技术比较学：把比较政治学的方法用在技术判断上
政治学里有一门学科叫比较政治学。很多人以为它就是"把各国制度放在一起对比一下"，其实不止如此。它真正的价值，是一整套在没法做实验的情况下，依然能做因果判断的方法。
政治学家不能把一个国家复制两份，一份实行总统制、一份实行议会制，然后看看哪个更稳定。历史只发生一次，样本还少得可怜——全世界也就两百来个国家。于是比较政治学发展出了一套办法：怎么挑案例、怎么对齐概念、怎么排除干扰因素、怎么从少数案例里抽出可靠的规律。
政治学家李普塞特有句常被引用的话：只了解一个国家的人，其实一个国家都不了解。 比较是为了抽离，抽离是为了在另一个高度、另一个维度上找方案。
我越来越觉得，技术领域的很多判断，处境和比较政治学一模一样：
- 一家公司不可能把同一个系统用两种架构各建一遍，看哪个更好；
- 一个行业不可能重演一遍历史，看看如果当年选了另一条技术路线会怎样；
- "AI 会怎样改变软件工程"这种问题，能参考的历史样本只有寥寥几次技术革命。
没法做实验、样本少、变量多、历史不可重来——这正是比较方法的用武之地。下面把比较政治学里最核心的几件工具，逐一搬到技术上来。
一、案例设计：最相似系统与最不同系统
比较政治学里最基础的一对工具，来自普沃斯基和特纽 1970 年的《比较社会研究的逻辑》，思想源头可以追溯到约翰·穆勒 1843 年提出的"差异法"和"求同法"。
最相似系统设计：挑两个在绝大多数方面都相似、但结果截然不同的案例。既然其他条件都差不多，那么导致结果不同的原因，大概率就藏在它们仅有的那几处差异里。
最不同系统设计：挑两个在绝大多数方面都不同、但结果却相同的案例。既然条件差这么远，那么它们共有的那一点，大概率就是导致结果的关键。
这两个工具放到技术上，非常好用。
最相似系统：为什么移动支付在中国和美国走了两条路
2010 年代，中美两国的智能手机普及率、移动网络条件、互联网巨头的技术能力，差别并不大。但结果截然不同：中国在几年内几乎跳过了信用卡，直接进入二维码支付时代；美国则长期停留在信用卡加 NFC 刷卡的模式里。
如果只看一个国家，你很容易得出"二维码支付技术更先进"或者"中国用户更愿意尝鲜"这种结论。但用最相似系统的思路去找差异，会发现关键变量在别处：美国已经有一张覆盖极广的信用卡网络和 POS 机基础设施，而中国当时的信用卡渗透率和商户受理网络都相对薄弱。 一个是在已有基础设施上做增量，一个是在空白地上直接建新的。
这个结论比"哪种技术更先进"有用得多。它告诉我们：一项新技术能否快速铺开，很大程度上取决于它要替代的旧基础设施有多完善。 这个判断可以迁移到别处——比如为什么有些企业上 AI 反而比数字化基础好的企业更快，因为它们没有一套庞大的旧系统需要兼容。
最不同系统：为什么"分层解耦"反复出现
再看另一个方向。网络协议的 TCP/IP 分层、数据库从一体化走向存算分离、操作系统的内核与用户态划分、今天大模型 Agent 系统里把模型、工具、上下文、控制逻辑拆开的做法——这些案例分属不同年代、不同领域、不同团队，几乎没有任何共同点。
但它们最终都走向了同一个结构：用稳定的接口把系统切成层，让每一层可以独立演进。
当条件如此不同、结果却如此一致时，你就有理由相信这是一个比具体技术更深的规律：当一个系统的各部分变化速度不同时，就会出现分层解耦的压力。 模型每几个月换一代，而企业的业务流程几年才变一次，那么把二者绑在一起的架构迟早会被拆开。
这种从最不同的案例里抽出来的规律，就是"换了一个维度"之后看到的东西。它不告诉你该用哪个具体框架，但它能帮你判断：一个架构设计里，哪些部分是注定要被解耦的。
二、功能等价：不问它叫什么，问它在干什么
比较政治学早期吃过一个大亏：拿西方国家的制度名称当尺子，去量其他国家。某个国家没有"议会"，就说它缺少代议机制；某个社会没有"政党"，就说它政治不发达。后来学者们意识到，这种比较方式本身就是错的。
于是有了功能等价的思路：不问"这个社会有没有 X 机构"，而问"X 所承担的那个功能，在这个社会里由谁来承担"。一个没有正式政党的社会，可能由宗族、行会或宗教组织在履行利益聚合的功能。
技术比较里，这个错误几乎天天在犯。
比较两个 Agent 框架时，很多人会逐项对照功能清单：有没有"记忆模块"、有没有"规划器"、有没有"反思机制"。但不同框架给组件起的名字五花八门，同一个名字底下做的事情也可能完全不同。一个没有"记忆模块"的框架，可能是把记忆放在了检索层；一个号称有"规划器"的框架，可能只是一段固定的提示词。
更有用的做法是先定义功能，再去看每个系统由谁来承担：
| 功能 | 传统数据仓库 | 数据湖 | 大模型应用 |
|---|---|---|---|
| 把原始数据变成可理解的语义 | ETL 与建模 | 读取时再解析结构 | 上下文工程与检索 |
| 保证数据可信 | 数据质量规则 | 元数据与目录 | 引用溯源与校验 |
| 控制谁能看到什么 | 库表权限 | 存储层访问控制 | 检索时的权限过滤 |
这张表里的三类系统，名字和组件完全不同，但放到功能维度上一对齐，立刻能看出：大模型应用并没有逃掉数据工程的老问题，只是换了一个地方去解决它们。 数据仓库时代踩过的坑——语义不一致、质量失控、权限泄露——在 RAG 系统里几乎会原样重演一遍。
这就是功能等价带来的抽离：它把你从"新技术、新名词"的表层拉出来，让你看到新旧系统其实在回答同一组问题。旧系统的经验，只要能对齐到功能上，就能直接复用。
三、路径依赖与关键节点：现在的格局，未必是最优的格局
比较政治学里有一派叫历史制度主义，最核心的两个概念是路径依赖和关键节点。
路径依赖是说：一个早期的、甚至带有偶然性的选择，会通过不断自我强化，把后面的发展锁定在一条路上，即便后来出现了更好的选项，也很难再切换。关键节点是说：路径并不是永远锁死的，在某些特殊时刻——危机、技术突变、旧秩序松动——会出现一个短暂的窗口，这时的选择会决定接下来几十年的走向。
技术史上最有名的路径依赖案例，是经济史学家保罗·戴维 1985 年写的 QWERTY 键盘：这种键盘布局最初和机械打字机的结构限制有关，后来即便限制不存在了，因为所有人都已经学会了这种布局，它依然延续至今。类似的例子还有很多：JavaScript 最初据说只用十天就设计出来，却因为浏览器的普及成了互联网的通用语言；x86 指令集背着几十年的历史包袱，却因为软件生态的锁定统治了个人电脑。
这个视角对技术判断有两个直接的用处。
第一，它让你分清"现状"和"最优"。 很多技术格局之所以是现在这样，不是因为它最好，而是因为它最早、最先形成了生态。认清这一点，你在评估一项技术时就不会简单地把"大家都在用"等同于"就该这样用"。
第二，它让你识别窗口期。 路径依赖意味着大部分时候改变很难，但关键节点意味着偶尔改变很容易。当下的 AI Agent 领域，就处在一个典型的关键节点上：工具调用协议、Agent 之间的通信标准、上下文的组织方式，都还没有定型。这个时期做出的接口选择，很可能会被锁定很多年。 对一个技术团队来说，知道自己正处在关键节点上，意味着这时的架构决策值得投入更多思考，而不是随手选一个先用着——因为"先用着"的东西，往往就是以后甩不掉的东西。
四、时间维度的比较：回望工业时代，是为了看清 AI
前面几件工具，多是在同一时代的不同案例之间横向比较。比较方法还有另一个方向：在不同时代之间纵向比较。我们今天谈 AI，总喜欢回头讲工业时代怎样，这本质上也是一种比较——前提是比得对。
这方面最经典的研究，还是保罗·戴维。1990 年他发表了《发电机与计算机》，讨论一个当时让经济学家很困惑的现象：计算机已经普及了很多年，为什么生产率统计里迟迟看不到它的贡献？
他没有直接研究计算机，而是回头去看电气化。发电站在 1880 年代就出现了，但美国制造业生产率的明显跃升，要到 1920 年代才出现，中间隔了三四十年。为什么这么慢？
答案在工厂的组织方式里。蒸汽时代的工厂，是围绕一根中央传动轴来布局的：一台大蒸汽机带动一根长长的主轴，通过皮带把动力分到每台机器。所以厂房必须是多层的、机器必须沿着传动轴排列。电动机刚出现时，很多工厂只是用电动机替换了蒸汽机，传动轴和厂房布局原封不动——生产率自然没什么变化。
真正的红利，要等到工厂开始给每台机器装独立的小电机、拆掉传动轴、把多层厂房改成单层、按照生产流程而不是动力传输来重新排布机器之后，才释放出来。而完成这种重构，需要等旧厂房折旧完、需要一代新的工厂管理者成长起来。
把这个案例和今天的 AI 放在一起，比较的价值就出来了。
很多企业今天用 AI 的方式，和当年用电动机替换蒸汽机几乎一模一样：流程不动、组织不动、审批链不动，只是在某个环节把人换成模型，或者给员工配一个聊天助手。结果就是大家普遍感受到的——AI 很强，但整体效率提升没有想象中大。
戴维的研究给出的判断是：通用技术的红利，主要不来自替换，而来自围绕新技术重构组织。 放到 AI 上，问题就从"哪个环节可以用 AI 替代"变成了"如果从零开始、默认有 AI 可用，这个流程应该长什么样"——这就是换了一个维度找方案。
需要注意的是，时间维度的比较最容易被滥用。"当年机器取代了手工业者，最后创造了更多岗位，所以 AI 也一样"——这种类比只看了结果的相似，没有检查条件是否相似。好的纵向比较，和横向比较一样，要先问：两个案例在哪些关键条件上相同、在哪些关键条件上不同？ 电气化与 AI 的相同之处，是它们都是需要组织重构才能释放价值的通用技术；不同之处在于，AI 替代的是认知劳动，扩散速度也远快于电网建设。只有把这两面都摆出来，类比才站得住。
五、概念伸展：当一个词什么都能装，比较就失效了
比较政治学家萨托利 1970 年写过一篇很有影响的文章，批评一种他称为概念伸展的现象：为了把更多国家纳入比较，学者们不断放宽概念的定义，比如"民主"被拉伸到几乎任何有选举的国家都能算进去。结果概念覆盖面越来越大，解释力却越来越弱——一个什么都能装的概念，就什么也区分不了。
萨托利给出的办法叫"抽象阶梯"：概念越往上抽象，覆盖的案例越多，但包含的特征越少；越往下具体，特征越丰富，但覆盖的案例越少。做比较时，要先想清楚自己需要站在阶梯的哪一级。
技术领域是概念伸展的重灾区。
"Agent"这个词，现在可以指一段带工具调用的提示词，也可以指一个能连续工作几小时、自主规划和纠错的系统；"AI 原生"可以指从架构上围绕模型设计的产品，也可以指加了一个 AI 按钮的老产品。更早一些，国内流行过的"数据中台"，也经历了类似的过程：一开始指的是一套相当具体的数据复用架构，后来几乎所有数据平台项目都挂上了中台的名字。
当一个概念被拉伸到这种程度，任何围绕它的比较都会失效。"我们的 Agent 比他们的 Agent 好"这句话，如果双方说的根本不是同一个东西，就没有意义。
所以在技术比较里，萨托利的办法可以直接照搬：比较之前，先把概念降到可以区分的那一级。 不是问"要不要做 Agent"，而是问"我们需要的是单步工具调用、多步自主执行，还是长时间运行的自主系统"。概念一旦具体到可以区分，比较才有了对象。
六、一套可以直接用的技术比较流程
把上面几件工具串起来，面对一个技术问题时，大致可以这样走：
- 把问题定义成功能，而不是产品名。 不是"要不要上某某平台"，而是"我们要解决的是哪一个功能问题"。这一步同时在防范概念伸展。
- 有意识地挑选比较案例。 找几个条件相似、结果不同的案例，看差异在哪；再找几个条件不同、结果相同的案例，看共性在哪。案例可以来自别的公司、别的行业，也可以来自别的时代。
- 按功能对齐，而不是按组件对齐。 把每个案例里"谁在承担这个功能"列出来，而不是逐项对照组件清单。
- 找出关键变量和路径约束。 结果的差异来自哪几个条件？哪些现状只是路径依赖的产物？我们现在是否处在一个关键节点上？
- 抽象成原则，再落回方案。 把比较得到的规律提炼成一两条原则，然后回到自己的具体条件里，重新设计方案。
前四步都是在抽离，最后一步是在落地。只抽离不落地，是空谈；不抽离直接落地，就只能照抄别人的方案，而别人的方案是在别人的条件下成立的。
举个例子。一家企业在犹豫要不要自建一个统一的 Agent 平台。按这套流程，它可以回头看看几年前数据中台的起落，这是一个很好的时间维度案例：哪些企业的中台真的跑起来了？它们和失败的那些，在组织结构、业务复用程度、数据基础上有什么差异？把这些差异变量找出来，再对照自己当下的条件，得出的判断会比"大家都在建，我们也建"可靠得多。
结论
- 技术判断和比较政治学面对同样的困境：没法做实验、样本少、历史不可重来，所以它的方法可以直接借用。
- 四件工具：相似与差异案例找关键变量，功能等价穿透新名词，路径依赖识别窗口期，概念伸展校准比较对象。
- 回望历史要比机制，不搬结论：电气化告诉我们，AI 的红利来自重构流程，而不是替换环节。
- 比较能缩小判断范围，但不能替你做决定：样本少、幸存者偏差都会让规律失真，最终方案仍要回到自己的条件里验证。
下次面对技术选择时，不妨先问三个问题：有哪些条件相似、结果却不同的案例？这件事在功能上到底在解决什么？我们现在看到的格局，是最优的，还是只是先到的？
参考资料
- Adam Przeworski, Henry Teune. The Logic of Comparative Social Inquiry. Wiley, 1970.（最相似系统设计与最不同系统设计）
- John Stuart Mill. A System of Logic. 1843.（求同法与差异法）
- Giovanni Sartori. "Concept Misformation in Comparative Politics". American Political Science Review, 64(4), 1970.（概念伸展与抽象阶梯）
- Ruth Berins Collier, David Collier. Shaping the Political Arena. Princeton University Press, 1991.（关键节点分析）
- Paul A. David. "Clio and the Economics of QWERTY". American Economic Review, 75(2), 1985.（技术路径依赖的经典案例）
- Paul A. David. "The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox". American Economic Review, 80(2), 1990.（电气化与计算机的生产率悖论对照）
- Seymour Martin Lipset. American Exceptionalism: A Double-Edged Sword. 1996.（"只了解一个国家的人，其实一个国家都不了解"）
本文部分内容由 AI 辅助生成，经人工审校和补充后发布。