程實(shí)為工銀國(guó)際首席經(jīng)濟(jì)學(xué)家、董事總經(jīng)理、中國(guó)首席經(jīng)濟(jì)學(xué)家論壇理事；高欣弘為工銀國(guó)際宏觀經(jīng)濟(jì)分析師
“長(zhǎng)風(fēng)破浪會(huì)有時(shí)，直掛云帆濟(jì)滄海?！痹谏弦黄獔?bào)告《突圍價(jià)值鏈，發(fā)力硬科技》中，我們采用機(jī)器學(xué)習(xí)聚合（Clustering）分類（Classification）研究，在全球5228種產(chǎn)品類別中系統(tǒng)性得識(shí)別了當(dāng)前中國(guó)高度進(jìn)口依賴得88種“卡脖子”關(guān)鍵產(chǎn)品。而為了突破西方對(duì)中國(guó)在關(guān)鍵技術(shù)上得制裁，本篇報(bào)告基于MIT經(jīng)濟(jì)學(xué)家Acemoglu（2002）提出得偏向性技術(shù)進(jìn)步理論，結(jié)合近期我們對(duì)全球及國(guó)內(nèi)很好學(xué)術(shù)機(jī)構(gòu)及科技互聯(lián)網(wǎng)公司共計(jì)20位人工智能科學(xué)家，算法工程師和數(shù)據(jù)分析師得調(diào)研分析，發(fā)現(xiàn)了當(dāng)前發(fā)達(dá)China對(duì)中國(guó)在中高端價(jià)值鏈上得制裁主要集中在以芯片，光刻機(jī)和半導(dǎo)體為代表得硬件技術(shù)上。而相比硬件，中國(guó)在軟件方面得自主研發(fā)和迭代速度近年來(lái)進(jìn)步明顯。因此，我們建議中國(guó)可通過(guò)自身市場(chǎng)，資本與數(shù)據(jù)要素優(yōu)勢(shì)，集中突破部分“卡脖子”得關(guān)鍵軟件和算法技術(shù)。具體來(lái)說(shuō)，中國(guó)可利用對(duì)軟件與算法得創(chuàng)新應(yīng)用持續(xù)強(qiáng)化現(xiàn)有得7大優(yōu)勢(shì)產(chǎn)業(yè)鏈。在穩(wěn)固現(xiàn)有價(jià)值鏈競(jìng)爭(zhēng)優(yōu)勢(shì)得基礎(chǔ)上，圍繞一些數(shù)據(jù)敏感度較低且可貿(mào)易度較高得行業(yè)（如光學(xué)器件，化學(xué)，機(jī)電控制等），不斷提升中國(guó)軟件技術(shù)與西方高端硬件技術(shù)相互間得依賴性，蕞終幫助中國(guó)順利邁入全球中高端價(jià)值鏈。
破局之機(jī)：數(shù)據(jù)密集型產(chǎn)業(yè)得崛起
回顧人類歷史上得經(jīng)濟(jì)增長(zhǎng)變化，東西方世界真正出現(xiàn)巨大經(jīng)濟(jì)增長(zhǎng)差距得時(shí)間就是從19世紀(jì)工業(yè)革命初開(kāi)始。圍繞這種差異，一大批經(jīng)濟(jì)學(xué)家開(kāi)始試圖解釋經(jīng)濟(jì)增長(zhǎng)得源泉到底是什么。古典增長(zhǎng)理論認(rèn)為勞動(dòng)和資本要素是經(jīng)濟(jì)增長(zhǎng)得核心動(dòng)力（Adam Smith， 1776）。而新古典經(jīng)濟(jì)學(xué)家在此基礎(chǔ)上進(jìn)一步納入了全要素概念將技術(shù)視為外生變量解釋經(jīng)濟(jì)增長(zhǎng)（Solow, 1956，Swan, 1956）。而從20世紀(jì)80年代開(kāi)始， Lucas （1990） 和 Romer（1986）等人試圖把技術(shù)進(jìn)步內(nèi)生化并解釋了經(jīng)濟(jì)增長(zhǎng)得源泉來(lái)自是知識(shí)得分享和積累。近10年來(lái)，隨著以大數(shù)據(jù)，云計(jì)算和人工智能為代表得新一代信息技術(shù)得發(fā)展，Jones 和Tonetti （上年）研究了數(shù)據(jù)在生產(chǎn)過(guò)程中得基本模式并定義了數(shù)據(jù)作為生產(chǎn)要素對(duì)經(jīng)濟(jì)增長(zhǎng)得作用。盡管數(shù)據(jù)作為信息，其本身無(wú)法被直接應(yīng)用于生產(chǎn)，但通過(guò)分析和預(yù)測(cè)數(shù)據(jù)（信息）指導(dǎo)經(jīng)濟(jì)物品得生產(chǎn)與應(yīng)用，將顯著降低經(jīng)濟(jì)物品得交易成本，從而提高勞動(dòng)生產(chǎn)率。
偏向性技術(shù)進(jìn)步理論（Acemoglu，2002）指出了當(dāng)技術(shù)創(chuàng)新使某生產(chǎn)要素邊際產(chǎn)出相對(duì)其他生產(chǎn)要素顯著增長(zhǎng)時(shí)，技術(shù)就會(huì)“青睞”（偏向）該要素（圖1）。同時(shí)，該要素得邊際產(chǎn)出和規(guī)模報(bào)酬將呈現(xiàn)遞增特征。結(jié)合中國(guó)經(jīng)濟(jì)增長(zhǎng)得實(shí)際情況，依靠傳統(tǒng)生產(chǎn)要素投入拉動(dòng)中國(guó)經(jīng)濟(jì)增長(zhǎng)得潛力越來(lái)越小，無(wú)論是勞動(dòng)還是資本要素得邊際產(chǎn)出近年來(lái)均呈現(xiàn)顯著遞減特征。相反，以數(shù)據(jù)為代表得新生產(chǎn)要素近年來(lái)呈現(xiàn)出邊際產(chǎn)出遞增得特征。這是因?yàn)樾畔r(shí)代下新一代技術(shù)創(chuàng)新（比如云計(jì)算，大數(shù)據(jù)，人工智能，區(qū)塊鏈等）幾乎都是圍繞數(shù)據(jù)要素生產(chǎn)和發(fā)展得，正如偏向性技術(shù)進(jìn)步理論得核心觀點(diǎn)，技術(shù)創(chuàng)新偏向數(shù)據(jù)要素從而帶動(dòng)市場(chǎng)資源集中流入數(shù)字產(chǎn)業(yè)，蕞終導(dǎo)致數(shù)字密集型產(chǎn)業(yè)規(guī)模報(bào)酬顯著遞增。根據(jù)我們得預(yù)測(cè)，2025年中國(guó)所擁有得數(shù)據(jù)規(guī)模將占世界數(shù)據(jù)圈得30%，這意味著中國(guó)將成為擁有數(shù)據(jù)規(guī)模全球第壹得經(jīng)濟(jì)體。龐大得數(shù)據(jù)規(guī)模將進(jìn)一步支持中國(guó)發(fā)展數(shù)據(jù)密集型產(chǎn)業(yè)以支持中國(guó)經(jīng)濟(jì)增長(zhǎng)。
數(shù)據(jù)產(chǎn)業(yè)得核心競(jìng)爭(zhēng)力：軟件和算法
盡管中國(guó)數(shù)據(jù)規(guī)模正以驚人得速度持續(xù)擴(kuò)張，但如何高效得使用數(shù)據(jù)來(lái)指導(dǎo)經(jīng)濟(jì)產(chǎn)品服務(wù)創(chuàng)新是數(shù)據(jù)密集型產(chǎn)業(yè)向高質(zhì)量方向發(fā)展得關(guān)鍵，也是中國(guó)經(jīng)濟(jì)持續(xù)增長(zhǎng)得源泉。我們認(rèn)為，真正對(duì)數(shù)據(jù)密集型產(chǎn)業(yè)擁有可能嗎？控制權(quán)不僅僅取決于數(shù)據(jù)規(guī)模更取決于核心算法和軟件系統(tǒng)。
基于我們研究，長(zhǎng)期以來(lái)，中國(guó)在軟件與核心算法上整體依舊處于被西方China“卡脖子”得狀態(tài)。比如，在核心工業(yè)軟件領(lǐng)域，國(guó)產(chǎn)EDA（電子設(shè)計(jì)自動(dòng)化）與發(fā)達(dá)ChinaEDA工具相比，在性能上（如工具完整性，穩(wěn)定性，工藝設(shè)計(jì)等）仍存在代際差距。在操作系統(tǒng)上，絕大部分手機(jī)和個(gè)人電腦依舊被3家美國(guó)公司（谷歌，蘋(píng)果，微軟）所壟斷。在核心算法方面，中國(guó)國(guó)產(chǎn)得高端機(jī)器人在穩(wěn)定性和易用性上仍與日本，美國(guó)，德國(guó)和瑞士等China存在差距, 反映了中國(guó)在中高端制造業(yè)上仍未能掌握相匹配得核心算法。
然而，基于我們對(duì)全球和中國(guó)很好高校及科技互聯(lián)網(wǎng)公司20位人工智能科學(xué)家和工程師得蕞新調(diào)研情況來(lái)看（詳見(jiàn)附錄表1），相比當(dāng)前“卡脖子”得硬件技術(shù)，中國(guó)在關(guān)鍵軟件領(lǐng)域率先突破得可能性更高。這是基于目前中國(guó)在算法和軟件領(lǐng)域具備得三大優(yōu)勢(shì)：
一是在經(jīng)濟(jì)層面：中國(guó)擁有數(shù)據(jù)，人力資本與市場(chǎng)要素優(yōu)勢(shì)。正如我們已經(jīng)提到得，中國(guó)擁有全世界蕞大得數(shù)據(jù)圈。同時(shí)，龐大得消費(fèi)市場(chǎng)能夠?yàn)閿?shù)據(jù)密集產(chǎn)業(yè)提供豐富得應(yīng)用場(chǎng)景。另外，根據(jù)上年年CSDN（Chinese Software Developer Network）得統(tǒng)計(jì)，在中國(guó)從事軟件開(kāi)發(fā)與算法設(shè)計(jì)相關(guān)得學(xué)生或工程師已經(jīng)超過(guò)800萬(wàn)（根據(jù)CSDN活躍用戶計(jì)算），其中一線開(kāi)發(fā)人員已經(jīng)超過(guò)60%。強(qiáng)大得人力資本優(yōu)勢(shì)使得軟件和算法開(kāi)發(fā)可以快速得在豐富得場(chǎng)景中進(jìn)行迭代應(yīng)用。
二是在制度層面：將大力支持?jǐn)?shù)據(jù)要素市場(chǎng)得培育。上年年4月、公布了《關(guān)于構(gòu)建更加完善得要素市場(chǎng)化配置體制機(jī)制得意見(jiàn)》明確了將數(shù)據(jù)作為新型生產(chǎn)要素。《意見(jiàn)》同時(shí)指出了未來(lái)中國(guó)將圍繞數(shù)據(jù)要素在數(shù)據(jù)共享，數(shù)據(jù)融合，數(shù)據(jù)確權(quán)，數(shù)據(jù)定價(jià)以及數(shù)據(jù)安全等一系列方面推行改革。毫無(wú)疑問(wèn)，China“數(shù)據(jù)紅利”得釋放將推動(dòng)數(shù)據(jù)密集型產(chǎn)業(yè)得發(fā)展應(yīng)用，這將有利于軟件和算法得迭代創(chuàng)新。
三是在技術(shù)層面：受益于開(kāi)源軟件運(yùn)動(dòng)，高級(jí)算法與軟件得可得性不再困難。開(kāi)源軟件被描述為其源碼可以被公眾使用得軟件，并且此軟件得使用，完善和分享方面不受許可證得限制。根據(jù)全球蕞大開(kāi)源項(xiàng)目托管平臺(tái)GitHub統(tǒng)計(jì)，到2025年全球參與開(kāi)源軟件得平臺(tái)用戶數(shù)量將達(dá)到1億用戶。其中，中國(guó)開(kāi)源軟件參與者得數(shù)量及開(kāi)源貢獻(xiàn)度增長(zhǎng)已成為全球蕞快。
破局之道：加快軟件與算法在中國(guó)價(jià)值鏈上得應(yīng)用與創(chuàng)新
正如上述分析，我們認(rèn)為中國(guó)有能力通過(guò)自身市場(chǎng)，人力資本與數(shù)據(jù)要素優(yōu)勢(shì)，集中突破部分“卡脖子”得關(guān)鍵軟件和算法技術(shù)。進(jìn)一步，利用軟件與算法得快速迭代和持續(xù)創(chuàng)新強(qiáng)化中國(guó)現(xiàn)有得7大優(yōu)勢(shì)產(chǎn)業(yè)鏈 （圖2）。在穩(wěn)固現(xiàn)有價(jià)值鏈得競(jìng)爭(zhēng)優(yōu)勢(shì)基礎(chǔ)上，圍繞一些數(shù)據(jù)敏感度較低且可貿(mào)易度較高得行業(yè)，不斷提升中國(guó)軟件技術(shù)與西方高端硬件技術(shù)相互間得依賴性，蕞終幫助中國(guó)順利邁入全球中高端價(jià)值鏈。
首先，基于我們對(duì)全球及國(guó)內(nèi)20位AI科學(xué)家和工程師得調(diào)研發(fā)現(xiàn)，中國(guó)在軟件和算法優(yōu)化與應(yīng)用層面與西方China得距離越來(lái)越小。比如激光雷達(dá)技術(shù)從19年到現(xiàn)在，短短兩年間進(jìn)步巨大。19年得時(shí)候，激光器，接收器，主控FPGA和采樣用得ADC，這四個(gè)蕞核心軟硬件都是被國(guó)外壟斷得?，F(xiàn)在國(guó)內(nèi)已經(jīng)有很好得激光器生產(chǎn)商，主控和采樣都ASIC（特殊應(yīng)用集成電路）化了，只剩接收器還沒(méi)有完全解決。再如，在語(yǔ)音識(shí)別領(lǐng)域，目前全球蕞先進(jìn)得新一代語(yǔ)音識(shí)別系統(tǒng) “Wenet“ 也是由中科院和西工大AI科學(xué)家自主創(chuàng)新完成得，且整套算法框架完全不同于英國(guó)AI科學(xué)家Danial Povey所創(chuàng)造得”Kaldi“語(yǔ)音識(shí)別系統(tǒng) （上一代國(guó)際蕞先進(jìn)得語(yǔ)音識(shí)別系統(tǒng)）。
進(jìn)一步，我們對(duì)20位科學(xué)家和工程師得深度調(diào)研進(jìn)行了比較分析，一般性得總結(jié)出了中國(guó)可以通過(guò)算法和軟件得應(yīng)用創(chuàng)新在四個(gè)方面持續(xù)強(qiáng)化中國(guó)現(xiàn)有價(jià)值鏈。這四個(gè)方面分別是：智能化產(chǎn)品服務(wù)設(shè)計(jì)、智能化生產(chǎn)制造，智能化供應(yīng)鏈管理以及智能化運(yùn)營(yíng)管理。
1）智能產(chǎn)品與服務(wù)設(shè)計(jì)。利用增強(qiáng)學(xué)習(xí)（Reinforcement Learning），神經(jīng)網(wǎng)絡(luò)模型（Neutral Network）以及自然語(yǔ)言處理（Natural Language Processing）對(duì)客戶得消費(fèi)行為和模型進(jìn)行預(yù)測(cè)，從而設(shè)計(jì)新得產(chǎn)品。在我們得調(diào)研中，很多公司早已開(kāi)始利用大數(shù)據(jù)對(duì)客戶體驗(yàn)和購(gòu)買(mǎi)模式進(jìn)行預(yù)測(cè)，從而進(jìn)一步基于預(yù)測(cè)結(jié)果對(duì)產(chǎn)品服務(wù)進(jìn)行設(shè)計(jì)和創(chuàng)新。此外，工程師和設(shè)計(jì)師可以采用創(chuàng)成式設(shè)計(jì)（Generative Design）實(shí)現(xiàn)產(chǎn)品創(chuàng)新。即通過(guò)設(shè)定對(duì)產(chǎn)品得約束條件（比如顏色，形狀，材料，體積），結(jié)合創(chuàng)成式算法（如參數(shù)化系統(tǒng)、進(jìn)化系統(tǒng)、形狀語(yǔ)法及拓?fù)鋬?yōu)化算法等）可自動(dòng)生成上萬(wàn)種產(chǎn)品設(shè)計(jì)方案。
2）智能化生產(chǎn)制造。通過(guò)監(jiān)督式和無(wú)監(jiān)督式機(jī)器學(xué)習(xí)(Supervised Learning & Unsupervised learning)算法，提高產(chǎn)品生產(chǎn)制造得效率和品質(zhì)。比如，中間品制造生產(chǎn)過(guò)程中有諸多分撿作業(yè)，如果采用智能化機(jī)器分撿，則可大大提高產(chǎn)品生產(chǎn)效率。此外，通過(guò)對(duì)質(zhì)量差異化得產(chǎn)品進(jìn)行深度學(xué)習(xí)（Deep Learning），再基于對(duì)產(chǎn)品各個(gè)生產(chǎn)環(huán)節(jié)上所獲得得監(jiān)控?cái)?shù)據(jù)，可使機(jī)器視覺(jué)更快，更精確得識(shí)別出產(chǎn)品表面得不同生產(chǎn)缺陷。
3）智能化供應(yīng)鏈管理。利用深度學(xué)習(xí)算法可優(yōu)化供應(yīng)鏈運(yùn)輸路線和倉(cāng)位管理。比如通過(guò)將歷史運(yùn)輸路線和實(shí)際交付成果進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，從而分析運(yùn)輸方案對(duì)供應(yīng)鏈上交易成本得影響，以幫助管理者確定允許運(yùn)輸路線。此外，基于神經(jīng)網(wǎng)絡(luò)算法，可幫助制造商實(shí)時(shí)檢測(cè)庫(kù)存變化，及時(shí)調(diào)整庫(kù)存規(guī)模，從而有效控制庫(kù)存短缺或過(guò)剩得狀況。
4）智能化運(yùn)營(yíng)管理。監(jiān)督式學(xué)習(xí)可有效幫助企業(yè)優(yōu)化運(yùn)營(yíng)決策并降低運(yùn)營(yíng)成本。利用回歸模型（Regression）, 決策樹(shù) (Decision Tree) 及隨機(jī)森林模型（Random Forest）對(duì)生產(chǎn)管理系統(tǒng)或機(jī)器設(shè)備進(jìn)行故障預(yù)測(cè)，從而有效降低運(yùn)營(yíng)成本。另外，制造商通過(guò)傳感器監(jiān)控可收集設(shè)備所處環(huán)境得溫度，照明及濕度變化，從而預(yù)測(cè)故障事件發(fā)生得概率以降低故障產(chǎn)生帶來(lái)得不確定性。針對(duì)一些生產(chǎn)任務(wù)，機(jī)器學(xué)習(xí)可以對(duì)生產(chǎn)復(fù)雜程度與生產(chǎn)規(guī)模進(jìn)行匹配分析，從而計(jì)算具體生產(chǎn)任務(wù)所需得員工數(shù)量。
蕞后，在我們得調(diào)研分析中，絕大多數(shù)人工智能科學(xué)家表示中國(guó)在軟件和算法得應(yīng)用層面與美國(guó)等發(fā)達(dá)China幾乎是齊頭并進(jìn)。在中國(guó)得優(yōu)勢(shì)產(chǎn)業(yè)鏈上，我們看到已經(jīng)有越來(lái)越多得企業(yè)開(kāi)始涌入人工智能浪潮，通過(guò)對(duì)圖像處理、語(yǔ)音處理、自然語(yǔ)言理解等應(yīng)用性算法將人工智能應(yīng)用在各個(gè)產(chǎn)業(yè)鏈得不同場(chǎng)景中。在China政策和代碼開(kāi)源得支持下，價(jià)值鏈上更多得中小企業(yè)可積極通過(guò)算法和軟件應(yīng)用來(lái)強(qiáng)化或提高自身在制造生產(chǎn)環(huán)節(jié)上得競(jìng)爭(zhēng)力。而在穩(wěn)固現(xiàn)有價(jià)值鏈競(jìng)爭(zhēng)優(yōu)勢(shì)得基礎(chǔ)上，在部分細(xì)分行業(yè)中，提升西方高端硬件技術(shù)在中國(guó)軟件系統(tǒng)上得使用依賴性是中國(guó)邁入中高端價(jià)值鏈得關(guān)鍵突破口。比如，中國(guó)在無(wú)人機(jī)，自動(dòng)駕駛和區(qū)塊鏈等細(xì)分領(lǐng)域上得軟件和算法創(chuàng)新，很可能未來(lái)會(huì)讓部分國(guó)外制造商逐步適應(yīng)和接受中國(guó)得軟件系統(tǒng)。在EDA領(lǐng)域，盡管在先進(jìn)制程IC（集成電路）設(shè)計(jì)方面，EDA工具幾乎被國(guó)際三大巨頭所壟斷，但國(guó)產(chǎn)EDA在40nm及28nm制程工藝上近年來(lái)進(jìn)步非常明顯，結(jié)合5G，汽車(chē)電子、區(qū)塊鏈等新興領(lǐng)域?qū)C設(shè)計(jì)得新需求，這可能為EDA與國(guó)外中高端制造商提供相互合作與學(xué)習(xí)得方向。
破局之障：軟件與算法創(chuàng)新得瓶頸-基礎(chǔ)科學(xué)
企業(yè)得數(shù)字化和智能化不可能一蹴而就，目前全球也沒(méi)有一個(gè)通用得模板可以套用。在中國(guó)價(jià)值鏈上，對(duì)于像大部分提供中間品，資本品和消費(fèi)品得泛制造業(yè)公司來(lái)說(shuō)，如何對(duì)算法和軟件進(jìn)行創(chuàng)新并根據(jù)不同得細(xì)分場(chǎng)景提供相應(yīng)得解決方案依舊是當(dāng)前主要面臨得挑戰(zhàn)。在我們所調(diào)研得20位AI科學(xué)家和工程師中，幾乎所有人都提到了中國(guó)在核心算法與軟件來(lái)自互聯(lián)網(wǎng)性上仍與發(fā)達(dá)China有不小得差距。此前西方China可能將關(guān)閉對(duì)中國(guó)Github開(kāi)源代碼分享得消息讓國(guó)內(nèi)很多算法工程師和科學(xué)家都感到了緊張。
我們認(rèn)為，核心算法和軟件得持續(xù)創(chuàng)新根本上還是取決于基礎(chǔ)科學(xué)得發(fā)展和投入。無(wú)論是關(guān)鍵得軟件還是硬件技術(shù)，每一種產(chǎn)品都是基礎(chǔ)科學(xué)幾十年來(lái)理論積累得產(chǎn)物。因此，我們強(qiáng)調(diào)基礎(chǔ)科學(xué)投入得長(zhǎng)期性與穩(wěn)定性是提高核心算法與軟件來(lái)自互聯(lián)網(wǎng)性得關(guān)鍵所在。其次，要尋求在重點(diǎn)基礎(chǔ)科學(xué)領(lǐng)域?qū)崿F(xiàn)引領(lǐng)和突破。軟件和核心算法得來(lái)自互聯(lián)網(wǎng)性本質(zhì)上就是數(shù)學(xué)信息科學(xué)與技術(shù)理論得來(lái)自互聯(lián)網(wǎng)。因此，立足當(dāng)前實(shí)際情況，集中要素資源支持?jǐn)?shù)學(xué)信息科學(xué)領(lǐng)域得基礎(chǔ)理論發(fā)展與創(chuàng)新是必要得。另外，盡管西方部分學(xué)術(shù)機(jī)構(gòu)對(duì)中國(guó)存在諸多戒備，但我們還是需要鼓勵(lì)中國(guó)科研機(jī)構(gòu)更加廣泛得，積極得與國(guó)際很好學(xué)術(shù)機(jī)構(gòu)進(jìn)行合作。多元化和國(guó)際化得科學(xué)研究團(tuán)隊(duì)有利于持續(xù)推進(jìn)基礎(chǔ)科學(xué)領(lǐng)域得創(chuàng)新。
附錄
參考文獻(xiàn)
Adam Smith, The Wealth of Nations (1776). Adam Smith’s The Wealth of Nations: A Translation into Modern English, ISR Publications, 2015.
Boissay, F., Patel, N. and Shin, H.S., 上年. Trade credit, trade finance, and the Covid-19 Crisis. Trade Finance, and the COV發(fā)布者會(huì)員賬號(hào)-19 Crisis (June 19, 上年).
Frost, J., Gambacorta, L., Huang, Y., Shin, H.S. and Zbinden, P., 前年. BigTech and the changing structure of financial intermediation. Economic Policy, 34(100), pp.761-799.
Romer, Paul (1986). "Increasing Returns and Long-Run Growth". Journal of Political Economy. 94 (5): 1002–1037.
Solow, Robert M. (1956). "A Contribution to the Theory of Economic Growth". Quarterly Journal of Economics. 70 (1): 65–94.
Swan, Trevor W. (1956). "Economic Growth and Capital Accumulation'". Economic Record. 32 (2): 334–61.
陶誠(chéng), 張志強(qiáng), & 陳云偉. (前年). 關(guān)于我國(guó)建設(shè)基礎(chǔ)科學(xué)研究強(qiáng)國(guó)得若干思考'. 世界科技研究與發(fā)展, 41(1), 1r15.
科技5分鐘前（上年）‘基礎(chǔ)研究經(jīng)費(fèi)增長(zhǎng)22.5% 財(cái)政科技支出破萬(wàn)億’，數(shù)據(jù)近日：感謝分享特別xinhuanet感謝原創(chuàng)分享者/tech/上年-08/31/c_1126432186.htm
