创新的理论与趋势
创新和财富
人类的发展历史，其实就是一部科技创新的历史，财富和创新力的关联性也变得愈加紧密。农业时代的财富主要取决于土地，工业时代还有相当一部分财富与石油等资源有关。但到了21世纪，一个国家的财富和国力主要取决于其科技创新能力。高科技公司所创造的财富，在近几十年呈指数级增长。通过表2.1可以看出，全球市值最大的公司几乎都是高科技公司。而且高科技公司的更替非常快，这个榜单与20年前相比有很大的变化，新入榜的公司占了绝大多数。很多新兴的公司，如亚马逊、Alphabet（字母控股公司，谷歌母公司）、脸书、阿里巴巴、腾讯，只有不到30年的历史。这说明科技造富的能力不仅增强了，而且更替速度加快了。
表2.1 不同年份全球市值最高的10家公司
资料来源：CNBC（美国消费者新闻与商业频道），维基百科。
为什么创新造富的速度越来越快呢？一个原因是现在的创新往往出现在数字技术领域，数字技术的特点就是可以非常快地复制和传播，所以成功的数字科技公司往往会出现爆炸式的成长速度。另一个原因是全球化，创新的知识或者产品在全球化背景下传播得更快、更广。比如，谷歌搜索引擎在美国取得成功以后，很快就占领了全球除中国以外的市场，成了世界上最赚钱的公司之一。全球化的发展，使创新的回报比以往更为丰厚。此外，飞速发展的人工智能和机器人技术会取代很多人类的日常工作。这些智能系统需要更多的人来参与创造，却只需要更少的人来操作，所以更多的人力和财力会流向创新型企业，导致后者取代很多操作型和运营型企业。由此，人工智能放大了创新型企业的经济价值和重要性。
猎聘. 2018 AI人才竞争力报告[R]. 北京：猎聘，2018. 国家和企业层面的创新会创造越来越多的财富，个人层面同样如此。与创新相关的工作不仅岗位数量暴涨，薪资报酬也越来越高。30年前，美国收入最高的职业是医生和律师，但是现在最热门的职业是软件工程师，其薪酬已经超过了医生和律师。在斯坦福大学，本科最热门的专业是计算机，每年选择计算机专业的学生达到本科生数量的1/5，远远超过其他专业。中国的情况也是如此，中国的高科技专业，尤其是人工智能和大数据领域的学生薪资很高，根据猎聘发布的《2018 AI人才竞争力报告》，人工智能人才的平均年薪为50万~ 60万元。
National Center for Science and Engineering Statistics. Federally Funded R&D Declines as a Share of GDP and Total R&D [R]. Alexandria: National Center for Science and Engineering Statistics, 2023.宋晨. 我国基础研究经费首破2000亿元——专家详解《2022年全国科技经费投入统计公报》[EB/OL]. [2023-09-19]. https://www.gov.cn/yaowen/liebiao/202309/content_6904822.htm. 随着创新造富的速度加快和强度提高，创新所占的经济比重也越来越高。除了高科技公司的市值增长迅速之外，从事研发的人员数量也越来越多，各个主要创新国家研发的费用以远高于GDP（国内生产总值）增速的速度增长。2012—2022年，美国的研发投入占GDP的比例从2.7%增长到了3.4% ，中国的研发占比则从1.9%增长到了2.5%。
收入和财富分配
创新对于企业和经济越来越重要，对于个人也是如此。如果把学历当作对能力要求的一种反映，可以发现，近年来对于从事创新工作的人的学历要求越来越高，高学历和低学历的收入差距也越来越大。几十年前，大学毕业就可以从事一定的科研工作，现在很多大公司招募的基层员工都是硕士学历起步。这里面固然有“学历通胀”的因素，但也需要看到，创新者要学的内容越来越多。创新要站在巨人的肩膀上，而巨人的肩膀是不断变高的，比如现在程序员要学习的内容，比几十年前我在大学时学习的内容多得多，前者还包括近十几年发展出来的机器学习、人工智能等必备内容。当然，现在计算机系毕业生的工资涨幅也远远高于社会平均水平。长期的趋势就是，无论在能力要求、学历要求还是收入方面，创新者和非创新者之间的差距都将进一步出现两极分化。
人工智能的出现更是加剧了这种两极分化。因为人工智能取代了很多重复性的工作，比如文员、翻译和客服等。目前人工智能也可以帮助科研人员提高效率，但终究还是无法取代高端的创新工作。因此，人工智能导致全社会减少了低端职位的需求，同时提升了高端职位的效率，导致两极分化的趋势更难被逆转。有关人工智能对经济和劳动力市场的影响，将在后文详细论述。
Nordhaus W D. Schumpeterian Profits in the American Economy: Theory and Measurement [R]. National Bureau of Economic Research, 2004.Stanford Social Innovator Review. All entrepreneurship is social [EB/OL].Retrieved from https://ssir.org/articles/entry/all_entrepreneurship_is_social. 创新者在成功之后所获取的收益，也远远高于社会平均收益。创新的成功是一个小概率事件，10个创业公司最后可能只有1个能成长为大公司，结果就是创新的成功者会拿到远比失败者高得多的收益。因此我们看到，成功的企业家和艺术家会迅速登上财富榜，但同时也出现了大量收入不高的艺术家和创业者。这种赢家通吃的现象，表面上造成了贫富差距，但也需要看到，丰厚回报对于创新而言是非常必要的激励。试想，如果政府对创新创业所得收取90%的所得税，还会有这么多人投身于创新创业吗？而且成功企业家的个人所得，哪怕是令人羡慕的天文数字，往往也只是相当于其创造的社会价值中的一小部分。耶鲁大学著名经济学家威廉·诺德豪斯进行模型计算后表示，企业家在创新生产过程中，只获取了其中约2.2%的价值，其余的则以工作、工资和价值的形式转移给了社会。 普通企业家创造了大量不属于自己的价值，因此他们也是社会企业家。
创新巨大的造富能力虽然可能放大贫富差距，但同时也增加了阶层的流动性。虽然大多数人的创业会失败，但是只要成功的收获足够大，还是会有很多人前仆后继地投身于冒险创业。这可以提供更多白手起家的机会，不仅是创业者和企业家，在新兴公司里工作的年轻人也会获得更大的上升空间，可以增强健康的社会流动性。试想，如果没有创新和创业的机会，社会阶层就会固化，年轻人只能去大公司或者政府体系论资排辈慢慢晋升。如果真是这样，很多年轻人选择“躺平”就不足为奇了。
创新和利润的关系
在经济学理论中，很多企业如果其商品完全一样，并且有同样的成本和无限的产能扩展能力，就会进行所谓的完美竞争，结果则是所有竞争者都没有额外利润。因此，要想获取超额利润，就必须具备某种稀缺性、独特性，或者称为“垄断”。垄断可能是资源垄断，或者是行政垄断，也可能是技术垄断。在公平的市场经济竞争下，利润主要来源于技术垄断，也就是说创新所带来的短暂的独特性。这种创新的垄断有时来自专利的保护，有时靠短期的不可模仿性，或者是某种先发优势。例如，医药公司的垄断可能主要来自专利，新能源公司的垄断可能来自生产和供应链的模仿难度，而社交媒体的垄断可能基于先发优势。
就像高收入是个人创新的重要动机一样，利润则是企业创新的动机，没有利润的诱惑，商业上的创新就吸引不到资金和人才。当然，基础科学的创新可以靠学术界的认可作为动机，但是科技商业化所需要的巨大投入，必须以未来的短期垄断利润为诱饵，这就需要加强对私有财产和知识产权的保护。
另外，利润也保障了一种资源分配的投票机制。过去创新更成功的公司，也就是利润更多的公司，可以拥有资源来投入下一轮创新。在社会资源有限的情况下，这种机制实际上是让过去创新更成功的公司对未来的创新方向拥有更大的影响力。由于创新的不可预测性，用过去的成功程度来分配创新资源，似乎是一种合理甚至最佳的模式。
同样的逻辑适用于基因的创新。在企业的创新竞争中，成功可以用利润来衡量。在进化论的理论体系中，如何衡量物种的成功呢？我们不妨用满足基本生存需求（成本）之后还有多少闲暇时间（类似企业的利润）来衡量。进化论中的成功者，应该是那些生存无忧且拥有很多闲暇时间的物种。这种衡量标准要比物种数量更加合理，否则仅仅以数量来衡量，细菌岂不是会被当作最成功的物种？因此，用闲暇时间来衡量更为合理，人类就是生物界最成功的物种，有大量的时间可以从事温饱以外的活动。
Aghion P, Bloom N, Blundell R, et al. Competition and innovation: An inverted U relationship [J]. The Quarterly Journal of Economics, 2005. 比较成功的企业和物种，具有更强大的创新能力。至于那些竞争压力太大的企业和物种，可能反而没有那么强的创新潜力。当然，创新潜力并不等于创新能力，如果完全没有竞争压力，也可能会削弱创新力，比如随着利润到顶，企业就不再具有参与创新的动力。因此，企业（或者物种）的创新力会随着竞争压力的加强呈现出倒U形，如果完全没有压力或者压力太大，都会有损创新力。 这个逻辑不仅适用于企业、个人和物种，而且可能适用于国家。
国家、资源和贫富问题
对于国家的贫富来说，创新也变得越来越重要。在工业文明之前，有没有资源和土地可能是决定国家贫富的重要因素。但在如今的世界经济中，只有5%的份额与自然资源相关。我们仅仅通过日常经验也能得出这个结论，比如生产汽车、制造电脑以及建造房子所用到的金属、塑料与合成纤维等原料，并不那么值钱。此外，资源消耗更少的服务业，在经济中的地位将会更加重要。可以预测，资源的重要性从长期来看会持续下降。
1英里≈1.6千米。——编者注 在一个国家内部，资源丰富的地区一般都比较贫穷，而人口密集的地区则相对更富裕一些。在美国，大多数人居住在距离海岸50英里 之内的地区，多数大公司、大学和研究机构也位于沿海地区。美国之所以成为最强大的国家，不是因为它拥有丰富的自然资源，而是因为拥有丰富的人力资源，以及建立在前者基础上所形成的全球领先的科技创新能力。当今，几乎所有高收入国家都是创新强国。
人类正在面临碳排放引起的气候变暖问题。在这个时代，科技创新被认为是解决碳排放问题的根本途径。科技创新已经提供了各种替代能源的可能性，如太阳能、风能等。太阳能的发电成本已经接近火力发电，当然，如果要全面推广还需要巨额的投资。要彻底解决碳排放问题，靠减少人口或者减少消费都不可能成功，必须依靠新能源技术的开发和利用，还需要全社会对于投入巨额资源达成共识。
除了创新之外，还有许多关键因素可以使一个国家变得富裕。这些因素包括稳定的政府、产权保护、良好的基础设施、健全的金融体系、良好的教育和贸易开放。所有这些因素都很重要，但是从政策的视角来看，哪些更加难以实现？我们暂且忽略那些最不发达的国家（比如非洲的一些国家，因为它们缺乏的要素太多），而去关注中等收入国家，会发现其中大多数国家具备这些要素。例如，泰国拥有稳定的政府、不错的基础设施，大学入学率和贸易开放度也比较高，但它还不能被称为发达国家。差距在哪里呢？通过对比会发现，高收入国家与中等收入国家之间的差距，往往就在于创新能力的高低。
那么究竟什么样的国家政策才能培育创新力？这样的政策是基于什么理论？在心理学、经济学还有人口学或者哲学中还有哪些创新理论？我在2007年前后前往斯坦福大学攻读经济学博士，处于世界创新中心的硅谷，作为创业者，希望研究与创新相关的经济学。但令人惊讶的是，创新领域的经济理论还有很多空白。对于何种环境或者政策会引发创新，或者是创新和人口的关系，都没有很成熟的理论，也不是热门的研究方向。当然，这并非因为创新不重要，而是因为研究创新很难，也缺乏量化的数据。学者为了发表论文和评职称，都会把研究方向定在比较容易做出成果的领域。总的来说，创新虽然是一个非常重要的现象，甚至是最重要的经济活动，但长期缺乏成熟的理论。接下来，我简单介绍一下自己认为最重要的，尤其是与创新主义价值观相关的理论。
创新的机制和方法
随机探索和不确定性
创新活动最大的规律就是，颠覆性创新的方向没有规律或者说不可预测。从创新的定义来讲，如果有规律可循，那么就不是创新了。如果一项技术有确定的规律和方向，那么我们从定义上就会把它叫作1~100，而不是0~1，1~100至少不能称作颠覆性创新。如果只是1~100，大公司或者大机构就会做得很好，这并不是创业公司的机会。过去几十年里，很多创业公司的崛起都出乎意料。举个有趣的例子，在我小时候阅读的科幻小说里，最具创新含量的主要是太空飞船和机器人，那时却没人想到，如今手机和互联网才是这个时代最具革命性的创新。
创新大方向不可预测的结论乍看令人惊讶，实际上却是一种必然。如果一项技术有确定的方向，那么在市场经济背景下，肯定早就有人去实现确定的机会，这就不能叫作颠覆性创新或者0~1式的创新。因此，真正的颠覆性创新机会注定是不可预测的。
Stanley K O, Lehman J. Why greatness cannot be planned: The myth of the objective [M]. Cham: Springer, 2015. 从颠覆性创新的不可预测性，我们还可以得到一些启发。《为什么伟大不能被计划》一书就论证了伟大创新的不可预测性。 创新不可能有明确的行动路线图。人类前沿科学技术的突破，就像搜索一个无限维度、无限复杂的迷宫。这个迷宫绝对不是线性的。有时看起来已经很接近成功，实际却是一条死胡同。有时看似是一条羊肠小道或者毫不相关的路径，却引出了一个柳暗花明的全新视角和解决方案。在星罗棋布分散在各处的宝藏物件里，很多物件之间也存在不可预测的联系，你只有发现了A，才会得到宝贵的线索B，只有了解B，才会知道C在哪里。一些创新表面上看起来没有应用价值，却在后来被发现可以引来意想不到的伟大创新。例如，微分几何是18世纪的数学发明，用来研究曲面上的几何，当时毫无实际应用价值，因为已知的物理世界都是平的。谁也没有想到，后来微分几何成了爱因斯坦发明广义相对论的数学工具。还有一个例子是玻璃的发明，谁也没有料到，原本当作装饰用的玻璃，后来却成就了先进的望远镜，促成了伽利略对日心说的有力支持和牛顿的万有引力。这样的例子还有很多，包括现在的数字科技，也是在无数信息科技和工业科技的“踏脚石”上建立起来的。
如果不能用当时是否有用来衡量创新的价值，那么又该如何衡量呢？如果当一个“事后诸葛”，当然可以用后来有多少传承或者引发了多少再创新来衡量，但实际上，当时很难评估未来的创新价值。或许只能有一个模糊的标准，那就是这个创新是否“有趣”，这个思路是否新颖，是否拓展了以往的认知边界，或者提供了另外一种思路，也就是是否更具启发性。虽然有趣和启发性的概念也有些模糊，但这似乎已经是能够给出的最佳标准了。比如，用有趣与否来衡量上个例子里的微分几何，曲面空间当时被认为并不存在，但对几何学而言是一个足够有趣的发现，所以也就成了数学的一个分支。
书中还举了一个以新奇和有趣作为目标的成功的例子。在一个机器人学习项目中，目的是让一个像人类一样拥有双腿的机器人最终学会行走。在两位程序员为机器人编写的算法中，优先目标并不是双腿能够尽快行走，而是尽可能让机器人用自己的双腿做出一些新奇的动作。出乎意料的是，当设定的算法是鼓励机器人做出新奇动作时，它学会走路所用的时间远远少于目标被设定为尽快学会行走的时间。这是为什么呢？原来，如果机器人被设定为“尽快学会行走”，那么在算法逻辑里，摔倒就是一件坏事，机器人会努力避免摔倒，但同时也限制了它对各种行走姿态的试错；但如果是以新奇动作为优先目标，那么机器人一开始会以各种姿势花式摔跟头，但在这个过程中，它逐渐学会了踢腿、摆动身体，而这两个动作正是实现双腿行走的基础。
如果把基因的进化也视作一种创新，那么生物的进化也呈现很大的不可预测性。谁能料到是哺乳动物而非恐龙成了地球的主宰呢？试想一下，如果没有陨石撞击地球灭绝了恐龙，那么哺乳动物的崛起还要等多少年？在哺乳动物里，谁能料到是灵长类而不是大象或者狼最终能够成功呢？而在众多人类的祖先中，谁能料到是智人而不是尼安德特人等其他种群最终发展出了文明呢？
创新之不可预测性给我们带来的启发是：在宏观上，创新活动是一个分布式的随机搜索过程，所以要尽可能让更多的搜索者，如科学家和艺术家，以个人的独特视角或创意，去发现可能成功的路径。虽然有些创新暂时看起来没用，但却有可能是未来伟大创新的“踏脚石”。因此，一个创新不仅要看现在的用处多大，还要看其有多么新奇或者有趣，因为越是有趣且越具启发性的想法，就有越大的可能成为未来创新的“踏脚石”。
创新的不可预测性和不确定性似乎让人沮丧，但是反过来想，如果创新有确定的方向，那么只需要少数精英去规划尝试，从而整个社会的财富和权力就会更加集中，阶层就会更加固化。正是由于这种不确定性，才需要更多的人自主探索，社会才有更多的包容度、多样性和流动性。由此可以引申出创新主义自由和包容的价值观，有关创新主义的价值观将在后文详细介绍。
科学方法和创新网络
科学的方法，是提出理论和模型。在很多情况下，理论和模型可以使用精确和量化的数学语言来描述。用理论去推导和预测实验和观察数据，然后用实验和观察数据来验证及修正理论。科学方法的特点就是要有可预测性，所提出的理论必须可以预测一些未知的现象，这也就是所谓的可证伪性，科学的理论必须有可能是错的，如果真的出现了其错误预测的现象，这个科学理论就可以被修正（见图2.1）。科学的发展历史，就是科学理论不断被修正的历史。
人类科学方法的启蒙出现在古希腊，那时已经发明了几何学，可以用几条公理推出很多几何定理。托勒密的天文学理论，试图用地心说模型来精确预测天体的运行。虽然这个理论多年之后被证明是错的，但是这种提出量化模型和理论并且用观察来验证的方法，却是科学方法的雏形。
图2.1 科学方法模型
在此后的1 000多年，中世纪的宗教严重束缚了科学的发展。但是古希腊科学方法的雏形在文艺复兴之后得到了传承。以伽利略为首的科学家，凭借先进的望远镜，修正了托勒密天文学，支持了以太阳为中心的天体理论。导致牛顿后来用万有引力和微积分为理论模型，精确地预测了天体的运行规律，开启了科学革命的大门。牛顿开创的经典物理学取得了极大成功，让人类意识到自然界规律竟然可以用简单的数学公式来精确描述。人们对于用科学和科学方法来解释世界的信心大增，科学和科学方法成为人类认知世界最有效的办法。
有人会问，为什么东方没有出现现代科学？这个问题在学术界颇有争议，产生了多种说法。其中一种说法是，古代中国可能缺失的是科学的方法——严密的推理、量化的模型，以及对实验观察的验证。举个例子，中国以前也发现了勾股定理，但是描述的不是模型，而只是列举了一些勾股数，如勾三股四弦五，并没有上升到理论，也没有逻辑推导和证明。中国的一些阴阳理论表面上可以解释一切，但也正因为可以解释一切或者叫作不可证伪，后人也难以不断完善这些理论。当然这只是一种说法，至于为什么是西欧而不是古代中国率先成为世界创新中心，后面还会有进一步的论述。
科学方法缺失的直接结果，就是形成不了创新的网络。创新的最佳组织形式，是要尽可能多地发挥人的创造力，并且让人们能够互相借鉴和学习，形成一个互相传承的创新网络。形成创新网络的前提必须是科学的方法。因为只有当科学家提出量化的理论和精确描述的实验，才方便让其他科学家参与进来，一起来设计和重现实验，一起来验证和修正理论，或者把这个创新作为“踏脚石”进行新的创新。科学方法中的可证伪性和可验证性，是形成创新网络的必备条件。
早在几百年前，西欧的科学家就通过学术期刊、研讨会和协会等形式，组成学术创新的网络，促进众多科学家的交流，从而显著提高整体的创新效率，最终引发了科学革命。中国古代虽然也有科学家，但是往往单打独斗而没有形成学术网络。至于当今的创新，更不再是某个科学家的个人表演，而是一个科学家群体的创新，这就是迄今为止非常成功的学术圈子。科学家不只是出于商业的目的，而是为了名誉和兴趣，争先恐后地发表自己的创新理论和实验，并能很快得到全球其他科学家的反馈。
相对于学术创新，过去企业里的创新往往是秘密进行的。但是近年来的新趋势是，即便是企业的创新也变得越来越开放。与开放的学术网络类似的是，近年来流行的开源创新生态。很多软件已经从一个公司的产品，演变为全社会软件工程师都可以参与的开源创新生态。例如，Linux操作系统就是一个非常成功的创新网络。不仅是软件，像维基百科这样的媒体公司，也是由全社会的作者共同参与完成的开源系统，或者说是一个开放的创新网络。这些开源的创新网络，由于有全社会的创新者参与，无论是创新的速度还是质量，都远远高于封闭的创新产品。
科学方法和创新网络不仅是创新产生的核心机制，而且可以引申出创新主义的重要价值观：科学和开放。科学是创新与传承的媒介和语言，创新网络提供了人类协同合作的交流平台。因此，成功的创新者必须掌握科学的工具，并且具有开放合作的理念。有关创新主义的价值观将在后文详细介绍。
创新力的要素
前面讲了决定一个国家的财富水平最重要的因素是创新力。所以说，社会科学中最重要的研究课题之一是如何培养创新力。《创造性破坏》一书总结了这方面最新的研究成果，经济学的共识是创新力需要产权保护、基础设施、开放贸易、普及教育、合理的税收负担等要素。这些要素都只是必要条件，远远不是充分条件。很多中等收入国家，如泰国、马来西亚，都具备这些条件，但其创新力和经济发展水平都不能达到发达国家水平。这些因素也不能解释为什么美国的创新力远超其他发达国家，因为似乎其他发达国家在这些方面并不逊于美国。
Romer P. Endogenous Technological Change [M]. Chicago: The University of Chicago Press, 1990. 迄今为止，现代经济学还缺少可以很好地解释国家创新力的理论。最接近的，可能是20多年前美国经济学家保罗·罗默提出的创新和经济增长模型。 一个人口规模更大的群体，可以让更多人从事研究和创新工作，从而驱动更快的技术进步和更高的劳动生产率。罗默模型中的人口，没有特指是一个国家的人口还是全球的人口。如果是全球人口，那么这个模型正好能解释过去几百年全球人口和创新力同步增加的现象。
如果要解释一个国家的创新力，就需要一个新的模型。前面我讲了创新的不确定搜索模型和科学方法。不确定的搜索需要很多人去实验和探索，科学方法的精髓是让很多人交流参与。因此，这两者带来的启示是创新力来自很多聪明人的交流。受到这个启发，我在《人口战略》中首先提出了国家创新力模型。
国家创新力模型
新的产品和技术不可能被凭空创造出来，而是现有产品和技术的一种新的组合和连接。现有产品技术的知识，有些存在于公共领域，例如基础理论知识可以通过学习来获得。有些则需要和不同领域的知识携带者进行沟通交流。所谓的知识携带者可能是相关领域的科学家，可能是一个关键零部件的厂家，也可能就是一个深度用户。与这些知识携带者进行交流，是产生创新想法的源泉，也是创新想法被验证或者商业化的必经之路。
由此可见，创新力源于很多聪明人的思想交流。因此，一个国家的创新力不仅取决于人口数量，还取决于其人口能力，以及内部交流量和外部交流量。人口能力是指人口中平均的个人能力，其中包括天分、教育、经验、精力、沟通能力和冒险能力等。内部交流量和外部交流量是指本国和国外交流的畅通性，涵盖信息、商品、资金等多种交流形式。一个比喻是，人类社会就像大脑，人就像神经元，神经元越多（好似人越多），神经元越活跃（好似个人能力越强），神经元之间的连接越多（好似内部和外部交流畅通），大脑就会越发达。
如果用一个公式表达就是：
创新力=人口数量×人口能力×（内部交流量+外部交流量）
以上公式是本书的核心理论框架之一。我将多次运用以上框架来解释人口、教育、内部和外部的开放程度，以及其他公共政策对于创新力的影响。
从创新力模型的公式可以推导出四个人口效应：
1.人口数量→规模效应。
2. 人口能力→老龄化效应。
3. 内部交流量→聚集效应。
4.外部交流量→流动效应。
首先，人口数量越多，创新力就越强，这就是我们常说的规模效应。人口多，一方面意味着市场大，另一方面也代表了人才更多。而且大国的初创企业由于能够更早实现量产，就更有机会在开拓本国市场取得成功后，迅速进入其他国家的市场。这种先发优势在互联网和人工智能领域尤为明显，因为实际上会有大量用户参与创新——因为他们的使用而让算法被不断优化。也就是说，用户越多，产品就越好用；或者说用户越多，产生的内容就越多。因此，当一个社交平台、搜索引擎或者人工智能算法在大国形成规模效应以后，可以把小国的初创企业远远抛在后面。这就能解释为什么如今世界上最有钱的网络平台公司，几乎都出自美国和中国这样的人口大国。相比之下，作为以前的制造业强国，日本和德国却鲜有这种级别的互联网巨头或者人工智能公司。
其次，公式中的人口能力涵盖教育、经验、年龄等维度。其中，创新能力和人口年龄有很大关系，一个老龄化社会的创新活力会大幅度下降，这是因为当庞大的中老年人占据了经济中的主导地位时，年轻人得不到足够的历练，也缺乏人脉和话语权，最终就会缺乏晋升机会，创新和创业的积极性就会受到打击。这很像20世纪90年代的日本，老龄化效应的结果就是，整个社会创业和创新的活力大打折扣。
最后，还要看内部交流量和外部交流量。内部交流量是指国内交流的强度，外部交流量是指国际交流的强度。内部交流量的提升可以通过培育人口聚集的大城市，实现所谓的“聚集效应”。外部交流量的提升则需要保持国际交流的开放，尤其重要的是保持人员交流的畅通，即所谓的流动效应。
有关这个模型的更多内容以及推导出的政策建议，将在后文详细介绍。
计划经济和市场经济
为什么计划经济往往会导致创新活动凋零呢？通常的观点是，计划经济缺乏对于产权的保护，创业成功的利益无法得到保证，进而导致了创业活动的缺失。这是一个不错的解释，但是不能解释即便同样是大型企业，市场经济中的大企业也要比计划经济中的大企业更具创新力。
Schumpeter J. Capitalism, Socialism and Democracy [M]. New York: Harper Perennial Modern Classics, 1950. 因此，我从国家创新力模型的角度给出另一种解释。还是以前文说的人脑神经网络为例，一个创新的神经元脉冲会引发很多新的神经元连接，从而产生更多的脉冲和连接，周而复始。市场经济也提供了科技创新所需要的网络连接。因为一旦一个新产品问世，就会有无数竞争者试图模仿和超越，还有很多上游企业竞争成为供应商，下游企业也会从创新中获益并且得到启发，从而引发下游的创新。因此，在市场经济中，一个创新会在同行、上游、下游的相关企业中激发新一轮创新冲击波。这种冲击波可能带来整个行业的重组，有些企业迅速成长，有些企业则衰退甚至倒闭（这就是熊彼特所说的创造性破坏理论） 。以智能手机行业为例，当芯片、触摸屏和无线通信的技术发展到一定程度之后，史蒂夫·乔布斯首先创造了智能手机，后来智能手机行业快速成长，又反过来极大地促进了上游的芯片、通信和LED（发光二极管）的发展，也催生了巨大的移动互联网产业。这种持续孕育生成创新波浪所需的环境，就是市场经济中可以灵活重组连接的产业网络，这很像人脑可以随时重组的神经元网络。相比之下，在计划经济中，上下游的供货关系源于僵化的命令，缺乏潜在的竞争和重组能力，导致创新在计划经济中能够产生的冲击波弱很多。因此，市场经济中的动态网络结构，比计划经济上下层级结构更具有交流性，从而能够孕育出更强的创新。
计划经济的缺陷直到50年前才被经济学界逐步认识，因为如果不考虑创新力，传统的经济学理论并不能很好地预测计划经济的弊端。苏联经济凭借其国家资本的快速积累和庞大的人口，也曾偶尔出现创新力亮点，例如在太空探索领域。但是，僵化的计划经济体制导致其总体的创新力远远落后于西方国家。美国和日本等人口大国，在汽车、家电、半导体等领域的创新把苏联远远地抛在了后面。
当然计划经济的弊病现在已经是经济学界的共识，几乎所有国家都会采取市场经济，以及一些有利于创新的经济政策，如普及教育、产权保护、基础设施等。这里的国家创新力模型并不是说这些条件不重要，而是这些条件只是必要条件，在同等条件下，人口和交流才是创新力的关键要素。如果考虑到大多数国家会开放贸易，那么人口就成为创新力最关键的要素。
其实人口是创新力的关键要素从微观角度应该不难理解，一个组织和企业的创新力根本上取决于人才。另外，人口是创新力的关键要素，这是符合逻辑的，因为如果提高创新力仅仅靠产权保护、普及教育、基础设施建设等，那么这个世界上就会有很多发达国家，也不会存在所谓的中等收入陷阱。
根据创新力模型，最关键、最难的还是培育人口，或者培养很多高素质的人口。为什么难，难在何处？这是因为无论是提高生育率还是引进移民，都是一项综合工程，需要民生的各个方面来配合。例如，需要有高质量的教育，但学习负担不能太重；需要宜居的城市，但房价不能太贵；另外需要向家庭倾斜福利政策和其他方面的民生保障等，只有这样才能让家庭愿意生更多的孩子或者让高素质的外国人来移民。本书后面会对此提出一系列政策建议。
中国近代创新力落后的原因
有人会问，如果人口是创新力模型中的要素，为什么拥有世界上最多人口的中国，当初并没有成为类似西欧诸国或者美国那样的先进国家呢？这是因为，根据创新力模型，创新不仅需要大量的人口，还需要对内和对外交流的畅通。创新是互相碰撞和学习的过程，即使一个国家的人口再多，也需要与更大的外部世界进行贸易交流，才能站在创新的前沿。在600多年前的明朝，中国仍是世界上最先进的国家。在郑和下西洋的过程中，他们使用的航海技术比同时期的欧洲地区先进得多。但在此次航海活动之后不久，由于很多偶然性因素的影响，中国的统治者停止了所有的海洋探险活动，并且关闭沿海贸易，严重阻碍了对外的科技交流。
从地理上看，美洲离西欧更近，因此西欧国家能够早于中国发现新大陆，并将其经济贸易扩展到非洲、中东和印度，获取了比中国更为广大的市场。这就是工业革命和科技革命发生在欧洲而不是中国的主要原因。同时期，近代中国虽然刚刚被迫开放，但却遭受了一系列的战争。新中国成立初期，实行了不利于创新的计划经济模式。因此，一直到改革开放之前，中国的创新能力仍然是落后的。
如果一个国家能够吸收世界上最先进的技术，依靠研究和开发推动进一步创新，同时政局稳定并且保持对外开放交流，那么庞大的人口规模就会成为创新和经济发展的优势，美国20世纪的经济史就展现了这种优势。
早在1850年，英国和德国就已经成为世界上的工业强国，而美国仍然是一个农业大国。不过，从那时起，美国开始学习和吸收西欧的技术，同时吸引了大批移民。不久之后，它的人口就超过了西欧各国，从一个欧洲技术的模仿者，迅速演变为一个技术创新的开拓者。众多发明家和企业家，例如托马斯·爱迪生和亨利·福特，引领了世界先进技术和商业组织的潮流。到20世纪初期，美国的人均收入水平赶上了西欧国家，成为世界上最大的经济体。在1900年之后，美国持续吸引大量移民，其经济规模远超其他任何一个国家。总而言之，利用人口规模方面的巨大优势，美国成为世界领先的创新者和超级经济大国。
在工业和信息时代，人口众多是创业与创新的重要优势。中国经济在过去40多年中的经验是另一个例子。以1978年的改革开放为起点，中国一旦打开了面向世界的大门，其巨大的市场就迅速吸引到大批外国投资。同时，大量高学历的劳动力能够迅速吸收先进技术，提高生产率。在过去的几十年中，中国的企业家创立了众多成功的本土企业，不仅在国内市场，而且在国际市场上与国际巨头展开竞争。例如，华为已经成为优秀的跨国公司。基于庞大的市场规模和众多的人口数量，中国不仅正在追赶世界先进技术，而且在创新领域也将大有作为。
令人惋惜的是，中国的人口优势正在迅速衰退，生育率已经不到更替生育率的1/2，也未能吸引大批高素质移民，因此中国的人口优势正在以每代人减半的速度衰退，这将影响未来中国的创新能力。另外，大多数富裕国家也对低生育率问题有不同程度的困扰，尤其是东亚国家，如韩国和日本。全球的人口少子化和老龄化趋势，可能是未来创新力下降的最大隐患。下一章将详细介绍与人口有关的问题。
