图片来源：原文配图

原文信息：Aakash Kalyani, Nicholas Bloom, Marcela Carvalho, Tarek Hassan, Josh Lerner, and Ahmed Tahoun. "Diffusion of New Technologies". Quarterly Journal of Economics, forthcoming.

01

引言

技术创新是经济增长的核心引擎，但新技术的扩散路径及其对经济结构的影响并非均衡的。新技术如何从“诞生地”传播到更广泛的地区？为何高技能岗位长期集中于少数创新区域？低技能岗位如何参与技术扩散的经济红利？在《The Diffusion of New Technologies》这篇论文中，Aakash等学者通过分析美国40多年间的专利数据、招聘信息和企业财报，系统揭示了新技术扩散的规律和经济影响。本文发现，新技术的诞生通常集中在少数地区，而技术扩散到其他地区和更广泛的劳动力群体往往需要数十年。新技术在初期通常对高技能劳动力的需求极高，而低技能岗位的参与相对滞后。这些问题不仅限制了技术带来的经济增长潜力，而且加剧区域和劳动力市场的不平等。

数据

02

本文使用了以下四大数据源：

专利数据：1976-2016年间美国专利数据库中高度引用的技术，提取了1,899个描述创新的短语。

Wikipedia页面：通过匹配Wikipedia条目，筛选出技术创新相关的短语，并标记技术的应用领域。

企业财报会议记录：分析2002-2019年的财报电话会议，识别企业对新技术的关注及经济影响。

在线招聘数据：2007-2019年Burning Glass招聘数据，用于追踪技术相关岗位的技能需求和地理分布。

论文通过以下步骤分析技术扩散的动态：第一步，结合专利申报信息和Wikipedia条目，确定新技术的起源地和诞生年份。第二步，利用招聘信息和发明家信息，追踪技术岗位从“先锋地区”扩散到全国的速度与模式。第三步，量化技术相关岗位在高、中、低技能劳动力中的参与比例随时间的变化。最后，利用企业财报会议记录识别出在高管与投资者之间被频繁提及的新技术。这些技术中被提到最多的包括“云计算”、“智能手机”和“机器学习”。本文获得的数据中，276个在企业财报会议中被提及超过100次的技术，出现在3900万份招聘信息中（占提及新技术的所有招聘信息的约77%），1976年至2014年间美国专利与商标局（USPTO）授予专利的33.1%也涉及这些技术。

03

研究发现

（1）创新的高度地理集中性

图1（Figure 1）显示，新技术的研发和应用高度集中于少数地区，尤其是美国的硅谷和东北走廊。56%的重要技术起源于硅谷和东北走廊。硅谷贡献了41%的关键技术，例如自动驾驶汽车技术有27%的核心专利来自旧金山地区。这种集中性主要得益于以下因素：第一，高密度的知识网络。区域内企业间的知识外溢与协作显著提升了创新效率。第二，教育与研发资源的聚集。高水平大学和实验室为创新提供了人才与科研支持。第三，风险资本的活跃。硅谷和美国东北部地区拥有全球领先的风险投资网络。然而，这种地理集中的格局也导致了技术扩散的不平等。由于技术开发的高度集中，经济活动和高质量就业的分布失衡加剧了区域间的经济不平等。这种现象不仅局限于美国，也适用于全球范围内的其他创新经济体。

Figure 1. Distribution of pioneer locations

（2）技术扩散的缓慢性

尽管技术相关岗位会随着时间逐步扩散，但这一过程极其缓慢。图2（Figure 2）显示，随着时间推移，与新技术相关的岗位逐渐在地理空间上扩散（区域范围扩大）。技术的早期开发地点与其早期就业的分布区域之间呈现出显著的一致性。即使在考虑当地劳动市场规模差异之后，与新技术相关的早期就业仍然高度集中于这些技术最初开发的地点。

Figure 2. Geographic diffusion of technology job postings, by year since emergence

技术从“先锋地区”扩散至全国平均需50年以上。如图3（Figure 3）Panel A所示，一项技术在问世后的早期阶段，其相关招聘信息在地理分布上呈现出高度集中。在30年内，这种地理集中度下降了大约三分之一（36.6%）。并且，这一扩散过程呈现出接近线性的趋势。Panel B 中分别展示了技术问世年份与地理集中度之间的关系，结果再次显示出地理集中度的明显线性下降趋势。

Figure 3. Geographic concentration of technology job postings across CBSAs, by year since emergence

作者还发现，高技能岗位扩散最慢，例如人工智能和生物技术岗位，在技术成熟后的数十年内仍集中于起源地。这种缓慢扩散过程与知识传播、人才流动和资本分配的不均衡密切相关。然而低技能岗位扩散稍快，技术成熟后，中低技能岗位开始扩散到更多外围地区，但速度仍然有限。这种扩散模式强化了区域经济的“赢家通吃”效应，使得创新中心在经济上占据长期优势。如表1（Table 1）所示，低技能岗位的地理集中度（Panel A Column 2）比高技能岗位（Panel A Column 1）下降得更快，下降速度快了1.1个百分点。

Table 1. Mechanisms: Spread of high vs. low-skill jobs; Spread of research, development, and production jobs vs. use jobs

（3）技术岗位技能需求的“精英化”与“普及化”

新技术相关岗位在早期通常对高技能劳动力需求较高。技术问世初期，57%的岗位要求本科及以上学历，远高于全国平均水平。随着技术标准化与普及，这一比例逐渐下降至52.5%（约30年后）。技能需求的变化可以总结为两个阶段：一是早期的技能“精英化”，即技术研发和初期应用主要依赖高学历、高技能劳动力。二是成熟阶段的技能“普及化”，即低技能工人逐渐被纳入技术相关岗位，为劳动力市场创造更多机会。

Figure 4. Share of technology job postings requiring a college education, by year since emergence

（4）先锋地区的长期经济优势

本文发现，即使技术扩散到全国，“先锋地区”在高技能岗位上的优势依然可以维持数十年。技术问世30年后，“先锋地区”的高技能岗位仍占全国比重的31%，这种优势的完全消退可能需要超过40年。作者将这种现象称为“创新锁定效应”，表明区域间的不平等具有高度持久性。如表2（Table 2）所示，先锋地区在平均水平上享有显著的“先锋优势”，在样本期内，技术相关岗位招聘信息的标准化份额在这些先锋地区平均高出31.1个百分点，但随后随着时间显著减少，平均每年下降3.2个百分点。在第四列中，作者增加一个用于标记距离先锋地区100英里范围内的大都市统计区的变量，研究了先锋地区邻近地区的技术相关岗位招聘情况。估计结果表明，先锋地区的一部分优势会扩散到这些邻近社区，这些社区在技术问世年份的标准化份额高出15.8个百分点。然而，这一优势似乎随着时间衰减，但衰减趋势在统计上尚不显著。

Table 2. Pioneer location advantage in technology hiring

同时，在表1（Table 1）Panel B中，作者发现，与低技能岗位相比，技术相关岗位的先锋优势在高技能岗位中表现得更加持久。具体而言，高技能岗位的优势每年下降2.2个百分点，而低技能岗位以每年3.2个百分点速度更快下降。以此估算，先锋地区在高技能岗位上的优势需要45年才能消退，而低技能岗位的优势仅持续31年。这些“先锋地区”通过吸引更多的资本、人才和企业，进一步强化了其在新技术开发和扩散中的中心地位。资本和人才的流入构成了自我强化的循环，使核心区域始终处于全球创新前沿。核心区域通过创新生态系统的不断完善，不仅在技术扩散的早期阶段受益，还在后期技术成熟阶段继续引领行业趋势。这些区域的长期优势已成为全球竞争中难以撼动的结构性因素。

启示

04

世界许多地区的政策制定者投入了巨大的精力来促进新兴技术的发展，包括支持学术研究以及吸引其他城市和国家的初创企业。本文研究发现，创新和就业的早期优势将为地区带来持久的好处。但是政策制定者仍需注重技术扩散的时间周期，避免因此造成的区域差距。创新的区域集中虽推动了效率提升，但也强化了不平等，应鼓励多区域创新以平衡经济版图。技能广化为中低技能工人提供了机会，但仍需进一步优化培训体系以促进技能适配。 

推文作者：王双石。

 Abstract 

We identify phrases associated with novel technologies using textual analysis of patents, job postings, and earnings calls, enabling us to identify four stylized facts on the diffusion of jobs relating to new technologies. First, the development of economically impactful new technologies is geographically highly concentrated, more so even than overall patenting: 56% of the most economically impactful technologies come from just two U.S. locations, Silicon Valley and the Northeast Corridor. Second, as the technologies mature and the number of related jobs grows, hiring spreads geographically. But this process is very slow, taking around 50 years to disperse fully. Third, while initial hiring in new technologies is highly skill biased, over time the mean skill level in new positions declines, drawing in an increasing number of lower-skilled workers. Finally, the geographic spread of hiring is slowest for higher-skilled positions, with the locations where new technologies were pioneered remaining the focus for the technology’s high-skill jobs for decades.

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。