据的非竞争特性可能会导致该数据被用于原用途以外的其他用途;（3）数据的外部性特征意味着一个人创建的数据可能包含其他人的信息。因此，如果个人不完全了解如何收集和使用数据进行预测，那么在分析和运用这些数据时可能会对个人造成损害。随着数据收集和分析技术的改进，决策者越来越重视规范数据的收集、存储和使用。在依靠数据驱动的行业，用户隐私监管条例深刻地影响着该行业创新的速度和方向。如果隐私保护条例太宽松，极有可能导致消费者由于担心隐私泄露而不愿参与市场交易活动;如果隐私监管太严格，相关企业很可能因为无法利用数据而延缓创新的速度。

综上，随着平台公司的兴起和人工智能技术的发展，用户通过平台交易产生的大量数据的产权问题将成为未来数据治理的核心问题。毫无疑问，数据将成为第四次工业革命中最重要的生产要素之一，更是人工智能的关键投入要素，关乎人工智能技术的发展前景。但数据又直接关乎用户隐私，如何在保护个人隐私和促进技术进步之间进行权衡，对政府制定相关政策同样提出了挑战。

四、中国应对第四次工业革命的产业政策调整方向

随着第四次工业革命的展开，人工智能和大数据技术将深刻的改变生产和制造环节，智能化和数字化将使得创新的“网络效应”更加凸显，每一项创新都嵌入在一个更大的创新网络之中，创新更多的表现为重组式和互补式的。这种创新范式的改变必然要求政策范式的转型，正如卡萝塔·佩蕾丝指出的那样，“政策并不是一味不变的，政策是对动态目标的回应”。也即，旨在扶持某个产业和部门的传统产业政策的实施效果将大打折扣。

根据一些技术乐观主义者的判断，我们已经身处“第二次机器革命”时代，稳定的指数增长已经将我们带入棋盘的另一半时代。他们认为，摩尔定律的双倍累积效应，再加上双倍累积的溢出效应共同作用下，过不了多少年，我们的世界将会是一个超级计算机世界，再加上各种传感器量产带来的规模效应导致的价格大幅度降低，使得很多科幻小说中的情节将变为现实。再加上数字化技术的不断深化，使得“重组式”创新的效应更加明显，因而在数字化时代的创新是无穷无尽的。“世界经济论坛”创始人及执行主席施瓦布也提到，“第四次工业革命引发的颠覆性变革正使公共机构和组织重新调整运行方式……与以往的历次工业革命一样，监管对技术的适应性和传播力发挥至关重要的作用。然而政府制定、修改和执行规则的方式不得不改变。在‘旧世界里，决策者有足够的时间研究某一特定事物，做出必要反应，或者建立合适的监管框架。整个过程是线性的、机械化的，是一个严格的自上而下的过程。但当前出于种种原因，过去的做法已经不适用了”。施瓦布的观点很明确，传统的自上而下的单向度产业政策显然是无法应对第四次工业革命的，那么在这样一个创新喷涌的时代，政府政策应该如何转型呢？

上文已述及，人工智能作为第四次工业革命的通用技术，与以往历次工业革命的最大不同是它是一种复合型关键投入。除了算法和新一代芯片之外，人工智能的技术进步很大程度上依赖于海量的数据。已经有研究表明，过于严格的隐私监管会导致数字技术采用的放缓和创新的减少。虽然目前还没有专门研究隐私监管政策对人工智能创新的影响，但人工智能创新极度依赖数据这一特征表明，隐私监管政策必定会对人工智能的创新和扩散产生影响。而中国作为互联网用户第一大国，有着巨大的数据优势，海量的数据本身构成我国发展人工智能技术的先天优势。因此，我们应该谨慎制定隐私监管政策，过紧和太过宽松的隐私政策都会影响人工智能的创新和扩散。但考虑到人工智能目前正处于第四次工业革命导入期的前期，各国为了在短期内获得人工智能的先发优势，有关隐私的监管环境都还比较宽松。由于数据的规模经济效应和人工智能相关研究的“干中学”效应，各国的隐私政策很可能出现“逐底竞争”，即各国都纷纷放松隐私监管，以便在人工智能领域领先。因此，我国制定有关隐私和数据治理的相关政策时，应宜松不宜紧，以免对人工智能的技术进步产生负面影响。

人工智能技术的发展依赖于芯片、算法和数据的协同进步，而新一代芯片（例如量子芯片）和算法的突破需要依靠长期的基础研究投入。而从前期的基础研究到最后的商业化应用存在大量的中间环节，再加之其作为通用技术，扩散速度和商业化应用前景又受到其他应用部门互补式创新的影响，因此，在人工智能创新领域不可能制定一个完美的激励政策。也即，从政策角度看，为人工智能的基础研究和上游创新者提供适当的激励措施是非常困难的。正如有的学者指出的那样，缺乏对早期创新的激励可能意味着后续创新的迟滞甚至中断，如果早期的知識产权太强，也可能会导致后期创新者陷入“专利丛林”，从而影响该技术的商业应用前景。还有就是，实际上很多后续的创新都得益于前人的创新成果，但他们不可能与早期的贡献者分享利益，这主要是跨期激励和创新者之间的协调困难导致的。越来越多的研究表明，支持前期研究的政策和制度对一项新技术的扩散和产生跨期溢出效应方面发挥着重要作用。也即，适宜的政策和制度对创新的速度和质量都会产生很大的影响。人工智能作为第四次工业革命的通用技术，其重组式特征和对互补式创新的依赖，要求产业政策范式进行相应变革。

传统产业政策的特点是自上而下“垂直式”，而上文已经论及，人工智能的创新表现为重组式和互补式的，创新的主体是多元的，主体之间的有效互动和交流是协同创新的重要前提，因此，“水平式”的产业政策更符合协同创新的要求。这对我国制定促进人工智能创新的产业政策具有启发意义，重组式创新和互补式创新的源泉在于“创新基因池”（创新元素）的多样性，也即创新产品越多元，重组的可能性就越多，从而可能激发更多的创新。因此，中小企业在这种重组式创新中更具优势。就这一点而言，我国有必要学习美国的做法，制定类似于美国的“小企业创新研究”（SBIR）计划，专门支持中小企业在人工智能领域的创新。并通过政策有意识地引导和鼓励公共和私营部门形成研发联合体，鼓励大学和公共研究机构实验室进行创新创业，从而形成主体多元化的创新网络，完善国内创新生态系统。欧洲国家在创新政策实践方面取得了丰富的经验，有很多值得中国借鉴的地方，但值得注意的是，大部分欧洲国家都属于中小型开放经济体，再加上欧洲经济一体化程度非常高，各国的产业链和创新链互补性比较高，非常适合实施“水平式”的产业政策，但我国不能照搬欧洲国家的政策模式，因为将政策实践从一个国家机械地移植到另一个国家（不考虑情境因素）往往会导致失败。

中国作为世界上最大的发展中国家，有着全世界门类最为齐全的工业体系和全球最大的市场，产业系统和创新系统迥异于欧洲国家。根据第四次工业革命的技术-经济范式特征，我国既要实施“水平式”的产业政策，也要采取“垂直式”的产业政策。中国如果只是片面地制定和实施“水平式”的产业政策，很可能导致国家层面的“系统失灵”和企业层面的“能力失灵”，2018年的“中兴事件”已经充分暴露出这种弊端。因此，我国要想引领第四次工业革命，“水平式”的产业政策和“垂直式”的产业政策必须双管齐下。具体而言，要想在例如新一代芯片等关键共性技术上不受制于人，取得突破性进展，必须改革我国的科技创新体制，组建类似“美国国防部高级研究计划局”（DARPA）这样的综合性战略研究机构。“水平式”的产业政策可以促进人工智能领域“创新基因池”的多样化，有利于重组式创新和互补式创新的实现。而“垂直式”的产业政策旨在促进具有极强外部性的核心技术的突破，唯有二者并重，中国才有可能在第四次工业革命中取得领先地位。

五、結 语

托马斯·麦克劳在《现代资本主义——三次工业革命中的成功者》一书中对英国、德国、美国和日本经济发展史的考察发现，这四个国家在前三次工业革命中得以胜出的一个重要原因是，这些国家都很好地实现了企业家、公司和政府三类主体的良性互动，并且特别强调了思想和制度在其中所起的作用。而思想和制度的具体实践集中体现在经济政策的制定和实施之中。因此，不应再拘泥于需不需要产业政策的无谓争论之中，而应把焦点放在什么形式的产业政策才能应对第四次工业革命的问题上来。

第三次工业革命始于20世纪60-70年代，21世纪初中国通过加入WTO，在第三次工业革命的中期深入参与国际分工，对世界产业格局产生了深远的影响，并在不少领域的技术已经趋近世界前沿，这为中国下一步赶超奠定了坚实的基础。以人工智能为通用技术的第四次工业革命为中国实现赶超带来了难得的机遇，根据演化经济学技术追赶的“机会窗口”理论，任何一次新技术革命，由于技术轨道的转换以及旧技术路径依赖效应的存在，为后发国家提供了追赶的“第二类机会窗口”，但如何才能抓住这一机会窗口则语焉不详。笔者认为，中国作为世界上最大的发展中国家，具备全世界独一无二的市场规模优势，在发挥市场基础性作用的同时，必须更好地发挥政府的作用。但面对新的技术经济范式，不能简单照搬传统的产业政策手段，中国如果要想实现换道超车，亟需进行政策范式转型，通过多种政策组合发挥政府政策部门、公共研发机构以及企业的协同创新作用，形成创新的正反馈，构建和完善创新生态系统。在保持出口优势的同时，在一些核心技术（例如新一代芯片、人工智能）领域进行进口替代，最终实现核心技术和通用技术的自主可控。因此，对中国而言，正确的产业政策仍然是实现技术经济赶超的重要政策手段。

（责任编辑：彤 弓 罗 燕）

Abstract： The fourth industrial revolution with artificial intelligence as its General purpose technology is different from other industrial revolutions before，technical progress of AI depends on collaborative innovation of Algorithms chips and data，The speed of technology diffusion is not only influenced by the technological innovation of the original department，It also needs the support of complementary innovation in upstream and downstream related industries.Coupled with the growing influence of digital technology in the economy，Recombination innovation is also becoming increasingly important，Traditional industrial policy has been challenged，A shift in policy paradigm is necessary.On the basis of elucidating the characteristics of the technology-economic paradigm of the fourth industrial revolution and the judgment of its stage，then we pointed out that traditional industrial policies cannot deal with the technological innovation of artificial intelligence and the revolution of digital business model.In the end，Combining the characteristics of the technology-economy paradigm of the fourth industrial revolution and China's special national conditions，We points out the principles of China's industrial policy making and the direction of policy adjustment.

Keywords： Industrial Policy;the Fourth Industrial Revolution;Artificial Intelligence;Technology-economic Paradigm