作者：王开 国信证券首席策略研究员
李代悦 国信证券博士后工作站博士后
自2020年以来，特别是生成式人工智能的爆发式发展，让人工智能从学术讨论迅速渗透到经济活动的各个层面。全球AI领域的投资额屡创新高，技术迭代速度令人目不暇接。然而，与这种技术上的大爆发形成鲜明对比的是，全球主要经济体的宏观生产率数据并未展现出与之匹配的强劲增长，甚至在某些时期表现出停滞。不禁让人联想到罗伯特·索洛在计算机时代提出的著名“生产率悖论”。
一、AI时代的技术跃进与经济增长的“脱钩”：索洛悖论重现
索洛悖论由诺贝尔经济学奖得主罗伯特·索洛在1987年提出，描述了信息技术投资巨大，但宏观经济生产率增长缓慢的矛盾现象。而我们似乎正目睹这一悖论在AI时代重演，甚至以更复杂的形式出现，有经济学家称之为“现代索洛悖论”或“AI索洛悖论”。
2020年至2025年期间，全球范围内，特别是G7等主要经济体，对AI的投资呈现指数级增长。企业资本支出中用于AI的部分显著增加，AI已成为拉动部分国家GDP增长的需求侧动力之一。然而，全球劳动生产率的增长自2000年代中期以来持续放缓，AI的出现尚未扭转这一趋势。这种宏观层面的飞跃尚未在统计数据中得到确证。这种AI研发投资增长率与实际GDP生产率增长率之间的“量化分歧”是当前经济学家们关注的焦点。
二、AI时代索洛悖论的深层原因
为何投入巨大的AI技术未能迅速转化为宏观经济增长？综合现有研究，其原因可以归结为以下几个层面：
实施与扩散的滞后性 : 一项颠覆性技术从诞生到广泛应用并产生宏观经济影响，需要漫长的时间。AI并非一个“即插即用”的工具。它需要企业在组织架构、业务流程、员工技能、数据基础设施等方面进行根本性的重塑。斯坦福大学的Erik Brynjolfsson等学者指出，AI对生产力的影响遵循“J型曲线”效应：在初期，企业为适应新技术而投入巨大成本，甚至可能导致生产率暂时下降，只有在跨越某个“临界点”后，生产率才会开始加速增长。许多企业目前仍处于J曲线的底部。一些研究甚至量化了这种滞后，指出AI采纳与生产力效应之间可能存在至少三年的延迟。
互补性投资的缺失: AI的价值实现高度依赖于互补性资产，如高质量的数据、熟练掌握AI技能的劳动力、充足的算力资源以及能够支持AI应用的管理流程和企业文化。仅仅购买AI软件或服务是不够的。各国官方和企业在劳动力再培训、教育体系改革以及数据治理等方面的投资，其步伐远未跟上AI技术本身的发展速度。政策干预，如促进研发、劳动力培训和行业整合，虽然已被提上议程，但其效果显现同样需要时间。
测量误差问题 : 传统的GDP和生产率统计体系诞生于工业经济时代，善于衡量实体商品的数量和质量，但在捕捉数字经济和AI带来的价值方面存在天然缺陷。例如，AI可能大幅提升了产品和服务的质量、个性化程度、用户体验以及创造了新的商业模式，但这些价值很难被现有的价格指数和产出统计完全捕捉。此外，许多AI应用以免费服务的形式提供给消费者，其产生的巨大消费者剩余并未计入GDP。
创造性破坏与资源重新配置的摩擦 : AI在提高效率的同时，也在加速“创造性破坏”的过程。它会淘汰过时的岗位、技能和商业模式，同时催生新的需求。然而，劳动力和资本从传统部门向新兴部门的转移过程并非一蹴而就，期间会伴随着结构性失业和资源错配，这些摩擦成本会在短期内拖累整体生产率的增长。
三、远望“经济奇点”：AI能否最终打破索洛悖论
AI能否最终打破索洛悖论？与计算机时代不同，AI被许多理论家认为是一种“元技术”即发明“发明”的技术。这引出了一个更为激进的构想——“经济奇点”。这个概念描述了一个理论上的未来节点，届时由AI驱动的技术进步速度将变得极快且持续加速，导致经济增长出现超指数的爆炸式增长，彻底颠覆传统的经济模型。
经济奇点的核心逻辑在于，AI，特别是通用人工智能(AGI)，能够自主进行科学研究、技术创新和知识创造，从而形成一个正反馈循环。在传统的索洛增长模型中，技术进步被视为外生变量或最终会受限于人类的创造力。但如果AI能成为一个内生的、自我增强的生产要素，它将打破资本和劳动的边际报酬递减规律，使经济增长不再受限。然而，通往经济奇点的道路并非坦途。经济学家也提出了有力的反论——鲍莫尔成本病。这是指经济中总有一些部门(如手工艺、护理、教育)的生产率本质上难以通过技术来提升。随着其他部门效率飞升，这些“停滞”部门的相对成本将越来越高，最终可能成为整体经济增长的瓶颈。此外，随着科学前沿的推进，“低垂的果实”可能已被摘完。未来的重大创新可能需要指数级增长的资源投入，AI虽然强大，但其能否持续克服这种复杂性的增长，目前尚无定论。
从“经济奇点”的视角回看当前的索洛悖论，我们可以提出几种可能的演化路径：
路径一，长时滞后的爆发：当前的悖论只是“J型曲线”效应的宏观体现。我们正处在一个漫长的、为经济结构进行“AI化”重构的准备期。一旦跨过某个技术采纳率、数据积累和劳动力技能的临界阈值，生产率增长将不再是线性的，而是会呈现出加速甚至是指数量级的爆发，最终走向经济奇点所描述的超高速增长。一些经济模型已经开始尝试将AI作为独立的生产要素纳入生产函数，并预测在未来十年内，AI对全要素生产率(TFP)的贡献将显著提升。
路径二，持续的悖论与温和增长：以诺贝尔经济学家达龙·阿西莫格鲁等为代表的经济学家则持更为审慎的态度。他们认为，AI的宏观经济效应可能被高估了。AI在自动化特定任务上表现出色，但在创造全新、高生产率的人类任务方面能力有限。因此，AI可能带来的只是“温和”的生产率提升，其宏观影响可能不足以抵消人口老龄化等其他负面因素。在这种情景下，AI带来的微观效率提升与宏观增长乏力之间的“悖论”可能会长期存在，经济奇点将遥不可及。Acemoglu (2024) 的模型预测，未来十年AI对TFP的累积增长贡献可能低于0.53%。
路径三，双轨经济与不平等的加剧 AI的影响可能并非均匀分布：那些高度数字化、数据密集型、能够快速整合AI的行业和企业将经历生产率的飞跃，而传统行业和服务业则可能增长缓慢。这将导致经济内部出现“生产率鸿沟”，形成一个高速增长的“AI经济”和一个增长停滞的“传统经济”并存的双轨结构。宏观平均生产率的增长因此显得平庸，而经济不平等和社会分化将急剧加剧，这反过来又可能引发社会问题，阻碍进一步的增长。
我们正处在AI时代索洛悖论的深水区。技术的巨大潜力和经济数据的现实表现之间存在着显著的鸿沟。这一悖论的根源复杂，交织了技术扩散的自然规律、社会经济结构的惯性、测量体系的局限性以及政策应对的滞后性。展望未来，AI时代的索洛悖论不太可能像一个开关一样被简单地“解决”。它更可能是一个动态演化的过程。短期内如未来3-5年，随着AI应用从大型企业向中小企业渗透，以及各行业找到与AI深度融合的模式场内股票配资，我们有望看到宏观生产率增长出现温和但明确的提速，悖论现象或将有所缓解。然而，AI是否能最终带领我们走向“经济奇点”，打破增长的桎梏，仍是开放性问题。这不仅取决于技术自身的演进，更关键地取决于我们能否构建与之相匹配的社会、教育和治理体系。加速AI能力向经济增长的转化，需要政府、企业和学界协同努力，在促进AI研发的同时，大力投资于人力资本、改革教育体系、完善数据基础设施，并制定前瞻性的政策框架来应对AI带来的社会经济挑战。
盛多网提示：文章来自网络，不代表本站观点。
相关文章
推荐资讯