Brian Arthur 與遞增報酬、複雜性經濟學

聖塔菲研究所系列研究報告｜撰寫日期：2026-07-03｜主題：W. Brian Arthur、increasing returns、path dependence、complexity economics

重點摘要

  • W. Brian Arthur 的核心貢獻，是把經濟學中長期被視為「例外」或「不便處理」的遞增報酬，轉化成一套動態、隨機、可形式化的市場選擇理論。
  • 在傳統邊際報酬遞減框架下，市場通常被想像成會收斂到唯一、可預測、效率良好的均衡；Arthur 則指出，技術與平台市場常有正回饋，早期偶然事件可能被放大，形成路徑依賴與鎖定。
  • 1989 年〈Competing Technologies, Increasing Returns, and Lock-In by Historical Events〉是其代表性論文；它以競爭技術採用模型說明不可預測性、非遍歷性、潛在低效率與難以逆轉的鎖定。
  • 在聖塔菲研究所，Arthur 將遞增報酬、有限理性、異質代理人、計算模擬與非均衡動態結合，推動「複雜性經濟學」成為一個研究綱領，而不只是個別市場的特例分析。
  • 此路線影響了平台競爭、標準化、技術演化、創新理論、代理人基模型、人工股市與政策分析；同時也遭遇「實證案例是否被誇大」、「鎖定是否真能長期抵抗市場矯正」、「模型可檢驗性不足」等批評。

一、問題背景：為什麼遞增報酬曾經難以安放

Brian Arthur 的工作之所以重要，不只是因為他提出了「高科技市場會有網路效應」這個現在看似普通的命題，而是因為他改變了經濟學處理時間、偶然性與技術採用的方式。傳統新古典經濟學的核心圖像，是理性行動者在給定偏好、技術與價格下做最佳化，市場透過價格調整趨向均衡。在農產品、礦產或一般製造業的教科書世界裡，企業擴張常受限於稀缺投入、管理成本、擁擠效應與邊際成本上升，因此「報酬遞減」提供了穩定均衡的數學基礎。

可是，技術、軟體、標準、平台與知識產業經常呈現相反的結構：越多人採用，越值得採用；越多人使用，互補品越多、學習曲線越快、維修與訓練成本越低、開發者越願意投入，於是又吸引更多採用者。這類正回饋不必然來自壟斷者的惡意，也不只是規模經濟，而是一組會自我強化的機制：使用者基礎、互補網路、學習效果、資訊外溢、標準相容性與制度慣性。

Arthur 的研究將這些機制放進動態模型。他問的不是「在均衡時哪個技術比較好」，而是「在市場尚未知道自己會走向哪裡時，一連串小事件如何選出結果」。這個問題把經濟學從靜態比較帶往歷史過程：同一組基本偏好與技術條件，可以因為早期採用順序不同而抵達不同結局。

二、Brian Arthur 的學術位置與聖塔菲脈絡

W. Brian Arthur 1945 年生於貝爾法斯特，受過工程、作業研究、數學與經濟學訓練，後在加州大學柏克萊取得作業研究博士，並於 1983 至 1996 年任史丹佛大學 Morrison Professor of Economics and Population Studies。聖塔菲研究所的介紹稱他為經濟學家與複雜性科學家，並指出他以網路效應造成市場鎖定的研究著稱；Arthur 也是 SFI Founders Society 成員，1988 年主持該所第一個研究計畫，後來這條線成為複雜性經濟學的重要基礎。

這個背景很關鍵。聖塔菲研究所創立於 1980 年代中期，本來就不是傳統經濟系，而是物理學家、生物學家、電腦科學家、經濟學家與社會科學家聚集的跨域場所。它關心的是自組織、非線性、適應、演化、湧現與複雜系統。Arthur 的經濟學轉向正好適合這個環境：若經濟不是一台趨向靜態均衡的機器，而是一個由異質行動者不斷調整、學習、互相預期、改變環境的系統，那麼均衡只是特例，過程本身才是主要研究對象。

1990 年代，SFI 的經濟學計畫與 Kenneth Arrow、Philip Anderson、John Holland、Doyne Farmer、Blake LeBaron、Steven Durlauf、David Lane 等人的討論相互交織。Arthur 在其中扮演的角色，是把經濟學問題翻譯成複雜系統問題：技術採用是隨機路徑，市場預期是內生演化，金融價格是異質代理人的共同產物，制度與標準是歷史過程的殘留結構。

三、遞增報酬的理論核心：正回饋如何改寫市場直覺

Arthur 所謂遞增報酬，並不只等於「產量越大，平均成本越低」。在技術競爭中，遞增報酬通常包含四種來源：

這些來源會使市場出現正回饋。假設 A、B 兩種技術初始品質接近，早期某幾位使用者因偶然理由選了 A，A 的安裝基礎增加，下一批使用者看到 A 的支援較多、風險較小，於是更可能選 A。這不保證 A 本質上較好；它只表示「被選得較多」本身變成「更容易被選」的理由。

傳統報酬遞減模型下，負回饋會削弱偏離：某產品太受歡迎，價格上升或擁擠成本增加，競爭者得到機會。遞增報酬模型下，偏離可能被放大：領先帶來更多領先。因此，市場結果可能呈現四個特性：

特性含義對傳統直覺的挑戰
多重均衡不只一個技術可能成為主導標準。市場不一定有唯一自然終點。
不可預測早期小事件可能決定後期大結果。只看供需基本面不足以預測標準勝負。
非遍歷性歷史路徑不能被長期平均消除；過去的順序會留在結局中。經濟過程不是重複抽樣後必然收斂到同一分布。
潛在低效率鎖定市場可能鎖定在事後看來較差的技術或制度上。競爭不必然保證最佳標準勝出。

四、1989 年模型：競爭技術、歷史事件與鎖定

Arthur 1989 年發表於 The Economic Journal 的〈Competing Technologies, Increasing Returns, and Lock-In by Historical Events〉，是遞增報酬經濟學的經典文本。論文建構一個簡化但有力的情境：市場中有兩種競爭技術，採用者依序進場，每位採用者可能屬於不同類型，對 A 或 B 有不同自然偏好；同時，每個技術的報酬會隨採用人數增加而提高。這使採用順序本身成為決定變數。

概念式表示： 收益(A, 某類採用者) = 該類型對 A 的基本偏好 + A 的既有採用量所帶來的遞增報酬 收益(B, 某類採用者) = 該類型對 B 的基本偏好 + B 的既有採用量所帶來的遞增報酬 若某一技術累積採用量超過臨界區間，後續採用者即使原本偏好另一技術，也可能因安裝基礎與網路利益而轉向。

這種模型與 Pólya urn 過程有親緣關係：抽到某顏色球後再放回更多同色球，下一次抽到同色球的機率就提高。對 Arthur 而言，技術採用像是經濟版的強化隨機過程。差別在於，採用者不是機械抽球，而是根據報酬、預期與偏好做選擇；但一旦採用造成環境改變，下一位採用者面對的選擇集合已經不一樣。

論文最重要的觀點不是「先占者永遠勝利」，而是「在遞增報酬下，歷史事件可成為選擇機制」。若 A、B 實力相近，早期偶然事件能決定鎖定；若某一技術有明顯優勢，它仍可能抵抗偶然波動。也就是說，Arthur 的模型不是否定品質、價格與理性，而是指出在正回饋市場中，這些因素要與時間順序一起分析。

五、路徑依賴：從「歷史有趣」到「歷史有因果力」

路徑依賴常被簡化成「歷史很重要」，但 Arthur 與 Paul David 的貢獻，是讓這句話有可分析的機制。David 1985 年〈Clio and the Economics of QWERTY〉把 QWERTY 鍵盤作為技術標準路徑依賴的代表案例；Arthur 則用動態模型說明，在遞增報酬下，歷史事件如何透過正回饋被制度化。

嚴格說，路徑依賴不是單純的慣性。若一個結果只是因為轉換成本高而延續，它可能只是黏著性；若一個結果因早期小事件進入自我強化循環，並排除其他本可行路徑，才更接近 Arthur 式路徑依賴。它包含三層主張：第一，早期事件可能具有不成比例的影響；第二，後期選項受早期採用結構限制；第三，即使外部觀察者事後可辨認較佳替代，市場也未必能低成本轉換。

這對政策有重要含義。若鎖定可能發生，政府與監管者面對新興標準、平台併購、資料可攜性、互通性規範時，就不能只問「今天價格是否偏高」，也要問「今天的安裝基礎是否會封閉明天的創新路徑」。這也是 Arthur 理論在 1990 年代高科技與反壟斷討論中受到注意的原因之一。

六、聖塔菲複雜性經濟學：從市場均衡到適應性系統

Arthur 後來把遞增報酬放進更大的框架：複雜性經濟學。根據他在 2015 年 Complexity and the Economy 與 2021 年 Nature Reviews Physics〈Foundations of Complexity Economics〉中的整理，複雜性經濟學不是一個單一模型，而是一種不同的經濟思想框架。它不把經濟看成永遠位於均衡附近的封閉系統，而看成由許多異質、有限理性、會學習且會改變環境的代理人組成的開放演化系統。

這個框架有幾個基本特徵：

這裡的思想轉變很深。傳統方法常先假定代理人知道正確模型，再推導均衡；Arthur 則主張，在複雜情境下，代理人通常不知道正確模型，只能形成多個暫時性假說，觀察成效後調整。經濟學因此需要計算實驗、演化動態與認知模型，而不只是封閉形式解。

七、El Farol 酒吧問題：有限理性與預期的自我挫敗

Arthur 1994 年在 American Economic Review Papers and Proceedings 發表〈Inductive Reasoning and Bounded Rationality〉，以聖塔菲的 El Farol 酒吧作為例子：每週四酒吧有音樂表演，若到場人數低於容量門檻，去酒吧是愉快的；若太擁擠，待在家更好。每個人都想預測其他人會不會去，但若所有人使用同一個明顯預測模型，該模型會自我破壞：預測人少會吸引太多人，預測人多又會導致人少。

El Farol 問題的重點不是酒吧，而是複雜經濟中的預期結構。當每個人的最佳行動取決於其他人的預期，而其他人的預期又取決於自己的預期時，演繹式理性會碰到遞迴困境。Arthur 的解法是讓代理人持有多個預測規則，根據過去表現選用。結果通常不是穩定均衡，而是總出席人數在容量附近波動，個別策略持續替換。

這個模型後來啟發了 Challet 與 Zhang 的 Minority Game，也成為代理人基模型、適應性市場與複雜金融研究的典型例子。它展示了 Arthur 思想中另一個核心：經濟秩序可能不是由完美理性推導出來，而是由有限理性的群體試錯產生。

八、人工股市：金融市場作為內生預期系統

SFI 人工股市是複雜性經濟學的另一個標誌性項目。Arthur、John Holland、Blake LeBaron、Richard Palmer 與 Paul Tayler 在 1990 年代建立的 Santa Fe Artificial Stock Market，讓人工交易者在電腦市場中根據規則、預測與績效演化來交易風險資產。這不是把市場視為瞬間達成理性預期均衡，而是觀察異質策略如何在互動中產生價格動態。

這類模型的重要性在於，它容許市場同時出現短期技術交易、長期基本面判斷、策略淘汰、泡沫、波動叢聚與模式轉換。換句話說，金融市場不是只是反映外部資訊的鏡子，而是由交易者預期共同製造的內生動態系統。這一點與 Arthur 對 El Farol 的理解相通：在遞迴預期環境中，行動者不只是「反應」市場，也在「生成」市場。

九、技術演化：從遞增報酬到組合式創新

Arthur 2009 年出版 The Nature of Technology: What It Is and How It Evolves，把焦點從技術採用擴展到技術本身如何出現。他主張技術不是憑空發明，而是由既有元件、原理、模組與用途重新組合而來；新技術一旦形成，又會成為後續技術的元件。這是一種組合式演化觀。

這與遞增報酬研究有深層連結。若技術是組合式演化，早期標準與平台不只影響市場份額，也影響後續創新的可用元件庫。某技術一旦鎖定，它會吸引互補投資，形成工具、人才、語言、介面與制度，這些又成為下一代創新的起點。因此路徑依賴不是「舊東西留下來」而已，而是會塑造未來可想像與可實作的技術空間。

十、時間線

十一、影響：平台經濟、反壟斷與創新政策

Arthur 的遞增報酬理論在 1990 年代資訊科技興起時獲得巨大迴響。軟體、作業系統、晶片架構、通訊協定、資料格式、搜尋引擎、社群平台與電子商務市場，都呈現某種安裝基礎與互補生態的自我強化。這使經濟學家、企業策略家與政策制定者開始重新思考競爭：價格低不代表長期無害，免費服務也可能透過資料、網路與開發者生態形成鎖定。

在企業策略上，Arthur 的思想解釋了為何「先取得臨界使用者基礎」會成為平台競爭的核心；為何標準、API、開發工具、相容性與生態系比單一產品功能更重要；也解釋了為何某些市場呈現 winner-take-most 結構。在政策上，它支持對互通性、資料可攜性、開放標準、併購審查與平台自我偏好行為的長期分析。

但這種影響也需要節制解讀。不是所有科技市場都有強遞增報酬；不是所有大公司都靠鎖定；不是所有鎖定都是低效率。Arthur 的理論最有力的地方，是提供判斷框架，而不是提供「大者必惡」或「早期勝者必然不可撼動」的口號。

十二、爭議與局限：QWERTY、可檢驗性與市場修正力

Arthur 與 David 的路徑依賴思想最常被討論的案例是 QWERTY 鍵盤，但這也是最有爭議的案例之一。Liebowitz 與 Margolis 在 1990 年〈The Fable of the Keys〉中質疑 QWERTY 明顯劣於 Dvorak 的證據，並在 1995 年〈Path Dependence, Lock-In, and History〉中區分不同強度的路徑依賴。他們認為，常見的路徑依賴並不必然代表市場失靈；真正能支持「可補救但未被補救的低效率鎖定」之主張，通常需要更強、也更難滿足的假設。

這些批評是必要的。Arthur 的形式模型可以證明某些條件下會出現低效率鎖定，但從模型可能性到歷史實例，需要細緻證據：技術優劣如何測量？轉換成本多高？使用者是否真的缺乏協調機制？競爭者能否透過相容層、補貼、性能躍升或制度介入打破鎖定？若這些問題沒有回答，路徑依賴容易退化成事後敘事。

第二個局限是複雜性經濟學的可檢驗性。代理人基模型與計算模擬能產生豐富現象，但參數、規則與代理人設計若缺乏實證約束，模型可能只是「能模擬出某種圖形」。這是整個複雜系統研究共同面對的問題：如何在真實性、可解釋性與可檢驗性之間取得平衡。

第三個局限是政策推論的困難。即使承認遞增報酬與鎖定，是否應早期干預仍不明確。過早干預可能壓制自然標準化的好處；過晚干預則可能錯失維持競爭的窗口。Arthur 理論提醒政策者注意動態風險，但不能替代具體市場調查。

十三、與其他思想傳統的關聯

Arthur 的工作可視為多條思想線的交會。它延續了 Schumpeter 對創新、競爭與創造性破壞的關注，但不像傳統 Schumpeter 敘事只強調企業家，而是強調技術生態與市場回饋。它也接近 Hayek 對分散知識與秩序生成的問題意識，但 Arthur 更願意用計算模型追蹤微觀互動如何產生總體模式。

在演化經濟學方面，Arthur 與 Nelson、Winter 的傳統相通：企業與技術不是一次性最佳化，而是在例行程序、搜尋與選擇中演化。在金融經濟學方面，SFI 人工股市與後來的適應性市場假說、異質代理人模型互相呼應。在電腦科學與 AI 方面，El Farol、Minority Game 與多代理人學習問題相連；今日研究平台、推薦系統、資料網路效應與 AI 生態系，也仍在使用 Arthur 式正回饋與鎖定語彙。

十四、總結：Arthur 的真正遺產

Brian Arthur 的真正遺產，不是單一句「強者越強」，而是把經濟過程重新放回時間之中。遞增報酬使市場不再只是供需曲線交會，而成為一條會記憶自身歷史的路徑；複雜性經濟學使代理人不再只是解方程式的理性人，而是持有有限模型、在未知環境中學習與互相塑造的行動者。

這種視角對 21 世紀尤其重要。平台、AI、半導體、雲端、生物技術、支付網路與社群媒體都不是單純產品市場，而是由標準、資料、人才、互補品與制度共同構成的演化系統。Arthur 的理論不能替我們判斷每一個市場是否失靈，但它提供了一套必要問題：正回饋在哪裡？早期事件是否被放大？轉換成本是否會阻斷更好路徑？行動者的預期是否內生改變市場？制度是否應在鎖定前保留可逆性？

因此，Arthur 在聖塔菲研究所的工作不只是經濟學史的一章，也是理解當代科技競爭的一組基礎工具。它提醒我們：在複雜經濟裡，歷史不是背景，歷史本身就是機制。

參考來源清單