辉煌配资平台app下载平台杨燕青：AI正在改写经济学底层“代码”丨未来实验室

在当前全球经济面临结构性增长放缓、人口老龄化加剧以及劳动生产率长期停滞的宏观背景下，人工智能（AI）作为新一代通用目的技术，正在经济学与公共政策领域引发广泛而深刻的学术审视。探讨的核心分歧，主要集中于技术乐观主义者预期的“指数级增长”与劳动经济学界对“人力资本专属性系统性贬值”的深刻忧虑之间。

回顾经济发展史，从19世纪的蒸汽动力到20世纪的信息技术，历次通用目的技术的涌现均从根本上重塑了宏观经济的生产函数与要素分配结构。然而，本次由大语言模型等生成式人工智能驱动的技术演进，与过往工业革命存在本体论层面上的显著差异：其自动化范畴首次实质性地拓展至认知、逻辑推演与非结构化判断等人类长期具备绝对比较优势的领域。这一特征迫使经济学界必须重新评估传统的内生增长模型、劳动力市场出清机制以及现有的社会财富契约。

宏观经济增长的底层逻辑

关于人工智能能否推动宏观经济突破长期以来的线性增长轨道，学术界存在基于不同微观基础的理论碰撞。这一分歧本质上涉及传统经济学中“研发收益递减法则”能否被底层算法彻底克服的核心命题。

传统的半内生增长模型揭示了一个严峻的经验事实：经济体系中的知识发现受制于边际收益递减效应。在过去一个多世纪中，尽管全球投入科研的人力与资本呈指数级上升，但由于基础创新难度不断增加，此前的颠覆性技术仅能部分抵消旧技术领域创新放缓的负面效应，从而勉强维持发达经济体长期约百分之二的实际人均国内生产总值复合增长率。

弗吉尼亚大学经济学教授安东·科里内克（Anton Korinek）试图通过引入具有颠覆性的内生变量来推翻这一假定。该理论溯源于科学家冯·诺依曼的“递归自我提升”概念，指出当人工智能的推理与认知能力跨越特定临界点时，其在经济模型中的角色将从被动的辅助工具转化为具备自主迭代能力的“合成研发劳动力”。若这种由算法驱动的知识生产增速能够超越研发难度上升的阻力，宏观经济模型将发生逆转，跨越线性束缚，进入变量加速发散的加速增长体制。

这一预期建立在三重正向反馈循环之上：人工智能在电子设计自动化中的应用加速了底层芯片的物理迭代；大语言模型通过代码生成提升了反向传播算法及软件架构的效率；人工智能作为通用技术外溢至结构生物学、材料科学等实体领域，极大缩短了广义科学的试错周期。理论上，若有足够比例的研发环节被自动化，这种规模收益递增将导向宏观经济的加速扩张。

然而，斯坦福大学经济学家查尔斯·琼斯（Charles I.Jones）提出了基于生产函数微观任务结构的约束模型，为上述预期提供了冷峻的视角。在“弱环节”模型中，宏观总产出取决于一系列相互高度互补的任务组合，其替代弹性严格小于一。这一逻辑指出，宏观经济扩张的上限最终将不可避免地被那些最薄弱、难以自动化的瓶颈任务所锁定。数学推导表明，即使将特定任务领域的生产率提升至无穷大，其对总体产出的提升幅度上限也仅为该任务在初始国民收入中支出份额的倒数。

劳动力市场重构：专长替代抑或技术赋能

在宏观总量增长的渐进性特征之下，技术变革对经济结构特别是劳动力市场的影响更为直接与剧烈。学术界的焦点集中于人工智能对人类专长的深度重塑。

多位计算机科学家指出，本轮技术迭代的核心在于对人类认知机制的模拟与超越。历次工业革命主要替代体力或延展物理活动边界，被替代的劳动力得以向需要复杂判断的脑力岗位转移。但当前基于反向传播算法的神经网络，在知识压缩与表征学习方面的效率已显现出特定的优势。大语言模型能够处理远超单一人类生命周期极限的数据，利用微积分机制在多层隐藏层中提取高维抽象的可迁移特征。随着“链式思维”等推理机制的引入，现代人工智能系统已具备内部逻辑纠错的能力。若非例行认知任务被大规模替代，纯脑力劳动者将面临技能溢价大幅缩水的困境。

针对这一技术预期，诺奖得主、宏观经济学家达隆·阿西莫格鲁（Daron Acemoglu）等人构建了结构性的政策分析框架，并提出了“亲工人人工智能”的路径导向。该框架指出，技术的劳动力市场效应并非外生给定，而是取决于研发方向与部署模式的内生选择。研究将技术创新在功能上进行划分，核心区分在于纯自动化技术与新任务创造型技术。当前劳动力市场面临的结构性风险，主要缘于资本过度集中于纯自动化技术的研发。当产业界将资源倾注于开发完全取代专业人员的自治系统时，其经济学本质是将高技能劳动者长期积累的隐性知识提取并商品化。这种替代不仅削弱了人力资本的稀缺性壁垒，更导致宏观劳动收入份额的绝对下降。

与之相对立，“亲工人人工智能”的核心实质在于偏向新任务创造的演进路径。这要求区分创造更多现有低门槛工作与创造性工作（如拓宽能力边界的任务）的本质差异。通过引入协作者模型，人工智能可以被重新定位为提升人类决策效能的辅助工具。例如，在精密工程与医疗辅助诊断中，人工智能负责非结构化数据的模式识别与初步排查，专业人员则将认知资源重新配置于高阶逻辑验证与复杂的沟通决策上。这种人机互补机制并未消除人类专长，反而通过扩大任务边界提升了专业判断的经济价值。脑力劳动的系统性退化并非不可避免，关键在于技术资本的配置方向是在挤压既有任务，还是在赋能高附加值的新任务。

财富分配异化与度量失效

在中短期的技术转型阶段，财富分配机制的扭曲是严峻的挑战。这些问题暴露出当前治理体系的滞后，也揭示了传统经济学核算框架在数字时代的局限性。

首先是国民经济核算体系的度量失效危机。国内生产总值作为衡量市场交易总货币价值的核心指标，其适用性在极低边际成本时代受到根本挑战。若人工智能大幅压低了软件开发、专业咨询及部分实物商品的生产成本，市场实际发生的资金流通量将呈现萎缩。由此产生的宏观统计背离是：在普通民众的消费者剩余显著扩张、公共服务可及性大幅提升的同时，传统宏观经济报表可能呈现出通缩式的衰退假象。这种数字丰饶与统计数据下滑的脱节，将严重干扰基于传统统计体系的宏观逆周期调控。

更为核心的问题是国民财富初次分配结构的急剧扭曲。在纯自动化路径的主导下，资本对劳动力的单向替代将系统性压低劳动报酬在国民收入中的份额。考虑到全社会资本所有权分布的高度偏态特征，劳动份额的下降将直接导致社会财富差距的扩大。在缺乏有效干预的市场中，算法资本的规模收益递增效应将强化寡头垄断，头部企业通过控制底层算力集群与海量专有数据，可能形成对全社会经济剩余的超额占有。针对结构性失业，普遍基本收入机制常被作为政策备选。然而该机制面临双重局限：一是建立在工薪所得税基础上的现行财政体系将因税基缩水而难以维系；二是单纯的转移支付难以弥补劳动者因丧失社会参与感而引发的深层尊严损失。

宏观政策响应与制度演进

针对日益加剧的分配结构失衡与技术风险，传统的市场自发调节难以提供充分的制度对冲。学术界呼吁，需在经济学范式、公共政策工具箱及宏观制度设计层面实现同步演进。当前产业界呈现出偏好纯自动化而非亲工人技术的特征，根本原因在于深层的市场失灵与不平等的制度倾斜。在劳资博弈中，资本天然偏好利用自动化技术降低对人力资本的依赖以获取更多利润剩余；同时，部分技术导向对全面自治系统的推崇，也在无形中弱化了对人机协作系统社会价值的探索。为扭转这一路径依赖，必须构筑一套旨在重构全社会创新激励边界的政策组合：

纠正税制结构的要素偏见。现行大多数发达经济体的税法体系存在内生扭曲：对雇佣劳动力征收较高的工薪税与附加社保成本，却对企业投资软硬件资本给予加速折旧与税收抵免。这种非对称的制度设计人为制造了过度自动化的财务套利空间。公共财政政策需在边际税率层面逐步拉平对劳动力与资本投入的税收负担，使企业的技术选型回归真实的相对生产力逻辑。

优化反垄断监管与市场竞争生态。监管机构需高度警惕少数科技企业利用庞大的算力与数据网络效应形成双边市场垄断。通过严格审查其对具有亲工人技术潜力的初创企业发起的防御性并购，防止掠夺性定价，确保致力于增强人类技能的新型技术路线能够获得合理的生存与商业空间。

确立劳工数据产权与专长保护机制。大语言模型对非结构化专业经验的无偿征用，暴露出传统知识产权法的滞后。开发商广泛抓取专业群体的隐性知识用于模型训练，最终在商业服务市场上形成替代。政策端需探索建立新型的数字产权框架，赋予知识创造主体对其专长被参数化转化过程的知情权、控制权与集体收益分配权，从而维持人力资本长期投资的激励相容。

发挥公共采购的定向引导作用。在医疗、公共教育等占国内生产总值比重庞大且受政府预算影响深远的部门，政府应作为核心需求方主动塑造市场。通过设立定向资金，优先采购和补贴那些明确被设计为辅助专业人员提升服务精度、赋能基层人员的系统，从需求端创造出足以抗衡纯自动化路径的商业激励。

动态调整职业准入壁垒。随着专长平权型技术降低了部分专业任务的执行门槛，跨技能层级的劳动力竞争将随之加剧。传统的职业壁垒往往倾向于利用冗杂的执业许可证作为阻挠竞争的手段。监管机构须在保障公共安全的前提下，适度破除旨在保护既得利益的刚性执业范围限制，确保技术红利能转化为中低阶劳动者向上流动的阶梯。

此外，在应对宏观长尾风险及实验室技术竞争方面，建议基于物理底层基础设施实施全球协同干预机制。在全球高端计算芯片的交付源头环节，统筹征收算力调节税。这不仅能在物理层面推高超大模型训练的边际成本，平滑无序的竞争速率；筹集的资金亦可转化为专项公共品基金，定向支持可解释性研究、模型内部对齐及独立第三方的安全评估体系建设。

在更宏观的财富再分配机制上，学术界呼吁探索超越传统静态均衡体系的经济学范式。面对长期内可能出现的生产力跃升与劳动参与结构变迁，建立在传统工薪所得基础上的社会保障网将面临挑战。政策界需前瞻性地研究资本社会化等底层产权制度的创新，确保算法资本产生的规模经济剩余能够广泛流向普通公众，从而构筑包容性增长的制度底座。

综合当前的宏观增长约束模型、劳动力市场结构性框架以及收入分配，我们认为：人工智能对长期经济增长与社会阶层结构的最终影响，并非一条由技术外生定律设定的单向轨道。

应对这场技术变革的最终解答，并非纵容算法在所有认知维度上实现对人类的无条件替代，而是主动构建一套与技术演进相匹配、同步迭代的政治经济学分配制度与伦理规范。唯有通过改革税收要素偏见、重塑数据产权、完善全球算力治理并利用公共采购引导人机协同，确保社会制度的创新速率成功匹配算力增长的速度，这项前沿技术才能真正转化为持续增进全人类整体福祉的坚实基础。

（杨燕青系上科大教育、创新和可持续发展研究中心主任，安叙系AI观察者）

举报文章作者