作者：陈玉宇｜北京大学光华管理学院教授、北京大学经济政策研究所所长

全文约一万六千字，阅读时间约四十分钟。

编者按：

发达国家早就是发展中国家的人工智能。汽车怎样造，电厂怎样建，世界上早有人知道，可是一百年来真正追上来的国家是少数。今天AI使知识更便宜，于是旧问题又回来了：便宜的知识过去没有自动变成增长，更便宜的知识为什么会？

这篇文章在增长理论里切开一个长期被压缩的环节：一群人怎样变成一个能共同使用知识的生产组织。作者提出”组织技术”和”双侧校准”两个概念，说明为什么生产能力可以在知识一页不少的情况下消失，为什么第一家工厂最难、第二家容易，为什么一个地区学会了生产未必学会了组织生产。这个角度被用来重看苏南、珠三角、温州、东北的工业化，福建一个村庄怎样成片学会房地产，以及两件正在发生的事：中国企业大规模出海，和制造业收缩以后新组织从哪里来。

文章最后回到AI。作者认为，AI对增长的作用取决于它改变的是知识供给，还是组织校准，还是两者都改变；同样的技术潜力，在校准快的行业和校准慢的行业会走出两条完全不同的生产率路径。

这是一篇思想长文，不是短评。它提出问题，综合已有认识，给出一个新的研究对象，并明确划定自己的解释边界。适合愿意花四十分钟认真读完的读者。

为什么世界已经拥有大量先进知识，许多国家却始终难以实现快速增长？发达国家早就是发展中国家的“人工智能”，今天AI又使知识的创造与获取更加容易。但知道怎样生产，与真正形成生产能力，是两个不同的过程。

本文综合增长经济学、技术扩散与组织经济学的已有认识，提出从组织技术的角度重新审视知识向生产率的转化。其中，“双侧校准”描述不同角色通过共同实践形成相互适配的工作规则。个人可以带走角色经验，已经形成的共同校准却不能由任何一方独自携带。这使生产组织具有独特的形成、积累、折损与重建规律。

这一视角有助于重新理解产业集聚、中国区域工业化、企业出海以及产业结构转型，也为解释AI增长效应的行业差异提供了新的思路。AI既可能增加知识供给，也可能缩短甚至改变组织校准过程。但现实增长还取决于资源重新配置和消费需求的发现。

生产知识的可复制性与生产组织的可复制性，是两种不同的技术性质。理解二者如何连接，是研究人工智能时代经济增长的重要方向。

知道一件事怎么做，和一群人把它做成，中间隔着一段路。

一、发达国家早就是发展中国家的人工智能

今天，人们对人工智能推动经济增长抱有很高期待。机器能够编程、设计产品、解释技术难题，也开始参与科学发现。知识生产的成本大幅下降，经济增长率会不会随之大幅提高？

这个问题并不新。回答它之前，不妨先看一场已经进行了一个多世纪的实验。对发展中国家来说，发达国家早就是它们的人工智能。汽车怎样制造，电厂怎样建设，药品怎样生产，现代工厂怎样管理，世界上早有人知道。设备可以买，工程师可以聘，学生可以送出去学习，跨国企业甚至可以把整套生产线搬过来。知识并非免费。知识产权、贸易限制和政治环境都可能形成障碍。但获得现成知识的成本，远低于重新发现这些知识的成本。

设想一个人在1960年作这样的推理：世界上的生产知识对加纳和印度几乎是现成的，先进国家已经付出了发现的成本，后来者只需要拿来用，所以这些国家会很快追上来。这一推理在当时并不荒唐。格申克龙讲“落后的优势”，讲的就是这件事。许多发展经济学家大体也持类似看法。六十多年过去，结果我们都知道。日本、韩国、中国等经济体的追赶引人注目，恰恰因为它们是少数。大量经济体长期接触先进知识，却没有形成与之相称的生产能力。发展核算的文献反复确认了这一点：各国人均收入的差距，大部分不能用物质资本和受教育年限解释，剩余的那一大部分被归入“全要素生产率”名下。

再做一个更极端的思想实验。假如今天把世界上最先进的生产知识完整地交给一个生产率很低的国家，技术图纸、生产流程、管理手册、全部科学知识，一样不少。它能不能在十年之内变成发达经济体？没有人会这样打赌。那么，它缺的究竟是什么？资本、制度、市场、基础设施，这些当然都缺。但还有一类东西，不在任何知识清单上，也不能靠交付获得。它只能在实际生产活动中慢慢形成。它是把知识、人员和资源结合成现实生产活动的能力。

这就是本文想追问的问题。我们对知识怎样创造、怎样传播，已经有很深的研究。我们对一个社会怎样获得使用知识的能力，认识还远远不够。知识的可获得性与知识的经济实现是两件事。把两者当成一件事，是那个1960年推理的全部错误。今天关于AI 的推理，很多正在重复这个错误。仅凭机器能够完成多少知识任务，就推算它能使GDP 增长多少，跳过了中间最难的一步。

AI 使这个旧问题变得更尖锐。过去知识已经便宜，现在知识要变得更便宜。如果廉价知识过去未能自动转化为增长，更廉价的知识为何就能？

还有一层。增长不是把知道的事做成一次就完了。收入提高，需求变化，旧的产业收缩，新的产业要长出来。一群人学会做一件事以后，社会还要不断地让另一群人学会做另一件事。这篇文章先讲前一半，第一家工厂怎样建起来。后面再讲后一半，旧工厂关了以后，新组织从哪里来。

二、知识还在，生产能力却可能消失

还可以从反方向看。一个社会不仅可能拥有知识却没有生产能力，也可能在知识仍然存在的时候，失去原来的生产能力。

美国曾经拥有庞大的制造业体系。随着国际分工深化，许多制造活动逐渐转移到海外。日本、韩国、中国等地的产业成长当然包含大量自主创新，不能简单理解为把美国的工厂搬走。但生产活动的地理转移，确实意味着技术人员、供应商、熟练工人和管理队伍在另一些地方重新积累。

假如今天美国希望恢复某些长期外移的制造环节，会遇到什么？产品设计可能仍在，工程知识并未消失，设备也能采购。专利还在美国公司手里，教科书还在美国大学的图书馆里。为什么不能立即恢复原有产能？因为稳定生产需要熟悉工艺的技术人员，需要能组织现场的管理者，需要懂得操作和质量控制的工人，还需要彼此配合的供应商。机器怎样布置，工序怎样衔接，异常怎样诊断，检验怎样安排，这些都要在实际生产中反复调整才能定下来。

长期不再从事某种生产活动，相关人员会退休、转行、迁移。供应商网络会改变，原来熟悉的协作关系会慢慢消失。于是出现一个很特别的现象：一种生产能力消失了，而没有任何一项科学知识失传。这里有一个耐人寻味的不对称。生产能力可以在几年里散掉，重建却要慢得多。散掉的时候没有人察觉，因为知识没有少一页。重建的时候才发现，少的东西不在纸上。

这当然不是说所有制造业回流都同样困难。它说的是，重建的成本不能只用设备和图纸来估计。

发展中国家面对的问题，是生产能力怎样形成。产业外移地区面对的问题，是生产能力怎样折损和重建。两者指向同一种有自己生命周期的生产能力。它的形成、折损和重建，都不与知识的存量同步。

三、图纸就在手里，为什么桥梁修不起来？

有一次，我向一家大型国有工程企业的负责人了解疫情期间的项目复工情况。这家企业承担过许多大型基础设施建设，有工程师，有图纸，有设备，有一套成熟的项目管理体系。可是有些工程迟迟不能复工。

我问为什么。他说，长期合作的农民施工队还没有从老家回来。我感到奇怪：这么大的企业，难道不能换一批人？他解释说，那些施工人员非常懂工程。图纸读得好，知道怎样把设计要求变成现场作业，知道怎样安排工序，遇到问题知道怎样处理。临时换人，很多事情要从头摸索。他感叹，那些农民工里的师傅看图纸的本领实在了不起。

我后来常想这件事。一家企业的生产能力，有一部分不在它的工资单上。那些施工队不是它的员工，却是它的一部分。企业能开工，靠的不只是自己拥有的东西，还有它和这群人之间多年形成的默契。这就是为什么，“换一批人”这个在账面上完全可行的方案，到了现场行不通。

这个故事里有两样不同的东西，要分开看。第一样是施工队自己的本领。设计人员掌握结构、材料和规范，施工队掌握现场工序与操作技巧，工长知道怎样协调不同工种。施工人员并不是在机械地执行指令。图纸上画的是设计意图，怎样在一片真实的场地上实现它，要靠他们的解释。从这个意义上说，他们也在参与设计。这种本领是他们自己的，走到哪里带到哪里。

第二样是他们和这家企业之间的东西。长期合作的工程师、工长和施工队，已经形成一套彼此熟悉的工作方法。谁负责什么，怎样提出问题，怎样确认修改，什么时候停工检查，遇到异常先找谁，各方早有共同预期。这套预期不写在任何文件里，也不归任何一方单独所有。换一批同样熟练的人来，他们各自都懂行，这套共同的工作方法仍然要重新建立。

停工也可能直接来自劳动力短缺，这个故事不能证明损失都来自协作关系。但它让我们看到一种可以单独拿出来看的能力：不同角色之间已经形成的共同校准。它并不完整地存在于工程师身上，也不完整地存在于施工队身上。它存在于他们之间。

四、增长理论把什么放进了生产率？

从这三个例子回到理论。它们提出的问题可以分成三层，每一层经济学都已经走了很远，本文想做的是顺着这条线再往前走一步。

第一层问题：知识怎样成为生产率？索洛把现实生产率的变化写进一个技术参数。这个参数后来被称为全要素生产率，实证研究用投入和产出的关系把它测出来。阿布拉莫维茨在1956年就提醒人们，这个残差是“我们无知的度量”，里面混着知识、组织、管理、资源配置，还有测量误差。阿罗1962年的“干中学”揭示了一个过程：生产本身产生知识。阿特金森和斯蒂格利茨接着指出，这种学习是局部的，你在哪种技术上生产，就在哪种技术上进步。再往后，技术采纳的研究追问企业为何不使用已知技术，吸收能力的研究问同样的外部知识为什么在不同企业产生不同效果，适宜技术的研究问先进国家的技术是不是适合后发国家的要素结构。科明和霍拜因等人的跨国技术扩散研究进一步提示我们：一项技术何时被引进，与它后来被使用得多广、多深，是两个不同的问题。这一层的结论可以归结为一句话：从知识传播到生产率实现，中间有复杂的条件。

第二层问题：组织为什么有生产性？科斯问企业为什么存在，威廉姆森问活动由市场还是由科层来组织。钱德勒写《看得见的手》，讲现代大企业的管理层级怎样取代市场协调。彭罗斯更早就说过，企业成长的真正约束是管理团队的扩张速度，新经理要在共同工作里学会这家企业的做法，这个过程不能靠雇人加速。布鲁姆和范里宁测量了几千家企业的管理实践，发现差异巨大、持久，而且能解释生产率的差别。这一层的结论是：组织不只是容纳生产要素的容器，它本身就是生产率的来源。

第三层问题：组织的知识存放在哪里？纳尔逊和温特在1982年提出组织惯例，说企业的生产知识不完全存放在个人头脑里，而在成员之间稳定、重复的互动模式里。团队专用人力资本的研究发现，一群人一起工作久了，生产率会高于把他们拆开再各自和别人组合。野中郁次郎讲企业怎样在互动里创造和转化知识。这一层的结论是：有一部分生产知识，不属于任何个人，而属于人与人之间的关系。

三层加起来，我们已经能看清一件事：现实生产率不仅来自知识本身，也来自组织知识的形成与运用。沿着这条路再往前走一步，就会碰到一个很具体的问题。一个组织解散了，原来共同形成的生产能力损失了什么？参与者各自带走了什么？这些人进入新的组织，为什么有时很快就能合作，有时仍然要漫长的磨合？惯例研究已经揭示组织具有集体知识。本文沿着这一认识，进一步区分两类东西：组织解散时失效的共同校准，与个人能够带走的角色经验，追问新组织怎样重新形成。彭罗斯强调管理团队的成长受到共同实践的制约。这里再把工人一侧的经验纳入分析，考察两侧经验的组合怎样影响校准时间。

所以本文要做的事可以说得很清楚。它不提出一套新的增长理论。它提出一个难以解释的增长现象，然后在增长理论里切开一个以前被过度压缩的环节，把里面的东西拿出来看。增长理论把从知识到产出的全部困难压进一个生产率参数。本文想把其中必须由不同角色共同实践才能形成的那一部分单独拿出来，给它一个名字，描述它的形成、折损和重建，说明它为什么值得作为一个独立的研究对象。

知道一家工厂应该归谁所有，不等于知道这家工厂第一天早晨该怎么开工。管理实践的研究常常考察已有企业怎样设定目标和考核，而建立第一家工厂还要解决更前面的困难：十个人来了，任务怎样分，怎样交接，谁核验谁的工作，出了差错怎样纠正。这是组织构成层面的问题。下面两节就从这里开始。

五、组织技术：把许多人变成一个生产单位

一个人知道怎样制造某种产品，不意味着他知道怎样组织十个人生产它。第一天早晨，十个人来到车间。谁负责什么？一个工头管几个人？哪些工作能够计件，怎样核对数量，返工怎么办？这些都有具体做法，而且做法有好坏之分。做法有好坏，正是技术这个词的本义。

我把这套做法叫作组织技术。它包括任务怎样分解，信息怎样传递，多人的行动怎样衔接，生产怎样核验，异常怎样处理。它既包括一个成熟的组织怎样运转，也包括一个组织最初怎样建立起来。

技术是做法，制度是权利与权力的安排。制度决定谁有权发令，谁承担责任，谁享有剩余。组织技术回答的是另一类问题：决定了谁发令以后，令怎样发，发到哪一级，怎样确认下面听懂了。两者相互依赖，却可以分开来看。同一种车间的组织方法可以在不同所有制下运转。同样的产权制度下，企业的组织能力也可以差别巨大。我们常常把后一种差别归因于文化、企业家或者运气，其实它有自己的内容，可以被描述，也可以被学习。

组织技术还有一个特殊的性质：它并不完整地归任何一个人所有。厂长知道怎样排班，工人也必须知道怎样按班次工作。线长知道怎样检查，工人也必须理解检验和返工的程序。一名经验丰富的厂长到一个从未办过工厂的村庄，未必能很快建起生产线。一群有经验的工人如果缺少懂得组织生产的人，也未必能自己建厂。

只说双方互补还不够。机器和劳动同样互补，经济学对互补的处理已经很熟练了。这里特殊的地方在于，不同参与者必须通过一起工作，才能形成彼此适配的行动规则。一个人可以独自学会开车床，却不能独自学会和别人交接。交接只能和别人一起学。组织技术中有些做法可以写成手册、程序和软件；另有一部分必须在具体参与者之间共同实践才能形成。这后一部分共同校准，只能在相应的协作关系中发挥作用。

第四节说过，纳尔逊和温特已经发现组织里有集体知识，团队专用人力资本的研究也已经发现，一起工作久了的人更有生产率。本文接着他们往前走一步，问这种集体知识是由什么构成的。哪一部分可以被个人带走？哪一部分只能留在关系里？组织解散的那一刻，两部分各自怎样变化？下一个组织形成的时候，前一部分怎样帮助后一部分更快生成？这几个问题连在一起，就从“组织有集体知识”这个一般判断，走到一套可以写下来的动态规律。这就是下一节。

六、双侧校准：组织能力怎样形成、消失与重建

设想一个管理者与一个工人团队开始合作。他们要共同确定生产节拍、岗位边界、质量标准、报告程序和异常处理方式。这些参数必须双方都理解，双方都能执行。任何一侧都不能单独定下来。管理者宣布一个节拍，工人做不到，这个节拍就不存在。工人提出一个节拍，管理者不认，它也不存在。

有经验的人未必预先知道新厂的最佳节拍。一个经验丰富的管理者，知道怎样和工人一起确定节拍：怎样试运行，怎样观察瓶颈，怎样调整流程，怎样确认对方已经理解。他不一定预先知道这家新厂的节拍该是多少。他从上一家厂带走的，是校准的程序。他留在上一家厂的，是那套已经完成的共同校准。这就是组织知识与普通技术知识的不同。经验是掌握校准程序，不是预先知道每一个正确答案。所以经验再多，校准也不能省掉，只能缩短。

双方都有相容的角色经验，仍然需要就新厂的具体参数达成一致，但往往能够较快完成。只有一方有经验，另一方需要被带着学。双方都没有经验，还要先摸索怎样一起试验和核验。三种组合对应三种校准时间。

一个极简的表达足够说明问题。设要校准 K 项参数，缺乏角色经验的一侧需要a 单位时间学习角色；双方都熟悉程序时每项校准时间为b₀，只有一侧熟悉时为b，两侧都不熟悉时为b′，其中0＜b₀＜b＜b′。三种校准时间分别为Kb₀、a＋Kb 和2a＋Kb′。这个表达式不是为了精确描述某家工厂。它只说一件事：新组织形成的时间，取决于双方经验的组合，而不是任何一方经验的多少。

这里必须区分两种存量。第一种是个人携带的角色经验。管理者和工人各自保留，可以带到别的组织去用。第二种是运转中的共同校准：参与者已经确定、理解并持续执行的一套具体参数。它存在于匹配之中，不能由任何一侧单独带走。舞步可以一个人练，两个人跳得合拍，是一起跳出来的。换一个舞伴，舞步还在，合拍要重来。

我们可以把一个地区运转中的共同校准记为Q。它取决于有多少匹配已经完成校准并正在运行。知道一个地区有多少有经验的管理者和有经验的工人，仍然读不出Q。这些人可能正在组成稳定的组织，也可能刚刚失业，分散在不同地方。一个地区也可能有大量由外来管理者主持的工厂，却没有多少本地的有经验的管理者。这是本文最想守住的一条：组织校准的存量，不是个人角色经验的加总。

组织解散时，共同校准不再作为运转中的整体存在。个人经验留下了。下一次匹配要重新校准。经验缩短重建时间，却不能替代校准。这正是组织能力与个人技能的差别，也是知识还在，生产能力却消失了这句话的准确含义。

共同校准的可携带程度，在不同情形下并不一样。原来的班组可能整体转到新企业去，原来的管理者和工人可能再次合作，标准化的流程可能已经写进文件、软件和设备的设置里。在这些情形下，旧的校准有一部分跟着走。所以匹配专用性是一个程度变量。这恰好能解释为什么有的组织很容易复制，有的很难：复制的难易，取决于校准的多少能被写下来，多少只能在人与人之间重做。

把这种东西叫组织资本并非不可以。但资本这个词容易让人以为它可以像设备一样整体搬走，或者像专利一样整体转让。我在这里用共同校准，是想守住一个区分：匹配中的约定，和参与者可以携带的经验，不是一回事。

七、为什么第二家工厂更容易？

第一家工厂生产产品，同时也在培养下一家工厂需要的人。工人学会按班次工作、接受检验、同其他岗位配合。一部分人成为班组长、车间主任和厂长。人离开企业以后，带着不同角色的经验进入新的匹配。

马歇尔讲产业聚集的时候说，行业的秘密在空气里。克莱珀研究底特律的汽车业和硅谷的半导体业，发现成功企业的衍生企业是产业集群最重要的来源，衍生企业带走的恰恰是在母公司里学到的组织做法。本文想把这两位先贤的发现说得更具体一点：秘密不在空气里，在曾经坐过各个岗位的人身上，在他们彼此熟悉的工作方法里。一个地区的产业历史积累的，不只是专业技能，还有能够在新组织里重新组合的角色经验。这是一种新的集聚机制。已有工厂不只提供供应商、客户和熟练工人，还培养未来建立生产组织所需要的各种角色。新组织能够更快校准，地区复制组织的能力随之增强。所以第一家工厂最难，第二家容易。

这种积累有一个条件：本地人必须有机会担任相应的角色。如果外资厂长期由外来团队管理，本地人主要从事生产，当地积累的就是工人侧的经验。工厂可以经营得很好，产量可以不断增加，本地的管理经验却未必增加。成功生产不自动意味着获得独立复制同类组织的能力。

这是全文最反直觉的一个结论。一个地区的工厂可以越来越多，产出越来越高，效率越来越好，而这个地区独立创建新组织的能力可以一直不变。生产活动本身不能复制生产活动。能复制生产活动的，是曾经在生产活动里担任过各种角色的人。阿罗的“干中学”说，做得多就学得多。本文要补一句：学到什么，取决于你在生产里做的是什么。一个地区从生产里学到了什么，取决于本地人在生产过程里站的是哪个位置。

这与工资激励无关，也不依赖外来管理昂贵的假设。即使外来管理免费提供，本地人没有坐过管理岗位，就不能通过管理实践积累那个角色的经验。一个地方学会了生产，未必已经学会组织生产。

共同校准的想法还给出一个关于重建的预测。两个地区原有的工厂一样多，经验人员的总数一样多。一个地区的经验分布在管理者和工人两侧，另一个地区的经验集中在工人侧。假如原有组织同时解散，外来管理者离开，前者可以较快重建双方都有经验的匹配，后者必须让新手管理者先学角色，再重新校准。差距的一部分是普通的角色学习，另一部分是双方共同校准的额外时间。

这就是本文所说的历史依赖。通常讲技术扩散，历史决定一个地区拥有多少知识。在这里，历史还决定知识分布在哪些角色的人身上，以及哪些人曾经一起工作过。同样数量的经验人员，可以有完全不同的组织重建能力。这比一般说的路径依赖要具体得多，也可以测量。

因此，生产组织可以迅速消失，而重建需要时间。过去谁坐过哪个岗位，决定了冲击之后恢复的速度。这也解释了为什么产业外移的损失常常被低估。在统计上，知识没有少，熟练工人至少头几年也还在。少的是匹配，而匹配不进入任何统计。

八、苏南、珠三角、温州与东北：不同的组织经验历史

中国改革开放以后的区域工业化，可以用这个角度重新看一遍。四个地区的历史组织形式不同，积累的组织经验也不同。

苏南在改革开放以前就有社队企业和集体工业的连续实践。许多农村劳动者、基层管理者和地方干部，并不是第一次接触工厂组织。工人侧的经验有，基层管理侧的经验也有，地方干部还有组织资源和调解纠纷的经验。这种存量可能降低后来乡镇企业、改制企业和私人企业的建立成本。值得追踪的，是哪些组织岗位连续存在，哪些人从旧组织转入了新组织。

珠三角走的是另一条路。港澳台商人带来订单、设备和管理团队，当地劳动者进入现代工厂。工厂建了多少，是次要的问题。本地人什么时候成为班组长、车间主任和厂长，才是关键。只有实际担任这些岗位，管理侧的组织经验才会在本地积累。珠三角后来出现了大批本地企业。管理岗位的本地化是否以及在多大程度上推动了这一变化，值得追踪。开放得早的地方和开放得晚的地方，后来的样子应该不一样。

温州早期大量利用家庭作坊和亲属网络。亲属之间已有信任和分工习惯，使小规模生产能够较快启动。但亲属型组织和陌生人协作组织需要的是两种经验。长期只与亲属合作，未必培养出管理几百名陌生工人按流水线协作的能力。什么时候开始大量雇用非亲属，什么时候引入有经验的线长，是组织方式升级的关键节点。

东北提醒我们另一件事：工业经验有组织方式上的专用性，不能简单加总。那里拥有庞大的产业工人队伍和国有企业的管理人员，却没有因此自动形成同等规模的民营工业。国有企业里的角色经验与竞争性私营企业的组织方式，可能只有部分相容。产权、市场环境、企业家供给和地方政策也都影响结果。值得研究的是，下岗工人到南方的私营厂以后获得了哪些岗位，是否获得了工资溢价，不同岗位的经验能不能跨所有制使用。

四个地区合起来，提出一个新的看历史的角度：一个地区今天能够建立什么组织，与它过去曾经怎样组织生产有关。历史上的生产活动，通过人的角色经验延续很多年。

九、福建的房地产村：组织技术怎样成片传播

我有一位学生来自福建一个村庄。据他介绍，村里约五百户，其中两百户参与房地产开发，在全国成立了一千多家房地产公司。这些数字我没有核实过，但这个村庄怎样一步一步学会盖房子，是一个值得讲完整的故事。

上世纪八十年代，村里分地以后人均土地很少，有人组织施工队到县城承接建设工程。早期从承接建设工程做起。施工队里有人会看图，有人会带班，有人会跟甲方打交道。后来遇到工程款不能及时支付的情况，有的施工队拿到一块地作为补偿。地在手里，总不能空着，于是自己盖房、自己卖。从施工承包到房地产开发，组织要完成的任务复杂了许多。原来只要把楼盖起来，现在要买地、报批、融资、设计、施工、销售，每一样都是新的。参与者边做边学。

一个人做成以后，邻居跟着学。有人掌握施工，有人熟悉项目管理，有人懂销售、资金和土地事务。项目班子在不同城市之间流动。一个项目做完，班子可能解散，有人留在原地，有人去别的城市，各自与新的伙伴组成项目团队。几十年下来，村里人参与的建设项目遍及多地。

我曾问他，房地产开发这么复杂，你是怎么学会的？他说，邻居都会，慢慢自己也会了。这句话里有一整套经济学。邻居都会说的是，这种能力的持有者不是某一家公司，而是这个村庄。公司成立又解散，项目开始又结束，村子里的经验不散。慢慢自己也会了说的是，这里传播的既有技术知识，也有角色经验和共同校准的方法。一个项目结束，原来具体的协作关系未必完整保留，但参与者知道怎样在新项目里较快重新分工、核验和配合。他们学会的，是校准的程序。

房地产开发当然还依赖土地机会、融资关系和项目信息，这些村里人也是共享的。要分清哪一部分来自组织校准，将来要去问三件事：项目班子怎样流动，不同的人分别在哪些岗位上学会了什么，一个新项目从筹备到稳定运行要多久。但这个故事已经说明了一件事：一个地区的组织经验，可以通过同乡、亲属和职业网络成片积累，并不总要依靠大型企业或者产业园区。第一批项目支付了学习成本，后来者使用前人留下的角色经验。这种能力附在一群人身上，而不附在任何一家企业身上。

十、出海：为什么成熟的企业到了海外还要重新学会生产？

我这几年一直在讲一个判断：未来二十年，中国可能有大量企业到海外扎根，规模或许达到十万家以上。不是出口，是在别人的土地上建厂、雇人、组织生产。这可能成为规模可观的跨国生产组织迁移，令人联想到上世纪八十年代港澳台资本进入珠三角以及日本企业在北美设厂的经历。本文讲的第一家工厂为什么难，对这些准备出海的企业来说不是学术问题，是它们明天早晨就要面对的事。

先问一个看起来奇怪的问题。一家在中国已经成熟运转了二十年的企业，到了越南或者墨西哥，为什么还要重新学会怎样生产？它的设备、图纸、工艺参数、供应商清单，都能带去。它的厂长、车间主任、线长、设备和质量的骨干，也能带去。它甚至可以把整个班组带去。它带不去的，是当地的工人侧经验、当地的供应商和当地的工作环境。而生产能力不是知识的清单，是这些东西和它带去的东西校准以后的结果。到了海外，校准要重做一遍。

而且海外的校准比国内多。当地工人也许有经验，也许没有，有也未必是和中国管理者相容的那一种。语言、工时习惯、工会、宗教节日、法律对加班和解雇的规定、当地供应商的交付节奏，都是国内从来不用校准的参数。用第六节的符号说，海外的K 更大，两侧经验相容的程度更低，所以a 和b 都更长。我想把这件事叫作组织校准距离：两个地区之间生产组织的相容程度。它不是地理距离，也不是文化距离。墨西哥和中国的地理距离远，但一家在东莞做过电子代工的企业，到墨西哥北部的电子产业带去，组织校准距离可能不大，因为那里的工人侧经验已经被美国和亚洲的工厂培养过。反过来，到一个从未有过现代工厂的地方去，地理再近，组织校准距离也远。这个概念现在还不是一个严格的变量。它是一个值得研究的角度：决定组织技术能不能传过去、多快传过去的，可能是组织校准距离，而不是地图上的距离。

这里有一个重要的先例可以看。1984年，丰田和通用在加利福尼亚的弗里蒙特合办了一家工厂。那座工厂原来是通用的，以质量差和劳资冲突出名，关掉了。合资企业重新聘用了原厂约85%的工会工人，采用丰田的生产组织方式。到1986年，其生产率已超过通用旗下其他工厂，质量也显著改善。这个例子常被用来说明管理方法的重要。我从本文的角度看，它说的是另一件事：那些工人不是被替换掉的，是被重新校准的。丰田带去的是管理侧的程序，工人带来的是工人侧的经验，两侧在新的参数上重新对齐。校准花了时间，但远少于从零培养一批工人。日本企业八十年代在北美的成功，很大程度上是这种双侧校准的成功。

对出海企业来说，接下来的问题是本地管理人员的培养。第七节的逻辑在这里原样适用。企业可以把中国的线长和班组整个带出去，核心工段由中国人运转，当地人在外围。整支班组迁移能够保存原有成员之间的一部分协作规则，通常有利于缩短初期磨合。但国内运转中的共同校准Q 不能直接搬到海外：新厂仍要同当地设备、供应商、人员和工作环境重新校准。如果当地人长期只在生产岗位参与，那么本地积累的主要是工人侧经验；后续工厂仍可能依赖外来管理人员。但只要当地员工逐步进入线长、车间主任等岗位，整队迁移也可以成为培养本地管理经验的起点。企业也可以从第一天起就让当地人进入班组长、工段长的岗位，中国管理者带着他们学。这可能增加初期培训与协调工作，也可能利用当地人员对语言、劳动市场和制度环境的熟悉而缩短某些校准。几年以后，本地管理经验能否积累，取决于当地人员实际担任了哪些岗位、持续参与了多久。真正值得比较的，是不同人员配置如何同时影响当前校准速度与未来组织复制能力。

如果海外设厂规模持续扩大，完全依靠外派管理团队可能受到人员供给、成本与当地用工环境的限制。珠三角的历史在这里会倒过来重演：当年港台企业什么时候让本地人当厂长，中国企业现在就要回答同样的问题，只是这一次站在港台企业的位置上。本地管理岗位怎样逐步形成，可能影响多年以后当地能否自主建立更多同类组织。这是出海企业值得提前思考的问题。

还有两件事值得出海企业从本文里带走。一件是第三节的施工队。企业在国内的生产能力，有一部分从来不在它的工资单上，在它多年合作的供应商、施工队和外协厂里。到了海外，这些人不在。企业会发现自己比在国内小了一圈，很多原来不用操心的事忽然要自己做。重建这一圈协作关系，有时可能比重建车间本身更费时。另一件是第九节的村庄。第一批出海的企业支付了校准的学习成本，后来的企业可以用它们留下的人。所以出海企业在同一个国家、同一个园区扎堆，不只是为了供应链，也是为了共享已经校准过的人。如果这种传播机制重要，未来的海外投资可能呈现出一批企业带动另一批企业、沿人员和供应商网络成片扩展的格局，正如福建村庄的经历所提示的。

十一、旧产业在收缩，新组织在哪里？

组织的形成和跨国重建，还只是增长故事的一部分。现在看另一面：生产能力怎样被拆散，又怎样在别处重新长出来。经济增长本身会不断做这件事。

中国第二产业增加值占GDP的比重，从2013年的43.7%下降到2025年的35.6%，十二年间下降了8.1个百分点。这种结构变化在许多经济体的发展过程中都能观察到，但并非每个国家都遵循相同轨迹。恩格尔定律说，收入提高以后，吃的东西在支出里的份额下降。同样的道理再往上走一层：工业产品的需求在发展早期扩张很快，收入再提高，一部分制造品的需求增长也会放缓。医疗、教育、照护、旅游、文化娱乐和各种个性化的服务，需求份额上升。相对价格、生产率、国际贸易和统计口径都会影响这些份额，但方向是清楚的：劳动和资本不断从原来的生产活动流向新的生产活动。

结构转型的理论对此研究得很多。库兹涅茨描述了这个过程，鲍莫尔解释了为什么服务的相对价格会上升，后来的模型把需求的收入弹性和部门之间的生产率差异放在一起，算出劳动怎样从农业到工业再到服务业。这些理论关心的是劳动和资本怎样跨部门流动。本文想在这里加一个问题：劳动和资本转走以后，原来附着在生产组织里的共同校准怎么办？

一座工厂关闭。机器可以卖掉，工人可以找新工作，管理者可以换一家企业。劳动和资本都有去处。可是原来那套已经运转成熟的分工、节拍、检查、异常处理和供应商协作，没有去处。它不能整体转到一个新的产业去。它就地消失了。新的产业要从头建立自己的共同校准。所以产业结构的转型，不只是要素的重新配置。它同时是一个社会的组织能力不断折损、又不断重新形成的过程。劳动和资本可以从一个产业流向另一个产业，但已经形成的共同校准不能像劳动和资本一样直接转移。经济结构的每一次重大变化，都包含一次组织能力的重新建设。

这个角度能解释一些原来看着有点奇怪的事。过去十几年，中国快递、外卖和仓储配送等行业迅速扩张，吸纳了大量不同背景的劳动者。快递等行业的需求增长未必快于医疗和养老，但吸收新进入劳动者的速度令人瞩目。它们为什么能如此迅速地组织新进入者？除了需求增长和平台投资，一个可能的原因是许多岗位的组织程序容易复制。任务可以分解到一个人，路线可以由软件规划，订单可以记录，送到没送到可以核验，调度和反馈由平台完成。一个新来的配送员，不必先同几十个人建立复杂的现场协作，第二天就能开始独立送件。用第六节的话说，每吸收一个新进入者，要校准的K 很小。这里并不是没有组织技术。恰恰相反，这些行业通过数字化、标准化和平台调度，把原来需要大量人与人之间共同校准的工作，变成了比较容易复制的程序。它们是组织技术很高的行业，只是这种技术把校准做进了软件，不再需要在人与人之间重做。

再看另一些服务业。一个制造业工人转行做快递员，短期训练就可以上手。要成为合格的护士、教师、养老护理员或者专业服务提供者，首先要学一门新的职业技能，这是a。学会了技能，还要同其他角色形成共同校准，这是K 和b。医院需要医生、护士、技师和行政人员协作，学校需要教师、学生、家长和管理者配合，养老照护需要服务人员、老人和家属之间建立相互理解的工作关系。这些行业还有一个特点：服务的对象本人参与生产。患者、学生和老人不是被动接受产品的物件，他们的行为决定服务能不能完成。所以这些行业的校准不只发生在生产者之间，还发生在生产者和消费者之间。需要重新校准的事项可能更多，而且服务对象常常是第一次参与这项具体的合作。

这不是说服务业比制造业难校准。高度标准化的服务很容易复制，复杂制造业的组织校准也可能极难。真正的差别在任务能不能分解，结果能不能核验，程序能不能写下来，参与者之间依赖多深。这几条把服务业内部切开，比制造业和服务业这个分法有用得多。

由此可以说出一个命题：需求增长最快的产业，未必是扩张最快的产业。一个行业的实际扩张，取决于两件事，需求增长多快，和新的生产组织能多快形成。两件事可以不同步。有些服务的需求随收入增长迅速扩大，供给组织却形成缓慢。另一些服务的需求增长不特别快，却因为组织容易复制，能迅速吸收劳动。两类行业会表现出不同的样子。容易校准的行业，大量企业和劳动者快速进入，服务的数量迅速增长，价格常常下降。难以校准的行业，价格上涨，等待时间延长，服务质量参差不齐，合格的服务组织扩张缓慢。这两种样子，中国读者这些年都见过。

这里可以和鲍莫尔的成本病放在一起看。鲍莫尔说，有些服务的劳动生产率提高得慢，所以它们的相对价格会一直涨。本文加一个不同的约束：即使某些岗位的生产率能提高，合格的服务组织仍然可能难以迅速建立和复制。前者讲单个生产过程的效率，后者讲生产能力的扩张速度。两种机制可以同时存在，也可以用数据分开。一个行业如果工资涨、价格涨，而且新组织的形成时间长、人员流失后恢复慢，那么它的病不只是鲍莫尔的病。

这一节把前面的概念推到了宏观。到此为止，组织校准讲的是一家工厂怎样建起来，一家企业怎样到海外去。现在它成了连接三个增长过程的一环：需求结构因为收入增长和消费发现而变化，劳动和资本因此跨行业流动，流到新行业以后要重新学角色、建立分工和核验规则，新组织形成了，新增的需求才变成实际产出。这几个环节在现实里互相反馈，没有严格的先后。但第三个环节，标准的结构转型模型往往简化处理。劳动转入新部门以后怎样形成有效协作，仍值得单独研究。本文说，中间还隔着一次校准。

这也给AI 加了一个新的层次。此前讲AI 帮助已有企业重新校准。现在还有一个更大的问题：AI 能不能降低扩张行业吸收来自收缩行业的劳动者所需要的校准成本？如果AI 能把某些专业服务的工作程序标准化，帮助新进入者学习角色，辅助核验质量，降低不同人员之间的协调难度，那么它可能加快新服务组织的形成。这件事的增长意义可能很大。它意味着AI 不只提高已有生产活动的效率，还可能使劳动和资本更快地从需求份额下降的行业转移到需求份额上升的行业。快递业用软件把校准做进了程序，那是上一代信息技术做到的。医疗、教育和照护能不能被AI 做到同样的事，是接下来十年最值得看的问题之一。

十二、组织校准在知识与增长之间处于什么位置？

到这里必须划清一条边界。组织校准是知识转化为生产能力的重要环节，但它还不是知识转化为经济增长的全部过程。这条边界不是谦虚，它恰恰说明我们拆出来的这个变量值多少。一个变量如果什么都解释，就不是一个好概念。它只负责一段路，这段路才能被单独测量，也才能被单独研究。

从知识到增长，至少要走三段。第一段，知识和技术提供可能性。科学发现、产品设计、工艺和算法扩大社会能够尝试的生产方式。第二段，生产者要把这些可能性变成可以运转的生产组织。设备、材料、人员与流程要形成稳定的配合，管理者与工人要形成新的共同校准。第三段，即使组织已经能够生产，经济增长仍然需要市场需求，需要生产扩张，需要资本与劳动从旧活动流向新活动，需要新产品被发现、被尝试。

一家工厂能稳定生产一百件产品，不意味着市场需要一百件。一个产业的生产率改进了，释放出来的劳动与资本也不一定能马上进入别的产业。收入提高以后，消费者改变消费结构，新的产品和用途还要企业与消费者一起试。企业内部的调整、跨部门的资源配置、消费与产品的发现，是三个不同的经济过程，各有各的摩擦，不能用组织能力一个词统统代替。

三段之间又相互影响。市场规模决定是否值得投资组织能力。组织能力影响新企业能不能进入，也影响资本与劳动能多快从旧活动转到新活动。消费发现改变生产结构，又迫使旧组织重新校准。分析上分开，现实里不断反馈。

这也划定了本文解释的边界。发展中国家的增长失败，可以来自市场规模、国家能力、资本配置、贸易障碍、政治冲突、基础设施和激励制度。本文没有说组织校准比这些都重要。本文说的是：组织校准是知识转化为生产能力的过程里长期被低估的一项约束，它有自己的形成和折损规律，值得单独拿出来研究。前面八、九、十、十一节的历史和现实，是用这个角度看到的东西，不是对一个模型做的三次检验。有些解释将来可能被数据否定。它们的价值是让人看见以前看不见的问题。

把共同校准放在第二段，它就成了一个可以单独观察的变量。我们可以测量一条新生产线从人员到位到稳定运行的时间，测量替换线长或者施工队以后的恢复速度，测量跨行业的经验人员是否缩短新组织的磨合期，测量同样数量的经验人员在不同角色组合下能多快重建组织。回答这些问题，不要求我们同时解释消费者为什么购买、资本市场怎样定价、所有制怎样决定。这就是边界的好处。

十三、人工智能改变哪一道约束？

回到人工智能。它的经济作用至少有两个不同的入口。一个是增加知识供给：提出方案，生成代码，设计产品，发现新材料和新工艺。另一个是加快知识变成生产能力的过程：帮助人们确定流程，解释图纸，识别瓶颈，核验结果，协调不同岗位，从而缩短共同校准的时间。目前关于AI 与增长的许多讨论，首先关注第一个入口。阿西莫格鲁和雷斯特雷波的任务模型问的是，AI 能接手多少任务。布林约尔松等人讲生产率J 曲线，说通用技术要配套大量看不见的组织投资，生产率的收益要延后才出现。本文接着J 曲线往下问：那些看不见的投资里，哪一部分是必须由不同角色一起做的，它要多久，为什么有的行业快，有的行业慢？

前面几节的概念到这里有了一个直接的用处。假设AI 使某个行业获得了更好的生产知识，潜在生产率提高了。要实现这个潜力，企业必须调整原来的生产组织：重新分工，改变工作流程，建立新的核验程序，让管理者与工人形成新的共同校准。第六节里的校准时间，原来说的是新建一家企业要多久。现在把它理解为采用一种新方法以后重新校准组织要多久。同一个量，换一个用处。

这样一来，AI 的增长效应就有了一个行业维度。假设AI 使两个行业的潜在生产率都提高两成。一个行业的流程容易重组，参数容易核验，双方的经验能很快适应新方法，几个星期就完成调整。另一个行业涉及复杂的现场配合，多种岗位和责任关系，新的共同规则要靠长时间的实践才能形成，调整要一年多。AI 给两个行业的是同一份礼物，两个行业拿到手的却是两条完全不同的生产率路径。前者的增长效应大而快，后者的增长效应小而慢。不能仅凭多少任务可以由AI完成推断行业的增长幅度。

我们习惯按任务是否容易被AI 完成来判断一个行业受AI 影响的程度。这只回答了AI 能做多少事。还有第二个问题：AI 能做的事，能以多快的速度嵌入一个实际运转的生产组织？这是两个不同的变量。技术潜力高而校准快的行业，生产率提升来得快。技术潜力高而校准慢的行业，潜力大，实现慢。潜力低的行业，不论校准快慢，改进都小。不同行业需要重新校准的参数数量不同，参与者的经验不同，工作程序能被写下来的程度也不同。同样的AI 技术能力，就会以不同的速度变成实际生产率。软件开发中的一些流程可能较快重新配置和验证，大型工程施工的现场协作可能较慢。但行业名称只是粗略的标签，同一个行业内部也有巨大差异。真正需要测量的是：新知识引入以后，多少工作参数必须重设，哪些角色需要重新学，完成校准通常要多久。

AI 还可能做第二件事：不只是缩短校准，而是改变组织技术本身。它可以帮助工人读图纸，帮助线长发现瓶颈，帮助团队检查异常。它可能直接担任管理者的一部分角色，改变工人的任务，把原来需要两个人协调的活动变成一个人的操作。它还可能把过去靠共同实践形成的规则编码化、标准化，减少需要重新校准的参数，甚至取消某些校准过程。用第六节的符号说，AI 可能同时改变K、a 和各个b，甚至改变一个组织究竟需要哪些角色。所以不能把组织能力设定为AI 永远不能触及的瓶颈。那样想，等于把本文的论点变成一种新的悲观教条。研究的重点应当是：AI 能缩短哪些校准，能取消哪些校准，哪些仍然需要真实的生产和共同的实践。这个问题现在是开放的，本文也想让它保持开放。

这里还有一个推论：AI 进步越快，组织校准可能越重要。假设AI 每隔一段时间就带来一种更有效的生产方法。企业完成一次组织调整如果需要很久，它可能还没有完成上一轮校准，就要面对下一轮新方法。AI 的知识前沿不断推进，实际的生产组织却持续在后面追。这和发展中国家追赶世界技术前沿很像。先进知识不断增加，并不保证现实的生产能力以同样的速度增加。在校准快的行业，AI 的进步能较快变成实际生产率；在校准慢的行业，知识供给再增加，收益的实现仍可能受到调整速度的制约。可能与实现之间的距离，在慢行业可能长期存在。

这一节没有另起一套AI 增长理论。它只是把前面拆出来的组织校准，当作一个行业的状态变量，去问AI 带来的潜在生产率以多快的速度变成实际生产率。双侧校准本身的形成、毁灭、保存与重建，不需要AI 也能研究。AI 是它的一个应用。应用有一个明确的预测：控制AI 对任务的潜在改进程度以后，组织重新校准越快的行业，AI 采用以后的实际生产率提升越快。

前面的结构转型讨论还提示，结构转型要求社会不断拆散旧组织、建立新组织，而需求增长最快的行业未必是组织形成最快的行业。AI 如果能缩短新组织的校准时间，它改变的就不只是某个行业的生产率，而是整个经济从旧产业转到新产业的速度。这两个应用用的是同一个变量。前一个问AI 能多快改造已有的组织，后一个问AI 能多快帮助建立还没有的组织。

过去先进国家向发展中国家输出技术，往往也输出管理团队和生产组织。今天AI 可能把一部分组织指导能力变成更容易获得的服务。对出海企业来说这一点尤其要紧：如果AI能帮当地工人读懂中国的图纸和作业标准，能把中国线长的程序翻译成当地人听得懂的指令，组织校准距离就会缩短。但AI 能不能替代具体角色的实践，能不能帮助本地人积累自己的管理经验，仍然是开放的问题。AI 对增长的作用，取决于它究竟改变的是知识供给，是组织校准，还是两者都改变。

十四、知识越来越便宜以后

我们最终要回答的，是AI 会使经济产出的水平提高多少，以及它会不会持续提高长期增长率。这两个问题不同。

如果AI 让一批已有的生产活动在若干年里完成组织调整，生产率最终到达一个更高的水平，那么过渡期的增长可能很快，完成以后增长率却可能回到原来的趋势。如果AI 持续加快新生产方法的试验、校准、复制和市场发现，长期增长率才可能持久提高。两种结果，都不能仅从AI 生成知识的速度推断出来。而且即使AI 帮助企业很快形成了新的生产能力，宏观增长仍然要等市场发现这些能力的用途，等资本和劳动流向新的生产活动，等消费者学会用新的东西。第十二节的第三段路，AI 没有替我们走完。第十一节说过，这段路上还要重新建一次组织。

写到这里，我想把全文最深的一层意思单独说出来。生产知识的可复制性，和生产组织的可复制性，是两种不同的技术性质。知识可以通过文本、算法、设备和人员传播，它的边际复制成本可以接近零。共同校准必须在具体的参与者之间形成，它可以受知识传播的帮助，却有自己的时间成本。所以技术知识的边际复制成本接近零，并不意味着生产能力的边际复制成本也接近零。两个经济体获得同一种新技术，知识这一层它们是一样的，组织这一层它们可以相差很远。当技术不断改进的时候，这个差别会持续存在。知识前沿的推进速度，与现实生产能力的重建和扩张速度，是两个不同的速度。两者之间的距离，可能是理解AI 时代增长的关键变量。

这种认识留下许多研究问题。组织校准需要多长时间？它怎样随参与者的经验、岗位和行业改变？哪一侧经验不足最容易造成重建的延迟？组织关闭以后，哪些知识留在个人身上，哪些共同约定随匹配消失，哪些又能写进文件和软件？外资工厂怎样培养本地的管理者，中国的出海工厂又怎样培养？两个地区之间的组织校准距离怎样度量？AI 能不能缩短校准时间，能不能改变校准的技术，并且让这种改变跨企业传播？这些问题适合不同的研究方法。有些需要最小的理论模型，有些需要企业的人事记录、生产线爬坡和人员调岗的数据，有些需要观察同一项技术在不同组织中的采纳和效果。

增长经济学已经建立了关于知识创造、资本积累和技术扩散的丰富理论。下一步值得认真打开的，是知识进入现实生产的那段过程。我们不能把其中所有的困难都归给组织，也不能把组织当成一个解释不了的残差。它有具体的参与者，有工作程序，有匹配历史，有可以观察的调整时间。读完这篇文章，我希望读者对增长理论里技术这个词有一点新的理解：它不只是人类知道了什么，还包括一群人怎样把知道的事做出来。后一种能力长期存在于企业、工人、管理者和他们之间的协作关系里，很少被单独看见。

回到开头的那场实验。过去一百年，世界早就拥有丰富的先进知识，经济增长却没有在大多数地方自动发生。今天AI 使知识更加丰富，甚至开始参与知识的使用。它究竟能带来多大的增长，取决于它能不能加快整个过程：社会怎样发现可行的生产方式，怎样把它们组织成现实的生产，旧的生产退出以后怎样再组织一次新的，怎样让新的生产遇见新的需求。

开头说过，增长是两件事：一群人学会把一件事做成，然后社会不断让另一群人学会做另一件事。第一家工厂难，第二家容易。旧产业收缩以后的第一家新组织，同样难。这篇文章追问的，是这两个第一家为什么难，以及从一种生产活动走向另一种生产活动要付出什么代价。

一件事怎么做，世界早就知道了，现在机器也知道了。一群人把它做成，这段路还在。

Appendix: Extended Abstract

Why Has Knowledge Not Become Growth?

Organizational Technology, Productive Capability, and the Economics of Artificial Intelligence — With Implications for Chinese Firms Going Global

Yuyu Chen

Professor, Guanghua School of Management, Peking University

Director, Institute of Economic Policy Research, Peking University

Abstract

Why does abundant knowledge so often fail to generate rapid economic growth? For more than a century, advanced economies have served as a vast external repository of scientific, technological, and managerial knowledge for developing countries. In this sense, advanced economies have long been the developing world’s artificial intelligence. Yet sustained economic catch-up remains uncommon. The emergence of AI, which dramatically reduces the cost of generating and accessing knowledge, makes this historical puzzle newly relevant.

This essay argues that the availability of productive knowledge and the capacity to organize production are distinct economic objects. Drawing on growth theory, learning by doing, technology diffusion, and organizational economics, it identifies organizational technology as a crucial part of the process through which knowledge becomes productive capability.

The essay develops the concept of two-sided calibration: the process through which participants occupying different organizational roles jointly establish mutually compatible operating procedures, expectations, and production parameters. Calibration cannot be completed or fully carried by either side independently. Participants retain portable, role-specific experience, while completed calibration resides in an operating match. When an organization dissolves, its operating calibration may disappear even though the participants retain their individual experience. Rebuilding productive capability therefore requires renewed matching and calibration.

This distinction generates a different account of organizational learning and diffusion. A region may accumulate extensive production experience without developing the local capacity to replicate the organizations responsible for that production. What a region learns depends on which roles its people have occupied. Organizational history consequently affects the speed at which productive capability can be created, transferred, and reconstructed.

The framework offers new perspectives on industrial agglomeration, regional industrialization, manufacturing relocation, and the international expansion of Chinese firms. It also introduces organizational calibration distance: the difficulty of adapting organizational experience and operating procedures across different production environments. Geographic proximity alone need not determine how readily organizational capability travels.

A further application concerns structural transformation. As income growth changes the composition of demand, labor and capital must move from declining activities into expanding ones. Yet the organizational calibration embedded in old production arrangements cannot necessarily move with them. Structural transformation therefore requires the creation of new organizational capabilities, not merely the reallocation of conventional factors of production.

For AI and economic growth, the framework identifies two distinct channels. AI can expand the supply of knowledge, and it can accelerate—or fundamentally alter—the organizational calibration required to put knowledge into productive use. Differences in calibration costs may help explain why similar technological opportunities generate different productivity trajectories across industries. AI may also facilitate structural transformation by reducing the time needed to establish new productive organizations.

Organizational calibration is not a complete theory of economic growth. Capital accumulation, institutions, market demand, resource reallocation, and the discovery of new products and uses remain essential. Its contribution is to isolate a specific, historically accumulated, and potentially measurable process between knowledge availability and realized production.

The central proposition is that the replicability of productive knowledge and the replicability of productive organizations are two different technological properties. Understanding their relationship opens a research agenda connecting organizational economics, economic development, structural transformation, and AI-driven growth.

Keywords: Organizational Technology; Two-Sided Calibration; Role-Specific Experience; Productive Capability; Organizational Calibration Distance; Technology Diffusion; Structural Transformation; Artificial Intelligence; Economic Growth.