7.7
深览指数
科技虎嗅·文化纵横··AI 生成
特朗普用“超级智能”取代“人工智能”, 难掩AI发展最尴尬的三个真相
本文以“生产率悖论”“波兰尼悖论”和“创新悖论”三重框架，揭示当前AI发展的核心问题不在于技术能力不足，而在于由少数科技巨头主导的自动化取向技术路线，未能回应经济社会多样化需求，导致生产率提升局限在ICT行业、应用受限于可编码的常规任务、创新方向偏离包容性增长。作者提出“创新民主化”理念，主张通过开源、公共支持、劳动者参与等路径，让创新资源扩散到多元主体，以探索更具包容性的AI技术路线。适合关注AI产业政策、技术社会学及发展中国家技术路线的深度读者。原文 ↗
核心观点
- ▍当前AI发展的核心问题不是技术能力不足，而是由少数科技巨头主导的自动化取向技术路线，忽视了经济社会的多样化需求，导致生产率提升、技术应用和创新方向均呈现非包容性，需要转向“创新民主化”以探索更具包容性的技术路径。
- 01UNCTAD 2025年报告指出，使用AI提升生产效率的企业主要集中在ICT行业；2025年上半年美国GDP增长仅0.1%剔除数据中心投资后即归零，中国ICT行业扩张也未带动其他行业全要素生产率提升，验证了“生产率悖论”。
- 02沃顿商学院2025年10月报告显示，企业生成式AI应用集中在数据分析、文档纪要生成等可重复性常规任务，未能突破“波兰尼悖论”——需要隐性知识的岗位未受深刻影响，且37%受访者怀疑AI能否产生价值。
- 03当前主流AI创新以自动化与监控为取向，不符合发展中国家劳动力密集的比较优势（罗德里克，2018），且产品内分工的全球化模式难以为继，企业需要的是辅助工人完成多项生产任务的新技术，而非仅仅节省用工成本。
- 04美国自动化历史上，“记录-回放”路线（依赖熟练工人）曾与“编程-控制”路线（排斥工人）并行探索，但在军方大规模订单、管理层控制需求下，后者成为主流，排除了具体生产经验对创新过程的参与。
- 05科技巨头通过学术关系、慈善机构影响大学课程设置和AI研究，在华盛顿和科研资助机构中有很大话语权，且学生多期望入职科技巨头，从而主导了创新方向设定（阿西莫格鲁，2021）。
- 06北京师范大学和华南农业大学利用开源数据与深度神经网络，结合农户经验开发农作物收成预测产品；企业探索“基础模型+检索增强生成技术（RAG）”方法，展示了AI辅助而非取代劳动的可能性。
- 07华南地区造纸/食品科研人员借助开源模型结合行业知识与老师傅经验，开发出专业问答准确率达90%的工艺大模型；一家模具企业利用基础模型开发全链条系统，克服非标准化行业数据难题。
反方 / 局限
- — 作者承认，“创新民主化”并非易于实现，需要突破部门壁垒、设立公共资金支持前瞻性研发、增强工人话语权等系统改革，但这些改革在当前政策环境下面临巨大阻力，尤其在美国联邦科研支出被大幅削减的背景下。
- — 文章指出的非包容性自动化取向，其实在历史上也带来了生产率大幅提升和财富创造，反对“非包容性”不等于否定自动化本身，但正文中并未充分讨论在何种条件下自动化路线可转化为包容性增长，以及“创新民主化”是否可能因效率损失而延缓技术进步。
24 分钟 · 4 卡片 · 12 资料
读原文 →