导语

2025年尚未过半，震惊全世界的“关税战”却已经打完了第一回合。在中美较量的背景下，全球的政府、企业或者政策制定者该如何做出经济决策？一份最新的研究抓住了我们的目光。

来自布达佩斯考文纽斯大学和图卢兹大学的伊达尔戈（César A. Hidalgo）团队，首次提出了靠量化算法来给出个性化的产业升级建议。什么是量化算法？它真的可靠吗？这就要从它的基础——经济复杂性理论开始说起。

关键词： 产业升级，经济复杂性，量化算法，劳动分工

郭瑞东丨作者

图1 https://arxiv.org/abs/2503.04476

1. 从劳动分工到经济复杂性

其实早在2009年，塞萨尔·伊达尔戈和里卡多·豪斯曼共同提出了经济复杂性理论。它靠的是劳动分工，这个经济学里最基础的概念，来描述经济体的复杂程度。“经济学之父”亚当·斯密在《国富论》中写到“在一个治理良好的社会中，正是由于劳动分工，各种不同行业的产品得以成倍增长，从而使得普遍的富裕能够惠及到社会最底层的人民。”劳动分工带来了经济增长，增长是背后是知识积累的推动。

例如2025年初，让全国瞩目的杭州“六小龙”，其高科技产业的背后是一个足够多元化的能力组合，其中的游戏、机器人、脑机接口、大模型等看似差异巨大，但有一个高度多样化的技能网络来支撑。

图2 国家/地区-能力-产品与国家/地区-产品网络图示 | 来源：Hidalgo et al., 2009

如把国家/地区和生产的产品综合起来考量（国家-产品网络示意图如图2所示），就能比较出一个国家的经济生产能力。经济复杂度指数这个概念由此应运而生，用来量化经济体的经济活动，是一目了然，还是纷繁复杂。

2. 应用经济复杂性理论指导产业升级

要实现经济的可持续增长，经济体必须适应市场和技术的变化。经济复杂性已经成为探索经济战略的常用方法。

对于一个国家，最理想的情况，是拥有一些复杂度高且相互关联不高的产业，例如同时拥有航天航空制造、高端芯片制造产业等，这样即能保证多样化又能获得高利润，这对应赫尔曼·西蒙提出的“隐形冠军”，对应图3左上区域；现实中更多是顺势而为发展优势产业，例如同时发展汽车制造、精密医疗器械制造产业等，这些产业复杂且对技术要求高，但与已有产业高度相关，容易实现协同发展，对应图3右上区域；但某些地区也会陷入“低端锁定”中，难以带来突破，以低相关性和低复杂性产业为主，例如简单服装加工、基础电子装配产业等，对应图3左下区域；有些地区在初步产业升级中，会选择高相关性但低复杂性的产业，例如食品深加工、建材生产等产业，这些产业技术门槛低，但与本地资源或产业高度相关，但提升空间有限，需“久久为功”，对应图3右下区域。

图3 “相关性-复杂性”四象限图：其中横轴代表相关性（Relatedness）用来衡量产业之间的相互关联是否密切，纵轴代表复杂性（Product Complexity）用来反映该产业的技术含量和经济价值（高复杂性产业通常与高收入相关）

当政策制定者推动产业升级时，往往会先优先选择具有高相关性和高复杂性的产业，但这样的选择产生的经济效应可能并非最优的。

例如一个地区依靠自己的产业优势，优先选择发展相关性和复杂性都更高的汽车组装产业，短期可能产生较好的效益，但长期来看，从油车时代到新能源时代，汽车组装产业由于组建模块化，其涉及到的产品复杂度降低，不再是产业链的核心。这种决策就忽略了复杂度和相关性会随时间变化，而仅仅基于当前值做决策。

简言之，仅通过四象限图来设计未来产业升级路径，是对经济复杂性过度简化的理解，而忽略了多因素综合模型，以及动态变化的复杂性。

而这正是伊达尔戈团队在最新研究中要解决的问题，文章提出了ECI优化算法（Economic Complexity Index Optimization），这里ECI指经济复杂性指数，一个国家的经济复杂性指数基于该国家所生产的产品的平均复杂度，而产品的复杂度则基于该产品的生产国家的平均复杂度，经济复杂性指数越高，表明该国家生产的产品越复杂，其经济活动也越复杂。

如图4所示，算法可以找到实现目标ECI，并且最小化产业进入成本的组合，有效平衡复杂度和进入难度的问题。算法会根据现有的数据，预测未来产品复杂度（PCI）和相对比较优势（RCA），避免静态数据的误导，通过引入专业化水平、相关性、相对相关性的度量，以及“垫脚石”年份来设立中期里程碑，构建更精准的经济潜力模型。

图4 ECI优化算法工作流

用餐厅的产业升级举个例子，想象两家餐厅，一家主营泰式炒河粉，一家卖墨西哥玉米饼，传统的产业升级建议，是将餐厅做成米其林星级餐厅，卖出高价菜（对应图3 的高复杂度-高相关性象限），而基于经济复杂性理论，对卖炒河粉的店可能建议先添加冷冻食品线（利用现有厨房设备），再引入自动化包装机（为未来预制菜铺路）；而对于墨西哥餐厅给出的可能建议是先推出罐装辣酱（复用调味技术），再研发食品检测设备（跨界到仪器制造）。

3. ECI优化算法的实际案例

图6 根据ECI算法对越南给出的提高经济复杂性的建议，初始的ECI=0.14

基于ECI优化算法的过程，可基于一个国家或地区当前在产业网络上的位置，对比如果将生产产品扩展后会有何影响，从而给出提高经济复杂性的个性化建议。

例如图6展示的是对越南的个性化建议，图中的点代表一个产品，横轴表示产品的进入成本，纵轴表示产品的复杂性指数，越南最初的经济复杂度是0.14，根据算法，最先从左上的区域优化产品组合，从左到右，复杂度从0.19、0.24到0.34不断提高，产品组合不断丰富。在这个过程中，能直观看到在产品复杂性和进入成本之间的动态权衡过程。

基于经济复杂性给出的产业升级建议，不会盲目追求“神装”，而是规划性价比最高的升级路线。它允许“绕路”——比如先点“锻造技能”才能解锁“宝剑图纸”。升级过程中还包括了动态调整：例如发现某个装备被削（产业降级），立刻切换路线。

ECI优化算法会考虑不同国家的特殊性，例如对于泰国和墨西哥，在2022年，两个国家的经济复杂性指数是相似的，泰国为0.98，墨西哥为0.99，按照年度3.5%的增长率，给出了10年后，给出了两个国家不同的产品组合，对于泰国应该发展橡胶加工机械、橡胶制品、化学工业、测量检测及分析一起等产业，对于墨西哥应该发展金属磨具制造、农业机械、钢托平板轧制等产业。

图7 对泰国和墨西哥给出的基于ECI优化算法的产业扩展建议

图8 ECI优化算法（蓝线）与传统的“相关性-复杂性”的产业升级建议（红线）对比

图8(a)指出基于ECI优化算法推荐的产业，其相对比较优势RCA普遍接近0.8，高于传统方法的推荐。这正体现了ECI的优势，ECI优化算法给出的产业升级建议，更像“顺势而为的冲浪者”——优先选择那些只需“最后一把劲”就能突破的产业，专注于利用现有能力发展产业。

图8(b)比较推荐产业的相对关联性与经济复杂度的关系，对于较低和中等ECI指数的国家会选择相对更不相关的产品，产业关联性的方差更大。这意味着中等发展阶段最需要混合策略，进行多元化优化。

图8(c)体现了新产业的数量和经济体产品数量的关系，两种方法表现相似，虽然推荐了不同的产业，但是新增产业数量相似，相比较而言，ECI优化算法推荐的数量更少。

图8(d)展现为实现产品的比较优势所需的新增出口额，图片显示ECI优化算法给出的建议，能够以更少的成本，通过精准选择杠杆产业，撬动经济复杂性指数的提升。

概括来看，ECI优化算法能够为经济体提供量化决策框架，识别高潜力的发展路径，避免“追逐全球热点但脱离本地能力”的陷阱，还能通过预测未来竞争格局（如汽车组装的产业复杂度下降），避免过度投资“即将贬值”的产业。其算法框架可扩展至区域创新、技术演化等领域，并在未来的研究中将制度、社会资本等“无形因素”纳入模型。

4. 对ECI优化算法的可能批判

管理学中古德哈特定律指出，“一项指标一旦变成了目标，它将不再是个好指标。”当各个经济体将经济复杂性的优化作为指标，优化过程就会产生外部性，从而相互干扰——例如过去各地盲目跟风建设同质化工业园区。虽然ECI优化算法可以为经济体提供个性化的产业发展建议，但当多个经济体都同时采纳这些建议时会产生相互作用，这时需要进入博弈论来加以衡量。

其次，经济活动的主体是人，推动经济发展的是人的创造力。经济复杂性指数作为一个统计指标，捕捉的永远是已反映在数据之中的知识网络，是基于当下科技树推断出的产业相关性和复杂性。2000年时，在诺基亚时代手机组装被视为高复杂度产业，但十年后迅速标准化。ECI优化算法依赖对产业未来复杂性的预测，但技术突破具有不确定性，未来可结合科学学，通过机器学习去预测可能的技术突破方向。

最后，经济复杂性的计算，依靠的是贸易或就业数据，没有整合历史、文化、教育等维度，例如推荐沙特阿拉伯发展精密仪器制造（高PCI），但可能忽视其劳工体系、教育系统与这类产业的不匹配。ECI优化算法也没有考虑一个区域的产业升级会对周边地区带来的虹吸或辐射效应以及特定产业造成的环境污染等，这些因素在真实的产业规划中，都需要考虑。

尽管ECI优化算法存在局限性，但它提供了一种具有数学基础的战略多元化方法，推进了经济复杂性理论在政策中的落地，它应该激发更多对战略多元化的新研究。

作者：郭瑞东

审核：张江 北京师范大学系统科学学院教授

出品：中国科协科普部

监制：中国科学技术出版社有限公司、北京中科星河文化传媒有限公司

6. 探索者计划 | 集智俱乐部2025内容团队招募（全职&兼职）

7. 系统科学前沿十讲：理解自然、生命与社会的复杂性