本文基于政治经济学原始分析框架,以美国案例为重点,研究当前以数字技术为基础的技术范式演进过程中民用与军用轨迹的互动关系。通过考察企业活动及美国政府产业与技术政策,深入分析数字技术的演进历程以及字母表、亚马逊、苹果、元平台、微软等美国科技巨头的崛起过程,揭示其平台商业模式具有垄断权力、大数据管理以及强大的控制、监控与目标定位能力等特征。数字技术的兴起主要由民用轨迹主导——其拥有庞大商业市场并在社会活动多个领域具有前所未有的覆盖范围。然而,该轨迹的核心特征日益受到军事优先领域的重点关注。通过对美国近期军事领域产业与技术政策的分析表明,这些政策扩大了美国数字科技企业在武器装备与安全项目中的参与度,推动了数字领域大型国防研发项目的发展,并塑造了民用与军用轨迹的新型融合态势。因此面临的现实是数字-军事-工业综合体的兴起——这个在民用轨迹基础上发展起来的数字时代的重要新现象,同时也带来诸多问题。

技术范式、民用与军用轨迹

本文旨在探究数字时代企业战略与政府产业技术政策如何影响技术发展朝向民用或军事目标的导向。这一问题处于技术研究(熊彼特1961、罗森伯格1982、多西等1988、多西2023)、军民关系研究(卡尔多1982、蒂尔曼1984、史密斯1985、莫韦里2010)与技术政治经济学视角(斯特兰奇1984、诺布尔1984、皮安塔1988、祖博夫2019)的交叉点。研究的起点是“技术范式”概念(佩雷斯1983、弗里曼与佩雷斯1988、弗里曼与洛萨2001)。工业革命以来经济增长长波的序列始终与特定技术集合相关联,这些技术具有价格快速下降、性能持续提升以及在经济社会中高度渗透的特征。20世纪早期以“福特主义”大规模生产的机械与化学技术为主导,塑造了工业化与大众消费模式。自1980年代以来,基于信息通信技术的新范式逐渐形成,并演进为当前的数字时代。

基于托马斯·库恩(1962)“科学范式”的定义,乔瓦尼·多西提出“技术范式”可被视为“基于自然科学原理与特定材料技术而形成的技术问题解决‘模式’与‘范型’”(多西1982:152)。以半导体为例,为执行通用任务(放大与切换电信号),选择特定材料技术(硅半导体),利用其科学特性实现性能的持续改进。卡洛塔·佩雷斯(1983:366)总结了技术范式在经济社会中的扩散过程:首先,新技术的“革命性突破”使新型生产形式成为可能;其次,经济结构发生转型,新部门增长、产业间关系变革以及新产品、新工艺与新组织形态不断发展;第三,劳动力队伍重组,劳动过程、劳动力构成与技能结构发生改变;第四,社会结构重塑,形成新的工资与社会分层,进而催生新的需求模式与消费形式,同时也引发新需求、身份认同、共识模式与矛盾冲突。若供给端变革与需求端变化相互匹配,新技术发展可为经济提供持续增长路径,引领新的积累周期(同上)。一旦“技术范式”确立,“技术轨迹”随之发展,决策过程需在范式特征变量间寻求最佳平衡。新成果源自技术变革的累积特性、历史经验运用、市场关系模式、政府决策、制度压力与社会冲突等多重因素(多西1982;尼尔森与温特1982)。

在此背景下,民用与军事目标之间的对立长期引领着不同技术轨迹的发展。通常而言,民用轨迹受市场驱动,受成本最小化压力、广泛适用性与大众消费需求约束,并由具备多元能力的寡头企业之间的竞争所塑造。相反,军用轨迹则由军事需求塑造,强调指挥与控制能力,聚焦极致性能要求,较少关注成本因素且常伴随经济低效特征。关于民用与军用技术的详细讨论将在第三节展开。所有这些进程都在国际范围内的市场关系与政治机构中展开;其本质改变了国际分工与国家地位。各国经济可能面临原有专业化优势受威胁,导致危机与衰退。国家政治与军事实力亦可能受到影响。政府产业与技术政策是塑造技术变革成果、应对这些转型的关键工具。需要采用政治经济学视角,以整合技术变革、市场进程、政府政策、民用与军事目标等多元议题。本文采用的分析框架如图1所示。在特定技术范式内,企业基于市场动态制定研发投入与生产活动的数量与质量决策,塑造其技术能力与战略。同时,政府制定技术与产业政策——包括军事相关政策——以支持本国企业表现并增强国内外语境下的国家实力。企业与政府的行为共同塑造当前技术系统的民用或军用导向;两者在性能与成本标准、效率关注重点方面存在明显分野,同时在某些能力、战略与项目中可能存在融合。这些进程的成果首先可从经济维度考察——包括GDP增长、企业利润与权力、就业与分配效应等方面的表现;其次可从政治维度评估——包括国内语境下国家权力的演进(与本国企业关系、社会共识、政治合法性)以及国际舞台上国家间关系模式、军事力量投射与国际秩序影响力等。在此概念框架内,将在第二节总结数字技术范式的特征与演进,第三节分析数字时代民用与军用轨迹分化与融合的驱动因素,第四节考察美国数字平台的战略,第五节探讨美国军事产业与技术政策的演变。本研究将以数字技术领导者美国为重点分析对象。

成为VIP会员查看完整内容
2

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《美国加速向新国防战略过渡》兰德2023最新48页报告
专知会员服务
38+阅读 · 2023年10月10日
深度学习研究及军事应用综述
专知
26+阅读 · 2022年7月7日
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
多模态情绪识别研究综述
专知
24+阅读 · 2020年12月21日
基于深度学习的数据融合方法研究综述
专知
34+阅读 · 2020年12月10日
【数字工程】美国国防部数字工程战略解读(全文)
产业智能官
34+阅读 · 2019年4月15日
深度学习技术发展趋势浅析
人工智能学家
28+阅读 · 2019年4月11日
综述 | 近年来深度学习的重要研究成果(附PDF)
数据派THU
14+阅读 · 2018年8月15日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
171+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
482+阅读 · 2023年3月31日
Arxiv
79+阅读 · 2023年3月26日
Arxiv
174+阅读 · 2023年3月24日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关资讯
深度学习研究及军事应用综述
专知
26+阅读 · 2022年7月7日
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
多模态情绪识别研究综述
专知
24+阅读 · 2020年12月21日
基于深度学习的数据融合方法研究综述
专知
34+阅读 · 2020年12月10日
【数字工程】美国国防部数字工程战略解读(全文)
产业智能官
34+阅读 · 2019年4月15日
深度学习技术发展趋势浅析
人工智能学家
28+阅读 · 2019年4月11日
综述 | 近年来深度学习的重要研究成果(附PDF)
数据派THU
14+阅读 · 2018年8月15日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员