數字化時代的全球研發分工新格局：核心特征與生成邏輯

［摘"要］數字化時代的全球研發分工新格局呈現“中心-外圍”之特征，中心的研發勞動負責概念與原理設計等高端工作，外圍研發勞動則執行相對低端的操作。新格局的生成邏輯在于：智能研發工具在研發勞動過程中的普及加速了研發勞動“概念與執行”的分離，數字技術革命與研發組織變革為這種分離向全球層面的擴展創設了客觀條件，在此基礎上，壟斷組織通過壟斷先進研發勞動資料、頂尖研發勞動，以及圈占研發勞動對象的手段，推動了新格局的最終形成。為擺脫這種全球研發分工對我國自主研發的制約，我國應有針對性地加強智能研發工具與交叉復合型研發人才的自主化，并利用好本土隱性知識與企業需求等創新資源。

［關鍵詞］數字化時代；研發分工；“中心-外圍”；自主研發戰略

［中圖分類號］F1243"［文獻標識碼］"A"［文章編號］"1673-0461（2025）05-0011-10

一、引言

創新不僅在催生和發展新質生產力方面發揮著主導作用，并且在中國式現代化建設全局中居于核心地位，既是解決當前我國經濟社會發展突出矛盾與問題的根本出路，也是我國在激烈的國際競爭中獲得競爭新優勢的根本依賴。研發是創新的源頭，特別是事關國家戰略全局的核心技術創新更離不開高質量的自主研發活動。

如何走出一條富有中國特色的高質量自主研發道路，是業界與學界十分關注的重大現實命題。大量文獻從資源配置、機理機制、制度文化等方面進行了深入探討，并突出強調了產學研等各類創新聯合體的重要作用。然而無論何種形式的創新聯合體，其有效性的前提是本國的研發分工尚未嵌入或鎖定于特定的全球分工之中。遺憾的是，大多數研究者僅強調了依托自主研發擺脫我國在全球產業價值鏈分工中的低端鎖定現狀，卻忽視了研發活動本身也存在著全球分工。由于不同分工位次對應的研發效果存在質的差異，因此即便是施行相類似的研發戰略，也往往出現創新績效迥異的局面。

事實上，數字化時代的全球分工格局不僅存在于生產部門，也更加伴隨著全球研發分工的日益深化廣化，無論哪種分工都是等級化的，所以研發績效不完全由主觀的最優化制度設計決定，其能否落地還深刻受制于客觀層面的全球分工格局，在不同的分工格局中各國所采取的研發戰略顯然需相應調整。因此，我們不能脫離時代與外部環境去孤立地分析本國的自主研發問題，必須立足深度全球化①的歷史方位，清醒認識研發分工的全球化對我國自主研發的影響，唯此才能更有針對性地明確研發戰略的側重點。

綜上所述，本文將重點考察聚焦于數字化時代的全球研發分工新格局，分析其核心特征與生成邏輯，目的是厘清當前我國自主研發的應對之策，以期為我國實現科技自立自強、加快新質生產力發展提供學理支撐。

二、數字化時代的全球研發分工新格局呈現“中心-外圍”之特征

數字化時代的全球研發分工新格局呈現“中心-外圍”之特征，即中心的研發勞動負責概念與原理設計等高端工作，而外圍研發勞動則執行相對低端的操作。一般而言，生產的社會化導致不同類型、不同地域的勞動者共同參與到具有特定結構的社會分工之中，全球化分工作為社會分工進一步發展的結果，同樣具有其自身的結構。在資本主義生產方式占統治地位的全球生產體系中，“中心-外圍”的分工格局是其最核心的特征。馬克思認為與機器大工業相適應的國際分工存在不對等的關系，它“使地球的一部分轉變為主要從事農業的生產地區，以服務于另一部分主要從事工業的生產地區”［1］520，這是農業生產與工業生產之間的不對等分工格局。而在工業生產分工內部也是如此，“全球化的價值法則產生了新形式的兩極分化，使得強大外圍國家的工業居于從屬地位”［2］。正如沃勒斯坦所言“資本主義世界經濟體是以世界范圍的勞動分工為基礎而建立的”［3］，這種分工導致不同經濟體擔任不同的經濟角色，因而從國際市場中的獲利也就不平等。然而在數字化時代，不僅傳統意義上的生產勞動呈現“中心-外圍”式的全球分工，并且諸如研發勞動等知識生產型勞動也出現同構化的分工趨勢。

一方面，大量頂尖研發勞動力分布在核心國家內部，他們掌握并從事核心技術知識的開發，處于全球研發分工的中心。2022年，在全球擁有最多AI"2000（人工智能全球最具影響力學者榜單）學者的前20家機構中，前10強機構均來自美國（見表1），這些機構主要包括谷歌、Meta、微軟、蘋果等跨國公司，以及麻省理工學院、斯坦福大學等著名科研教育機構②。2023年，在全球擁有Top100人工智能核心層相關專業的頂尖科研院所中，美國占據55所，達到總比例的51%，從全球人工智能人才情況來看，美國人工智能人才數量也是全球最多，并且人才數量遙遙領先于其他國家③。在研究領域方面，大部分專家集中于計算機科學或計算機工程等前沿領域，尤其是人工智能的研發。此外，世界各地的高質量研發勞動不斷向中心流動。2013年，在美國擁有科學與工程領域博士學位的人中，外籍人員占42%［4］。同年，紐約和硅谷總共接納了大約1/8的STEM工人（從事科學、技術、工程、數學相關工作的勞動者），硅谷有56%的STEM工人和70%的軟件工程師為出生地在美國之外的人士［5］。在國際頂尖人才的流動方面更是如此，流入美國的移民共有203位獲得諾貝爾化學獎、醫學獎、物理學獎和經濟學獎，其中53%是在美國居住期間完成其代表成果的

。相比之下，只有4名本土出生的美國人

在獲得這些獎項時與非美國科研機構相關［6］。雖然從流入國的角度來看這種研發人才的中心化趨勢，極大地促進了技術創新，但從全球視角來看，卻在一定程度上導致研發勞動分布的極化。

另一方面，外圍的研發勞動更多依賴于發達國家提供的先進研發工具，開展相對低端的研發工作，他們很難觸及核心知識或底層原理，只能在領先者的基礎上進行局部的創新。比如，一些發展中國家的研發人員往往以非對等的身份加入全球研發網絡，他們不僅依賴并從屬于網絡中心的研發資源，并且大部分工作集中在常規性的科研數據分析、處理等方面，只有少數研發者參與到真正的前沿理論創新之中［7］。商業性的研發活動也存在類似現象，相關研究表明，許多企業大量引進智能研發工具，而企業的研發工程師的主要職責如今已變成借助這些工具開展產品設計，該工作幾乎不需要深奧的科學理論知識，僅需短時間的軟件操作培訓即可上崗，然而這項工作在21世紀初還屬于復雜的腦力勞動［8］。此類勞動者面對的是激烈的、同質化的勞動力市場競爭，“碼農”的過剩便是一種代表性的現象。這些外圍研發勞動者數量龐大，且分布相當廣泛。事實上，當前許多重大產品研發離不開幕后的大量研發零工的勞動，比如無人駕駛汽車的算法需要龐大的訓練數據集支撐，該數據集需要許多人力勞動完成識別圖像、描述產品、標記物體等工作［9］。這些幕后的勞動者碎片化地分散在世界各地，相互之間并未意識到自己的腦力勞動受算法的統一支配。此外，在績效考核、薪資、晉升、淘汰制等壓力下，外圍研發勞動的勞動時間實際上從工作向勞動者的生活蔓延，形成了普遍的“加班文化”。因此，不僅工廠工人的勞動與科學技術的聯系越來越弱，并且一些曾以腦力勞動為標志的研發勞動與科學技術的聯系也在弱化，他們不再探究最本質的科學原理，而只需掌握基本科學方法以及操作研發工具的技能。從研發勞動力再生產的角度看，外圍研發勞動力提升面臨著諸多挑戰，他們所受的教育往往缺乏學科交叉的內容，許多課程知識也嚴重落后于技術的動態前沿。

中心與外圍的全球研發分工在大模型的研發過程中體現得尤為明顯。大模型的研發一方面通過有組織的中心研發勞動建立底層架構與基本原理，另一方面通過開源與眾包模式充分利用外圍研發勞動實現產品的持續改良迭代，這種分工有效地整合利用全球的研發勞動力，形成了鮮明的“中心-外圍”分工格局。

其一，大模型的底層運行原理由頂尖團隊開發，團隊包括從事神經元數學模型、深度學習等領域的基礎理論研究的精英科學家，算法工程領域的技術專家，以及科技創業者等。比如ChatGPT團隊中有多位全球人工智能領域頂尖專家，絕大部分研發成員擁有全球頂尖或知名高校學位，前三大高校分別是斯坦福大學、加州大學伯克利分校，以及麻省理工學院。團隊有5人被清華大學AMiner評為2023年度AI"2000最具影響力學者，有2人被其評為全球機器人和機器學習領域最具影響力學者，團隊近90%的成員為技術人員［10］。OpenAI還采取了靈活的、扁平化的組織方式對智力資源進行整合。通過打造相對自主、自由的工作環境，激發研發勞動的創新潛力，通過構建扁平化的組織管理結構，提升協調與合作效率，有助于將不同領域的專業知識和技能結合起來，激發創新的靈感和想法。

其二，大模型研發通過開源與眾包，將全球范圍的廉價研發勞動匯集到數字平臺，從而為產品的漸進創新提供源源不斷的知識與數據支撐。其研發過程往往依賴多種開源軟件，大量開發者和技術愛好者通過這些軟件平臺貢獻代碼、提出改進建議和報告錯誤，加速模型的研發和改進過程。2018年，在微軟的Visual"Studio"Code源代碼編輯平臺發布信息的工作者高達19"000位，其中微軟的注冊員工僅有7"700名［11］。雖然這些研發勞動具備一定的專業知識，但是他們觸及不到底層的核心算法，只能在既定的框架下幫助實現模型的優化。開源軟件平臺的提供方僅與少數合作伙伴共享最新核心代碼，而其他眾多用戶只能獲得較為滯后的代碼。通過將開發工具包與數據庫變為開放資源，可使部分平臺代碼成為程序編輯的最終標準。因此，開源并不意味著實現知識共享，甚至有可能強化開源者自身的知識壟斷權力，讓其從眾多軟件研發者的免費勞動中獲利。

大模型的研發還通過眾包模式將更低端的研發勞動組織起來，從事數據標注的任務。據美國《時代周刊》報道，2021年底，OpenAl與數據標簽公司Sama簽署了約20萬美元的數據標注外包合同，該公司在肯尼亞、印度和烏干達雇用了大量工人，主要目的是為聊天機器人過濾掉互聯網上的垃圾信息，這些勞動者每小時的工資不到2美元，工作時間也遠遠超出了規定④。隨著大模型等智能工具的快速發展，越是外圍研發勞動，越與過去工廠工人的密集型勞動趨同，從事著簡單的、重復性的操作。大量研發勞動者或將淪為零工，他們為數智產品的更新迭代提供“廉價”勞動。

三、數字化時代全球研發分工新格局的生成邏輯

數字化時代全球“中心-外圍”式的研發分工新格局是如何產生的？本文認為其生成邏輯在于，智能研發工具在研發勞動過程中的普及，加速了研發勞動“概念與執行”的分離，數字技術革命與研發組織變革，為這種分離向全球層面的擴展創設了客觀條件，在此基礎上，以跨國公司為核心的壟斷組織，通過壟斷先進研發勞動資料、頂尖研發勞動與占有研發勞動對象的手段，推動了新格局的最終形成。

（一）智能研發工具在研發勞動過程中的廣泛應用

研發勞動的智能逐漸被先進研發勞動資料取代，尤其是以人工智能為核心的數字技術將研發勞動本身的智能進行編碼，催生了智能化的研發工具。這些研發工具不僅作為研發勞動過程的產品，更被廣泛當成研發勞動過程的條件加以運用。

回顧歷史，資本主義的任何技術或產品的研發過程，都涉及已有工具或設備代表的“死勞動”和復雜勞動代表的“活勞動”的結合。馬克思認為：“勞動資料取得機器這種物質存在方式，要求以自然力來代替人力，以自覺應用自然科學來替代從經驗中得出的成規。”［1］443在數字化時代之前，重大技術進步往往由研發者推動，最后作用于生產領域。由此產生了大量用于生產制造的通用技術，包括蒸汽機、電力、內燃機等。這些技術并未擴散至研發活動，因為研發工作主要依賴于非智能化的實驗設備等。但數字技術改變了過去的情況。這種技術的一個重要特點是可以跨行業應用，不斷加快不同學科知識間的重組和創新，縮短研發活動的周期，從而促進新知識的創造和新技術的涌現［12］。事實上，數字技術自誕生之初就顯示了其作為一種適用于研發活動的通用技術"⑤的潛力。早在1969年，美國的益智研究中心便致力于開發一些能夠增強研發人員的腦力勞動并加深團隊交流協作的新技術［13］，這種技術能夠通過對信息的控制來改善人類的創新活動，用計算機來增強人的智能。發展至今日，人工智能不僅具有“發明方法的發明”（Invention"of"a"Method"of"Invention，IMI）［14］的功能，并且適用于廣泛的研發創新場景。

在電子研發領域，許多研發任務可以通過智能研發工具高效完成。例如，印制電路板（PCB）在過去需要工程師運用數學、物理、電化學等多學科知識，通過復雜計算來進行研制，然而利用當下的智能設計軟件，工程師只需輸入必要的參數，軟件便能迅速提供解決方案。最新的人工智能則更進一步，不僅可以表示、獲取以及創造知識，更能模擬人的智能認知。其中，機器學習是人工智能的一個子集，側重于讓機器自主學習，并不需要由人編寫的代碼指令。深度學習則是機器學習的一個子集，試圖模仿人類大腦中神經元的活動。與傳統的符號系統相比，深度學習更具創造性，能夠生成新的想法和解決方案。如今在諸多自然科學研究領域，頂級科學家通常要花很長時間通過各種實驗才能完成的研究，AI模型可能僅用幾個小時就能給出更加可行的解決方案。

由此，以往需要高度智力和復雜決策的工作正面臨著被智能技術取代的風險，甚至智能算法本身的研發也有賴于智能研發工具（見圖1），由最開始基于小規模專家知識的方法，逐步轉向基于機器學習的方法，再到基于深度學習的模型。2024年，被譽為“人工智能教父”的Geoffrey"Hinton教授在牛津大學的演講中表示，神經網絡模型就是為了模擬人類大腦而設計的一個模型，現在的前沿數字模型已經非常接近大腦的水平。在人工智能領域，通過技術實現思想或思維的具體化是至關重要的，智能算法的本質就是人類解決問題的邏輯的程序化，以使智能體勝任之前只有人類能完成的復雜任務。

圖1"智能算法的研發范式演進

資料來源：作者整理繪制。

綜上所述，以人工智能技術支撐的各類研發工具，正在逐步朝著取代研發勞動智能的方向發展，并對此類勞動與勞動資料的結合方式產生了革命性影響。如果以每輪技術革命浪潮對于研發勞動的影響程度，重新對技術革命加以歸類，那么人類社會經歷的技術革命迄今為止分為兩類，一類是革新體力勞動的技術體系，另一類是革新腦力勞動的技術體系。具體而言，無論是機械化、自動化還是數字技術初期的信息化浪潮，都不過是在生產制造領域發生的機器對體力勞動的取代，而從海量數據與算法中涌現出的機器智能，正向著人類腦力所勝任的各領域滲透，研發勞動也正在遭受著這種沖擊。技術不僅通過生產過程的應用而引發生產力的變革，并且技術知識的生產也反受其自身發展程度的推動，因而從更根源的層面改變著生產力發展的動力。無論是面向科學領域的AI（AI"for"Science），還是面向工程領域的AI（AI"for"Engineering），都不能僅僅從普遍意義上的技術進步的角度理解，而是一次前所未有的深刻改變人類腦力勞動方式的工業革命。

（二）智能研發工具正在加速研發勞動的“概念與執行”的分離

馬克思曾將人類建筑師與蜜蜂作對比，指出前者的勞動相比于后者而言的重大區別在于，“勞動過程結束時得到的結果，在這個過程開始時就已經在勞動者的表象中存在著，即已經觀念地存在著”［1］208。換言之，人類可以在勞動實際開始之前，就在頭腦中運用概念思維的能力設計這一過程，從而在隨后的勞動過程中實現“概念與執行的統一”。然而，勞動的社會性意味著人們可以出于某些特定目的，有意識地分離勞動過程的概念和執行，簡言之，“一個人想出的主意，可以由另一個人去實行”［15］47，在特定的生產關系下，勞動概念與執行的分離是以分工的方式實現的。

勞動概念與執行的分離是一個歷史過程，并且是資本主義生產方式所決定的固有的歷史趨勢。其必然結果是，勞動過程要在兩種不同的場所并由不同的勞動者來進行，一種是在生產過程中進行的體力勞動，另一種則是從事設計、計劃、計算等工作的腦力勞動者。更重要的是，不僅腦力勞動首先和體力勞動分離開來，并且前者又嚴格地按照概念與執行相分離的規律進行再分［15］105。研發勞動作為一種腦力勞動也是如此。在第一次工業革命中，新技術主要是由獨立發明者創造，這些發明者大部分出身于工匠、手藝人或熟練工人。發明者的知識基礎來源于生產實踐，借助累積的實踐知識改進生產技術，此時的研發勞動尚未發生概念與執行的明顯分離。隨后，企業雇主為了掌握技術變革的主動權，通過一系列的制度設計來壟斷工人的技術知識，將其轉移到自己手中。從一開始，泰勒發起的“科學管理”的本質就是將知識與執行分離，知識牢牢地被管理層掌握，而工人的任務退化為簡單的操作執行。在第二次工業革命期間，企業管理層還不斷吸收外部教育機構的研發勞動，那些受過高等教育的職業工程師和科學家逐步取代了熟練工人，被企業實驗室大量雇用，成為研發勞動的主力軍。

在此基礎上，技術變革進一步強化了研發勞動的概念與執行的分離。從19世紀到整個20世紀期間，歷次技術變化的基本主旨之一是把對生產的設計和指導同實際的執行區分開來［16］。回顧歷史，機器發展的第一步是通過內部的齒輪來控制工具或工件的運動路線，下一階段是依靠來自機器以外的信息對機器進行控制［15］167-169。信息控制逐漸發展為自動化技術，管理者借助這種技術進一步將勞動者的傳統技能排除在車間之外，更多的勞動內容由重復性的體力操作轉變為提供技術支持和監督，這不僅顯著改變了勞動力的結構，也引發了勞動技能方面的深刻變革。

勞動者的技能未必與機器的能力同向發展。面對人工智能的沖擊，過去的一些研發活動涉及的復雜腦力勞動，如今淪為對研發工具的簡單操作，相關人員不需要也很難接觸到研發工具的底層算法，而這些算法卻由另一群頂尖的研發勞動創造。這意味著一些研發勞動者逐步淪為執行人員，他們自身所受的教育與科學知識的積累逐漸失去用武之地，日益成為與過去工廠工人一樣使用機器的操作工，而概念設計則集中于比例很小的其他研發勞動者那里。馬克思認為生產條件的發展“會造就一小批較高級的工人，但是，他們的人數決不能同‘被剝奪了知識的’大量工人相比”"［17］，“一般社會知識，已經在多么大的程度上變成了直接的生產力，從而社會生活過程的條件本身在多么大的程度上受到一般智力的控制并按照這種智力得到改造”［18］，已成為對當今研發勞動所經歷的深刻變化的預言。部分研發勞動逐漸像第一次工業革命初期的紡紗工人從屬于自動紡紗機那樣，從屬于作為對象化勞動的智能機器，勞動者的創造力與思維能力被這種對象化了的“一般智力”所束縛。

無論是早期的信息技術還是當下最前沿的智能研發工具，都在逐步加速研發勞動的“概念與執行”的分離。人工智能引發傳統勞動結構的變革，一些創造性低、重復性高的工作將被替代，而智能技術暫時無法替代的高端與低端工作在短期內的社會需求反而會增加［19］。從根本上講，這是資本主義生產方式向更廣泛的勞動領域滲透的必然結果。馬克思指出：“勞動資料不僅是人類勞動力發展的測量器，而且是勞動借以進行的社會關系的指示器。”［1］210資本需要不斷通過技術方面的變革以實現“勞動分化”，通過改造勞動過程，最大限度地獲取剩余價值。正如馬爾庫塞所言，技術是一種整體的“組織和維持（或改變）社會關系的方式，一種流行的思維和行為模式的表現形式，一種控制與支配的工具”［20］。智能技術很大程度上也是一種控制勞動力的技術，在這里資本與技術呈現出一種深層次的“共謀”關系。智能技術的應用使研發勞動的內容與強度直接由算法決定，實質上隱蔽地反映了資本對研發勞動的控制。勞動從屬于資本的關系并沒有發生根本性的變化，反而勞動在實體與虛擬空間中都被資本所控制并加以分化。“生產上的智力在一個方面擴大了它的規模，正是因為它在許多方面消失了”，“局部工人所失去的東西，都集中在和他們對立的資本上面了”［1］418，這些現象如今正發生在研發勞動者身上。研發勞動的分化在整體上強化了資本對勞動的控制，使資本能夠真正實現對腦力勞動的“分而治之”，以最大化地利用社會智力來獲取剩余價值。

（三）研發勞動“概念-執行”分離向全球“中心-外圍”分工的擴展

導致研發勞動“概念-執行”分離向全球“中心-外圍”分工擴展的原因，主要分為客觀與主觀兩方面。客觀方面，數字技術⑥革命與研發組織變革為這種分離向全球層面的擴展創設了客觀基礎條件；主觀方面，以跨國公司為核心的壟斷組織通過壟斷先進研發勞動資料、頂尖研發勞動與圈占研發勞動對象的手段，推動了新格局的最終形成。

1擴展的客觀條件

其一，數字技術革命是導致研發勞動“概念-執行”分離向全球“中心-外圍”分工擴展的前提條件之一。大數據、互聯網等數字技術的發展消除了分工擴展面臨的地理空間限制。在工業革命早期，世界各地的生產組織彼此還處于隔絕狀態，彼此之間很少發生聯系。然而隨著資本主義生產方式的確立，資本“力求超越一切空間界限。因此，創造交換的物質條件——交通運輸工具——對資本來說是極其必要的：用時間去消滅空間”［21］521。鐵路、高速公路、航空等交通運輸技術的發展，極大推動了不同地域之間的協作分工體系的建立，使生產組織在全球范圍的再部署成為現實。數字技術革命浪潮不僅鞏固了上述趨勢，并且加速了信息、知識在全球的流動，使知識生產的分工也開始大量突破特定地理限制，而在多點多地協作進行。在新技術條件下，協調與管理成本大大降低，研發流程可以分散到世界各地而不會造成巨大的信息與效率損失。由此，原本分散的研發勞動之間的聯系隨著技術發展而不斷加深，勞動者之間擺脫了地理因素的制約，逐漸聯結成一個從事知識生產與創造的有機體。產業或企業依托數字技術建立虛擬研發團隊，這種團隊能夠集結全球各地的頂尖專業人才來共同開展研發項目。與此同時，智能研發工具的發展進而帶來兩方面的影響：一方面科研界的零工現象開始在世界范圍內蔓延，另一方面全球的高端研發勞動集中于大模型的開發，“勞動（從而剩余勞動）的質的差別的范圍不斷擴大，越來越多樣化，本身越來越分化”［21］388-389。

其二，研發組織方式的變革也是擴展得以發生的重要前提。研發勞動的概念與執行的分離首先發生于同一個研發組織內部，也就是將研發活動涉及的不同操作或職能分配給組織內部的不同勞動者，每個勞動者都從事局部的、非獨立的研發工作。他們各自的勞動只代表作為一種特殊勞動的研發勞動的個別操作，在資本的指揮下協作生產同一種使用價值。在此基礎上，資本主義生產方式的擴散不斷把研發組織內部的分工在更廣泛的地理空間層面進行部署。空間擴張是資本主義生產方式的內在固有趨勢，它不僅要想盡辦法把商品銷往世界各地，更需要組織不同地區的分散勞動者，使其作為一個整體為資本創造源源不斷的剩余價值。“因此，以資本為基礎的生產，其條件是創造一個不斷擴大的流通范圍，不管是直接擴大這個范圍，還是在這個范圍內把更多的地點創造為生產地點。”［21］387-388與實物生產全球化相伴隨的是知識生產的全球化，這種趨勢使得作為典型的知識生產勞動的研發勞動的種類、數量與分布空間大大擴展。世界各地原本相互獨立的研發勞動變成相互依賴的局部勞動，從而塑造并形成了全球層面的研發分工體系，而各國國內研發分工體系則被打破并被整合到這種外部分工之中。由此，原本存在于特定地理空間中的概念與執行的分離，得以在更廣泛的空間中復現。經由研發組織內部分工擴展而形成的全球研發分工格局，實質是概念與執行在更廣范圍的再部署，然而由于“概念必須先于實行，并且支配實行”［15］47，因而這種分工格局很大程度上是非對等的。

綜上所述，在數字技術革命與研發組織變革的疊加影響下，全球中心的研發勞動集中于概念與原理的設計，而外圍的相對低端的研發勞動則負責執行。中心是由資本招募的全球頂尖研發勞動，從事前沿知識與原理的研發。外圍是執行研發工具指令的低端勞動者，以網絡眾包、外包等形式被資本雇傭。中心研發勞動在技術和知識的積累方面更加強大和集中，而外圍研發勞動則逐漸失去了智能化的特征，通常需要按照中心的指導和要求進行操作，缺乏獨立性和自主性。

2擴展的推行主體與手段

研發勞動概念與執行的分離向全球層面擴展背后的推行主體是壟斷組織。馬克思從資本一般的角度指出：“創造世界市場的趨勢已經直接包含在資本的概念本身中。任何界限都表現為必須克服的限制。”［21］388以資本為基礎的生產的擴展必然要吸納不同地點的勞動，使之創造更多的剩余價值。這意味著資本推動著生產體系向更大空間的擴散，生產方面的各種空間地域邊界被打破，社會化程度不斷提高。列寧進而在分析資本主義由競爭向壟斷過渡的歷史進程中提到：“生產的社會化有了巨大的進展。就連技術發明和技術改進的過程也社會化了。”［22］592各類創新聯合體、產學研合作是資本主義發展至壟斷階段——帝國主義階段——的產物，是帝國主義圖景中的一塊“拼圖”，這是研發分工演變至今所無法脫離的歷史深層背景。帝國主義的本質——壟斷——不僅至今并未發生改變，并且使得研發的社會化與研發成果的私人占有矛盾也愈發凸顯，新技術不斷被用來強化壟斷資本的壟斷地位，造成全球范圍的剩余價值加速流向壟斷的中心。

在這里，不能片面地將研發分工格局的推動者簡單描述為壟斷企業或領先國家，事實上在壟斷組織的構成方面，“私人壟斷組織和國家壟斷組織是交織在一起的”［22］636，從壟斷的視角看，二者并沒有根本性的矛盾，而是作為不可分割的整體，成為塑造當前全球研發分工的“中心-外圍”格局的主導因素，正是大型跨國公司與國家力量的結合為壟斷組織有能力控制全球研發分工奠定了基礎。在這種深度結合的基礎上，壟斷組織為實現其目的所采取的主要手段包括以下3個方面。

一是壟斷以智能研發工具為核心的先進研發設計類軟件。研發設計類軟件包括針對特定行業研發任務的專用類軟件⑦，以及能夠滿足多個行業、領域研發需求的通用類軟件，后者借助人工智能技術實現智能化的設計和優化。在專用研發設計類軟件相關專利⑧方面，2005—2024年間美國的相關專利數占全球主要資本主義國家的相關專利總數的59%，日本、韓國和德國共計占比34%。在同一時期，擁有專用研發設計類軟件專利權最多的前12位均是美國、日本等資本主義國家的大型跨國科技公司（見表2），它們牢牢把控著此類軟件的專利。在這12家公司中，排名前3位的公司擁有的專利數總和占所有專利總數的50%以上，而排名后3位的公司擁有的專利數共計占上述所有專利總數的比例不到10%，因此即便在這些跨國公司之間也存在著集中化的趨勢。

在通用研發設計類軟件專利⑨壟斷方面，2005—2024年，美國累計擁有通用研發設計類軟件相關授權專利占全球主要資本主義國家相關授權專利總數的67%，遠遠領先于日本、德國、韓國、英國等其他資本主義國家。在此類軟件的最尖端的人工智能算法領域，美國相關專利占比更是高達71%⑩，比排名第二的日本高出近60個百分點，甚至高于其他資本主義國家相關專利的總和。

以上數據表明，壟斷程度按照專用研發設計類軟件再到通用研發設計類軟件的順序而不斷加深。越是底層技術，參與競爭的國家與企業數量便越少，利潤越是往資本主義的中心集中。譬如，光刻機是用于芯片生產的最核心的設備，作為全球唯一的EUV光刻機供應商的荷蘭ASML公司，其本身并不掌握光刻機的核心專利，這些專利的絕大部分由美國占有，比例高達912%［23］。除專利外，生產EUV光刻機所使用的數控系統和數據仿真等工業軟件均由美國公司Brion開發。再如，芯片制造的最上游所需要的設計軟件EDA被美國壟斷，高端EDA軟件的前三大供應商都集中在美國。因此，高端設備的零部件雖然由其他國家的代工廠負責生產和組裝，但這一過程所使用的核心專利以及工業設計類軟件卻被壟斷資本牢牢把控，“跨國公司憑借技術專利的壟斷和關鍵生產環節的控制，占據生產網絡中的支配地位，并將非關鍵生產環節和流通過程外包，從而占據大量附加值”［24］。此外，國外研發設計類軟件巨頭絕大多數經歷了多次大規模并購重組，通過持續地整合中小型科技企業的單項技術得以發展壯大，以確保自身技術的領先地位。通過壟斷先進研發設計類軟件，壟斷組織在更深層次、更廣范圍上加深了社會化的知識生產和知識生產資料私人占有之間的矛盾。

二是壟斷全球頂尖研發勞動。壟斷資本主義形成初期對原材料與自然資源的爭奪，如今在數字化時代轉化為在智力資源方面的激烈競爭，以求在技術前沿領域保持更大的競爭優勢。跨國公司正在積極投入大量資金，雇傭最優秀的人才，投入人工智能前沿領域的研發。比如Facebook與紐約大學合作建立了數據科學中心與人工智能實驗室，微軟在內部設立了人工智能大學，谷歌則開設了內部機器學習課程對其大量工程師進行培訓［25］。截至2017年，美國的人工智能杰出人才數量累計高達5"158人，占據世界總量的252%，是排名第二位英國的44倍，其中IBM是全球人工智能杰出人才投入量最多的企業，而英特爾、谷歌、微軟則緊隨其后［26］。諸如亞馬遜等跨國巨頭在眾多國家和地區建立研發中心，定期舉辦面向世界的學術活動，通過豐厚的獎金吸引全球科技人才。大量的頂尖勞動力加速流向發達國家及其企業，并逐漸被壟斷組織牢牢控制，而外圍勞動則承擔了更多改良性或適應性研發任務，成為核心技術的接受方。對于人才輸出國，尤其是那些后發以及欠發達國家來說，這意味著其在科學和技術方面的潛力被極大削弱。

三是通過推行全球化的研發資源整合戰略，圈占知識化、數據化的研發勞動對象。在數字化時代，單純的生產全球化布局并不能保證市場競爭優勢的實現，現階段誰能從多種來源獲取知識和數據，誰就能攫取巨額利益。為此，跨國公司將其子公司建立在不同的國家和地區，成立離岸研發機構，其目的在于吸收當地產業和市場蘊含的隱性知識，促進各地知識與總部知識交流和整合。在跨國公司的母公司與眾多子公司組成的網絡內部，是高度一體化的研發勞動的流動和知識共享，而子公司及其研發機構正如“觸角”一般不斷將各地的隱性知識內化到這個研發網絡之中。在數字技術加持下，壟斷組織能夠借助技術手段提高隱性知識的編碼程度，從而引發行業特定、地理特定的隱性知識的跨行業、跨區域流動。壟斷組織憑借這種方式在更廣的范圍內整合外部創新資源，創造出滿足不同地區特定需求的新技術、新產品，這不僅將許多研發勞動的再生產成本轉移到其他地區，并且使這部分勞動生產力服務于壟斷資本的積累。然而跨國公司往往把核心技術只轉移給它的分支機構，把較陳舊的技術賣給或以許可證形式轉讓給當地公司或合資公司。以此觀之，雖然研究成果越來越多地看似是國際合作的產物，但這并不意味著參與到研發分工之中的各方是平等互惠的。研發勞動的社會化分工擴展至全球，而創新利潤卻被少數壟斷組織收入囊中。

四、全球研發分工新格局下我國自主研發戰略的著力點

學界關于我國自主研發戰略的相關研究不勝枚舉，本文的關切點并不在于考察與自主研發相關的產學研模式等機制和制度設計，而是著重分析全球研發分工新格局之下我國自主研發應對戰略的重點或突破點。核心思想在于，我國唯有擺脫全球研發分工新格局對我國研發活動的低端鎖定，才能使自主研發戰略釋放最大效力。換言之，應對戰略的本質就是通過系統性地減少對新格局的依賴，從而賦予我國研發以更多的自主空間。因此，將我國的自主研發戰略放置于全球研發分工新格局背景下加以分析具有重大現實意義，對此應準確把握新格局的生成邏輯，有針對性地從研發勞動資料、研發勞動以及研發勞動對象三方面出發厘清戰略著力點。

其一，加強智能研發工具的自主研發力度。面對當前全球研發分工新格局，自主掌握智能研發工具是助力我國擺脫既有國際分工制約，把握創新主動權的首要前提。尤其是智能化的研發設計類軟件作為技術研發活動的核心工具，不僅是衡量一個國家創新能力的重要指標，更處于價值鏈頂端，具備高附加值、高進入壁壘的特性，是我國在新科技革命和產業變革中獲取競爭優勢的關鍵所在。習近平總書記強調：“要加強基礎理論研究，支持科學家勇闖人工智能科技前沿的‘無人區’，努力在人工智能發展方向和理論、方法、工具、系統等方面取得變革性、顛覆性突破，確保我國在人工智能這個重要領域的理論研究走在前面、關鍵核心技術占領制高點。”［27］如今誰擁有最先進的研發工具，誰就占據了當今國際競爭的戰略高地，一些領先國家甚至借此支配別國的研發與創新進程。近年來我國在該領域的自主研發工作大量采用國外軟件或開源技術，高度依賴國際大廠的解決方案。這不僅導致我方向其支付高昂軟件許可費和持續的系統更新成本，還需要被動適應國外技術標準和操作習慣，更為嚴重的是，這種依賴還可能導致關鍵技術和數據的安全風險。若失去智能化研發設計類軟件的主導權，我們將失去創新主動權，這會大大制約我國的新質生產力發展，從而阻礙我國產業高質量發展的進程，不利于中國式現代化的如期實現。加快實現智能研發工具自立自強已成為我國贏得未來競爭的迫切戰略需要，必須大力完善我國自主的軟件研發體系，盡快補齊該領域的短板。

其二，強化交叉型、復合型研發人才的自主培養。在全球研發分工新格局中，研發勞動的去技能化、去智能化趨勢正在加速向外圍擴散，外圍研發勞動的“低端鎖定”現象愈發凸顯。在大模型研發方面，我國相關人才儲備近年來雖增長迅猛，但頂尖人才的數量與美國相比尚存差距。

面對這種態勢，我國應著重培育前沿領域的人才技能基礎，擴充相應的高端人才庫。人才在技術研發過程中的主動性與創造性的發揮是推動技術進步的源頭。沒有高素質的人才，沒有人才的創造性勞動，核心技術突破便無從談起。在全球研發分工新格局背景下，我國亟須強化交叉型、復合型人才自主培養，以適應新時代新背景的要求。黨的二十屆三中全會指出：“加快建設國家戰略人才力量，著力培養造就戰略科學家、一流科技領軍人才和創新團隊，著力培養造就卓越工程師、大國工匠、高技能人才，提高各類人才素質。建設一流產業技術工人隊伍。”［28］在人工智能等前沿科技領域，研發人員不僅需要掌握復雜的算法知識，還需具備深厚的工程實踐能力與豐富的實踐經驗，這種多維度的技能是推動技術進步的關鍵。這就要求研發人員不僅要懂得如何使用工具，更要理解其背后的原理和架構，將理論知識和工程技能有效結合，通過這種方式實現大量頂尖研發人員的本土化培養，為科技和產業發展提供更加充分的人才支撐。

其三，挖掘本土隱性知識，將研發與本土企業需求緊密結合。壟斷組織的全球化的資源整合戰略使異地的知識、信息、數據等資源服務于中心的研發，造成其他地區的本土創新資源無法與本土自主技術的研發形成緊密關聯，從而極大削弱了它們的需求引致創新效果。許多高端數字技術的研發都與上下游企業相伴而生，企業用戶在新技術的應用過程中積累的隱性知識能為技術的持續更新奠定基礎，形成良性循環的研發生態。倘若無法建立這種關聯，本土企業的數據與知識積累往往最終服務于國外的技術研發。比如國外EDA巨頭與其下游不同地區的客戶深度綁定，打造排他性的產業生態，不僅保證自身持續的技術進步，也極大增加了追趕者的進入壁壘。特別是智能軟件的研發不僅要在供給側加強研發投入，更要從需求側打造龐大的應用市場，從而驅動底層算法升級優化，扭轉受制于人的局面。我國擁有龐大的企業客戶群體，無論是企業對新技術的需求規模，還是技術需求的多樣性、異質性，都為自主研發提供了得天獨厚的優勢，因此更需要將研發與本土企業需求緊密聯系在一起，利用好國內不同類型企業對新技術的需求，開展核心技術自主研發，實現新技術與市場主體的精準對接，并通過研發與應用的交互迭代加速漸進式創新，不斷提高技術的生產應用水平與商業化程度。正是本土用戶需求的多樣性為我國技術研發追趕提供了更多的創新路徑，需充分重視本土企業尤其是中小企業的需求，拓展新產品的需求空間，從而實現自主研發的本地化、多樣化。

五、結論

數字化時代的全球化已經擴展至研發分工層面，研發過程的不同環節和勞動內容可在異地進行，導致各地區本土的研發體系被打破，并被納入全球研發分工的特定環節之中。在此背景下，一國研發的“自主”空間被極大限制，這從深層次上制約了其技術追趕的步伐，既有的自主研發戰略亟須做出相應調整。本文的研究表明，數字化時代的全球研發分工新格局呈現“中心-外圍”之特征，中心的研發勞動負責概念與原理設計等高端工作，而外圍研發勞動則執行相對低端的操作。新格局的生成邏輯在于：智能研發工具在研發勞動過程中的普及加速了研發勞動“概念與執行”的分離，數字技術革命與研發組織變革為這種分離向全球層面的擴展創設了必要的客觀條件，在此基礎上，壟斷組織通過壟斷先進研發勞動資料、頂尖研發勞動，以及圈占研發勞動對象的手段，推動了新格局的最終形成。為擺脫這種全球研發分工對我國自主研發的制約，我國應有針對性地加強智能研發工具與交叉復合型研發人才的自主化，并利用好本土隱性知識與企業需求等創新資源。

①

本文認為全球化存在廣度擴張與深度擴張兩個維度，廣度擴張指的是發生在交換、流通領域的商品貿易全球化，深度擴張指的是生產領域的全球分工。一些研究指出近年來存在逆全球化趨勢，但這僅僅說明全球化的廣度在一定程度上收縮，然而如果從深度來看，生產分工的全球化趨勢不僅沒有逆轉，并且進一步向知識生產分工的全球化布局擴張。

②"參見清華大學AMiner團隊，《2022年人工智能全球最具影響力學者榜單AI"2000》，2022年1月25日第3頁。

③"參見中關村產業研究院，《人工智能全域變革圖景展望：躍遷點來臨（2023）》，2023年第11頁。

④"詳細信息參見：https：//timecom/6247678/openaichatgptkenyaworkers/。

⑤"羅森博格通過對化學工程的考察認為，通用技術的概念不應局限于硬件或實物，更高級的通用技術可能直接作用于創新活動。參見《Chemical"Engineering"as"a"General"Purpose"Technology》，MIT"Press，1998年第170頁。

⑥"數字技術本身是由不同技術族群構成的龐大技術體系，包括智能技術、云計算技術、大數據與互聯網技術等，本文此處的“數字技術”主要強調的是對信息傳遞和利用方式帶來革命性影響的大數據與互聯網等數字技術。

⑦"包括計算機輔助設計類軟件（CAD）、計算機輔助工程類軟件（CAE）、產品全生命周期管理（PLM），以及電子設計自動化類軟件（EDA）等。

⑧"本文根據專用研發設計類軟件的定義，比照國際專利分類標準（IPC）進行篩選查找，相關專利主要集中于G06F13、G06F9、H04L12、G06F12、G06F17這五大專利種類，筆者在Incopat數據庫中對這五種專利分類號進行檢索，統計相關數據。

⑨"本文依據通用研發設計類軟件的定義，比照國際專利分類標準（IPC）進行篩選查找，其所對應的專利欄目包括：G06N20/00機器學習；G06N3/00基于生物學模型的計算機系統；G06N5/00基于知識模式的計算機系統；G06N7/00基于特定數學模式的計算機系統；G06N10/00量子計算，即基于量子力學現象的信息處理。筆者進而在Incopat數據庫中對每種專利的相關數據信息進行檢索、匯總。

⑩"數據來源同上。

［參考文獻］

［1］中共中央馬克思恩格斯列寧斯大林著作編譯局.馬克思恩格斯文集："第5卷［M］.北京："人民出版社，"2009.

［2］阿明."不平等的發展："論外圍資本主義的社會形態［M］."高鈷，"譯."北京："社會科學文獻出版社，"2017："6.

［3］沃勒斯坦."現代世界體系："第1卷［M］."郭方，"劉新成，"張文剛，"譯."北京："高等教育出版社，"1998："194.

［4］National"Science"Foundation."Science"and"engineering"indicators"2016［EB/OL］.（2016-02-02）［2024-12-15］."https：//newnsfgov/reports/indicators/scienceengineeringindicators-2016/nsb20161.

［5］KERR"S"P，"KERR"W，"ZDEN"，"et"al."Global"talent"flows［J］."Journal"of"economic"perspectives，"2016，"30（4）："83-106.

［6］勒納，"斯特恩."創新政策與經濟發展［M］."孫國玉，"譯."北京："中信出版社，"2023："8.

［7］FELD"A，"KREIMERnbsp;P."Scientific"cooperation"and"centreperiphery"relations："attitudes"and"interests"of"European"and"Latin"American"scientists［J］."Tapuya："Latin"American"science，"technology"and"society，"2019，"2（1）："149-175.

［8］王瀟."技術空心化："人工智能對知識型員工勞動過程的重塑——以企業電子研發工程師為例［J］."社會發展研究，"2019，"6（3）："84-102.

［9］奧滕立德."數字工廠［M］."黃瑤，"譯."北京："中國科學技術出版社，"2023："143.

［10］尹西明，"李一凡，"李紀珍，"等."人工智能國際領先機構OpenAI創新管理模式及對中國的啟示［J］."創新科技，"2023，"23（9）："78-90.

［11］RIKAP"C."Capitalism"as"usual？"Implications"of"digital"intellectual"monopolies［J］."New"left"review，"2023，"139："145-160.

［12］李川川，"劉剛."數字經濟創新范式研究［J］."經濟學家，"2022（7）："34-42.

［13］拉奧，"斯加魯菲."硅谷百年史："偉大的科技創新與創業歷程："1900—2013［M］."閆景立，"侯愛華，"譯."北京："人民郵電出版社，"2014："145.

［14］GRILICHES"Z."Hybrid"corn："an"exploration"in"economics"of"technological"change［D］."Chicago："The"University"of"Chicago，"1957.

［15］布雷弗曼."勞動與壟斷資本［M］."方生，"朱基俊，"吳憶萱，"等譯."北京："商務印書館，"1978.

［16］考克斯."生產、權力和世界秩序："社會力量在締造歷史中的作用［M］."林華，"譯."北京："世界知識出版社，"2004："227-228.

［17］中共中央馬克思恩格斯列寧斯大林著作編譯局.馬克思恩格斯全集："第37卷［M］.北京："人民出版社，"2019："204.

［18］中共中央馬克思恩格斯列寧斯大林著作編譯局.馬克思恩格斯文集："第8卷［M］.北京："人民出版社，2009："197.

［19］張旭，"張彥澤."GPT系列生成式人工智能技術的政治經濟學分析——基于馬克思機器大生產理論［J］."馬克思主義與現實，"2024（4）："122-131.

［20］馬爾庫塞."馬爾庫塞文集："第1卷［M］."高海青，"馮波，"譯."北京："人民出版社，"2019："6.

［21］中共中央馬克思恩格斯列寧斯大林著作編譯局.馬克思恩格斯全集："第30卷［M］.北京："人民出版社，"1995.

［22］中共中央馬克思恩格斯列寧斯大林著作編譯局.列寧選集：第2卷［M］.北京："人民出版社，"2012.

［23］李曉鵬."知識創造業與后工業化時代的產業升級趨勢［J］."政治經濟學報，"2022，"23（2）："45-74.

［24］謝富勝."當代帝國主義研究的三種范式［J］."馬克思主義研究，"2020（11）："130-142.

［25］袁珩，"程如煙."全球人工智能人才發展態勢淺析［J］."全球科技經濟瞭望，"2021，"36（2）："48-52.

［26］清華大學中國科技政策研究中心."中國人工智能發展報告2018［R］."北京："清華大學中國科技政策研究中心，"2018："29-33.

［27］習近平."推動我國新一代人工智能健康發展［EB/OL］."（2018-10-31）"［2024-12-15］."http：//zqbcyolcom/html/2018-11/01/nwD110000zgqnb_20181101_2-01htm.

［28］中共中央關于進一步全面深化改革推進中國式現代化的決定［N］."人民日報，"2024-07-22（1）.

The"New"Patternnbsp;of"Global"Ramp;D"Division"of"Labor"in"the"Age"of"Digitization："

Core"Characteristics"and"Generative"Logic

Chen"Hengxuan

（School"of"Economics，"Capital"University"of"Economics"and"Business，"Beijing"100070，"China）

Abstract：

The"new"pattern"of"global"Ramp;D"division"of"labor"in"the"digital"age"exhibits"a"“coreperiphery”"characteristic，"where"core"Ramp;D"labor"is"responsible"for"highend"tasks"such"as"conceptual"and"principle"design，"while"peripheral"Ramp;D"labor"carries"out"relatively"lowerend"operations."The"logic"of"the"new"pattern’s"formation"is"as"follows："The"widespread"use"of"intelligent"Ramp;D"tools"in"the"Ramp;D"process"has"accelerated"the"separation"of"Ramp;D"labor"into"“conceptualization"and"execution”."The"digital"technology"revolution"and"changes"in"Ramp;D"organization"have"created"the"objective"conditions"for"this"separation"to"expand"globally."On"this"basis，"monopolistic"organizations，"by"monopolizing"advanced"Ramp;D"tools，"top"Ramp;D"talent，"and"appropriating"Ramp;D"objects，"have"driven"the"ultimate"formation"of"the"new"pattern."To"break"free"from"the"constraints"of"this"global"Ramp;D"division"of"labor"on"China’s"independent"Ramp;D，"China"should"strengthen"the"domestication"of"intelligent"Ramp;D"tools"and"interdisciplinary"Ramp;D"talent，"and"make"good"use"of"local"tacit"knowledge"and"corporate"demand"as"innovation"resources.

Key"words：digital"era;"Ramp;D"division"of"labor;"“coreperiphery”;"independent"Ramp;D"strategy

（責任編輯：張積慧）