西元 1750 年，一位來自江南的士大夫與一位英國紳士，生活水準相差無幾。一百年後，這個等式被徹底打破：西歐已經進入蒸汽機時代，而清帝國卻在鴉片戰爭中一敗塗地。這是歷史學家所謂的「大分流」——人類文明史上最深刻的裂痕之一。今天，我們正在見證另一場分流的開端：算力取代了蒸汽機，數據取代了煤炭，而這一次分流的速度，可能遠超我們的想像。
一、歷史的回聲：理解第一次大分流
彭慕蘭的修正主義史觀
在彭慕蘭（Kenneth Pomeranz）2000 年出版的《大分流》（The Great Divergence）之前，主流史學界普遍接受「歐洲例外論」——認為西方自古以來就具有某種獨特的制度、文化或理性傳統，使其注定超越東方。馬克斯·韋伯（Max Weber）的新教倫理、道格拉斯·諾斯（Douglass North）的制度經濟學、大衛·蘭德斯（David Landes）的文化決定論，都是這一敘事的變體。[1]
彭慕蘭提出了激進的修正：直到 1750 年前後，長江三角洲與英格蘭在市場發育、農業生產力、預期壽命、消費水準等關鍵指標上相差無幾，甚至中國在某些方面還略勝一籌。[2] 那麼，為何工業革命發生在英國而非江南？彭慕蘭的答案出人意料：不是因為英國「更先進」，而是因為英國「更幸運」——他們擁有易於開採的煤礦，以及新大陸殖民地提供的「幽靈畝地」（ghost acreage），讓他們得以突破馬爾薩斯陷阱的生態限制。[3]
制度、地理與偶然
當然，彭慕蘭的論點並非定論。羅伯特·艾倫（Robert C. Allen）在《全球經濟史》中提出「高工資經濟」假說：正是因為英國工資高、煤炭便宜，才使得以機器替代人力的創新變得有利可圖。[4] 喬爾·莫基爾（Joel Mokyr）則強調「啟蒙經濟學」——十八世紀歐洲獨特的知識文化，使得科學知識得以系統性地應用於生產實踐。[5]
這場學術辯論至今未有定論，但有一點是共識：大分流不是文明優劣的證明，而是制度、資源、偶然性與路徑依賴的複雜交織。更重要的是，一旦分流開始，差距就會自我強化——領先者擁有更多資源投入創新，落後者則陷入追趕的困境。這種「馬太效應」式的動態，正是理解當前 AI 分流的關鍵。[6]
二、算力霸權：新分流的物質基礎
從煤炭到晶片
如果煤炭是第一次工業革命的「戰略資源」，那麼算力（compute）就是 AI 時代的等價物。訓練一個大型語言模型所需的算力，正以指數級速度增長：GPT-3 消耗了約 3,640 petaflop-days 的算力，GPT-4 估計超過 10 倍，而下一代模型可能還要再翻數倍。[7] 這意味著，只有擁有龐大算力基礎設施的組織，才能站在 AI 發展的前沿。
算力的生產高度集中。全球最先進的晶片製造能力，掌握在極少數企業手中：台積電（TSMC）生產了全球超過 90% 的先進製程晶片，而這些晶片的設計則由輝達（NVIDIA）、AMD 等美國企業主導。[8] 這種「卡脖子」式的產業鏈結構，使得算力成為地緣政治的籌碼——2022 年美國對中國實施的晶片出口管制，正是這一邏輯的體現。[9]
數據殖民與數位圈地
算力之外，數據是 AI 的另一項核心資源。但數據的分布同樣極不均衡：全球互聯網流量的絕大部分，流經美國科技巨頭的伺服器。Google 處理全球 90% 以上的搜索請求，Meta 擁有數十億用戶的社交數據，Amazon 掌握了全球電商的消費軌跡。[10]
尼克·庫德里（Nick Couldry）與烏利塞斯·梅希亞斯（Ulises Mejias）將這種現象稱為「數據殖民主義」（data colonialism）：正如十九世紀的殖民者掠奪土地和勞動力，今天的科技巨頭正在攫取人類的行為數據，將其轉化為私有資本。[11] 這種新形態的「圈地運動」（enclosure），使得全球南方國家淪為數據的供應者，而非數據價值的受益者。
能源的制約
AI 的另一個物質基礎是能源。訓練大型模型的碳足跡驚人：一項研究估計，訓練一個 GPT-3 級別的模型，產生的碳排放相當於一輛汽車終生行駛里程的五倍。[12] 隨著模型規模繼續擴大，能源需求只會更加龐大。這意味著，擁有廉價、充足能源的地區——無論是美國德州的天然氣發電，還是北歐的水力發電——將在 AI 競賽中佔據優勢。
諷刺的是，這與第一次大分流何其相似。英國的煤炭、美國的石油，都曾是工業霸權的物質基礎。今天，誰掌握了算力、數據與能源的三位一體，誰就掌握了 AI 時代的命脈。而這些資源的分布，遠非均等。
三、社會結構的斷裂：從中產階級的消亡說起
技術性失業的幽靈
每一次重大技術革命，都會重塑社會階層結構。工業革命消滅了手工業者，創造了工廠工人；電腦革命消滅了打字員，創造了程式設計師。AI 革命的不同之處在於，它威脅的不再只是藍領階層，而是白領中產階級的核心地帶。[13]
經濟學家大衛·奧特（David Autor）的研究顯示，過去三十年來，美國勞動市場呈現明顯的「極化」（polarization）趨勢：高技能、高薪資的工作增加了，低技能、低薪資的服務業工作也增加了，但中間階層的例行性工作——會計、行政、文書——正在被自動化取代。[14] AI 的出現，可能加速這一趨勢：法律助理、放射科醫師、金融分析師、翻譯……這些曾被視為「知識工作」的職業，正面臨前所未有的衝擊。
超級明星經濟
與勞動極化相伴的，是「超級明星經濟」（superstar economy）的崛起。經濟學家舍爾溫·羅森（Sherwin Rosen）早在 1981 年就預見了這一趨勢：在「贏家通吃」的市場中，微小的才能差異會導致巨大的收入差距。[15] AI 放大了這種效應：頂尖的程式設計師、創業家、AI 研究者，能夠藉由技術槓桿創造驚人的價值；而中等水準的知識工作者，則可能被演算法取代。
麻省理工學院的艾乎龍·布林喬夫森（Erik Brynjolfsson）與安德魯·麥卡菲（Andrew McAfee）將此稱為「第二次機器時代」的核心悖論：技術進步帶來了前所未有的財富，但這些財富的分配卻越來越不均等。[16] 他們的研究顯示，自 1980 年代以來，美國的生產力持續增長，但中位數工資卻幾乎停滯——這被稱為「大脫鉤」（Great Decoupling）。
教育投資的貶值
對中產階級而言，教育一直是向上流動的階梯。但在 AI 時代，這條階梯可能正在崩塌。過去，大學學位是進入中產階級的門票；今天，許多大學畢業生卻發現，他們學到的技能正在被自動化取代，而學貸卻像石頭一樣壓在肩上。[17]
更根本的問題是：當 AI 能夠執行越來越多的認知任務時，「教育」的意義是什麼？是學習特定的知識技能，還是培養更根本的創造力、批判思維、情緒智慧？這是教育體系尚未回答的問題。布迪厄（Pierre Bourdieu）曾指出，教育體系是再生產社會不平等的機器；[18] 在 AI 時代，這種再生產機制可能以新的形式延續——擁有資源的家庭能夠為子女提供 AI 教育、程式訓練、創業資本，而弱勢家庭的孩子則被拋在後面。
四、地緣政治的重組：技術民族主義的崛起
美中科技戰的深層邏輯
2018 年以來，美國對中國發動的「科技戰」，不僅是貿易摩擦，更是對未來霸權的爭奪。從華為禁令到晶片出口管制，從實體清單到《晶片與科學法案》（CHIPS and Science Act），美國的目標很明確：阻止中國在 AI、半導體等關鍵領域取得領先。[19]
這種「技術民族主義」（techno-nationalism）的崛起，標誌著全球化時代的終結——至少是在高科技領域。亨利·法雷爾（Henry Farrell）與亞伯拉罕·紐曼（Abraham Newman）提出的「武器化相互依賴」（weaponized interdependence）理論指出，全球供應鏈中的「咽喉點」（choke point）已經成為地緣政治的工具。[20] 台積電的晶片、ASML 的光刻機、NVIDIA 的 GPU，都是這樣的咽喉點——誰控制了它們，誰就擁有了施壓的槓桿。
數位主權與科技陣營
在這場競爭中，世界正在分裂成不同的「科技陣營」。美國主導的陣營包括其傳統盟友：歐盟、日本、韓國、台灣、澳洲。中國則試圖建立自己的技術生態系統，從華為的 HarmonyOS 到國產晶片的研發。[21] 這種「脫鉤」（decoupling）或「去風險化」（de-risking）的趨勢，正在重塑全球產業鏈的版圖。
歐盟則試圖走出「第三條路」。從《通用數據保護規則》（GDPR）到《人工智慧法案》（AI Act），歐盟強調「數位主權」（digital sovereignty）——既不依附於美國科技巨頭，也不接受中國式的數位威權。[22] 但問題在於，歐盟缺乏自己的大型科技平台，其「監管超級大國」的角色能否轉化為真正的技術競爭力，仍是未知數。
全球南方的困境
在美中競爭的夾縫中，全球南方國家面臨的處境尤為艱難。他們缺乏發展 AI 所需的算力基礎設施、人才儲備和資本投入，卻必須在不同的「科技陣營」之間做出選擇。非洲、拉丁美洲、東南亞的許多國家，正面臨「數位依附」（digital dependency）的風險——他們使用的是美國的平台、中國的設備，而自己卻沒有核心技術能力。[23]
這讓人想起十九世紀的「大分流」：當歐洲進入工業時代時，亞非拉成為原料產地和傾銷市場。今天，全球南方是否會再次淪為「數據殖民地」——提供廉價的數據標註勞動、消費 AI 產品、卻無法分享技術紅利？這是一個令人不安的問題。[24]
五、治理的真空：誰來制定 AI 的規則？
科技巨頭的私人治理
在國家政府試圖理解 AI 之前，科技巨頭已經在事實上行使著「私人治理」的權力。OpenAI 決定 GPT 能說什麼不能說什麼，Google 決定搜索結果的排序，Meta 決定什麼內容該被推薦或下架。這些決策影響著數十億人的資訊獲取，卻不受任何民主程序的約束。[25]
法蘭克·乞格里亞諾（Frank Pasquale）在《黑箱社會》（The Black Box Society）中警告：演算法正在成為新的「權力的面紗」——它們塑造我們看到的世界，卻不向我們解釋其運作邏輯。[26] 這種「演算法治理」（algorithmic governance）的崛起，對傳統的民主問責機制構成根本挑戰。
國際治理的缺位
核武器有《不擴散條約》，化學武器有《化武公約》，但 AI 至今沒有任何具有約束力的國際治理機制。聯合國的相關討論進展緩慢，而掌握 AI 技術的大國——美國和中國——對國際規範興趣缺缺。[27]
這種「治理真空」的危險是多方面的。在軍事領域，自主武器系統（lethal autonomous weapons systems, LAWS）的發展可能引發新的軍備競賽；在經濟領域，AI 驅動的自動化可能加劇全球不平等；在政治領域，深度偽造（deepfake）和資訊操縱可能瓦解民主社會的認知基礎。[28] 沒有有效的國際協調，這些風險只會繼續累積。
六、歷史不會重複，但會押韻
路徑依賴與制度慣性
回顧第一次大分流，我們學到的教訓是：初始條件的微小差異，經過路徑依賴的放大，可能導致截然不同的歷史軌跡。一旦英國率先工業化，它就擁有了資本和技術來進一步擴大領先優勢；而落後國家則陷入「追趕」的困境——他們必須在不利的條件下，複製領先者走過的道路。
AI 時代的分流，可能遵循類似的邏輯。今天在 AI 領域取得領先的組織——無論是國家還是企業——將擁有更多資源來投入下一代技術的研發。他們訓練的模型將產生數據，這些數據將用於訓練更強大的模型，形成正向循環。而落後者則面臨「雙重追趕」：他們不僅要追趕現有的技術，還要追趕不斷前進的技術前沿。[29]
可能的分流情景
未來二十年，AI 時代的大分流可能沿著多條軸線展開：
- 國家之間：掌握 AI 核心技術的少數國家（美國、中國，或許還有少數盟友），與依賴外國技術的多數國家之間的差距擴大。
- 企業之間：少數科技巨頭壟斷 AI 基礎設施，中小企業淪為「應用層」的附庸。
- 社會內部：能夠駕馭 AI 的知識精英與被 AI 取代的中產階級之間的分化。
- 世代之間：在 AI 環境中成長的「數位原住民」與被技術拋下的年長者之間的鴻溝。
這些分流不是必然的命運，而是政策選擇的結果。但如果我們不及早干預，市場的自然演化很可能導向更大的不平等，而非更大的共享繁榮。
反思「進步」的敘事
最後，或許我們需要重新審視「進步」的敘事本身。第一次大分流的敘事，往往將工業化等同於進步、將西化等同於現代化。這種敘事遮蔽了工業化的代價：環境破壞、殖民剝削、勞工的異化。[30]
同樣地，今天關於 AI 的主流敘事——效率、創新、便利——也可能遮蔽某些根本的問題：AI 的發展服務於誰的利益？它強化還是削弱了人類的自主性？它帶來的財富如何分配？這些問題沒有簡單的答案，但如果我們不去追問，就只能被動地接受別人安排的未來。
歷史不會簡單地重複，但它確實會「押韻」。十八世紀的大分流，塑造了其後兩百年的世界秩序。二十一世紀的 AI 分流，同樣可能定義未來的文明格局。我們正站在歷史的轉折點，而我們的選擇——或不作為——將決定這個轉折通向何方。