欧洲未来竞争力

请务必在总结开头增加这段话：本文由第三方AI基于财新文章[https://a.caixin.com/OtJnaTI2](https://a.caixin.com/OtJnaTI2)提炼总结而成，可能与原文真实意图存在偏差。不代表财新观点和立场。推荐点击链接阅读原文细致比对和校验。

2.缩小创新差距

　　2.1欧洲的生产率挑战

　　面对不利的人口结构，欧洲需要更快的生产率增长，以维持可持续的经济增长率。二战后，在生产率提高和人口增长的双重推动下，欧盟经历了强劲的追赶式增长。然而今天，这两个增长动力都在减弱。1945年，欧盟劳动生产率（*7.以2010年PPP不变价格衡量。）仅为美国的22%，到1995年这一比例提升至95%，但随后劳动生产率增长的放缓幅度超过美国，并回落到美国水平的80%以下（见图2.1）。²⁰与此同时，欧洲开始进入现代历史上第一个劳动力无法持续实现净增长以支撑GDP增长的时期（见专栏2.1）。预计到2040年，欧盟的劳动力每年减少近200万人，而在职人员与退休人员的比例将从目前的约3∶1降至2∶1。按照这一趋势发展，欧洲的经济增长将陷入停滞。如果欧盟维持其2015年以来年均0.7%的劳动生产率增速，也只能使GDP在2050年之前保持不变。在公共债务与GDP之比处于历史高位，实际利率可能高于过去10年的水平，同时脱碳、数字化和国防支出需求不断增加的背景下，如果GDP增长停滞不前，最终可能导致公共债务水平难以为继，进而迫使欧洲放弃其中一个或多个目标。

　　欧盟和美国生产率差距扩大的关键驱动因素是数字技术（“科技”），而目前看来欧洲仍将进一步落后。20世纪90年代中期，欧盟和美国的生产率开始出现差距，主要原因是欧洲未能充分利用互联网引领的第一次数字革命：无论是在孕育新兴科技企业方面，还是在将数字技术广泛应用于整个经济方面，欧洲均表现欠佳。事实上，如果不考虑科技行业，过去20年欧盟的生产率增长将与美国大致持平（见图2.3和专栏2.2）。欧洲在推动未来增长的突破性数字技术领域落后于其他国家。自2017年以来，约70%的基础人工智能模型研发于美国，仅三家美国“超大规模数据运营商”就占据了全球和欧洲云市场65%以上的份额。而欧洲最大的云运营商仅占欧盟市场的2%。量子计算有望成为下一个重大创新领域，但在全球量子技术投资排名前十的科技公司中，五家位于美国，四家位于中国，没有一家来自欧盟。

　　尽管对于部分数字行业欧洲大致已经“回天无力”，但在未来的数字创新浪潮中，欧洲仍有机会获利。欧盟在云计算领域的竞争劣势可能会扩大，因为该市场的特点是持续的巨额投资、规模经济以及由单一供应商提供多种服务。

　　专栏2.1人口发展与劳动力

　　从历史上看，随着劳动年龄人口的稳步增加，劳动力增加成为所有主要经济体GDP增长的重要驱动力。然而在欧盟，自20世纪90年代以来，劳动年龄人口的增加逐渐放缓，且在过去十年总体上开始下行，这主要由出生率下滑所致。移民净流入并不能弥补欧盟人口的减少。

　　长期人口预测显示，欧盟人口将进一步持续下降。这一下降趋势与美国形成对比，预计未来几十年美国人口将继续增长，尽管速度会放缓。

　　预测的总体人口动态也反映在欧洲劳动年龄人口的增加上，这一人口在2010年左右开始下降。中国劳动年龄人口的下降幅度可能会超过欧盟。未来40年，中国15～64岁人口预计将从约10亿降至约6亿。

　　然而，欧洲不能放弃发展本土科技产业的原因有很多。首先，欧盟企业必须在需要技术主权的领域站稳脚跟，比如安全和加密（“主权云”解决方案）。其次，疲软的科技产业会削弱制药、能源、材料和国防等众多相关领域的创新表现。最后，人工智能，尤其是生成式人工智能，属于不断发展的技术，欧盟企业仍有希望在特定领域取得领先地位。欧洲在自主机器人领域实力强劲，集中了全球约22%的相关业务；在人工智能服务领域，欧洲也占了约17%的业务份额。（*8.JRC，Examples of AI Services，Policy Brief，2024.人工智能服务的例子包括使用机器学习、计算机视觉、自然语言处理等各类人工智能技术，以执行应用于不同业务功能的高阶应用程序，如商业智能、预测分析、预测、优化、故障检测等。）但是，创新型数字公司普遍难以在欧洲扩大规模并吸引资金，这反映在后期融资阶段欧盟与美国之间的巨大差距上（见图2.4）。事实上，过去50年里，没有一家白手起家创建的欧盟公司市值超过1 000亿欧元，而在美国，这一时期诞生了6家市值超过1万亿欧元的公司。（*9.“白手起家”（from scratch）是指从头开始创建一家新公司，而不是通过合并、收购的方式或从现有公司分拆出来。）

　　专栏2.2 深入探讨信息与通信技术产业在欧美劳动生产率差距中的作用

　　欧盟与美国在劳动生产率增长方面的总体差距，反映了双方在产业构成、产业创新（sectoral innovation）以及技术扩散等方面的差距。传统上，欧盟经济在所有不属于根本性技术进步核心领域的中等技术行业表现强劲。近年来，许多生产率增长源于部分特定行业，尤其是信息与通信技术（以下简称ICT）行业和大规模数字服务的开发应用领域，而欧盟在这些行业的活跃度较低。由于行业内技术扩散缓慢，欧盟与美国的生产率增长差距在这些生产率增长极快的行业中尤为突出。

　　将主要的ICT行业（计算机及电子产品制造以及信息通信服务）排除在分析之外，2000—2019年，欧盟的生产率与美国大体持平。欧盟相对于美国的生产率增长劣势显著降低，仅差0.2个百分点（美国生产率增长0.8%，欧盟为0.6%）。欧盟和美国的实际差距可视为接近于0，因为欧盟27国的生产率增长比欧盟10国（在欧盟KLEMS数据库中可获得这些数据）高出0.2~0.3个百分点。2013—2019年，ICT的作用更为突出，因为剔除主要ICT行业后，欧盟的生产率增长一定程度上超过了美国。

　　这一分析可能低估了ICT发展对生产率差距的总体影响。除了ICT行业，美国在专业服务、金融与保险领域的生产率增长也颇高，这反映了ICT技术强大的扩散效应。这些行业是美国整体经济中无形资产投资的最大贡献者之一。此外，金融科技的一部分也属于金融与保险业。另一方面，欧盟在一些中等技术领域的表现优于美国，如运输设备制造、农业以及批发和零售业。批发和零售业的优势反映了欧盟对过去十年美国引入的关键创新的追赶效应，例如，电子商务和在线零售覆盖了更大的客户群体，实施了先进的库存管理系统、数字支付系统、数据分析以及机器人技术和自动化应用。

　　将人工智能“垂直”整合到欧洲产业中，将是释放更高生产率的关键因素（详见各主题章节里关于人工智能使用案例的专栏内容）。目前，人工智能对总体生产率影响的定量评估尚不明朗。²¹不过已有明显迹象表明，人工智能将在欧洲的多个优势产业掀起变革，并对欧盟企业维系产业领先地位至关重要。譬如，人工智能将通过所谓的“组合产品”彻底改变制药行业。这类产品结合了药物、器械和生物成分，集治疗和诊断功能于一体，将药物输送系统与人工智能算法相结合，并实时处理反馈数据。据估计，人工智能在制药和医疗器械产业的应用，每年可创造600亿~1 100亿美元的收益。人工智能还将改变汽车：人工智能驱动的（生成式）算法可以优化汽车结构与部件，进而升级汽车设计水平，提高性能并减少材料使用，同时通过预测需求和精简物流运作，实现供应链优化。人工智能有望减少汽车产业的库存，缩短从研发到上市的时间，并提高劳动生产率。在货运和客运领域应用人工智能，将实现越来越多的自动化功能，从而提升安全、保证服务质量、优化导航和路线规划、实现预测性维护以及降低燃料或电力消耗。能源产业已经在大力部署人工智能，目前有超过50种应用场景，涵盖从电网维护到负荷预测等多个方面。不过，这个领域仍然有巨大的提升空间：据估测，未来人工智能应用在能源行业的市场价值可达到130亿美元。

　　尽管技术对维持欧洲的社会模式至关重要，但如果不大力关注技能发展，人工智能也可能会破坏这一模式。人工智能已经引发欧洲劳动者的担忧：最近一项调查显示，近70%的受访者支持政府限制人工智能以保护就业岗位。²²到目前为止，人工智能在欧洲所起的作用主要是增强劳动力而不是取代劳动力：人工智能应用与行业-职业的就业比例之间存在正相关关系。²³然而，这种关联可能是暂时的，因为企业仍处于摸索如何应用这些技术的早期阶段。美国的一项研究发现，由于引入了大语言模型，约80%的劳动力可能至少有10%的工作任务受到影响，而近20%的工人可能至少有50%的工作任务被波及。²⁴与以往的计算机化浪潮不同，高技能工人的工作或许更容易受到冲击。不过，为工人提供足够的技能和培训，让他们能够使用人工智能，将有助于更多人共享人工智能带来的好处。最近有研究揭示，获得人工智能辅助可以提高所有工人的生产率，而经验不足或技能较低的员工受益最大。²⁵欧洲应努力在创新潜力上与美国竞争，但更要致力于在提供教育和终身学习机会方面超越美国，从而确保人工智能的益处得到广泛分享，并将它对社会包容的负面影响降至最低。

　　2.2欧洲创新的主要障碍

　　欧洲在数字技术领域地位薄弱，根本原因在于其静态的产业结构，这种结构导致了投资低、创新少的恶性循环（详见创新章节）。过去20年里，美国研究与创新投入排名前三的公司发生了变化：21世纪头十年，它们来自汽车和制药业；而在21世纪第二个十年，转为软件和硬件公司；到21世纪20年代，则变成了数字领域的企业。相比之下，欧洲的产业结构一直保持不变，汽车公司始终位于研究与创新投入的前三。换言之，美国经济培育了新的创新技术，投资随之而来，将资源重新导向有巨大生产率增长潜力的行业；而在欧洲，投资仍集中于成熟技术以及前沿企业生产率增速放缓的行业。2021年，欧盟企业的研究与创新支出占GDP的比例约为美国企业的一半，大致是2 700亿欧元；这一差距主要源于美国科技产业的投资率远高于欧盟。这种创新差距进而导致欧美两大经济体在总体生产性投资上出现差距，其主要原因是，欧洲对有形ICT资产以及软件、数据库和知识产权的投资日益减少（见图2.5）。²⁶由此导致欧洲产业活力低、创新少、投资不足且生产率增长缓慢的循环，这被称为“中等技术陷阱”。²⁷欧洲产业缺乏活力，很大程度上可归咎于“创新生命周期”存在缺陷，阻碍了新行业和具有竞争力的企业崭露头角。问题首先源于在创新到商业化的过程中出现重重障碍。由于对颠覆性创新缺乏关注且融资分散，公共部门支持研发创新的效率低下，进而限制了欧盟在高风险突破性技术领域实现规模化发展的潜力。企业一旦进入成长阶段，就会遭遇监管和司法障碍，阻止它们在欧洲发展壮大为成熟且盈利的企业。因此，许多创新公司最终会向美国风险投资人寻求融资，并认为相较于开拓分散的欧盟市场，进军庞大的美国市场是回报更高的选择。最后，在提供推动经济数字化所需的先进基础设施方面，欧盟也逐渐落后。

　　欧洲没有足够多的顶尖学术机构，从创新到商业化的渠道也很薄弱（详见创新章节）。大学和其他科研机构是早期创新的核心力量，它们开展突破性研究，并为劳动力队伍培养具备新技能的人才。欧洲在基础研究和专利申请方面表现强健：2021年，欧洲占全球专利申请的17%，美国占21%，中国占25%。然而，尽管欧盟总体上拥有较强的大学体系，但跻身顶尖行列的大学和研究机构其实不多。用顶尖学术科学期刊上的论文发表量作为参考指标，在全球前50家研究机构中，欧盟只有3家，而美国有21家，中国有15家。在基础研究商业化的后续阶段，欧盟的创新管道（innovation pipeline）也相当不畅。欧洲研究人员创造的大部分知识尚未实现商业应用。欧洲专利局称，在欧洲大学或研究机构注册的专利发明中，只有大约三分之一获得商业开发。造成这种失败的一个关键原因是，欧洲的研究人员没有很好地整合成创新“集群”，即大学、初创企业、大型公司和风险投资人组成的网络，它们在高科技领域的成功商业化中占有很大份额。这些集群对美国更具活力的产业结构起到了关键作用。在全球前十大创新“集群”中，美国有4个，中国有3个，而欧洲则榜上无名。

　　欧洲在研究与创新方面的公共支出规模不足，而且并未充分关注突破性创新。在美国，绝大多数研究与创新的公共支出由联邦政府承担。在欧盟，各国政府在研究与创新上的总支出占GDP的比例与美国相当，但只有十分之一的支出发生在欧盟层面，即便公共研究与创新投资对私人部门产生了巨大的溢出效应（见图2.6）。²⁸欧盟制订了一份重要的研究与创新计划，即“地平线欧洲”（Horizon Europe），预算接近1 000亿欧元。但这笔资金分散在太多领域，申请流程复杂且官僚作风严重。此外，该项目对颠覆性创新同样不够重视。欧盟用于支持成熟度较低的新技术的关键工具是欧洲创新委员会（EIC）的“探索者”项目，其2024年的预算是2.56亿欧元；而美国国防部高等研究计划局（DARPA）的预算为41亿美元，其他“高等研究计划局”型机构的预算为20亿美元。并且，“探索者”项目主要由欧盟官员领导，而非由顶级科学家和创新专家领导。欧盟内部缺乏协调也影响了更广泛的创新生态系统。大多数成员国无法达到必要的资金规模，以提供世界领先的研究和技术基础设施，这反过来又限制了研究与创新能力。相比之下，欧洲核子研究组织（CERN）和欧洲高性能计算联合项目（EuroHPC）的范例表明，在开展大型研究与创新的基础设施项目时，协调合作至关重要。

　　单一市场的碎片化阻碍了进入成长期的创新型企业在欧盟扩大规模，进而减少了融资需求。欧盟相对于美国在扩大规模融资方面存在巨大差距（见图2.4），这通常归因于欧洲资本市场较小，风险投资行业不够发达。欧盟在全球风险投资基金中所占的比例仅为5%，而美国为52%，中国为40%。然而，其中的因果关系可能更为复杂：欧洲的风险投融资水平较低反映了其较低的融资需求水平。由于单一市场在对创新企业至关重要的领域存在碎片化和不完善的情况，在欧盟扩大规模进而实现增长的前景颇为黯淡，所需的融资规模也相对较小。许多有高增长潜力的欧盟企业更愿意向美国风险投资公司寻求融资，并在美国市场扩大规模，这样它们可以更轻松地扩大市场覆盖范围，更快地实现盈利。2008—2021年，欧洲诞生了147家“独角兽”企业，即估值超过10亿美元的初创企业，其中40家已将总部迁往海外，且绝大多数迁到了美国。²⁹欧洲增长潜力的匮乏，对科技型创新企业的影响十分显著，对深度科技（deep tech）类企业更是如此。例如，人工智能初创企业获得的全球融资总额中，61%流向美国公司，17%流向中国公司，只有6%流向欧盟公司。在量子计算领域，欧盟企业只吸引了全球5%的私人资金，而美国企业吸引了高达50%的份额。

　　在科技产业，特别是对年轻企业而言，扩大规模面临的监管障碍尤其繁重（详见创新、数字化与先进技术章节）。监管障碍从多个方面限制企业的成长。第一，分散的各国监管体系设有复杂且成本高昂的程序，压制了发明者申请知识产权（IPR）的意愿，进而阻碍年轻企业借助单一市场发展壮大。第二，欧盟针对科技公司的监管立场抑制了创新：目前，欧盟约有100项聚焦于科技领域的法律³⁰，有超过270个监管机构活跃在各成员国的数字网络中。许多欧盟法律采取预防性措施，事先规定具体的商业行为，以规避事后的潜在风险。例如，《人工智能法案》对超过预先设定的计算能力阈值的通用人工智能模型提出了额外的监管要求，而一些最先进的模型已经超过了这个阈值。第三，数字公司被阻止通过子公司在欧盟各地开展业务，因为它们要面对各式各样的要求、层见叠出的监管机构，以及各国监管当局对欧盟立法的过度执行（“镀金”现象）。（*10.监管“镀金”是指这样一种做法，即各国政府或当局在将欧盟立法纳入国内法时，执行的标准超出了欧盟立法设定的最低要求。）第四，对数据存储和处理的限制造成了高昂的合规成本，阻碍了创建用于训练人工智能模型的大型综合数据库。这种碎片化现象使欧盟企业陷入不利境地，相比之下，美国依靠私人部门构建庞大的数据库，中国则可以借助其中央机构进行数据汇总。欧盟的竞争执法可能会压抑行业内合作，进而加剧上述问题。最后，公共采购领域的多种不同国家规则给云服务提供商带来了持续高企的成本。这种监管负担的最终结果是，只有规模较大的公司（总部通常不在欧盟）才有财力和动力承担合规成本。年轻的创新科技公司可能干脆选择不在欧盟开展业务。

　　缺乏真正的单一市场也导致在更广泛的经济领域没有足够多的企业发展到足够大的规模，以加速先进技术的采用。诸多障碍迫使欧洲企业只“维持小规模”，并漠视单一市场带来的机会。这些障碍包括：遵守各国繁杂法规的高昂成本，居高不下的税务合规成本，企业达到一定规模后遵守相关规定的不菲成本。因此，较之美国，欧盟的中小企业比例更低，微型企业比例更高（见图2.7）。然而，企业规模与技术采用密切相关。来自美国的证据表明，所有先进技术的采用率都随着企业规模的扩大而上升。³¹同样，在2023年，欧盟有30%的大型企业采用了人工智能，而中小企业的这一比例仅为7%。³²企业规模能促进新技术的采用，因为大型企业可以将人工智能投资的高昂固定成本分摊到更多的收入上，依赖更专业的管理团队实施必要的组织变革，而且由于拥有更大的数据库，它们能够更有效地部署人工智能。换句话说，分散的单一市场使得欧盟企业在迅速采用和推广新人工智能应用方面处于劣势。

　　计算能力的竞争以及对网络连接的投资不足，可能很快就会演变为数字瓶颈（参见数字化和先进技术章节）。训练新的基础模型和构建垂直整合的人工智能应用需要大幅提升计算能力，这正在引发一场耗资巨大的全球“人工智能芯片竞赛”。在这场竞赛中，规模较小、资金较少的欧盟企业可能难以分庭抗礼。过去8年里，主要由于必需的计算能力，前沿人工智能模型的训练成本估计每年增长了2~3倍，预计下一代人工智能系统的训练成本可能马上将达到10亿美元，并在本十年末升至100亿美元。³³与此同时，部署人工智能需要更快、更低延迟且更安全的网络连接。然而，在光纤和5G部署方面，欧盟尚未实现其“2030数字十年”（2030 Digital Decade）的目标。据估计，要确保欧盟全境完成千兆和5G覆盖，支撑欧盟网络建设所需的投资规模约为2 000亿欧元。但欧洲的人均投资明显低于其他主要经济体（见图2.8）。投资率低的一个关键原因是欧洲市场过于分散。例如，欧盟有34家移动网络运营商集团，而美国或中国只有少数几家；部分原因是欧盟及其成员国对该行业的合并通常持否定态度。与美国或中国的大陆级规模（continent-scale）企业相比，这种分散致使欧盟运营商投资网络的固定成本更为沉重。市场分散也导致欧盟很难从新技术中获利。目前，欧洲在边缘计算领域几乎毫无建树，（*11.边缘计算是指将计算任务分散到更靠近客户的较小节点上，从而缩短数据传输距离。随着欧盟建立高度自动化的制造工厂，需要低延迟和由人工智能控制的大量数据，因此工业应用的边缘计算能够更有效地提高工业机器人的性能并降低延迟，进而使数据传输更加安全。尽管 “2030数字十年” 计划设定的目标是到2030年部署至少1万个气候中立、安全的边缘节点，但目前欧盟只有3个已投入商业应用的边缘计算节点。）而由于缺乏标准协调，使用应用程序编程接口（API）向第三方开发人员和创新者开放网络服务的进程也受到了阻碍。

　　由于研究与创新投资不足以及监管碎片化的挑战，欧盟在制药等其他创新领域的地位不断下滑（见制药章节）。尽管以价值衡量，欧盟的制药产业在全球贸易中仍处于领先位置，但在最具活力的市场领域，欧盟日渐落后，市场份额也在被美国公司抢占。在2022年欧洲十大畅销生物药品中，只有2种由欧盟公司销售，而美国公司销售的有6种（见图2.9）。在孤儿药（*12.孤儿药是专门用于治疗、预防或诊断罕见疾病或病症的药品。这些药物被称为“孤儿药”，是因为在正常的市场条件下，制药公司几乎没有经济动力去开发和销售仅针对少数患者的产品。目前，55%的孤儿药是生物制剂。）和先进治疗药品（*13.先进治疗药物（ATMP）是基于基因、组织或细胞研发的创新型人用药品。不少先进治疗药物都属于孤儿药。）等具有市场独占性的产品领域，欧盟尤其难以确立地位。这一差距日益显现的根源在于创新投入较低。欧盟公共部门在制药领域的研究与创新支出总额不到美国的一半，欧盟私人部门的研究与创新投资总额约为美国的四分之一。欧盟的创新还受限于缓慢且复杂的监管框架，目前该框架正在接受审查。2022年，欧洲监管机构对新药的批准时间中位数为430天，而美国是334天。此外，获取健康数据是制药产业开发人工智能的先决条件之一，但受到数据碎片化的限制。特别是，虽然《通用数据保护条例》（GDPR）包含了使用患者数据进行健康研究的选项，但各成员国的执行情况参差不齐，阻碍了该行业充分利用大量可用的电子数据。

　　2.3解决创新赤字的计划

　　欧洲必须解决其共同研究与创新计划中的弱点，从而改善突破性创新的环境（参见创新章节）。本报告建议从重点方向、预算分配、治理模式和财政能力等方面切入，对欧盟的下一个研究与创新框架计划（Framework Programme for R&I）进行改革。首先，该计划应重新聚焦少数共同商定的优先事项。其次，增加预算分配的份额，用于资助颠覆性创新；而且为了有效利用这笔资金，欧洲创新委员会需进行改革，成为真正的“高等研究计划局型机构”，以支持有可能带来突破性技术进步的高风险项目。再次，计划的管理工作应由项目经理以及在创新前沿拥有良好记录的人员负责；另外，为了让年轻的创新公司最大程度地参与，应加快申请流程，减少繁文缛节。还应重新设计并精简计划的组织架构，使之更加注重成果和效率。最后，在改革的前提下，新框架计划的预算应该翻倍，达到每七年2 000亿欧元。

　　与此同时，必须更好地协调各成员国之间的公共研究与创新工作。不妨建立一个“研究与创新联盟”，共同制定欧洲统一的研究与创新战略。为了加强协调，欧盟可以推出由成员国与欧盟委员会、科研界和私人部门利益相关者共同设计的“欧洲研究与创新行动计划”（European Research and Innovation Plan）。

　　建立并巩固处于全球研究前沿的欧洲学术机构也很重要。欧洲研究理事会（ERC）对提升欧洲科学的竞争力起着关键作用，但由于缺乏资金，许多颇具前景的研究提案一直未能获得资助。本报告建议通过欧洲研究理事会，将基础研究的支持力度扩大一倍，在不稀释资助金额的情况下显著增加资助对象的数量。同时，欧盟应引入一项基于卓越标准、高度竞争的“机构版欧洲研究理事会”计划，为学术机构提供所需资源。另外，提议设立一个面向世界级研究人员的新机制（“欧盟主席”职位），通过聘请顶尖学者担任欧盟官员，吸引和留住最优秀的学术人才。这一机制应得到欧盟新私人资助框架的支持，使公立大学和研究中心能够为顶尖人才设计更具竞争力的薪酬政策，并为研究提供更多支援。除学术机构外，如果要发展世界领先的研究和技术基础设施并达到必要规模，还应增加资金投入并促进协调。

　　欧洲需要让“发明家更容易成为投资者”，并帮助成功的创业企业扩大规模。欧盟应像其他的领先创新地区一样，对发明家产生吸引力。本报告建议采取一系列措施以支持欧洲从发明到商业化的转变。第一，为了克服大学和研究机构在与研究人员共同管理知识产权方面的官僚障碍，建议制定公平透明的版税分享新蓝图。第二，为了降低年轻企业的申请成本并提供统一的知识产权保护，建议在所有欧盟成员国实施统一的专利制度。第三，欧盟应全面评估数字和其他监管给小企业带来的影响，以期使中小企业豁免于只有大公司才有能力遵守的法规限制。第四，欧盟应支持欧洲市场内部的快速发展，给予创新型初创企业采用全新欧盟法律法规（“创新型欧洲企业”）的机会。这一地位可为企业提供在整个欧盟范围内有效的单一数字身份，并得到所有成员国的认可。这些企业将适用有关公司法和破产法的统一立法，以及劳动法和税法的一些关键规定，同时这些规定会逐步提高要求；此外，它们有权在欧盟各地设立子公司，而无须在每个成员国另行注册。

　　随着欧洲市场内部的企业成长障碍被消除，需要为颠覆性创新、初创企业和规模化企业营造更好的融资环境（详见创新和投资章节）。尽管高增长企业通常可以获得国际投资者的融资，但进一步发展欧洲内部的融资生态系统有其充分理由。极早期的创新项目将受益于更庞大的天使投资人群体。确保有充足的本地资本为规模化企业提供支持，能让创新的溢出效应集中在欧洲内部。提高欧洲股票市场对首次公开募股（IPO）的吸引力，将拓宽企业创始人的融资渠道，鼓励欧盟境内开展更多创业活动。为大幅增加初创企业和规模化企业可获得的股权和债务融资，本报告提出了下列措施。首先，加大对商业“天使投资人”和种子资本投资人的激励力度。其次，评估是否需要进一步调整《偿付能力指令II》下的资本要求（该指令为保险公司制定了资本充足率规则），同时发布欧盟养老金计划的指导方针，以鼓励机构投资者投资于选定的细分产业的创新公司。再次，增加欧洲投资基金（EIF）的预算，该基金隶属欧洲投资银行集团（EIB Group），主要为中小企业提供融资；同时改善该基金与欧洲创新委员会（EIC）之间的协调，最终合理化欧洲的风险投融资环境。最后，扩大欧洲投资银行集团的职责范围，使它能够对需要大量资金的企业进行联合投资并承担更多风险，进而帮助吸引私人投资者。

　　欧盟拥有一个独特的机会，可以通过提升计算能力和开放其高性能计算机网络来降低人工智能部署成本（详见数字化和先进技术章节）。自2018年欧洲高性能计算联合项目启动以来，欧盟已经在六个成员国建立了庞大的公共计算基础设施，这在全世界是独一无二的。其中有三台超级计算机跻身全球前十，并计划推出两台百万兆次超级计算机。虽然到目前为止，这种计算能力主要用于科学研究，但欧盟委员会正逐步将该计划开放给人工智能初创企业、中小企业和更广泛的人工智能领域。本报告建议在这一举措的基础上，大幅提升高性能计算中心用于人工智能模型训练和算法开发的计算能力。与此同时，欧盟应提供资金，推动欧洲高性能计算联合项目扩充更多的云服务和存储功能，从而支持多个地点的人工智能训练。另外，可基于公共和私人基础设施之间的合作开发“联合人工智能模型”，以提供人工智能训练能力和云服务，拓展欧盟的竞争规模。为了给投入该网络所需的额外资源筹集资金，建议创建一个覆盖全欧盟的框架，允许将公共部门的“计算资源”提供给创新型中小企业，以换取经济回报。譬如，公共高性能计算设施或研究中心可以提供免费的计算能力，换取股票期权、特许权使用费或股息，继而再将这些收益投资于提升计算能力和维护设施。

　　欧盟应推动跨产业协调和数据共享，以加快人工智能融入欧洲产业的脚步。发展人工智能垂直领域，有赖于产业参与者与人工智能研究人员及私人部门携手合作，从而明确不同产业面临的问题。譬如，判断一家工厂能否利用人工智能驱动的数字孪生技术开发创新产品，需要对工厂、其机器人和生产流程进行模拟，并叠加人工智能算法。为了促进这种合作，应鼓励欧盟企业参与“人工智能垂直优先计划”（AI Vertical Priorities Plan）。该计划旨在加速人工智能在十个战略领域（汽车、先进制造与机器人技术、能源、电信、农业、航空航天、国防、环境预测、制药和医疗保健）的发展，在这些领域，欧盟商业模式将从迅速引入人工智能中获益良多。参与计划的企业可获得欧盟用于模型开发的资金支持，以及一系列关于竞争和人工智能试验的特定豁免。特别是，为了克服欧盟缺乏大型数据库的问题，模型训练需要使用特定产业内多家欧盟企业自愿提供的数据，并在开源框架内得到支持，免受竞争管理机构反垄断执法的影响。此外，应通过在欧盟范围内开放、协调和统一各成员国的“人工智能沙盒制度”，鼓励参与计划的企业开展实验。这些实验性“沙盒”将能够定期评估欧盟或各成员国立法造成的监管障碍，并向监管机构提供私人企业和研究中心的反馈。

　　鉴于美国供应商占据主导地位，欧盟必须在促进本土云产业发展和确保获得所需技术之间找到一条平衡路径。如今，欧盟试图培育系统性挑战美国主要云服务供应商的力量为时已晚：涉及的投资规模太大，并且会将资源抽离欧盟创新前景更佳的产业和企业。但是，出于欧洲主权的考虑，欧盟应确保拥有具备竞争力的本土产业，以满足对“主权云”解决方案的需求。为实现这一目标，本报告建议推行欧盟范围内的数据安全政策，促进欧盟与非欧盟云服务提供商之间的合作，允许使用美国超大规模云服务提供商的最新技术，同时保障可信任的欧盟提供商的数据加密、安全和专属服务。另外，欧盟应制定公共部门采购的强制性标准，为欧盟企业与较大的非欧盟企业竞争创造公平环境。在“主权”市场领域之外，建议协商打造一个低壁垒的“跨大西洋数字市场”，确保欧盟和美国科技公司在公平对等的条件下享有供应链安全和贸易机会。为使这些机会对大型科技公司以外的企业同样具有吸引力，大西洋两岸的中小企业也应从上述减轻小企业监管负担的措施中获益。

　　需要推动电信行业的整合，以提高联通方面的投资率（见数字化与先进技术以及竞争政策章节）。关键举措在于调整欧盟对电信运营商规模与合并的立场，在不牺牲消费者福利和服务质量的前提下，打造真正的单一市场。为了鼓励合并，本报告建议在欧盟层面（而不是成员国层面）定义电信市场，并在欧盟的合并审批规则中加大创新和投资承诺的权重。如果出现滥用市场支配地位的情况，应减少国家级别的事前监管，转而采用事后竞争执法手段。同时提议在欧盟范围内统一频谱许可规则和流程，并协调全欧盟的拍卖设计特征，以帮助形成规模效应。为确保欧盟参与者始终站在新技术发展的前沿，建议设立一个由公私部门参与的欧盟级机构，为网络应用程序编程接口和边缘计算的部署制定统一的技术标准，就像20世纪90年代漫游的情况一样。为提升欧盟运营商投资这些技术的能力，建议支持网络所有者与超大型在线平台之间开展商业投资共享，毕竟这些平台大量使用欧盟数据网络，却不为网络建设提供资金。

　　此外，维持并扩大研究与创新在制药等关键制造业领域同样至关重要（详见制药章节）。开放健康数据用于研究目的的二次利用，对于将制药业的研究与创新活动锚定在欧盟内部具有巨大潜力。因此，本报告建议通过欧盟层面的支持推动各国投资，促进电子健康记录的获取和共享，从而加快卫生系统的数字化进程和欧洲健康数据空间（EHDS）的建设。还有，建议进一步扩大欧盟的基因组测序能力，并在“欧洲百万基因组计划”的基础上，绘制2026年以后的战略蓝图。为最大限度地挖掘欧洲健康数据空间的潜力，重要的是就人工智能在药品生命周期中的使用提供清晰和及时的指导，尤其是分析传输给欧洲药品管理局的“原始”临床数据和为药物警戒目的收集的数据。与此同时，监管机构应致力于提高欧盟开展临床试验的吸引力，加快新药进入市场的速度。为实现这些目标，可以采取多种支持措施，其中包括：审查药物与医疗器械联合研究的规则以及人工智能的应用规则，简化不同机构向行业发布的关于未满足的医疗需求、临床试验设计和真实世界证据使用方面的指导意见。最后，为了弥补制药业的资金缺口，欧盟资金应重新聚焦于发展数量有限的世界级生命科学创新中心，以研发先进的治疗药物。各种创新融资方案也将使制药业受益匪浅。

　　2.4缩小技能差距

　　欧洲各个经济领域正面临着技能差距问题，劳动力数量的下降加剧了这一状况（详见技能章节）。欧洲经济在多个行业和职业领域持续发生低技能和高技能劳动力短缺的现象（见图2.10）。约四分之一的欧洲企业发现很难找到具备合适技能的员工，另有一半企业表示在这方面遇到了一定的困难。而77%的欧盟企业报告称，就算是新入职的员工也并不具备所需的技能。管理层面同样存在技能短缺的情况。基础管理实践（尤其是人力资本管理实践）的采用参差不齐，可能是20世纪90年代末和21世纪头十年欧盟应用信息与通信技术进展缓慢的原因，特别是在小微企业层面。（*14.关于管理实践在不同国家之间的差异及其对总体生产率的影响，可参见Bloom，Sadun and Van Reenen（2012）以及Schivardi and Schmitz（2020）提供的证据。）尽管发达经济体普遍遭遇技能短缺的相关挑战，但在欧盟，解决这些挑战的需求尤为迫切。人口结构的不利变化意味着欧洲劳动力规模正在逐渐萎缩，而美国人口预计将在未来几十年内持续增长。在这种情势下，欧洲亟待制定一项着眼于全教育阶段以弥合技能差距的战略。许多技能差距问题可以归因于现有人才没有得到充分利用，一些职业领域存在严重的性别差距就是明证。

　　技能短缺日益成为创新和技术应用的障碍，还可能阻滞脱碳进程。欧洲在科学、技术、工程和数学（以下简称STEM）领域培养了高素质人才，但人才供给有限。欧盟每年每百万居民中大约有850名理工科专业毕业生，美国则超过1 100名。此外，由于其他地区有更多更好的就业机会，人才纷纷流向海外，导致欧盟的人才库渐渐枯竭。而且，目前还缺乏相关技能，以便在经济领域更快地推广数字技术，并帮助工人适应技术带来的变化。近60%的欧盟企业表示，技能短缺是投资的主要障碍，相似比例的企业称招聘信息与通信技术专家存在困难。与此同时，欧洲工人普遍未准备好把握工作领域广泛数字化带来的机会：约42%的欧洲人缺乏基本数字技能，其中在职人员的比例达到37%欧盟“数字十年”计划旨在确保到2030年，80%的欧洲劳动年龄人口具备基本的数字技能。。脱碳行动同样需要新的技能组合和职业类型。2019—2023年，欧盟清洁技术制造业的职位空缺率翻了一番，25%的欧盟企业在2023年第三季度报告了劳动力短缺问题。随着时间推移，高技能工人短缺的情况可能会愈发严重。预测到2035年，受退休引发的岗位接替需求和劳动力市场需求不断变化的影响，高技能非体力职业（即需要高学历的职业）的劳动力短缺状况将最为突出。

　　欧洲技能人才供应不足，原因在于教育和培训体系衰退，无法让劳动力为技术变革做好准备。以经合组织PISA（国际学生评估项目）的分数衡量，欧盟的教育水平日益下滑。在最近的PISA报告中，亚洲国家占据领先地位，欧洲则经历了前所未有的下降。这种下降趋势涉及平均成绩和顶尖表现：2022年，根据PISA的标准分数衡量，只有8%的欧盟学生在数学方面达到高水平，而在阅读和科学方面达到高水平的学生仅为7%。虽然STEM毕业生的数量正在上升，但速度跟不上STEM就业岗位需求的增长，且性别差距显著：男性人数几乎是女性的两倍。表现不佳的情况也延伸到成人教育领域，继而阻碍了通过再培训使劳动力市场适应先进技术的可行性。总体而言，成人教育和培训的参与率相对较低，而且欧盟各国之间的差异很大。例如2016年，只有37%的成年人参加培训，此后这一比例几无增长。为了实现《2020年欧洲技能议程》设定的每年至少有60%的成年人参加培训的目标，还需要约5 000万名工人接受培训。类似的情况也影响了职业培训，在欧盟范围内，职业培训的质量和效果参差不齐。

　　虽然教育和培训属于国家职权范畴，但是欧盟的投资成果相对欠佳。根据当前的欧盟预算，约640亿欧元用于技能投资，然而效果有限。这一失败归咎于若干因素。其一，负责技能政策的成员国缺乏超越软性协调形式的意愿。其二，产业在培养特定工作技能方面参与不足。其三，欧盟缺少对技能投资的系统评估，阻碍了对替代策略有效性的了解和对干预措施的改进。其四，提高技能的集体努力受到“技能情报”利用不足的限制。技能情报是指与成员国国内和彼此之间技能需求、现有技能储备以及期望的技能流动等有关的可靠、详尽和可比信息。这类信息对于评估各产业和地区的现有技能差距并预测未来差距，进而合理制定政策和支出目标有着重要影响。尽管掌握了新的信息来源和方法，但在欧盟机构乃至各成员国中，实际使用详细技能数据进行政策设计的情况仍然很少，也不均衡。

　　欧盟应全面改革技能发展方式，使之更具战略性和前瞻性，并关注新出现的技能短缺问题。本报告建议，首先，欧盟和各成员国应更多地利用数据来了解和应对现有的技能差距，进而增强对技能情报的应用。其次，教育和培训系统需要更灵活地响应不断变化的技能需求和技能情报揭示的技能缺口。课程体系应进行相应的改进，同时要让雇主和其他利益相关方参与其中。再次，若想最大限度地提升就业能力，可以引入一套通用的认证系统，确保欧盟范围内的潜在雇主能够清晰理解通过培训项目习得的技能。最后，需要重新设计欧盟专门针对教育和技能的项目，以便分配的资金能产生更大影响。为了提高技能投资的效率和可扩展性，欧盟资金的发放应与更严格的问责制和效应评估挂钩。同时，建议采取具体干预措施，解决技术和STEM技能领域最紧迫的人才短缺问题。尤其要重视成人学习，这将是工人终身更新技能的关键。与此相关的是，整个欧盟的职业培训也需要全面改革。特定产业（战略价值链）或特定技能（包括工人和管理层的能力）必须辅以有针对性的干预举措。譬如，建议启动新的技术技能获取计划，以吸引欧盟以外的技术人才。该计划将在欧盟范围内实施，由欧盟委员会和各成员国共同资助。这一计划可为相关领域的学生、毕业生和研究人员推出新的欧盟签证方案，以刺激人才流入；同时设立大量的欧盟学术奖学金，特别是STEM学科的奖学金，并向学生提供实习机会，鼓励毕业生与欧盟各地参与计划的研究中心和公共机构签订就业合同，从而在研究人员职业生涯早期阶段将人才留在欧洲。