投稿邮箱：wenhuazongheng@gmail.com
《文化纵横》邮发代号：80-942
文化纵横官网：wenhuazongheng.cn
✪ 郑戈
上海交通大学凯原法学院
【导读】10月17日，DeepSeek推出v4.1-Flash模型的新版本，引发全球关注。两日后，美国国土安全部以国家安全为由，禁止联邦民事机构采购和使用DeepSeek产品及所有基于其技术的第三方产品和服务。次日，Deepseek宣布开源内部推理框架DeepInfer，将支撑其大规模推理服务的工程实现公之于众。
一次产品发布，之所以能造成如此分裂的反应，是因为它测试的是美国叙事的承重能力。本文将这场争论放回了一个更长的思想脉络。2026年5月，日内瓦大学教授迪朗与技术评论家莫罗佐夫在上海就“技术封建主义”展开辩论：人工智能究竟正在把资本主义推向一种新的封建形态，还是只是把既有的资本与国家权力推向新的阶段？郑戈的判断是，迪朗错在命名，对在诊断；莫罗佐夫对在校准了靶点，却低估了诊断的价值。
文章进一步指出，当生产资料的社会化达到前所未有的高度，社会化的产物的控制将走向两种截然不同的方向：智能的封建化，是社会化的智能被少数私人占有，转化为租金、依附与支配；智能能力的社会化，则是社会化的智能重新为社会所用，转化为大多数人可及、可用、可验证的能力。其间真正的分岔在于谁有权制定规则、谁能够验明技术。开源之争的胜负，最终不取决于哪一方嗓门更大，而取决于哪个社会能让最多的人用上、调试、验明这项技术。
本文原载《文化纵横》2026年第5期，仅代表作者观点，供诸君思考。
人工智能的封建化，还是社会化？
2026年7月16日，月之暗面发布大模型Kimi K3，当天即在一个广受关注的代码竞技场榜单上登顶，成为第一个超越所有闭源模型的开源模型。此后两周，美国的反应堪称三个界别、三种分裂。金融界用最直接的方式投了票：美股人工智能板块三天蒸发约4700亿美元，费城半导体指数一周下跌近10%。政界分成两派：白宫科技政策办公室主任指控中国公司“大规模蒸馏”美国模型，财政部长威胁动用金融制裁，商务部长却公开怀疑管制的实际效果。行业的声音更直白：微软、英伟达、戴尔、IBM等二十五家企业联名呼吁支持开放权重模型，近二百家硅谷初创企业警告白宫，封禁中国开源模型，“死掉的不是中国公司，而是美国创业者”。
一次产品发布，何以造成如此分裂的反应？因为它测试的不是中国模型的能力，而是美国叙事的承重能力。当一个性能逼近前沿、调用成本不足美国闭源模型十分之一的模型可以免费下载，“闭源模型卖出高溢价”这门生意的地基就松动了。围绕人工智能的争论，表面上是技术路线之争——开源还是闭源，自研芯片还是进口芯片；往深处看，是一场政治经济学之争：智能能力被谁占有，以何种方式组织生产，收益如何在社会成员之间分配。
技术问题从来都不是单纯的技术问题。马克思在《资本论》中区分过“机器”和“机器的资本主义应用”：机器本身意味着减轻劳动，机器的资本主义应用却可能强化剥削。[1]今天我们需要的是同一种区分。人工智能是这个时代社会化程度最高的产物，它把整个物种的语言、协作和集体知识编码进同一个模型，但社会化可以采取两种形式。马克思当年就指出过，股份制是退步的社会化，合作制是进步的社会化。[2]借用这一对区分，本文提出一对概念：智能的封建化，指社会化的智能被少数私人占有，转化为租金、依附与支配；智能能力的社会化，指社会化的智能重新为社会所用，转化为大多数人可及、可用、可验证的能力。人工智能时代中国发展路径的意义，就存在于这两个方向的较量之中。
▍“技术封建主义”的诊断与限度
本文所说的“智能的封建化”并非凭空铸造，它接续着西方思想界一场尚无定论的争论。2026年5月，日内瓦大学教授塞德里克·迪朗与技术评论家叶夫根尼·莫罗佐夫在上海进行了一场辩论，主题是前者2020年系统提出的“技术封建主义”假说。迪朗的诊断从一个悖论开始：人工智能投资热潮如火如荼，亚马逊、谷歌、微软正在建造庞大的数据中心；但非科技公司的投资在下降，净资本积累处于历史低位。这是一种双速经济：一头是人工智能在燃烧，另一头是实业在停滞。这场热潮由金融逻辑而非生产逻辑驱动：英伟达投资OpenAI，OpenAI向微软购买算力，微软再去购买英伟达的芯片，循环交易支撑着彼此的估值。迪朗据此提出技术封建主义的三个特征：普遍的数字依赖，无人能离开网络服务；私人的政治权力攫取，甚至借稳定币染指货币权力；零和的掠食逻辑，你付钱才能获得必需的接入——这不是等价交换的利润，而是基于控制的贡赋。平台资本主义的租金逻辑，于此暴露无遗。[3]
莫罗佐夫的反驳同样有力。封建主义与资本主义的区别在于两点：支配是人格化的还是非人格化的，经济是停滞的还是积累的。用这两条标准衡量，平台巨头的支配仍然是非人格化的，资本积累在顶端也并未停滞——工人没有分到好处，但这恰恰是资本主义的常态。更重要的是，技术封建主义假说遮蔽了真正的故事：地缘政治。华为被制裁，昇腾芯片不能出口；阿联酋的G42被迫解除与华为的合同，以获得美国的先进芯片。这不是封建贡赋，而是帝国霸权在塑造全球智能格局。
这场争论孰是孰非？笔者的判断是：迪朗错在命名，对在诊断；莫罗佐夫对在校准靶点，却低估了诊断的价值。迪朗确实夸大了“封建”的程度，这是一种新的资本主义形态，而非向中世纪的回归。但他诊断中真实的部分不应被一并丢弃：平台对关键生产资料的排他性控制，确实在生产一种新型依附关系。
概念之争的实质，是确定批判的靶点。技术封建主义假说的真正价值，不在于准确命名了资本主义的哪个阶段，而在于它逼问我们：当生产资料的社会化达到前所未有的高度时，谁来控制社会化的产物？（见表1）
当然，无论采纳哪种命名，美国国家政策对人工智能产业的深度介入都表明，“平台吞没国家”的图景只说对了一半，另一半是国家在为资本提供保障的同时放弃了对资本的控制。封建化与霸权化，是同一枚硬币的两面。
▍租金、护城河与叙事
诊断既明，战场何在？答案就在开源。Kimi K3发布后美国政商两界的激烈反应，为观察智能产业的政治经济学提供了一个天然实验室。主张闭源和封禁的阵营，动机大致有三层。一是租金：闭源实验室的商业模式，是把前沿模型锁在应用程序接口（API）——也就是按次收费的远程调用通道——后面收取高溢价，开源模型把这扇门拆了。二是护城河：强制安全测试、出口管制、反蒸馏立法，每一项合规成本对大实验室而言都可以轻松承担，对小团队和开源社区来说则不堪重负。即便如阿莫迪近来所说，安全测试将按“前沿”分级、对追赶者从轻，门槛由谁划定、合规资源谁先具备，答案仍偏向在位者——安全要求在这里执行的仍是准入壁垒的功能，学界称之为“监管护城河”。[4]三是叙事：当技术优势只剩三到五个月，唯一还能拉大的差距就是话语差距，于是“蒸馏”“安全风险”“意识形态威胁”轮番登场。一言以蔽之，他们担心的并非中国的模型不安全，而是中国的模型太便宜。
“太便宜”之所以致命，要看这场热潮的钱从哪里来。自2024年初以来，美国五大科技巨头的人工智能资本支出合计约5600亿美元，同期人工智能相关收入仅约350亿美元。[5]填补这个巨大缺口的，是一套关于“通用人工智能”的远期叙事。OpenAI创始人的说法是，先造出通用智能系统，“然后直接问它怎么赚钱”。[6]2024年散户向英伟达投入近300亿美元，华尔街把每次模型发布都讲成“新工业革命”。铁路、无线电、光纤的历史一再表明，即便技术进步是真的，基础设施可以留下来，投资者的钱仍然可能打水漂。理解了这一点，也就理解了Kimi K3为什么伤人：它动摇的是“前沿模型高溢价”的整套定价逻辑。
闭源阵营还有一个更精致的指控：“开源本质上是减速主义”，因为开放权重模型压低了前沿实验室的利润，减少了可再投资的资本，从而拖慢下一代模型的研发。这个论证将对三家头部闭源实验室的资本回报不利，偷换成了对整个人工智能发展不利。长期追踪开源生态的研究者兰伯特的反驳很精确：“一个减速，一个加速”——开源对前沿实验室的租金积累是减速的，对智能在整个经济中的扩散却是加速的。宏观测算给出了硬数据：若各国都不投资开源，长期GDP将平均缩水2.2%，企业软件总支出将涨至目前的3.5倍。[7]人工智能的推理市场正复刻同一格局，开放模型以闭源1/6的价格提供九成能力，[8]性能差距数月内即可抹平，仅2025年少兑现的消费者收益就在200亿至480亿美元之间。[9]在经济史上，蒸汽机和电力对增长的贡献，主要不来自发明本身，而来自技术扩散到千行百业的过程。熊彼特所说的“创造性破坏”，破坏的从来是租金，创造的从来是能力。[10]
与“减速”指控相对的，是闭源阵营自己的选择性减速。Anthropic首席执行官阿莫迪呼吁：中美竞赛剧烈，政府应当收紧芯片出口、打击蒸馏、实施上市前的分级安全测试，并支持“为前沿配速”（Pacing the Frontier）的监管理念。阿莫迪最近为这一立场添上了新的注脚：他向美国人工智能标准与创新中心和白宫建议的测试制度，对前沿模型更严格，对非前沿模型更宽松；所谓配速，调节的是最领先模型的发展速度，而不是限制正在追赶的模型——按照Anthropic所支持的实施方式，这种制度甚至会损害前沿实验室自身的商业利益，同时惠及包括开放权重模型在内的挑战者。这个新说法值得认真对待，但它恰恰道出了问题的核心：自封为赛道配速的人，首先占据了定义“前沿”、测定速度的位置——减谁的速、减多少，闸门仍握在守门人手中。何况这套辩解只及于安全测试一项，同一揽子主张中的芯片出口管制与反蒸馏立法，落点依旧几乎全部在中国企业和开源模型身上。正如19世纪英国的《红旗法》要求机动车前面有人步行举旗开路，名义上也是安全，实际保护的是马车生意。真正的减速，从来不写在管制条文里，而是写在智能供给被守门人收窄的那一刻。
利害之争讲完，机制问题还在。要理解开源何以构成对智能封建化的实质性反抗，必须先在概念上做一番清理。“开源”首先不是一种信息被公开的事实状态，而是一种分配技术控制权的制度安排。网络空间不存在不受规制的自然状态，技术架构与法律、市场、社会规范一样，能够直接限定行为者能够做什么。[11]因此，开源并非法律退出之后留下的技术自由，而是对架构控制权的特定配置。它同时也是一条被三十年实践验证过的生产路径，从Linux占据服务器操作系统近四成份额，到Apache长期统治Web服务器市场，[12]经济学家由此确认，开源“同时是尖端技术、大宗商品和公共品”[13]。史蒂文·韦伯的概括最经典：开源的真正产品不是软件，而是一种组织生产的方式——“分布式创新”，把分散在人群中的创造力和即时需求汇集起来。[14]
但人工智能模型没有一个能单独叫作“源代码”的东西：模型权重、模型架构、训练代码、训练数据、过滤规则共同影响模型行为，只公开其中一层，通常不足以复现训练过程。但即便被公认为开源标杆的DeepSeek，也没有公开完整训练数据。更准确的理解，是把开放看作一个连续谱：接口开放、权重开放、开发开放、生态开放，四个层次对应的创生性（容许使用者做出改变的程度）依次增强。[15]具有决定意义的分界线在第二层。所谓权重，可以理解为模型全部“记忆”所在的数字文件；权重开放，意味着使用者可以在自己控制的基础设施上运行模型，摆脱远程接口的持续许可、日志留存和单方停用。开放权重模型一经合法下载，原提供者通常无法再即时改变它的运行规则——控制关系由此改变。
当然，开源在制度上既不浪漫也不免费。它是奥斯特罗姆意义上的公地治理：为了维护可持续的共同资源，需要确定参与边界、监测机制和分级制裁，开源许可证正是核心的治理机制。[16]支撑这片公地的，不是抽象的利他主义。[17]实证研究反复表明，开发者贡献开源的第一动机是“代码写起来有智识上的刺激感”，其次是“学习并掌握新技能”。在某种意义上，开源是规模最大、成本最低的自愿培训体系。[18]但也必须清醒地意识到，开放能够分散应用和部署层面的依赖，却不能自动消除基础设施层面的集中。[19]模型托管平台提供存储、版本与社区讨论，是开源生态的咽喉要道。国内主要开源项目几乎都选择境外平台发布，这种借用他人开源基础设施的行为，无异于把自己的庄稼种在别人的土地上。GitHub此前就曾限制伊朗、叙利亚等国开发者访问。许可证自由可能被基础设施控制抵消——这是开源政治经济学的另一半，也是中国路径必须回答的问题。
▍私人立宪的法治限度
在利益之争之外，另一场更安静的争夺发生在规范层面：谁来为人工智能设定行为边界。2026年上半年发生在Anthropic身上的一连串事件，堪称一部浓缩的宪制剧。这家以“安全优先”为信条的公司，2022年提出“宪法性人工智能”，以一套人类预先撰写的行为准则取代大量人工标注；2026年1月，它发布了八十余页的“宪法”文件。然后，这部“宪法”与国家权力正面相撞：2月，美国国防部要求该公司删除使用政策中禁止产品用于致命自主武器与大规模监控的条款，遭拒后将其标记为“供应链风险”，而这个标签此前从未用于美国企业；6月，美国政府发出出口管制令，迫使其对所有客户突然禁用两个最新模型。一家试图以内部“立宪”约束自身技术的企业，在国家安全叙事面前发现：它精心构建的“宪法”，不过是一纸可以随时被撤销的技术承诺。这个故事的另一面，是这部“宪法”自身的底色——它植根于美国西海岸自由放任主义的文化语境，并通过奖励函数（训练中告诉模型什么行为会得分的机制）植入模型的深层语法。
从法学视角看，要害在于定性。宪法之为宪法，不取决于原则措辞是否高扬，而取决于规范生成的三项要件：正当程序，制宪权属于人民，而不属于私人公司；公共参与，根本价值须经公共空间的争论、妥协和持续解释；历史时间，须经不同历史情境的检验。以此衡量，“宪法性人工智能”无一满足：原则由企业内部团队选取和修订，用户与受影响者既无授权通道，也无异议机制；原则一经转化为训练目标，便不再以“应当遵守”的规范形态出现，而以消除“违反可能性”的概率结构发挥作用。但法律规范的生命力，恰恰在于保留违反、抗辩、解释与修正的可能。因此，Anthropic的“宪法性人工智能”可以是技术规范，也可以是产品安全政策，唯独不是宪法。
褪去修辞外衣，“宪法性人工智能”的真实属性是一种“自我认证”型的伦理服务：服务提供者同时是被评估对象的生产者，评估标准由其单方拟定，评估结论服务于自身商业利益。任何规范评估都必须遵循的中立性原则，在这里被结构性地违反了。[21]平台企业通过代码、算法和服务条款，同时承担规则制定、执行与争议处理职能，成为网络空间的“新治理者”。[22]出路不在于让企业把“宪法”写得更漂亮，而在于把问题从“模型应遵守哪些价值”推进到“谁有权制定并验证这些价值”。笔者主张“评建分离”，将具有公共影响的伦理评估从企业内部流程中剥离，交由具备法定资质、与被评估系统无利益牵连的专业机构承担。[23]我国2026年发布的《人工智能科技伦理审查与服务办法（试行）》，已要求伦理审查服务中心不得对同一活动同时提供审查和复核服务，隐约指向了这个方向。同时，法律必须为个体保留对算法决策说“不”的制度通道，在信贷、招聘、保险等有重大影响的场景中，受影响者应享有告知、解释、申诉和人工复核的程序性权利。[24]规范制定权的归属，与智能能力的分配，是同一个问题的两面。
▍有序创新与能力社会化
诊断、抵抗、立规，三个战场勾勒出智能封建化的完整面貌，也表明智能的封建化不是技术事实，而是一组有待政治决断的制度安排。面对智能的封建化趋势，中国给出的不是一套话语，而是一组制度事实。在治理节奏上，中国没有等待一部综合性大法，而是在发展过程中不断出台场景化规则，从出台大模型备案、算法与深度合成规范，到2023年《生成式人工智能服务管理暂行办法》确立了服务提供者的过程性义务，再到2026年的伦理审查办法又补上了伦理服务制度化的一环。在创新结构上，中国头部模型选择了几乎完全开源的路线，多个东南亚、中亚国家的“主权人工智能”，正建立在中国开源模型之上。在应用方向上，在美国，人工智能大量用于商业和消费端；在中国，依托完整的制造业体系，人工智能被广泛部署进工厂，华为、商汤等公司专门开发工业模型。这同样带来了一些问题，如机器人大量使用减少了传统制造业岗位，但与美国制造业空心化之后的问题性质不同。在制度约束上，《劳动合同法》对以技术改进为名的大规模裁员设有程序门槛，“用数字孪生替代真人，然后解雇真人”的模式在美国可以畅行，在中国会撞上法律边界。在社会对平台的反向塑造上，以美团围绕配送算法组织学者、媒体和公众参与的公开审议为例，在中国发生的，与其说是“平台封建化社会”，不如说是社会在“社会化”平台。
这些事实背后是一以贯之的治理哲学，可称为“有序创新”：立法不为未完成的技术封顶，而以过程性、场景化的规则保持演化余地。它与欧盟的预防原则有别，预防原则容易以抽象风险窒息具体创新；也与美国的放任有别，美国模式是国家为资本提供保障，同时放弃对资本的控制。但“有序创新”只是答案的一半，另一半，也是更具标识性的部分，是“能力的社会化”。
发展经济学对此早有分析资源：格申克龙指出，后发国家的工业化总是以不同于先发国家的制度工具完成；[25]发展型国家的比较研究则表明，官僚体系既嵌入社会又保持自主的“嵌入性自主”，是后发赶超的关键变量[26]。中国的独特性在于，国家既没有代替市场，也没有为资本兜底然后放弃控制，而是试图成为开放能力的担保人，保障公共算力、公共数据、测评基准、镜像归档这些单一企业不会充分供给的基础设施；同时退后一步，不把每一次下载、研究和修改都变成行政许可，不指定唯一的技术路线。波兰尼的教益在此依然有效：市场从来不是自生自发的自然秩序，而是被制度创设和维系的。[27]问题只在于，创设市场的制度服务于谁。
需要进一步追问：有序创新所“序”的是什么？人工智能是极端资本密集的技术，它的方向从一开始就被“钱从哪里来、为何而来”塑造。私人资本的短期逻辑，天然地偏爱快速变现、巩固垄断地位的“替代型”应用，如自动内容生成、智能客服、仓储物流自动化，它们的卖点是“降本增效”，直接后果是加速岗位替代。社会效益显著、回报周期长的“赋能型”应用，如辅助教师育人的工具、提升基层医生诊疗水平的系统，则因讲不出“万亿市场”的资本故事而投资不足。于是，人工智能带来的就业冲击呈现极化结构，高技能岗位旺盛，低技能岗位暂时留存，庞大的中等技能白领岗位被快速掏空。这不是技术能力的自然结果，而是资本选择的政治后果。
生产率层面的证据，同样指向政治经济结构。迄今最严格的随机对照试验显示，2025年初最先进的编程工具让资深开发者的任务完成时间平均增速19%，而开发者本人事前预测会提速24%。[28]但在写作、客服和制造业质检等结构化场景中，正效应同样真实。国内智能制造试点示范项目改造后，生产效率平均提升近四成。[29]经济学把这种状况称为“锯齿前沿”：人工智能在能力边界之内提升绩效，在边界之外却会恶化绩效。这个技术事实的含义是政治经济学的：资本流向决定社会拿到的是边界之内的赋能，还是边界之外的动荡；技术冲击如何分布，将取决于有没有制度力量把人工智能引向“赋能型”而非“替代型”应用。
同样需要警惕的，是发展路径的金融化。美国已经提供了前车之鉴：今天的人工智能投资热，与历史上的铁路狂热、无线电泡沫和电信光纤泡沫共享同一个结构——商业模式的不确定性、纯概念股、新手投资者的涌入，加上一套把所有怀疑挡在门外的必然性叙事。经济学研究表明，泡沫与遗产可以并存，暂时的高估值若能在叙事退潮之前完成足够的资本积累，留下的基础设施就是永久遗产；若叙事先退潮，繁荣就会以纯粹浪费收场。[30]美国路径的风险集中在这里：估值可能会骤然崩塌，英伟达、微软、OpenAI之间的循环交易把收入与支出互为前提，一旦为算力扩张融资的私人信贷连锁违约，就将迎来一场标准的“明斯基时刻”。
中国路径的风险形态不同。中国管理资产泡沫的工具箱——高储蓄、资本管制、国家对金融体系的控制，能够把出清过程拉长放缓，以行政方式消化过剩产能。[31]但同一套机制也可能带来补贴驱动的低效进入、看政策背书而非看风险回报的信贷等问题，以资源配置扭曲和隐性债务的形式缓慢积累风险。应对之道不是打补丁，而是把监管与产业政策深度绑定，将获得公共投资、政府采购的资格，与实质性的伦理影响评估和算法审计挂钩，使补贴锚定可验证的生产率改善，而非进入数量。与此同时，国家的角色应当再推进一步，不仅是开放能力的担保人，更是公共算力、公共数据池、测评基准、覆盖全民的终身技能重塑体系等关键基础设施的建设者。再技能化本身，就是最大的人工智能应用场景之一。
这一进一退之间，是“统筹发展和安全”的可操作化。发展不是安全的例外，因为缺乏自主模型、工具和人才本身就是最大的不安全；安全也不是发展的外部限制，因为稳定的责任预期能够降低创新成本。《新一代人工智能发展规划》以阶段性目标统筹技术、产业与治理，2025年“人工智能+”行动意见进一步要求培育开源生态与应用能力，上海、深圳的地方立法则以公共算力和容错机制支持创新。这些制度体现的不是放任，而是把安全建立在本国能够研发、部署和修复技术的能力之上。
这一路径还有国际维度。联合国《全球数字契约》要求推进开放、可互操作的数字公共基础设施。在出口管制与制裁频仍的世界里，可信赖的开放基础设施本身就是稀缺供给。中国开源模型对于其他国家的重要意义就在于此，东南亚、中亚国家基于中国开源模型建设自己的“主权人工智能”，正是能力社会化的跨国延伸。当然，若开放只是扩大市场份额的修辞，其说服力终将耗尽；开放的分量，要靠公共投入去支撑。对“开源公司终究要对股东负责”的质疑，回答也是一样：正因为单靠市场不能保证开放能力的持续供给，国家作为担保人的角色才不可或缺——这些韧性建设无法靠命令在一夜之间建成，只能靠公共投资长期维持。
▍结语
回到马克思的区分。人工智能作为“机器”，是人类集体知识的结晶，是这个时代社会化生产的最高形式。人工智能被谁占有、以何种方式应用，则是一个政治经济学问题，一个制度选择问题。智能的封建化并非技术的宿命，而是一种可以被抵抗的趋势。智能能力的社会化也不是市场的自发产物，而是需要法律与公共投资悉心维护的制度成就。开源之争的最终裁判，不是华盛顿的听证会，而是哪个社会能让最多的人用上、调试、验明这项技术。机器没有意志，制度有。人工智能时代的宪法问题，归根结底是一个古老问题的当代表达：社会化的财富，由社会共享，还是由少数人裂土封邦？中国的回答，正在写进自己的法律与产业实践之中。
编辑 | 魏嘉怡 标题 | MSD、王致虚
注释（向上滑动查看）
[1] 马克思：《资本论》（第一卷），人民出版社2004年版，第427~443页。
[2] 马克思：《资本论》（第三卷），人民出版社2004年版，第494~499页。
[3] Nick Srnicek,“The Challenges of Platform Capitalism: Understanding the Logic of a New Business Model,”Juncture, Vol. 23, No. 4, 2017, pp. 254~257.
[4] Elizabeth Pollman and Jordan M. Barry,“Regulatory Entrepreneurship,”Southern California Law Review, Vol. 90, No. 3, 2017, pp. 383~448.
[5] Rogé Karma,“Just How Bad Would an AI Bubble Be?”The Atlantic, September 2025.
[6] Brian Merchant,“AI Is the Bubble to Burst Them All,”Wired, October 27, 2025.
[7] Knut Blind and Torben Schubert,“Estimating the GDP Effect of Open Source Software and Its Complementarities with R&D and Patents: Evidence and Policy Implications,”The Journal of Technology Transfer, Vol. 49, No. 2, 2024, pp. 466~467.
[8] Manuel Hoffmann, Frank Nagle and Yanuo Zhou,“The Value of Open Source Software,” Harvard Business School Working Paper 24-038, 2024, pp. 1, 18.
[9] Frank Nagle and Daniel Yue,“The Latent Role of Open Models in the AI Economy,” Working Paper, November 18, 2025, pp. 1, 4, 12, 17.
[10] Joseph A. Schumpeter, Capitalism, Socialism and Democracy, Harper & Brothers, 1942, pp. 81~86.
[11] Lawrence Lessig, Code: Version 2.0, Basic Books, 2006, pp. 120~123.
[12] Jürgen Bitzer and Philipp J. H. Schröder, eds., The Economics of Open Source Software Development, Elsevier, 2006, p. 2.
[13] Mirko Böhm,“Economics of Open Source,”in Amanda Brock, ed., Open Source Law, Policy and Practice, 2nd edition, Oxford University Press, 2022, pp. 298~299, 316.
[14] Steven Weber, The Success of Open Source, Harvard University Press, 2004, pp. 224~225.
[15] Jonathan Zittrain,“The Generative Internet,”Harvard Law Review, Vol. 119, No. 7, 2006, pp. 1974~2040.
[16] 埃莉诺·奥斯特罗姆：《公共事物的治理之道》，余逊达、陈旭东译，上海译文出版社2012年版，第88~102页。
[17] Karim R. Lakhani and Robert G. Wolf,“Why Hackers Do What They Do: Understanding Motivation and Effort in Free/Open Source Software Projects,”in Joseph Feller, Brian Fitzgerald, Scott A. Hissam and Karim R. Lakhani, eds., Perspectives on Free and Open Source Software, MIT Press, 2005, pp. 3, 12~13.
[18] Rishab Aiyer Ghosh,“Understanding Free Software Developers: Findings from the FLOSS Study,”in Feller, Fitzgerald, Hissam and Lakhani, eds., Perspectives on Free and Open Source Software, MIT Press, 2005, p. 34.
[19] Brett M. Frischmann, “An Economic Theory of Infrastructure and Commons Management,” Minnesota Law Review, Vol. 89, No. 4, 2005, pp. 917~1030.
[20] Richard S. Kay,“Constituent Authority,”American Journal of Comparative Law, Vol. 59, No. 3, 2011, pp. 715~761.
[21] Jacob Metcalf, Emanuel Moss and Danah Boyd,“Owning Ethics: Corporate Logics, Silicon Valley, and the Institutionalization of Ethics,”Social Research, Vol. 86, No. 2, 2019, pp. 449~476.
[22] Kate Klonick,“The New Governors: The People, Rules, and Processes Governing Online Speech,”Harvard Law Review, Vol. 131, No. 6, 2018, pp. 1598~1670.
[23] 郑戈：《人工智能的宪法与宪法的人工智能——人工智能治理中技术立宪的法治限度及其规范重构》，载《政法论丛》2026年第4期。
[24] Margot E. Kaminski & Jennifer M. Urban,“The Right to Contest AI,”Columbia Law Review, Vol. 121, No. 7, 2021, pp. 1957~2048.
[25] Alexander Gerschenkron, Economic Backwardness in Historical Perspective, Harvard University Press, 1962, pp. 5~30.
[26] Peter B. Evans,“Predatory, Developmental, and Other Apparatuses: A Comparative Political Economy Perspective on the Third World State,”Sociological Forum, Vol. 4, No. 4, 1989, pp. 561~587; Peter B. Evans and James E. Rauch,“Bureaucracy and Growth: A Cross-National Analysis of the Effects of‘Weberian’ State Structures on Economic Growth,” American Sociological Review, Vol. 64, No. 5, 1999, pp. 748~765.
[27] Karl Polanyi, The Great Transformation: The Political and Economic Origins of Our Time, Beacon Press, 1957, pp. 68~76.
[28] Joel Becker, Neil Rush, Benedict Barnes and David Rein,“Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity,”METR Working Paper, arXiv: 2507. 09089, 2025.
[29] 中国社会科学院工业经济研究所智能经济研究组：《智能+：制造业的智能化转型》，人民邮电出版社2021年版。
[30] Ricardo J. Caballero,“Speculative Growth and the AI‘Bubble’,”NBER Working Paper No. 34722, 2026.
[31] Thomas Orlik, China: The Bubble That Never Pops, Oxford University Press, 2020.
本文原载于《文化纵横》2026年第5期，仅代表作者观点，供读者参考。
修远基金会是中国最具影响力的社会智库之一。在时代转型与深刻变革的背景下，修远基金会通过洞察社会发展的核心命题、把握宏观趋势的深层脉络，为各类组织与决策主体提供扎实的研究支撑与战略前瞻。
合作与建言，请致信：wenhuazongheng@163.com
2027年纸刊订阅 · 9折
原价228元 现价205.2元
订阅服务热线：
13167577398（微信同，工作日回复）