来源：工信头条
摘要
过去四十年，美国经济呈现出一个深刻的悖论。研发投入增长了3倍，而劳动生产率增长却长期停滞在年均2%左右。主流观点将这一现象归因于“想法越来越难找”，认为知识存量的累积导致创新的边际收益递减，最终会使经济增长陷入不可避免的停滞。2026年最新发表的CESifo工作论文《Growth Is Getting Harder to Find, Not Ideas》系统梳理了这一领域的理论争议和实证进展。该论文构建了1977至2021年覆盖美国所有私营企业的45年面板数据，首次将创新过程分解为“研发投入转化为想法”和“想法转化为增长”两个独立环节进行检验。研究发现，过去四十年间，单位研发投入的平均专利产出上升了50%，专利对研发投入的弹性从0.26上升到0.48，且专利与企业生产率增长的关系保持稳定甚至有所加强。增长放缓的主要原因并非创新效率下降，而是与企业创新无关的宏观共同因素在2002年后出现了系统性下滑。这一发现颠覆了“想法枯竭论”的核心结论，为理解长期增长放缓提供了全新的微观基础。本文进一步分析了该研究在数据构建、实证方法和理论解释上的边际贡献，探讨了其对增长理论和创新政策的启示，并指出了未来研究需要重点关注的方向。
一、增长放缓的理论之争：想法枯竭还是机制失灵
（一）“想法枯竭论” 的兴起与理论基础
长期增长的源泉是什么？这是宏观经济学最核心的问题之一。罗默在1990年提出的内生增长理论给出了一个乐观的答案。他认为，新想法具有非竞争性和部分排他性的特征。企业的研发投资不仅能为自己带来利润，还能增加整个社会的知识存量。知识存量的增加又会进一步提高未来的创新效率，从而实现经济的持续增长。在这个框架下，更多的研发投入会带来更快的经济增长。
然而，现实数据并没有支持这个乐观的预测。美国的研发人员数量在过去半个世纪增长了数倍，但全要素生产率的增长速度却没有相应提高。这个矛盾促使琼斯在1995年提出了半内生增长模型。他修改了罗默模型中知识生产函数的假设，认为知识存量的增加会使新想法的发现变得更加困难。也就是说，随着人类知识的不断积累，剩下的“低垂的果实”越来越少。要保持同样的增长速度，就必须投入越来越多的研发资源。
这个观点在2020年得到了布鲁姆等人的有力支持。他们在《美国经济评论》上发表了一篇极具影响力的论文，系统地检验了多个行业和领域的创新效率。他们发现，无论是在农业、医药还是半导体行业，研发投入的增长都远远超过了产出的增长。例如，要使农作物产量每年提高1%，现在需要投入的研发人员数量是1960年代的24倍。他们由此得出结论，想法确实越来越难找了。这已经成为当前经济学界的主流观点。
“想法枯竭论”的流行还有一个重要原因，就是它能够很好地解释全球范围内的增长放缓现象。不仅是美国，欧洲、日本等发达国家也都经历了类似的增长放缓。如果增长放缓是因为想法枯竭，那么这就是一个全球性的、不可避免的趋势。任何政策都无法从根本上改变这个趋势，只能通过增加研发投入来延缓增长放缓的速度。
（二）对 “想法枯竭论” 的质疑
尽管“想法枯竭论”得到了广泛的认可，但它仍然存在一些重要的缺陷。首先，这个结论主要基于对上市公司和制造业企业的研究。这些企业只占美国经济的一部分，而且它们的创新模式可能与其他企业不同。随着美国经济结构的变化，服务业和信息技术行业的创新活动越来越重要。但这些行业的企业很多都没有上市，也没有被纳入传统的研发调查中。
其次，现有的研究通常将创新过程视为一个黑箱。他们直接检验研发投入与最终产出增长之间的关系，而没有区分中间的两个环节。第一个环节是研发投入转化为新想法，第二个环节是新想法转化为生产率增长。如果整个链条的效率下降，可能是第一个环节出了问题，也可能是第二个环节出了问题，或者两个环节都出了问题。
“想法枯竭论”默认问题出在第一个环节。他们认为，研发投入转化为新想法的效率下降了。但这个假设并没有得到直接的实证检验。另一种可能是，研发投入转化为新想法的效率并没有下降，甚至可能上升了。但新想法转化为生产率增长的效率下降了。或者，存在一些与创新无关的宏观因素，拉低了整体的经济增长。
还有一些学者从其他角度对“想法枯竭论”提出了质疑。有人认为，增长放缓是因为测量误差。数字经济的很多产出，比如免费的互联网服务，没有被准确地统计在GDP中。如果把这些产出算进去，生产率增长可能并没有放缓。还有人认为，专利制度的变化导致了专利数量的膨胀，但专利的平均质量下降了。所以，专利数量的增加并不代表创新效率的提高。
这正是这篇最新论文的切入点。作者们认为，要判断想法是否越来越难找，必须将创新过程拆开来看。他们分别检验了研发投入与想法之间的关系，以及想法与增长之间的关系。只有当这两个关系都出现系统性的弱化时，才能得出想法越来越难找的结论。他们还使用了覆盖所有企业的全面数据，解决了样本偏差的问题。这使得他们的结论比之前的研究更加可靠。
二、数据革命：从局部样本到全企业覆盖
（一）传统研究的数据缺陷
长期以来，创新研究面临的最大障碍就是数据的可得性。大多数研究只能使用上市公司的数据，因为这些公司需要公开披露财务信息，包括研发支出。但上市公司只占美国企业总数的很小一部分。而且，越来越多的创新型企业选择保持私有状态，不进入公开市场。这导致上市公司数据对整个经济的代表性越来越差。
另一个常用的数据来源是美国国家科学基金会的研发调查。这个调查覆盖了大约4.5万家企业，但它的样本严重偏向大型制造业企业。在1992年之前，这个调查几乎只覆盖制造业企业。1992年之后，虽然样本扩大到了其他行业，但大型制造业企业仍然占了很大的比重。随着美国经济结构的变化，制造业在经济中的比重不断下降。服务业和信息技术行业的创新活动越来越重要。但这些行业的企业在研发调查中的代表性不足。
这些数据缺陷导致了严重的样本偏差。传统研究只看到了创新活动的一部分，而没有看到全貌。他们得出的结论可能只适用于他们研究的那部分企业，而不适用于整个经济。例如，很多研究发现上市公司的研发产出效率下降了，但这可能只是因为创新活动转移到了非上市公司。
还有一个问题是研发投入的衡量。传统的研发支出统计只包括企业在正式研发部门的支出。但很多创新活动发生在非研发部门，比如软件研发、设计创新、组织创新等等。这些创新活动的支出没有被统计在研发支出中。这导致传统的研发投入指标低估了企业的实际创新投入。
（二）全新的企业专利匹配数据库
为了解决这些问题，这篇论文的作者们构建了一个全新的企业级面板数据库。他们将美国专利商标局的所有专利数据与美国人口普查局的纵向商业数据库进行了匹配。纵向商业数据库包含了1976年以来美国所有私营雇主企业的信息。这使得他们能够研究美国所有企业的创新活动，而不仅仅是上市公司或制造业企业。
这个匹配过程非常具有挑战性。专利数据中的企业名称和地址往往不规范，而且会随着时间变化。很多企业有多个名称，还有很多子公司和分公司。作者们开发了一套复杂的匹配算法，首先对企业名称和地址进行标准化处理，然后使用模糊匹配技术进行初步匹配。他们还利用了时间序列信息进行纵向修正。如果一个企业在某一年没有匹配到，但在前后几年都匹配到了同一个企业，他们就会把这个企业的专利也分配给那个企业。
最终，他们成功匹配了92%的美国本土专利受让人记录。这个匹配率远远高于之前的研究。之前的研究匹配率通常在70%到80%之间。而且，这个匹配率在整个样本期间都保持稳定，从1970年代的95%下降到2010年代的90%。这说明匹配质量没有随着时间恶化。
除了传统的研发支出数据，作者们还构建了三种新的研发投入衡量指标。第一种是企业在研发实验室的工资支出。第二种是企业在专业、科学和技术服务以及管理部门的工资支出。第三种是企业的总工资支出。这些指标能够覆盖更多类型的创新活动，尤其是那些没有被传统研发支出统计捕捉到的创新。例如，软件企业的很多研发活动是由程序员完成的，他们的工资支出可能被统计在专业服务部门，而不是正式的研发部门。
作者们还对所有的名义变量进行了价格调整。他们使用消费者价格指数来平减研发支出和工资支出。这比使用熟练工人工资来平减更加保守。因为熟练工人工资的增长部分反映了工人技能的提高。如果使用熟练工人工资来平减，会低估实际研发投入的增长，从而高估研发产出效率的增长。
三、核心实证发现：创新效率并未下降
（一）平均研发产出效率上升
判断创新效率的第一个指标是平均研发产出，也就是单位研发投入能够产生多少个专利。如果想法越来越难找，那么这个指标应该随着时间下降。
作者们计算了1977年至2017年间美国所有企业的平均专利产出。结果令人惊讶。单位实际研发美元的专利数量不仅没有下降，反而上升了大约50%。也就是说，现在花1美元在研发上，能够产生比40年前多一半的专利。
这个结果在使用质量调整后的专利指标时仍然成立。作者们使用了两种常用的专利质量衡量方法。第一种是专利在发表后前5年内收到的外部引用次数。外部引用次数越多，说明这个专利对后续创新的影响越大，质量越高。第二种是突破性专利，也就是那些在技术上具有重大突破的专利。作者们使用了之前研究开发的方法，根据专利的文本相似性来识别突破性专利。他们发现，单位研发投入产生的外部引用次数和突破性专利数量也都呈现上升趋势。
只有在上市公司的样本中，单位研发投入的专利数量才出现了下降。但即使在这个样本中，质量调整后的指标仍然是上升的。这说明，上市公司的专利数量虽然减少了，但每个专利的平均质量提高了。
作者们还分析了专利活动构成的变化。他们发现，制造业企业的专利份额从1970年代的70%以上下降到了2010年代的30%以下。而批发、专业服务、管理和信息行业的专利份额大幅上升。到2010年代，这些行业的企业已经占了美国专利总数的45%以上。在突破性专利方面，信息行业的份额上升得最快，从1970年代的7%上升到了2010年代的37%。
这些变化说明，创新活动的重心已经从制造业转移到了服务业和信息技术行业。而传统的研究主要关注制造业企业，所以他们看不到创新活动的全貌。这就是为什么他们会得出创新效率下降的结论。
（二）边际研发产出效率稳定上升
平均研发产出只能反映整体的创新效率。更重要的是边际研发产出，也就是每增加一单位研发投入能够带来多少额外的专利。如果想法越来越难找，那么边际研发产出应该随着时间下降。
作者们估计了专利对研发投入的弹性。这个弹性表示，研发投入每增加10%，专利数量会增加多少个百分点。他们使用了泊松伪最大似然方法进行估计，这种方法适合处理计数数据，并且能够控制企业固定效应。企业固定效应能够控制企业之间的异质性，比如有些企业天生就比其他企业更擅长创新。所以，估计出来的弹性反映的是同一个企业内部，研发投入变化对专利数量变化的影响。
他们发现，这个弹性从1977年的0.26上升到了2016年的0.48。也就是说，在1977年，研发投入增加10%会带来2.6%的专利增长。而在2016年，同样的研发投入增加会带来4.8%的专利增长。
这个结果在使用其他研发投入衡量指标时也基本一致。无论是使用研发实验室的工资支出，还是专业和管理服务部门的工资支出，得到的弹性要么上升，要么保持稳定。在上市公司的样本中，弹性也呈现出类似的趋势。
这是一个非常重要的发现。它直接反驳了“想法越来越难找”的核心论点。如果想法真的越来越难找，那么每增加一美元的研发投入，应该只能产生比以前更少的专利。但实际情况正好相反。现在的边际研发产出比40年前更高了。
作者们还检验了时间固定效应的变化。时间固定效应反映了所有企业在同一时期共同面临的因素，比如专利制度的变化、宏观经济波动等等。如果想法越来越难找，那么即使企业的研发投入不变，它们的专利数量也应该随着时间下降。也就是说，时间固定效应应该呈现下降趋势。但作者们发现，在18个不同的回归设定中，只有2个设定的时间固定效应出现了显著的下降。其他16个设定的时间固定效应要么保持稳定，要么上升。这进一步证明了创新效率并没有下降。
（三）专利与增长的关系并未弱化
即使研发投入能够有效地转化为专利，如果这些专利不能转化为生产率增长，那么经济增长仍然会放缓。因此，作者们接下来检验了专利与企业增长之间的关系。
他们将企业的5年劳动生产率增长对专利存量的增长进行回归。他们控制了企业的规模和年龄，因为不同规模和年龄的企业有不同的平均增长率。他们还使用了企业固定效应，控制了企业之间的异质性。
结果显示，专利存量增长与劳动生产率增长之间存在显著的正相关关系。而且，这种关系不仅没有随着时间弱化，反而变得更强了。在1977年，专利存量增长10个百分点，会带来1.2个百分点的劳动生产率增长。到了2012至2017年期间，这个数字上升到了3.7个百分点。
这个结果在使用销售增长作为被解释变量时仍然成立。作者们还控制了企业的就业增长，以排除企业规模扩大对销售增长的影响。他们发现，专利存量增长与销售增长之间也存在显著的正相关关系，而且这种关系也没有随着时间弱化。
这个结果非常重要。它说明，专利的经济价值并没有下降。相反，现在的一个专利能够带来比以前更多的生产率增长。这也间接证明了专利质量并没有随着时间恶化。如果专利质量真的下降了，那么专利与增长之间的关系应该会变弱。
作者们还发现，拥有专利的企业对美国经济增长的贡献非常大。尽管这些企业只占美国企业总数的不到1%，但它们贡献了28%到72%的总销售增长。在1997至2002年的互联网泡沫时期，专利企业的增长贡献达到了顶峰。即使在2008年金融危机之后，专利企业仍然对增长有正的贡献。
四、增长放缓的真正原因：宏观共同因素的下滑
（一）增长分解的结果
既然创新效率没有下降，专利与增长的关系也没有弱化，那么为什么美国的经济增长会放缓呢？为了回答这个问题，作者们将企业的销售增长分解成了几个部分。第一个部分是由专利增长解释的部分。第二个部分是由就业增长解释的部分。第三个部分是由企业的规模和年龄解释的部分。第四个部分是时间固定效应，也就是所有企业在同一时期共同面临的宏观因素。
分解结果显示，专利增长在整个样本期间都预测了正的销售增长。在1977至2017年的整个期间，专利增长解释了大约27%的总销售增长。在1997至2002年的互联网泡沫时期，专利对增长的贡献达到了最高，解释了38%的总销售增长。即使在2008年金融危机之后，专利仍然对增长有正的贡献。在2007至2012年期间，专利增长解释了大约33%的总销售增长。
就业增长对销售增长的贡献在2002年之后变成了负数。这说明，企业在这段时间减少了雇佣，从而拉低了销售增长。这可能是因为企业采用了更多的自动化技术，替代了劳动力。也可能是因为企业对未来的经济前景不确定，所以不愿意增加雇佣。
但拉低增长的最主要因素是时间固定效应。时间固定效应在2002年之后出现了显著的下降。在1992至1997年期间，时间固定效应对增长的贡献是正的，大约为每年1.5%。但到了2007至2012年期间，时间固定效应对增长的贡献变成了负数，大约为每年- 0.3%。这意味着，即使企业的专利和就业都保持不变，它们的销售增长也会因为这些宏观共同因素而下降。
作者们还对不同类型的企业进行了分解。他们发现，无论是大型企业还是小型企业，无论是制造业企业还是服务业企业，时间固定效应都在2002年之后出现了下降。这说明，宏观共同因素的下滑是一个普遍的现象，影响了所有类型的企业。
（二）对宏观共同因素的初步解读
时间固定效应捕捉了所有企业共同面临的宏观冲击。它可能包含很多因素，比如监管的加强、税收政策的变化、市场结构的演变、知识溢出的下降等等。作者们在论文中没有给出明确的答案，但他们提出了一些可能的解释。
一个可能的解释是知识溢出的下降。知识溢出是指一个企业的创新能够被其他企业免费使用，从而提高整个社会的生产率。如果企业能够更好地排他性地使用自己的创新，那么知识溢出就会减少。这会导致整体的经济增长下降，即使每个企业自己的创新效率并没有下降。
作者们发现了一个有趣的现象。大型企业（员工超过1万人）在突破性专利中的份额一直保持在70%左右。这说明，最具革命性的创新仍然主要来自大型企业。但大型企业可能有更强的能力来保护自己的知识产权，防止其他企业模仿。它们还可能通过收购潜在的竞争对手来扼杀竞争。这些行为都会减少知识溢出，从而拉低整体的增长水平。
另一个可能的解释是全球价值链的重构。过去几十年，美国企业越来越多地将生产环节外包到海外。它们专注于研发、设计和营销等价值链的高端环节。这导致美国国内的生产活动减少，从而使得创新带来的生产率增长没有完全反映在国内的统计数据中。创新带来的收益可能更多地体现在企业的海外利润中，而不是国内的劳动生产率增长中。
还有一个可能的解释是监管负担的增加。很多研究认为，美国的监管在过去几十年变得越来越严格。这增加了企业的合规成本，降低了企业的投资和创新积极性。尤其是在一些新兴行业，比如生物技术和人工智能，监管的不确定性对创新的影响更大。
人口结构的变化也可能是一个因素。美国的劳动力人口增长在过去几十年明显放缓。劳动力人口的减少会直接降低经济的潜在增长率。同时，人口老龄化也会影响创新的活力，因为年轻人通常更有创造力。
五、与已有研究相比的边际贡献
（一）数据构建的突破
这篇论文最大的贡献在于数据构建。它首次构建了覆盖美国所有私营企业的45年纵向专利面板。这个数据库解决了长期以来困扰该领域的样本偏差问题。之前的研究只能研究上市公司和制造业企业，而这篇论文能够研究所有类型的企业。这使得作者们能够看到创新活动的全貌，而不仅仅是一部分。
作者们开发的纵向匹配技术也具有很高的价值。之前的匹配方法都是横截面的，没有考虑企业名称和结构随时间的变化。而这篇论文的匹配方法是纵向的，能够跟踪企业的变化。这大大提高了匹配的准确性和纵向一致性。这个技术可以推广到其他外部数据与人口普查局数据的匹配中，为未来的研究提供了有力的工具。
还有一个重要的贡献是新的研发投入指标的构建。传统的研发支出统计只包括正式研发部门的支出，遗漏了很多非研发部门的创新活动。作者们构建的基于工资支出的研发投入指标，能够覆盖更多类型的创新活动。这使得他们能够更准确地衡量企业的实际创新投入。
（二）实证方法的创新
这篇论文的另一个重要贡献是实证方法的创新。它首次将创新过程分解为两个独立的环节进行检验。之前的研究通常直接检验研发投入与最终产出增长之间的关系，而没有区分中间的两个环节。这种方法无法判断增长放缓到底是因为研发投入转化为想法的效率下降了，还是因为想法转化为增长的效率下降了。
通过将两个环节分开检验，作者们能够更准确地定位增长放缓的原因。他们发现，第一个环节的效率不仅没有下降，反而上升了。增长放缓的原因出在第二个环节之外，也就是与企业创新无关的宏观共同因素。这个发现改变了人们对增长放缓的理解。
作者们还使用了多种稳健性检验来验证他们的结果。他们使用了不同的研发投入指标，不同的专利质量指标，不同的回归设定，不同的样本。所有的结果都指向同一个结论：创新效率并没有下降。这使得他们的结论非常可靠。
（三）理论解释的颠覆
这篇论文最具冲击力的贡献是它对主流理论的颠覆。它直接反驳了“想法越来越难找”的核心结论。它用扎实的微观数据证明，企业内部的创新效率在过去四十年并没有下降。增长放缓的原因不是想法枯竭，而是其他因素。
这个发现对增长理论具有深远的意义。它表明，半内生增长模型的核心假设可能是错误的。知识存量的增加并没有使新想法的发现变得更加困难。相反，企业的创新效率在不断提高。这为内生增长理论提供了新的实证支持。
它还对创新政策具有重要的启示。如果增长放缓的原因是想法枯竭，那么政策的重点应该是增加研发投入，培养更多的研发人员。但如果增长放缓的原因是创新转化和扩散机制失灵，那么单纯增加研发投入可能无法解决问题。政策应该更多地关注促进知识扩散，维护市场竞争，改善创新转化的环境。
六、研究展望
（一）深入探究知识溢出的变化
这篇论文最引人注目的发现是，时间固定效应在2002年之后出现了显著的下降。作者们推测，这可能反映了知识溢出的减少。但这只是一个初步的推测，还需要更直接的实证检验。
未来的研究需要更准确地衡量知识溢出的变化。可以研究不同企业之间的专利引用模式，看看一个企业的专利对其他企业的影响是否随着时间减弱。还可以研究地理邻近性对知识溢出的影响，看看本地化的知识溢出是否在下降。
了解知识溢出下降的原因也非常重要。是因为知识产权保护的加强，还是因为市场集中度的提高，或者是因为创新的性质发生了变化？这些问题的答案将对创新政策产生重要的影响。例如，如果知识溢出下降是因为知识产权保护过强，那么政策应该适当调整知识产权制度，平衡创新激励和知识扩散。
（二）分析市场结构对创新转化的影响
市场结构的变化可能是影响创新转化的另一个重要因素。过去几十年，美国经济的市场集中度不断提高。大型企业在很多行业占据了主导地位。
大型企业的主导地位对创新有双重影响。一方面，大型企业有更多的资源进行研发，能够产生更多的创新。另一方面，大型企业可能会利用自己的市场力量来扼杀竞争，阻止新的创新者进入市场。它们还可能收购潜在的竞争对手，然后搁置它们的创新项目。这种“杀手级收购”会减少创新的多样性，从而拉低整体的增长水平。
未来的研究需要更深入地分析市场结构与创新转化之间的关系。可以研究不同行业的市场集中度与创新效率之间的关系。还可以研究大型企业的收购行为对行业创新的长期影响。区分“好的收购”和“坏的收购”，看看哪些收购促进了创新，哪些收购扼杀了创新。
（三）全球价值链下的创新收益分配
全球价值链的重构是另一个需要重点关注的方向。美国企业的创新越来越多地体现在海外生产的产品中。这导致创新带来的收益在全球范围内进行分配，而不是全部留在国内。
未来的研究需要将全球价值链纳入分析框架。可以研究美国企业的创新如何影响其海外子公司的生产率和利润。还可以研究创新收益在不同国家和不同生产环节之间的分配情况。这将帮助我们更全面地理解创新对经济增长的影响。
例如，美国的苹果公司设计了iPhone，但大部分生产都在中国进行。苹果公司获得了大部分利润，但中国也获得了就业和税收。那么，iPhone的创新对美国经济增长的贡献到底有多大？这个问题的答案将影响我们对美国创新效率和增长潜力的判断。
（四）完善创新的衡量指标
尽管这篇论文使用了质量调整后的专利指标，但专利仍然只能衡量一部分创新活动。很多重要的创新并没有申请专利，比如商业流程创新、组织创新和商业模式创新。这些非专利创新在服务业和信息技术行业尤为重要。
未来的研究需要开发更全面的创新衡量方法。可以利用企业的财务数据和就业数据来构建新的创新指标。还可以利用文本分析技术，从企业的年报、新闻报道和招聘广告中提取创新信息。更全面的创新衡量指标将帮助我们更准确地评估创新效率和创新对经济增长的贡献。
（五）研究的局限性与未来的挑战
这篇论文虽然取得了重要的进展，但仍然存在一些局限性。首先，它用专利作为想法的衡量指标。虽然专利是衡量创新的常用指标，但它仍然有很多缺陷。很多重要的创新没有申请专利，而有些专利是为了防御目的申请的，并没有实际的经济价值。
其次，这篇论文的结果是基于美国的数据。美国是世界上最具创新活力的国家之一。它的经验不一定适用于其他国家，尤其是发展中国家。未来的研究需要将这个分析框架应用到其他国家，看看是否能得到类似的结果。
第三，作者们虽然指出了宏观共同因素的重要性，但没有确定到底是哪些因素。这是这篇论文最大的不足，也是未来研究最大的挑战。确定宏观共同因素下降的具体原因，将是理解增长放缓的关键。
七、结论
这篇最新的CESifo工作论文为我们理解长期增长放缓提供了一个全新的视角。它用扎实的微观数据证明，增长放缓不是因为想法越来越难找，而是因为增长本身越来越难找。企业的创新效率在过去四十年并没有下降。单位研发投入能够产生更多更好的专利，而且这些专利能够带来比以前更多的生产率增长。增长放缓的主要原因是与企业创新无关的宏观共同因素在2002年后出现了系统性下滑。
这个发现对创新政策具有重要的启示。如果增长放缓的原因是想法枯竭，那么政策的重点应该是增加研发投入，培养更多的研发人员。但如果增长放缓的原因是创新转化和扩散机制失灵，那么单纯增加研发投入可能无法解决问题。政策应该更多地关注促进知识扩散，维护市场竞争，改善创新转化的环境。
当然，这篇论文并没有回答所有的问题。它只是打开了一个新的研究方向。我们仍然不知道宏观共同因素下降的具体原因是什么。我们也不知道如何才能让创新更好地转化为广泛的经济增长。这些问题需要未来更多的研究来回答。但无论如何，这篇论文已经改变了我们对增长放缓的理解。它告诉我们，人类的创新能力并没有枯竭。我们面临的挑战不是如何产生更多的想法，而是如何让这些想法更好地造福整个社会。
本文内容的引用格式与著作权如下
Teresa C. Fort, Nathan Goldschlag, Jack Liang, Peter K. Schott, Nikolas Zolas. Growth Is Getting Harder to Find, Not Ideas. CESifo Working Paper No. 12652, May 2026.
免责声明：本文内容基于学术文献与公开资料整理，仅为科普解读之用，不构成任何投资、政策建议，内容著作权归属于所参考的文献；文中有任何问题，请参考来源文献，本文仅来自于AI对已有文献内容介绍与整理，不代表南京大学企业家研究所的观点
热门跟贴