這份報告旨在綜合 Jeffrey Ding《科技與大國崛起：通用技術如何改變權力布局》一書的精華，深入探討通用技術（General Purpose Technologies, GPTs）的擴散如何形塑國家經濟實力乃至於國際權力格局。報告將著重闡述作者的核心論點，並結合歷史案例和量化分析來支持其主張。
報告摘要
Jeffrey Ding 的核心論點挑戰了國際關係學術界長期以來對**「領頭羊產業理論」（Leading-Sector Theory, LST）的強調，即認為國家經濟霸權的建立源於對新興領頭羊產業創新和壟斷。相反地，他提出了「通用技術擴散理論」（GPT Diffusion Theory）**，主張真正決定國家經濟實力消長的關鍵，在於一個國家能否將通用技術廣泛地擴散並應用到其經濟的各個部門。這是一個需要數十年時間的「馬拉松」，而非少數「英雄發明家」主導的「短跑」。
作者透過回顧三次工業革命（英國的第一次工業革命、美國的第二次工業革命以及日本在第三次工業革命中對美國的挑戰），並輔以量化分析，證明了能夠廣植相關工程技能與知識的教育／培訓系統（即**「通用技術技能基礎建設」**）的國家，更有可能成為或維持經濟霸權。主要論點
1. 通用技術擴散理論 vs. 領頭羊產業理論
- 領頭羊產業理論 (LST)： 此理論認為大國的興衰取決於其能否在「領頭羊產業」中率先取得並壟斷創新。這些產業通常是「快速成長的新興產業」，並產生巨大的壟斷利潤。「歷史上，大國是藉由近乎壟斷領頭羊產業的創新而成為霸權。」(《導讀》)
- 通用技術擴散理論 (GPT Diffusion Theory)： 與 LST 相反，GPT 擴散理論強調**「重大創新逐漸擴散應用到許多產業的過程」**，這是一個「循序漸進、曠日持久的普及應用過程」。GPTs 具有三個核心特點：「持續改良的巨大潛力」、「普遍性」和「很強的技術互補性」。作者指出，GPT 擴散的成功與否，在於國家是否能建立制度來「持續培育與該通用技術相關的廣泛人才庫。」(《作者訪談》) 簡言之，LST 是一場「窄跑道上的衝刺」，而 GPT 擴散則是在「寬闊道路上跑一場馬拉松」。(《第二章》)
2. 通用技術技能基礎建設的重要性
作者反覆強調，關鍵不在於少數的英雄發明家，而是**「源源不絕的工程師大軍，是這些應用新技術的普通『微調者』與『執行者』，才能將通用技術應用到不同產業之中。」** (《導讀》)
因此，「哪個國家更能廣植相關的工程技能與知識的教育／培訓系統，更能制度性地扎根與充分利用這條『技能基礎建設』路線，就成了勝負的分水嶺。」(《導讀》) 這套系統被稱為**「通用技術技能基礎建設」**。
這類制度能夠「將新技術做法標準化，並讓這種做法在通用技術領域與應用領域之間傳播。」(《第二章》) 同時，它需要培養既能快速發展又具有普遍應用能力的工程技能，這類技能「仰賴的工程技能總是超越這種武斷區分，這些技能既能快速發展，也具有普遍應用的能力，能夠大範圍地實施通用技術領域的構想。」(《第二章》)
3. 衡量經濟實力的指標：生產力成長率
作者聚焦於**「經濟權力移轉」，並以「生產力成長」**作為主要衡量指標，而非僅僅經濟或工業總產出。因為「持續的經濟成長最能夠轉化為其他形式的權力，成為一個國家發揮政治和軍事影響力的關鍵。」(《第一章》)
「生產力並非一切，但長期而言，它幾乎就是一切。」(諾貝爾經濟學獎得主 Paul Krugman，引自《第二章》) 相較於貿易收支或領先企業比例，生產力是更為全面的指標。
歷史案例分析
作者回顧了三次工業革命，以支持其通用技術擴散理論：
a. 第一次工業革命與英國崛起 (1780-1840年)
- 傳統觀點： 英國的崛起歸因於在棉紡織、製鐵和蒸汽動力等領頭羊產業的創新壟斷。
- 作者論點： 歷史證據顯示，英國的工業化在1815年之後才顯著超越競爭對手，此時與製鐵技術相關的**「機械化」通用變革**才普及並影響總體生產力。英國的成功不在於壟斷創新，而在於「能迅速地將機械化推廣至經濟體的各個角落」。(《第三章》)
- 關鍵因素： 英國的制度優勢在於其**「知識傳播系統」**，能夠建立工程師與企業家、城市與鄉村、以及不同社會階層之間的交流橋樑，培養出大量的「機械師、器具製造者和工程師」，而非僅依賴少數「英雄發明家」。相比之下，法國和荷蘭的制度雖培養出精英工程師，但卻導致「與實際應用脫節的知識和技能」。(《第三章》)
b. 第二次工業革命與美國崛起 (1870-1913年)
- 傳統觀點： 德國因在化學等新興產業的突破而趕上英國，而美國的崛起則常被忽略。
- 作者論點： 美國才是第二次工業革命中明確的生產力領導國。其崛起關鍵在於**「可互換製造」技術的廣泛擴散**，這項技術源於工具機的進步。雖然美國在科學成就和工業研發能力上不如英德，但它在幾乎所有工業領域都成功採用了工具機。
- 關鍵因素： 美國的**「授田大學」和技術學院「重視實務技術教育」**，培養了廣大的機械工程人才，這與傳統上強調德國科學研究與工業研發投資的領頭羊產業理論形成對比。(《第四章》)
c. 日本在第三次工業革命中對美國的挑戰 (1980年代)
- 傳統觀點： 1980年代，日本在半導體、消費電子和電腦等高科技產業中取得全球市場優勢，許多人預測日本將超越美國成為世界經濟強權。
- 作者論點： 日本最終未能取代美國的經濟領導地位，因為它「從未能夠在當時的關鍵通用技術，亦即電腦的跨部門擴散上取得優勢。」(《作者訪談》) 儘管日本在資訊科技產品生產上追得上美國，但在「大量採用資訊科技的產業，日本的生產力成長卻遠遠落後於美國。」(《結論》)
- 關鍵因素： 日本的大學在調整課程以應對軟體工程人才需求方面反應遲緩，而美國的大學則迅速建立了獨立的電腦科學學科，有效地擴大了人才基礎。日本學術界與產業界的聯繫也相對薄弱。例如，作者的量化研究顯示，美國每百萬人有1.59家大學能提供合格的軟體工程教育，而日本只有1.17家，兩者差距約40%。(《第五章》)
量化分析的支持
作者透過大規模量化分析進一步驗證了通用技術擴散理論。他利用19個國家橫跨25年（1995-2020年）關於軟體工程教育（通用技術技能基礎建設的衡量指標）與電腦化程度（通用技術擴散的衡量指標）的時間序列橫斷面數據。
研究發現：
- 「軟體工程技能基礎建設水準較高的國家會維持較高的電腦化程度。」 (《第六章》)
- 「通用技術技能基礎建設對通用技術採用率的影響也非常顯著。」 (《第六章》)
- 「通用技術技能基礎建設水準與各國達到電腦化程度門檻的速度呈正相關。」 (《第六章》)
這些結果在控制了人均 GDP、人口總數、政體類型、軍事支出和自由市場經濟體等潛在干擾因素後依然成立。量化分析「證實了通用技術擴散論衍生的預期」，而支持領頭羊產業產品週期的制度因素在量化分析中並無顯著支持。(《結論》)
對 AI 時代美中競爭與台灣布局的啟示
Jeffrey Ding 將其理論應用於當前的美中 AI 競爭，並對政策制定者提出建議：
a. 美中 AI 競爭：美國的擴散優勢
- 作者認為，「比起中國，美國享有更大的優勢，能在這波產業革命中將 AI 採納並擴散到整體經濟活動之中。」(《作者訪談》)
- 人才儲備： 美國擁有更多的能夠訓練平均水準 AI 工程師的大學（159所），遠超中國（29所）。「所以說，在一線頂尖大學譬如清華、北大、南京大學之外，中國並沒有那麼深的機構儲備來培育 AI 工程人才，並將 AI 應用到各個不同的經濟部門。」(《作者訪談》)
- 產學連結： 美國的學術界與產業界之間的連結更緊密，有利於技術轉移。
b. 政策建議：擴大技術應用人才庫
- AI 政策不能只停留在「激勵研發」，「更該長期投注於擴大技術應用的人才庫。」 (《導讀》)
- 「『AI 產業化』固然重要，但長遠而言，真正決定經濟競爭力的，恐怕會是這些**『產業 AI 化』**努力的深度與廣度。」(《導讀》)
- 因此，政策制定者應考慮以**「全產業為尺度，積極推動『擴散導向』的 AI 戰略。」** (《導讀》)
c. 對出口管制的看法
- 作者認為，科技管制對通用技術「不大適合」。因為「沒有任何一個國家有辦法在像通用技術這樣廣泛和快速變化的領域中壟斷技術發展，這就好像是說我們要把電力封存在美國或台灣內部一樣不切實際。」(《作者訪談》)
- 管制或許能在短期（兩三年）內維持領先，但通用技術的真正影響力往往需數十年才會顯現，屆時很難有單一國家能壟斷關鍵技術。
- 他建議，比起管制先進晶片出口，更應**「專注於促進 AI 人才儲備」**。(《作者訪談》)
d. 對台灣的啟示
- 台灣需自問**「技能基礎建設」**是否完備，以應對各產業對 AI 人才的巨大需求。
- 除了傳統大學，非營利組織（如台灣人工智慧學校）和社區大學等**「非傳統途徑」在培養更廣泛 AI 人才庫方面同樣重要**。(《作者訪談》)
- 國際合作雖能縮短台灣前沿企業應用最新 AI 技術的時間差，但「真正關鍵的挑戰，是當台灣的前沿企業首次應用某項最新的 AI 技術，在那之後，這項技術要花多久的時間才能夠擴散到全國各個產業領域。」(《作者訪談》) 這更多取決於台灣自身的政策作為與產業生態系。
結論
Jeffrey Ding 的《科技與大國崛起》透過扎實的歷史案例和量化分析，提出了一個挑戰傳統觀點的有力理論。它強調了在技術驅動的經濟競爭中，通用技術的「擴散」和相關「技能基礎建設」的重要性，遠超乎單純的「創新」或「領頭羊產業」壟斷。這對於理解當前的美中 AI 競爭格局，以及各國如何制定長期科技戰略，都提供了寶貴的洞見。尤其對於台灣而言，這本書提醒我們，除了產業創新，更應著眼於全產業的 AI 化，並積極建構完善的 AI 人才培養與擴散機制。
