“大多数的经济谬误都源于一个认为这个世界总会存在一种美好东西的倾向——一部分人肯定能以与另一部分人相同的代价获得这种东西。”

——米尔顿·弗里德曼（Milton Friedman）

美国当代著名经济学家、货币学派的代表人物

每一天，政府机构、思想智库、非政府组织和学术研究人员都会得出或发布任何人都读不完（更不用说吸收了）数据。在电视中，在连篇累牍的商业出版物中，在博客世界里，都是清一色的对利率、失业率、股票价格、赤字和其他数不胜数的指标的数据分析、讨论与未来趋势的预测。但聚焦并思考一下过去一个世纪的发展趋势，有一个极其突出的事实：在包括美国的世界范围内，我们的生活标准已经出现了巨大的提升。在美国，从19世纪初期开始，人均GDP的增长速度平均达到了每年1.9%。若使用“70法则”（一种价值增加两倍的时间大体上等于70除以它的增长率）^[37]，我们看到大体上，每36年生活标准就会增长一倍——差不多相当于在人的一生中，生活标准会出现4倍的增长。

这种增长是非常重要的，因为经济的增长能够帮助解决大量的其他发展挑战。如果美国的GDP每年的增长速度要比现在预期的增长速度提高1%，那么到2033年，美国人的财富将增长5万亿美元。如果GDP的增长速度比现在只快0.5%，那么美国的预算问题将在不改变政策的情况下得以解决。当然，过慢的增长将会使填补财政赤字变得更加困难，更不用说要在新项目的开发上增加政府支出或者实施减税政策。

生产率增长

那究竟是什么因素驱动了人均GDP的增长？这个增长部分来自更多资源的投入和使用，但大部分则来源于固定水平的投入能够带来更多产出的能力的增长——也就是说是生产率的增长。［在大部分情况下，这一术语也可以被看作劳动生产率，即一小时工作时间的产出（或者是每一个劳动者的产出）。］^[38]反过来说，生产率的增长来源于科技创新和技术成果。

当然，简单地增加工作时间是无法让生产率增长的。事实上，美国人曾经每周经常工作50~60个小时，甚至70个小时。然而，虽然现在有些人还是工作那么长时间，但平均每周的工作时间已经大幅缩短了（约每周工作35个小时），不过他们的生活水平却更高了。罗伯特·索洛（Robert Solow）因对于劳动力和资本投入并不能解释经济全部产出的大部分增长的研究，而荣获了诺贝尔经济学奖。^[39]事实上，现在普通的美国人每周工作11个小时就能达到1950年每周工作40个小时的产出量。这一提升的速度与欧洲和日本的劳动者相当，甚至超过了一些发展中国家。^[40]

生产率提升的速度在20世纪中期是非常快的，具体时间是在20世纪40~60年代，也就是在以电力和内燃机在汽缸内的点火为特征的第一次机器革命时代。然而，在1973年，生产率的增长却下降了（图7–1）。

图7–1 劳动生产率

1987年，罗伯特·索洛本人也注意到了这种下降——它好像与计算机革命的早期阶段重合。他最为人熟知的评论是：“我们看到计算机时代来临了，却没有看到生产率数字的增长。”1993年，埃里克发表了一篇评论生产率悖论的文章。在这篇文章里，他评论认为，那时的计算机产业还仅占到经济份额的一部分，只有到了像IT这类的通用目的技术真正发挥影响力之前，大规模的填补式创新才会有需求的土壤。之后，他又对一些个体公司的IT应用和与生产率相关的数据进行了更详细的研究。研究结果表明，它们之间有很大的相关性：IT的“铁杆”使用者要比他们的竞争对手拥有更高的工作和生产效率。到20世纪90年代中期，这种效率的提升愈发明显，足以覆盖整个美国经济，从而带来了一场普遍的生产率增长大爆发。虽然这次提升的原因是多方面的，但现在经济学家们仍把最主要的因素归结为IT的力量。

20世纪70年代生产率的下降，以及随后20年中的增长加速都有一个非常有趣的前车之鉴。在19世纪90年代末期，电力被引入了美国工厂。但那个时代的生产率悖论是，劳动生产率的增长不会超过20年。虽然所涉及的技术因素不同，但很多根本性的增长动力还是非常相似的。

芝加哥大学的经济学家查德·西维尔森（Chad Syverson）详细考察了重要的生产率增长数据，发现这种相似性达到了令人吃惊的程度。正像图7–2显示的，电气时代生产率增长的缓慢开始以及随后增长的加速，与20世纪90年代的增长达到了高度吻合。理解这一增长模式的关键是，要意识到正像在第5章所讨论到的，通用目的技术一直需要填补。生产率增长的初期阶段所花费的时间可能是数年甚至数十年，因此，在技术的开始阶段到生产率大规模增长阶段之间会有一段延迟期。我们在电气化时代和计算机时代都清晰地看到了这种发展趋势。

图7–2 两个时代的劳动生产率

可能最重要的填补式创新是商业生产模式和组织架构的变革——这种变革使新技术的出现成为可能。斯坦福大学和牛津大学的经济历史学家保罗·戴维（Paul David）对美国工厂开始电气化时的历史记录进行了研究分析，他发现这些工厂的生产架构、人员配备与以蒸汽机为动力的那个时代非常相似。比如，在一家由蒸汽机驱动的工厂里，动力的传输是通过一个很大的中心轮轴，依次驱动一系列的滑轮、齿轮和较小的曲轴。但如果这个轮轴太长，在机械运转的过程中就会被扭断，因此机器需要安放在靠近主体动力源的地方——也就是说，那些需要最大动力的机器需要安放在最接近动力源的地方。把这三个因素都考虑进去之后，工厂工程师就要把车间里的机器设备放置在中央蒸汽机的上面和下面——为的是让它们之间的距离最小。

多年之后，当“神圣的”通用目的技术——电力代替蒸汽机之后，工程师们只需要简单地把他们能发现的最大电动机购置来，然后再把它们安放在原来蒸汽机的位置上就可以了。当新的工厂创建时，他们也遵循同样的安放模式。可能不会让人吃惊的是，记录显示，电动机并没有给这些工厂的生产效率带来多么大的提升——它们带来的可能只是更少的烟尘和噪声。最终，生产率的增长和工厂的预算出现了明显的不匹配。

只有30年之后——时间足够长到原先的那些工厂经理退休且被新一代的经理替代之后，工厂的生产架构才得以改变。新式的工厂看上去更像是我们今天所看到的：单层的工厂车间矗立在面积达一英亩（1英亩≈4 046.86平方米）或几英亩的地块上。在这些工厂里，单一的大型蒸汽机消失了，取而代之的是每一台设备都有自己小型的电动机。需要最大动力的机器也不用安放在离动力源最近的地方了，整座工厂的生产架构所基于的是简单而强大的新规则：所有的生产要素都能以最自然的方式进行流转。

生产率并不仅仅按照组装生产线的步调缓慢地提升，它有时呈现双倍甚至是三倍的增长。而且，在20世纪随后的时间里，更多的填补式创新，从精益生产、小型钢铁厂到全面质量控制和六西格玛管理规则，都在持续不断地提升制造业的生产率。

正如早期的通用目的技术一样，一定意义上的组织创新对于更好地吸收第二次机器革命时代的技术成果具有重要的作用。举一个很明显的例子，蒂姆·伯纳斯–李（Tim Berners-Lee）在1989年发明了万维网，起初受益的只是一小群粒子物理学家。但部分由于数字化和网络技术带来的动力加速了创新思想的散播，填补式创新的速度要比第一次机器革命时代更快。在互联网出现不到10年的时间里，企业家们就已经找到使用互联网进行推广和销售的途径了。

然而，一般人看不到的是，规模更大的公司的IT系统——在20世纪90年代开始投入使用，对生产率增长发挥了更大的作用。这一切之所以能发生，是因为商业运转方式经历了一轮再设计。例如，沃尔玛通过与供应商共享零售终端数据，驱动了零售行业效率的大幅增长。实际上，关键的一点是，沃尔玛对整个商业运转方式进行了填补式创新，比如说沃尔玛的供应商库存管理、交叉配货（Cross-docking，又称直接换转、越库配送。进货时直接装车出货，没有入库储存与分拣作业，从而降低了成本，加速了流通）和有效客户响应系统，都已经成为一些著名商学院的研究案例。在创新模式的带动之下，沃尔玛的销售不仅从1993年每周增加10亿美元扩展到2001年的每36个小时增加10亿美元，而且还帮助促动了整个零售和流通行业的发展，甚至在那段时期，沃尔玛销售的增长为全美国生产率的增长都贡献了很大的份额。

在1995年之后的5年时间里，很多公司为了更好地利用互联网、扩大运营规模并避开传得沸沸扬扬的“千年虫”而升级了它们的公司运营系统，IT投资也因此在20世纪90年代呈现出飞跃式发展。与此同时，半导体行业的创新也获得了巨大飞跃，加上公司在IT上投资的飞速增长，计算机性能也因此得以迅速增强。在计算机生产率悖论普遍化10年之后，哈佛大学的教授戴尔·乔根森（Dale Jorgenson）与纽约联邦储备银行的经济学家凯文·斯提洛（Kevin Stiroh）做了一项认真的研究并总结得出：“2000年很大一部分的增长可以被追溯到创造信息技术的部门以及最大化使用IT设备和软件的经济部门，这种观点已经成为一种共识。”但这不仅仅是因为计算机生产行业的业绩骄人。凯文·斯提洛发现，在整个20世纪90年代，大量应用IT的行业生产效率普遍较高。根据戴尔·乔根森和他的两位合作者认真的研究，这种现象在最近一些年里甚至更加明显。他们发现在20世纪90年代和21世纪的前10年之间使用IT的行业之中，全要素生产率增长的幅度更大，而那些没有大量使用IT的经济部门增长幅度却有小幅下降。

重要的一点是，计算机和生产率之间的关联性不仅仅体现在工业产业层面，也发生在个体公司层面。埃里克与宾夕法尼亚大学沃顿商学院的洛林·希特（Lorin Hitt）对此进行了研究。埃里克发现，更大规模应用IT的公司的生产率水平更高，其生产率的增长也比行业内的其他竞争对手更快。

21世纪的前5年，我们看到了新一轮的创新和投资浪潮袭来，但这一次浪潮对计算机硬件的关注比较少，而更多地集中在一系列多样化的应用程序和流程创新方面。正像安迪在一个为哈佛商学院所做的案例研究中所描述的，CVS（Consumer Value Stores，是一家知名的美国连锁药妆店）发现，它们的处方药品订购流程是顾客不满意的一个地方，因此它们重新设计并简化了订购流程。通过把订购流程嵌入公司软件系统，它们能够在超过4 000家的连锁药店里复制药品订购流程，从而大大提升了顾客的满意度和公司的赢利水平。事实上，CVS是完全符合商业运转规则的。在一项埃里克和洛林·希特对600多家公司所做的数据分析中，埃里克发现，在公司对计算机化创新项目进行投资之后，要想看到生产效率的全面提升，平均要花费5~7年的时间。这反映出，在对公司的计算机化进行填补式投资时，如果想要获得成功，需要一定时间和努力的付出。事实上，在计算机硬件上的每一美元投资，公司都需要在软件、培训和商业流程重新设计方面投入9美元。

这类组织变革对行业产业层面的生产率数据的影响，会日渐明显。20世纪90年代，计算机生产行业生产率的飞速增长最为明显，但21世纪初期，所有产业领域的生产率增长甚至更快——当此前飞速增长的红利扩散到更多、更宽泛的行业之后。就像早期的通用目的技术一样，计算机的力量完全具备影响和它们本行业遥不可及的行业的能力。

总体上，在2000年之后的10年里，美国生产率的增长甚至超越了高速增长的20世纪90年代，当然也超过了20世纪70年代或80年代的增长速度。

今天美国的劳动者要比以往任何时期的生产效率都要高，但认真看最近的一些数字，你会发现有一些细微的差别。在2000年之后的5年里，生产率的增长是比较明显的。但2005年之后，生产率的增长就没有那么强劲了。正像我们在第5章描述的，这在经济学家、记者和博客作者群体中引发了新一轮的对增长终结的担忧。实际上，悲观主义者是不会相信我们的观点的。但要知道，电力使用之后生产率的下降并没有意味着增长的终结，20世纪70年代生产率的下降也没有预示着这种终结。

最近生产率的减速，部分原因来自经济萧条及其后遗症的影响。悲观主义在萧条时期会比较盛行——这是很容易理解的，而这种悲观情绪会不可避免地影响到对技术和未来的预判。金融危机和房地产泡沫的破裂导致了消费者信心以及财富的崩溃，进而引发了严重的需求缩减和GDP增长的下降。虽然技术行业的萧条在2009年6月就终结了，但正像我们在2013年写到的，美国经济的运行仍远低于其能达到的潜力水平——失业率是7.6%，而产能利用率是78%。在这次萧条期间，任何计量标准，包括产出的数量（比如劳动生产率），至少都会临时性的走低。事实上，当你回过头来看一下历史，就会发现在20世纪30年代大萧条的初期，生产率并不仅仅是增长的减缓，实际上是连续两年的下降——这是最近的萧条时期从来没有发生过的事情。对增长持悲观主义态度的人士在20世纪30年代要比现在更容易听到相同的声音，但在接下来的30年里，却是20世纪生产率增长最快的时期。再回到图7–2，请仔细看一下图表中的虚线，也就是在20世纪30年代初期生产率增长线下沉之后的虚线，你就会明白，这是第一次机器革命时代所带来的前所未有的红利以及最大规模的一次增长。

对这一次生产率大爆发的解释是，当通用目的技术被引入之后，我们经常首先会看到生产率增长的延滞，之后才是生产率的高速腾飞。在一波又一波填补式创新的推动下，电气化所带来的红利延展了近一个世纪。现在，第二次机器革命时代的数字化通用目的技术仍然显得不够深刻。不过即使摩尔定律创造的神话就此终结，填补式创新也能再次延续数十年，并且能够持续不断地促动生产率的增长。然而，不像蒸汽机和电力，第二次机器革命时代的技术将持续地以令人吃惊的指数级速度增长，这种能量将在完美的数字化世界里不断地被复制，组合式创新也将从中获得更多的发展机会。当然，路并不是一直平坦的，我们仍然没有摆脱商业周期的宿命。但数字化时代红利的基本规则已经成形，它超越了我们所经历过的任何一个时代。

[37]　“70法则”（或者更精确地说是“69.3%法则”）所基于的是以下数学等式：（1 + x ） ^y = 2，在这里x是增长比率，而y是年数。两边同时取自然对数得出yIn(1+x) = In2［y乘以（1+x）的自然对数等于2的自然对数］。2的自然对数是0.693，而当x的数值较小时，In(1+x)近似等于x，因此，这个等式可以简化为：xy = 70%。

[38]　有一些人会衡量资本生产率，也就是每一单元的资本投入所带来的产出；也有一些人会衡量多种因素的生产率，也就是产出除以资本和劳动力的平均投入。经济学家们有时使用另一个术语来概括多种因素的生产率，即索洛剩余，这一术语更好地反映出一个事实——我们不需要知道生产率的来源。罗伯特·索洛本人也强调，与其说索洛剩余衡量的是技术的进步，还不如说衡量的是我们的无知。

[39]　这是一件好事情，因为我们能够增加的投入量多少会受到天然性的限制——毕竟没有人可以一天工作超过24个小时，公司对劳动力的使用也不会超过100%。相比较来说，生产率的增长反映的是创新能力——除了我们的想象，它不受任何力量的限制。

[40]　产出除以劳动力和实物资本的投入经常被称作全要素生产率。然而，这一术语有时会引起一点误导，因为在生产中还会有其他投入。例如，有的公司会主要投入无形的组织资本。我们能够衡量的投入的种类越多，那么我们对全部产出增长的阐释就会越透彻。最终的结果是，被我们贴上生产率（并不是投入的增长）标签的索洛剩余将会变得更小。