AI經濟學

本書一本難得的有關Al經濟學著作，內容豐富，系統全面，精彩紛呈。值得認真學習。 作者從宏觀篇，宏觀篇，治理篇等三個部分，分十二章，系統分析了Al在算力，模型和應用層面的經濟問題。全面分析了Al在宏觀經濟、產業和治理方面的影響，深刻揭示了Al對不同領域經濟社會的變革。 中國從“互聯網時代”迭代升級至“人工智能時代”的政策設計和佈局，是發展新質生產力的一個重要方面。從經濟視角探討本輪AI進步的生產力特點及其對生產關係的衝擊，圍繞宏觀含義、產業影響、治理挑戰等問題提供系統分析。 AI作爲一項通用目的技術，規模定律是本輪AI進步的突出特徵，意味着在靜態上大國有優勢，動態上先發者有優勢。AI作爲“類人”技術，在數字治理、市場競爭、社會倫理、國際關係等方面將帶來深遠的影響。 重點內容： AI大模型：如何改變金融行業 一　大模型在金融行業的應用現狀 （一）落地應用現狀：大模型在金融行業主要應用於業務場景簡單的非決策類環節。 （二）展業流程角度：大模型正在賦能金融業務各細分環節 （三）業務場景角度：大模型賦能五大細分金融場景。大模型在支付、信貸、投顧、投研、保險五大金融業務場景中均存在落地應用。 二　大模型對金融行業未來發展可能產生的影響 （一）應用趨勢展望：大小模型協同發展，業務助理嵌入更多場景，智能客服精簡、重塑展業模式。 （二）賦能空間展望：財富管理及資產管理或是大模型在金融行業中賦能空間最大的細分領域。 （三）產業格局展望：需求側、渠道側或將形成新的服務入口和流量分發邏輯，供給側既有“馬太效應”又有“乘數效應”。 1.服務範式：大模型有望在面向長尾客羣的金融服務中產生較大影響。 2.產業協作：大模型在金融領域的價值創造更多體現爲業務驅動，科技公司與金融機構更多體現爲“競合”關係。 3.競爭格局：既有“馬太效應”的加劇分化，又有“乘數效應”的重新洗牌。 三　大模型對金融體系的整體影響 （一）效率：大模型有望助力金融行業提升效率。 1.大模型整體上有望助力金融行業供需雙方減少信息不對稱，提升效率。 2.產業AI化視角：金融行業適合大模型應用落地，大模型亦有望全面助力金融行業提升效率。 3.AI產業化視角：大模型對金融行業需求側和渠道側可能產生較大影響，而在供給側，目前更多仍是漸進式賦能，未來能否產生顛覆效應取決於潛在技術發展邊界。 （二）普惠：大模型有望提升金融機構風險定價能力，降低服務成本，進而推動金融服務下沉，賦能廣大普惠客羣。 （三）安全：大模型的應用可能帶來一定的金融風險，進行適當監管將是重中之重。 1.大模型可能引發更多金融風險，給金融系統安全帶來挑戰。 2.海外監管動態：針對金融消費者權益保護和新型“大而不能倒”風險，海外已有監管要求和正在制定監管法案，同時，相關機構亦對其他潛在風險表示擔憂。 3.政策建議：加強行業各方協作，探索分級分類監管制度，鼓勵發展風控技術及完善內部風險管理制度。 AI經貿治理：規則與技術並重 AI作爲一項突破性技術，可能對當前國際分工格局和經貿關係產生正反兩方面影響。一方面，AI可爲國際經濟合作帶來新機遇。另一方面，AI技術可能進一步加劇國家間競爭，拉大先發國家和後發國家間的差距，甚至重塑各國實力結構。 一　AI技術帶來國際經貿合作新機遇 （一）AI產業化：創造新產品和新服務。 首先，AI產業化需要各國在研發、生產、監管等環節加強分工協作。 其次，AI產業化伴隨着人形機器人、自動駕駛汽車等新產品的出現，貨物貿易迎來新機遇。 最後，AI產業化不僅創造新產品，也創造新服務，可拓展國際服務貿易合作。 （二）產業AI化：降低交易成本，拓展傳統產業的規模經濟效應 首先，產業AI化可提升企業生產率，促進更多市場主體參與國際經貿合作。 其次，產業AI化可降低企業國際經營的非關稅成本，令跨國經貿合作更加穩定。 最後，AI所擁有的廣闊國際用戶基礎，爲各國的產業AI化奠定了基礎。 二　利益分配存在公平和安全問題 （一）公平問題：AI發展的收益在不同國家間分配不均衡 各國所擁有大型科技公司數量的差距使得它們發展AI的能力高度分化。 AI發展或擴大不同國家間的資本流入差距。 後發國家的國際分工和產業升級進程受阻。 進一步降低後發國家的稅收能力。 （二）安全問題：大型AI企業或衝擊後發國家的社會安全 首先，現階段全球共有大約7 100種語言，[插圖]而ChatGPT僅支持80多種語言的問答，[插圖]這使得小語種國家的民衆難以直接受益於AI大模型，不利於其知識獲取，會拉大不同國家間的人力資本差距。 其次，雖然目前已有部分針對小語種的專用AI大模型，但無法從根本上克服語料不足的弊端，相比ChatGPT等通用AI大模型提升不明顯。 三　國際經貿協調機制面臨變革 （一）各國的競爭動機或將加強 一方面，私人企業在AI發展中佔據優勢地位，潛在的道德風險問題使各國對於AI技術採取更加謹慎的態度。 另一方面，AI是典型的通用目的技術。技術領先國在擴散和推廣AI技術時，難以分清AI技術在其他國家的最終用途。 （二）現行國際經貿協調機制不足以彌合各國分歧 第一，部分國家不當利用國際經貿規則，出口管制等貿易保護行爲脫離了適當的規則約束。 第二，現有國際經貿規則主要爲工業時代所設計，未能充分反映AI產業化和產業AI化的新趨勢 首先，AI發展加大了商品和服務的區分難度。 其次，在AI產業中可明顯被視爲提供服務的領域，當前規則也存在空白。 最後，WTO《與貿易有關的知識產權協定》未規定如何處理人工智能生成的作品。 第三，國際再分配機制缺位，先發和後發國家間的AI收益差距難以熨平。 第四，《布萊切利宣言》等現有AI國際協調機制缺乏強制力，且易引發道德風險問題。 四　面對AI帶來的國際經貿衝擊，中國的挑戰與應對 （一）國際層面：AI相關國際經貿規則的話語權偏弱 第一，中國大型科技公司的AI規則制定能力有限。 第二，RCEP等中國主導的國際經貿協調機制較少涉及AI。 第三，中國與其他國家達成的實質性AI經貿合作實踐較少，且多爲軟性機制。 （二）國內層面：規則對外推廣、政府投入方式等存在優化空間 國內AI規則相對充分，但推廣至國際層面的進度較慢。 我國公共投入不足以彌補私人投資缺口，應對國際競爭的能力有待提升。 五　思考與啓示 （一）國際層面：積極參與多邊機制改革，以AI科技企業出海爲推手，落實區域AI經貿合作。 一方面，可加強同包括髮展中國家在內多數國家的溝通協作，在WTO、G20等多邊機制框架下推動建立符合儘可能多國家共同利益的AI經貿規則。 另一方面，可着重增強利用WTO等國際經貿協調機制的能力，推進WTO爭端解決機制正常運作，保護中國企業跨國經營的正當權益。 強化企業海外合規經營能力，爲AI科技公司出海提供政策便利。 發揮大型科技公司的主觀能動性，鼓勵其在國際展業過程中形成符合商業需求的AI經貿規則思路。 具體抓手： 一是以“一帶一路”倡議、RCEP等爲載體，與各國合作推動AI經貿規則構建、爭端解決機制完善。 二是增強與歐美科技界的聯繫，嘗試吸引更多海外AI人才回國。 （二）國內層面：優化公共資金投入方式，調動企業積極性，增強抵禦AI公平和安全衝擊的社會保障 優化公共資金的投入方式，增強應對國際競爭的能力。 改善AI領域的國內生產關係，釋放大型科技公司等主體的創造力。 加強就業、公共服務等方面社會保障體系建設，避免國際競爭衝擊本國經濟、社會，以及政策主權。

清晨六點，小區門口的早餐店準時飄出油香。王叔的油條炸得金黃酥脆，不同的是，收銀臺多了個語音識別付款機。他再也不用一邊翻炸油條一邊算賬找零。 而在三條街外的人才市場，他兒子小輝正盯着招聘啓事上“AI操作經驗優先”的字樣發呆。在工廠做了五年生產線調度的他，上個月被AI排產系統取代，拿着賠償金站在這裏，眼裏滿是迷茫。 這一幕，恰似這個時代最真實的隱喻。 一邊是早餐店裏，技術讓生活更便利；另一邊是人才市場中，技能錯位帶來的陣痛。實證研究中的“工資極化”數據，在現實中化作無數個小輝的困境——中等收入崗位如被潮水沖刷的沙堡，緩緩消融。 與此同時，中國企業在人形機器人領域的專利申請量已穩居全球前列。那些密密麻麻的技術圖紙，像播撒在數字土壤裏的種子，預示着未來的無限可能。 技術的快與治理的慢，個體的迷茫與產業的希望，在這場AI革命中交織成網。 我曾深陷這場集體焦慮。 作爲一名軟件測試，當AI能在十分鐘內生成符合要求的需求分析和完整的測試用例，甚至能比我還想得周到時，我徹夜難眠。摸着鍵盤上被磨得光滑的鍵帽，想起剛入行時爲努力做好工作的執着，那種“被替代”的恐慌，像冬日的寒風鑽進衣領。 而到我現在經常用AI，才理解了“規模定律”——AI的進步不是單點突破，而是“數據+算力+算法”的系統性爆發。它能替代重複性勞動，卻永遠無法復刻人類在生活中沉澱的溫度與洞察。 前兩天跟一個前同事聊起，他的家鄉，一個普通縣城裏的機械廠，三年前引進了AI質檢系統。老工人們聯名抵制，擔心飯碗不保。 如今回訪，情況出乎意料。曾經的質檢員老張，成了AI訓練師，專門校準系統的檢測標準；另一位同事轉型做了設備維護，比年輕人更懂AI設備的“脾氣”。 這正印證了“產業AI化”的真諦——AI不是要將傳統產業連根拔起，而是像給老樹嫁接新枝，讓傳統行業在數字養分的滋養下煥發新生。 中國在人形機器人領域積累的海量專利，正是這種“嫁接”的底氣。當機械臂靈活性媲美人類手指，當機器人能精準完成複雜工序，我們看到的不是人類的退場，而是人機協作的新篇章。 但這場變革的另一面，是真實的“冷暖不均”。 寫字樓裏的AI工程師拿着高薪，流水線旁的普通工人卻面臨失業；互聯網公司的AI產品不斷迭代，傳統行業的從業者卻不知如何融入。 研究表明，AI供給側每年能爲中國經濟帶來約0.8個百分點的額外增速。但問題是：這份增長的紅利，能否惠及每一個人？ 想起小輝後來的經歷。在社區幫助下，他參加了AI運維培訓，現在一家科技公司負責設備調試，工資比以前還高。他的故事告訴我們，AI帶來的不是絕境，而是需要跨越的門檻。而社會的責任，就是爲跨越者搭建橋樑。 更深的憂慮在於：技術的狂奔與治理的滯後，就像一輛加速的列車缺少完善的剎車系統。 我曾聽聞，一家小公司用AI收集用戶數據做精準營銷，卻因缺乏明確的監管標準，無意中觸碰了隱私紅線；各種AI生成的內容魚龍混雜，真假難辨，讓消費者深受其害。 這些亂象，正是當前AI治理的痛點——當數據成爲核心生產要素，當AI的影響力無處不在，建立統一的治理框架就像爲數字季風築起堤壩，既能留住滋養萬物的雨水，又能防範氾濫的洪水。 面對這場變革，我們該如何自處？ 1. 擁抱“AI+”思維，而非抗拒變化 我現在寫文案，會用AI蒐集資料、梳理框架，但堅持用自己的語言表達情感與思考。醫生用AI輔助診斷，卻始終堅守醫者仁心的溫度。我們不必都成爲AI專家，但要學會讓AI成爲自己的“數字助手”。 2. 發揮人性的獨特優勢 AI能分析數據，但難以理解語境背後的文化內涵；能生成文本，但缺乏真實的生活體驗；能模仿風格，但無法複製獨特的人生感悟。這些，正是我們在AI時代更需要深耕的領域。 3. 持續學習，但選對方向 與其盲目追逐最新的AI技術，不如思考：如何利用AI提升自己核心能力的護城河？如何將AI變成個人能力的放大器？ 全球AI產業規模正以每年29%的速度增長，超過半數的企業已在至少一個業務環節應用AI。這組數據的背後，是無數個像王叔那樣的小商戶，像縣城機械廠那樣的傳統企業，像小輝那樣的普通勞動者。 站在數字時代的十字路口，我們既經歷着技術變革的衝擊，也見證着創新突破的機遇。 AI經濟就像一場重塑世界的數字季風，既有凜冽的寒意，也有溫暖的生機。而我們每個人，都是這場季風中的行者。保持理性與勇氣，在變革中學習，在治理中堅守，我們終將在時代的浪潮中找到自己的位置。 因爲技術的終極意義，從來不是替代人類，而是讓人類生活更加美好——這或許就是我們在這個不確定的時代裏，最需要確定的信念。

從產業角度分析AI經濟的發展、中美兩國的逐鹿，本書基本是中文唯一，而且精彩非凡！ “AI作爲一項通用目的技術(GPT)，規模定律(scaling law)是本輪AI進步的突出特徵，意味着在靜態上“大國”有優勢，動態上“先發者”有優勢。” 書中核心論點之一：規模定律與大國優勢 書中提出“規模定律”是當前AI技術進步的突出特徵。本書強調數據、算力和模型規模的積累對技術突破的重要性。 也因此，中美作爲人口與市場大國，在AI發展中具有靜態優勢（資源集中）和動態優勢（應用場景廣闊），尤其中國在應用層可能孕育引領性創新。 書中核心論點之二：AI對經濟增長的貢獻 本書研究預測，AI有望在未來十年爲中國供給側帶來年均0.8個百分點的額外增長，到2035年GDP可能較基準情形提升9.8%。這一結論基於AI對生產效率、產業轉型及新質生產力的推動作用。 書中核心論點之三：就業市場的結構性變革 本書中分析了AI對就業的“替代效應”與“增強效應”，指出低技能崗位可能被替代，但高技能崗位需求增加，同時強調需完善社會保障以應對結構性失業風險。例如，客服、會計等職業可能被自動化取代，而AI研發、數據分析等新興領域將創造新機會。 想了解AI時代的產業起起伏伏，看透大國的國家未來趨勢，此書不能錯過！

【第一折：鐵牛耕雲】 話說春分，老漢我蹲在田埂上抽旱菸，瞅着隔壁後生阿強舉着個鐵疙瘩對着天上比劃，嘴裏唸叨着"AI經濟學""大模型"的新鮮詞兒。我吧嗒吧嗒嘴："這鐵牛真能比得過咱祖傳的木犁？" 正巧村口大學生二狗子抱着幾本磚頭厚的書路過，阿強一把扯住他："二狗哥，你給評評理！這書裏說AI能算天算地，咋咱村電商賣荔枝還賣不過隔壁省？" 二狗子推推眼鏡，翻搖頭晃腦念道："書中道'數據如春雨，算法似犁鏵'，可咱這田壟裏的數據啊..."他忽然卡殼，想起書中那句"信息繭房困農戶"，竟押着馬致遠"古道西風瘦馬"的調子，惹得老漢我笑掉菸袋鍋。 【第二折：算盤與算力】 夜裏油燈昏黃，我翻着二狗子留下的破書，忽見扉頁印着"中金研究院"五個燙金大字。心裏嘀咕：這大機構怕不是拿算盤比劃電腦？正待細看，書中跳出段元曲："枯藤老樹昏鴉，空調WiFi西瓜"，底下還注着"數字經濟新解"。 “AI賦能農業"，說能用衛星看墒情，無人機撒農藥。我拍大腿直樂："這不就是當年縣裏說的'千里眼順風耳'？可惜農機站那臺破電腦，開春就喫了三斤螞蟥！" 【第三折：繡花枕頭】 翻到"智能決策"那節，書中把大模型誇成"賽諸葛"。老漢我冷笑："當年諸葛孔明借東風，如今這AI借的是WiFi風？"正巧電視裏播報："某大廠AI預測荔枝滯銷，結果冷庫堆滿爛果子..." “AI能讓玉米畝產增三成"，我舉着書找村長："快把後山那片坡地劃給AI種地！"村長白眼一翻："後生仔，AI種地要喝柴油，咱村祖墳冒青煙纔敢用！" 【第四折：雲上繡花】 看至"雲計算"章節，比喻成"天庭織女雲中紡"。我摸着自家漏雨的瓦頂感嘆："這天庭的雲倒是防雨，可咱農民要的是腳底沾泥的雲！" “用區塊鏈賣龍眼"，我尋思這區塊鏈莫不是當年孫大聖的金箍圈？轉頭看見阿強在抖音直播："家人們！區塊鏈認證的龍眼，掃碼看生長直播！"結果評論區炸鍋："主播背後是塑料大棚吧？" 合上書卷，老漢我對着月光咂摸： 算盤珠子碰鍵盤，噼裏啪啦算半天。 種地還看老黃曆，AI報喜又報冤。 書裏說'數據是石油'，咱村油坊老師傅笑了： '當年榨油靠石碾，如今榨數據靠電錢！' 最絕是那句'智能替代人工'，驚得竈王爺打翻糖瓜罐： '元朝雜劇唱千年，如今AI改唱rap？ 後生們笑我老頑固，我笑他們"拿着算盤玩VR"。可惜書裏說的"智能灌溉"，咱村還用着轆轤車。 昨夜夢見自己變成賽博老農，左手握元曲手抄本，右手點平板電腦。驚醒終究是： "雲上繡花針腳密，田裏插秧汗如雨。 莫道機器能種田，春種秋收靠老天！" 書是好書，可惜且尷尬那些個"智能決策""數據閉環"很難在傳統大集團落地吧？ "繡花枕頭一包草，金玉其外敗絮饒。 說得天花又亂墜，不如老牛慢悠悠。"

一、AI規模新經濟 1.AI作爲一項通用目的技術(GPT)，規模定律是本輪AI進步的突出特徵，意味着在靜態上大國有優勢，動態上先發者有優勢。技術可行性、經濟可行性是判斷其動態演進階段的兩個重要指標。規模定律，指的是隨着模型規模的增加，其性能出現系統性的改進。 2.當前，在有關AI倫理與治理的討論中，有三個方面的話題尤其值得關注：一是數據要素的治理，二是大企業的市場勢力，三是更廣泛的倫理與安全問題。 二、宏觀篇 1.不同於前幾輪AI熱潮，本輪AI發展在處理不同類型信息的通用模型方面取得了重要的突破。 2.規模定律是推動AI提升性能的路徑，但也可能存在其他路徑。 3.算力、數據和算法是當前AI研發端的三個要素。算力在AI時代承擔着重要角色，但其提升依賴高性能芯片的發展，核心技術壁壘較高。數據是AI研發層的“養料”和“教材”，同時數據也是AI性能和表現的“檢驗器”。算法是AI研發的核心，高技術人才是保障算法突破的關鍵，而人才聚集效應鞏固了先發國家的優勢，加大了後發國家追趕難度。 4.在AI大模型時代，中美差距短期有所拉大。在全新的AI大模型時代，美國佔據優勢。從支撐人工智能產業的四大要素來看：模型方面，美國在數量和質量上均領先中國；人才方面，中美人才數量居前，但美國高級人才隊伍更爲領先；算力方面，中國算力芯片及生態系統均落後於美國，智能算力差距在中美摩擦下進一步擴大；數據方面，中國數據規模全球第二，優質數據量仍落後於美國。上述要素的差距導致中美髮展AI走向了不同道路，中國積極拓展應用落地，美國更專注於探索AI大模型的能力邊界。 5.本輪AI新變革，美國邁出了一大步。從支撐人工智能產業的四大要素來看，模型方面，美國在數量和質量上均領先中國；人才方面，中美人才數量居前，美國高級人才隊伍建設更爲領先；算力方面，中國算力芯片及系統均落後於美國，智能算力差距在美國新政限制下進一步擴大；數據方面，中國數據量全球第二，優質數據量仍落後於美國。此外，支撐AI發展的要素還包括私募基金/風險投資機構等的金融支持，在此方面，中國相較美國也處於劣勢。 6.AI產業架構自下而上可分爲算力層、模型層、應用層，我們認爲，中國在算力層有望藉助國內巨頭自研與算力扶持逐步破局，全新的計算架構或將帶來新變數；在模型層應抓住後發機遇，堅持主權AI下的自研追趕；在應用層則依託研發工程師紅利、數據基礎和產品生態迎接本土發展機遇。 7.算力層以智算中心爲載體、以AI芯片爲核心。 8.模型層分爲平臺軟件層和算法模型層。平臺軟件層是支撐AI模型大規模訓練、生產部署的技術體系，包括數據清洗及合成平臺、訓練框架、推理部署框架、模型生產平臺，爲深度學習算法的工程實現帶來核心競爭力；算法模型層是特殊的軟件，包括預訓練大模型，以及計算機視覺、自然語言處理等小模型技術，爲AI企業將自身技術與產業實踐相結合的成果。 9.應用層基於AI算法模型的賦能，以面向個人的應用或面向企業的解決方案的形式實現落地。在長期趨勢下，大模型也有望承擔操作系統角色，衍生出終端硬件、智能體“百花齊放”的格局。 10.AI元任務框架不僅可以幫助我們估算AI對經濟的影響，同時也爲我們分析AI可能帶來的社會影響提供了新的角度。首先，大國憑藉規模優勢在AI的產業應用中扮演着重要的角色。其次，從元任務視角來看，AI並非只是單向地賦能或者替代人類，其通用化的特點已經勾勒出未來人與AI如何分工的模式。再次，元任務框架也讓我們多了一個角度去理解AI對收入分配的影響。AI的發展對不同人羣的影響是多方面的，這讓福利社會的建立具備了合理性。 11.AI相對人腦的明顯優勢並不能否定人類智能活動的意義。人工智能可能加劇工資差距，並可能導致勞動收入份額小幅下降。針對AI對就業市場的負面影響，政策可以在初次分配和再分配階段均發揮作用。 三、產業篇 1.人形機器人有望發展成本輪AI技術落地的一個重要產業，而且具有高端製造業的屬性。由於在製造業領域具有產業鏈和規模優勢，中國有望在人形機器人產業取得全球領先地位。 2.AI的應用有兩大類形態。一類形態是對數據進行計算之後輸出直接被用戶感知的結果，由此與用戶互動，可稱爲“數字智能”。數字智能已經表現出強大的能力和驚人的應用進展。另一類形態是與現實物理環境交互，基於物理“身體”與環境交互獲取模擬信號和信息，理解問題，做出決策和行動，AI輸出的信號往往只是中間產品，必須通過物理硬件來產生三維空間內的運動行爲，該類硬件被稱爲“具身智能”。 3.具身智能的主要代表之一是人形機器人。 4.技術障礙，制度問題是創新擴散的另一大障礙。 5.中國需適度優化對遊戲、互聯網和醫療等行業的監管，以促進AI的消費應用 。中國的人形機器人產業具有技術基礎和規模經濟優勢 6.在全球化放緩背景下，中國產業鏈面臨着縱向卡脖子與橫向去中心化兩大風險挑戰。要應對前者，中國需要加速追趕式創新；要應對後者，中國需要促進引領式創新。爲此，《大國產業鏈》一書提出了“雙支柱舉國體制”構想，即以“大企業+大銀行+大政府”推動追趕式創新，以“中小企業+資本市場+制度建設”推動引領式創新。 7.本輪AI快速發展引發了兩種能耗焦慮：一是能耗是否會成爲AI產業發展的瓶頸；二是AI能耗是否會影響綠色轉型進程，對於我國而言，就是是否會影響雙碳目標的實現。 四、治理篇 1.數據很可能是人工智能發展的瓶頸。 2.高質量數據供給取決於兩個因素，即數據流通和數據加工。我們將數據流通定義爲數據的權利關係從一個主體轉移到另一個主體，包括數據採集、數據交易、數據公開等；將數據加工定義爲在既有數據上挖掘出新數據，包括數據清洗、數據標記等，是數據從低質量數據變爲高質量數據的過程，這個過程不包含數據權利關係的轉移。高質量數據不足的主要原因在於數據流通不足，而數據的規模效應實現依賴於數據流通。數據具有非競爭性，邊際成本幾乎爲零。

這本書聚焦人工智能對經濟的影響，以算力、模型、應用三層框架爲基礎，探索規模效應驅動AI研究。宏觀層面，AI未來將貢獻較大經濟增速，中美在不同層面各有優勢，中方規模應用，美方底層持續創新；產業層面，通過“人工智能+”賦能製造、金融、農業實現跨越式發展，同時面臨數據門檻與倫理風險；治理層面，平衡安全與發展至關重要，分析了蘇聯國家主導的創新模式容易誤判（適合成熟度較高技術推廣10到100），德國、日本銀行主導風險投資偏保守（適合產業應用創新1到10），美國有風險投資主導比較激進（適合原始顛覆創新0到1）。中國未來藉助市場規模優勢應用推廣層面大力，政策協同發力與國際競爭，統籌發展與安全，強佔制高點。書中又案例不少分析還是值得深思，值得讀一讀。

一刷很枯燥，有幾次都想棄書了。。。我認爲最亮的一部分是從元任務的角度分析AI對人類不同產業就業的影響。因爲不同的元任務存在互補性，所以AI同時具有賦能和替代效果。長期來看隨着AI的發展，人類會逐漸向不需要大量體力勞動，需要複雜推理創新或社會屬性的工種上去。短期內的市場陣痛需要與時俱進的福利建設，減少收入差距，穩定社會需求。保持社會發展的可持續性是讓社會共享AI帶來的外部性的基礎。 其他章節的AI產業化，產業AI化，AI能源，以及AI相關的高質量數據，倫理，和經貿關係都很有啓發性。所以除了我們平時享用AI工具我們帶來的便利，我們也需要從更大的經濟角度、倫理角度去思考AI的發展前景以及未來人類與AI共處社會所面臨的挑戰。

2022 年以來，大模型在全球範圍內掀起新一輪創新熱潮，AI 正以前所未有的速度深刻影響、重塑各個產業。本書從算力層、模型層、應用層三個維度，對 AI 相關經濟問題進行了系統研究，深入探討本輪AI 進步的生產力特點及其對生產關係的衝擊，圍繞宏觀含義、產業影響、治理挑戰等問題，提供系統性、前瞻性、趨勢性的經濟分析。 本書認爲：規模定律（scaling law）是本輪 AI 技術進步的突出特徵，意味着中、美兩個大國在發展 AI經濟方面具有特殊優勢；產業層面，推動“人工智能 +”蓬勃發展是中國加速追趕的關鍵；宏觀層面，AI 有望於未來十年在供給側爲中國經濟帶來每年0.8 個百分點的額外增長。實現供給增長需要積極的財政政策予以配合，尤其需要完善的社會保障制度， 以提振需求。 本書兼具學術專業性和大衆可讀性，旨在爲社會大衆、科研院所、企業與金融機構等提供有關 AI 經濟學的增量觀察，希望能夠爲我國制定 AI 產業化和產業 AI化政策框架及其配套宏觀政策，提供來自業界的有益參考。

書名：《AI經濟學》 作者：中金研究院、中金公司研究部 出版社：中信出版集團（2024年） > **本書是中國頭部金融機構——中國國際金融股份有限公司（中金公司）旗下研究團隊，首次系統性從經濟學視角解析人工智能（AI）對生產、就業、產業、制度與全球格局的深層影響。** > 不同於純技術或倫理討論，該書聚焦“AI如何重塑經濟運行底層邏輯”，兼具宏觀視野與微觀機制，具有鮮明的“中國視角”與政策導向。 --- ## 一、核心主旨 > **AI不是又一次普通的技術進步，而是一場“通用目的技術”（General Purpose Technology, GPT）革命，其核心特徵是“智能要素化”——即AI正從工具演變爲可規模化配置的新型生產要素，深刻重構經濟增長函數、企業組織形態與國家競爭優勢。** 中金團隊提出： > **“AI正在改寫經濟學教科書中的三大基石：生產函數、勞動力市場均衡、創新擴散路徑。”** 全書貫穿一條主線： **在AI驅動下，傳統“資本—勞動”二元結構正在向“資本—勞動—智能”三元結構演進，由此引發效率提升與分配失衡的雙重挑戰。** --- ## 二、主要觀念體系 ### 1. **AI作爲新型生產要素：“智能要素化”** - 傳統生產函數：Y = A·F(K, L) （產出 = 技術 × 資本與勞動的組合） - AI時代新函數：Y = F(K, L, I; A) （I = Intelligence，智能成爲獨立投入變量） > ✅ 關鍵判斷： > - AI可被“模塊化、標準化、雲化”，像電力一樣按需調用； > - 企業不再僅購買軟件，而是“租用智能能力”（如API調用大模型）； > - “智能密度”成爲衡量企業/國家競爭力的新指標。 --- ### 2. **對生產率的影響：J型曲線 vs “索洛悖論”再現？** | 階段 | 特徵 | 經濟表現 | |------|------|--------| | **短期（1–3年）** | 企業投入AI但流程未適配 | 生產率增長不明顯（“AI版索洛悖論”） | | **中期（3–7年）** | 組織重構、人機協同優化 | 全要素生產率（TFP）加速提升 | | **長期（7年以上）** | 智能內生於產品與服務 | 經濟進入“高增長、低通脹”新穩態 | > 📌 中金預測：中國有望在2030年前後迎來AI驅動的TFP躍升拐點。 --- ### 3. **就業市場的“極化效應”加劇** AI對勞動力的影響並非簡單“替代”，而是呈現**任務級重構**： ``` 高技能崗位（如科學家、創意者） → 增強（Augmentation） 中等技能崗位（如文員、客服、初級分析師） → 大規模替代（Automation） 低技能崗位（如保潔、護理、現場操作） → 難以替代（但工資承壓） ``` > 🔍 中國特殊性： > - 製造業工人受衝擊小於白領（因體力任務難自動化）； > - “數字藍領”（如AI訓練師、數據標註員）短期擴張，但長期可能被自動化； > - **教育錯配風險上升**：高校培養模式滯後於AI所需技能（如提示工程、人機協作）。 --- ### 4. **產業結構重塑：贏家通喫 vs 長尾機會並存** #### （1）**集中化趨勢** - 大模型訓練成本高昂 → 算力、數據、人才向頭部企業聚集； - “AI原生企業”（如月之暗面、MiniMax） vs “AI轉型企業”（如銀行、製造）分化加劇； - 平臺型企業憑藉數據閉環構建“智能護城河”。 #### （2）**長尾創新機會** - 開源模型（如Llama、Qwen）降低創業門檻； - 垂直領域AI應用（醫療、法律、農業）催生“小巨人”； - **“AI+行業Know-how”成爲新壁壘**（如AI製藥需生物知識）。 > 💡 中金觀點：**未來十年，最大的機會不在基礎大模型，而在“AI×產業”的深度融合層。** --- ### 5. **分配問題：資本回報上升，勞動份額下降** - AI資本偏向型技術進步 → 資本所有者獲益更多； - 勞動收入佔GDP比重可能進一步下滑（中國已從2007年50%降至2022年約47%）； - 若無干預，**貧富差距可能從“收入差距”升級爲“智能接入差距”**（即能否使用高級AI工具）。 > ⚖️ 政策建議： > - 探索“數據分紅”“AI稅”等再分配機制； > - 推廣“全民數字賬戶”，保障公民對自身數據的收益權。 --- ### 6. **全球競爭格局：中美歐三極博弈** | 區域 | 優勢 | 挑戰 | |------|------|------| | **美國** | 基礎模型領先、算力生態強大、風險投資活躍 | 地緣政治限制、製造業空心化 | | **中國** | 應用場景豐富、數據規模大、政府推動有力 | 芯片受限、基礎算法原創不足 | | **歐盟** | 數據隱私規範強、工業AI紮實 | 創新活力不足、市場碎片化 | > 🌐 中金判斷： > - 短期：美國領跑基礎層，中國領跑應用層； > - 長期：**誰能率先實現“AI工業化”（即低成本、高可靠、可複製的AI部署），誰將主導新秩序。** --- ### 7. **政策框架建議：構建“敏捷治理”體系** 中金提出中國特色AI治理路徑： 1. **“沙盒監管”試點**：在金融、醫療等領域允許有限風險試錯； 2. **算力基礎設施國家統籌**：避免重複建設，保障中小企業接入； 3. **AI素養納入國民教育**：從小學到職業培訓全覆蓋； 4. **參與全球AI標準制定**：推動“發展導向”而非“限制導向”的國際規則。 > ✅ 核心理念：**“在發展中規範，在規範中發展”**，避免“一刀切”扼殺創新。 --- ## 三、思維導圖（文字版） ``` 《AI經濟學》——中金研究院 & 中金公司研究部 中心命題：AI作爲新型生產要素，正在重構經濟增長、產業組織與分配格局 ├─ 1. 理論基礎：智能要素化 │ ├─ 生產函數擴展：Y = F(K, L, I) │ └─ 智能成爲可交易、可配置的要素 ├─ 2. 宏觀影響 │ ├─ 生產率：短期滯脹 → 中期躍升（J型曲線） │ └─ 增長模式：從要素驅動轉向智能驅動 ├─ 3. 就業與分配 │ ├─ 極化效應：中等技能崗位受衝擊最大 │ ├─ 勞動份額下降 → 分配矛盾加劇 │ └─ 新職業湧現（AI訓練師、提示工程師等） ├─ 4. 產業變革 │ ├─ 集中化：大模型巨頭壟斷基礎層 │ └─ 長尾化：垂直領域“AI+”創新爆發 ├─ 5. 全球競爭 │ ├─ 美：基礎模型 + 生態 │ ├─ 中：應用場景 + 政策推動 │ └─ 歐：規制 + 工業AI ├─ 6. 中國路徑 │ ├─ 突破芯片與算法“卡脖子” │ ├─ 推動AI工業化（低成本部署） │ └─ 建設全國一體化算力網 └─ 7. 政策建議 ├─ 敏捷治理：沙盒監管 + 動態標準 ├─ 教育改革：全民AI素養 └─ 再分配機制：數據確權 + AI紅利共享 ``` --- ## 四、本書獨特價值 - **本土化實證**：大量引用中國AI企業案例（如百度文心、阿里通義、科大訊飛）及行業數據； - **政策貼近性**：緊密對接“新質生產力”“數字經濟”等國家戰略表述； - **跨學科整合**：融合宏觀經濟學、產業組織理論、勞動經濟學與創新理論； - **務實導向**：不空談倫理，聚焦“如何落地”“如何受益”“如何監管”。

雖然遲了一年，只要開卷都不晚。 毫無疑問，可以參與到這場巨大變革中是誕生在這個時代下的某種幸運，即便這種幸運大概率會伴隨着未來巨大的顛覆，甚至是對碳基生命的重塑陣痛也不好說，即便如此，也理應在時間長河中感受徜徉一番。 雖然是本專業書，但是讀起來好像在看一副地圖一般，脈絡清晰，有血有肉有引申。有一種撥開紗簾嘗試理解世界正在如何變化，甚至可以當做一本教育書來讀，認識世界能更好的判斷下一代應該向哪個方向教育，或者應該怎樣重新把自己養一遍，即便AI終將在某些方面超過人類，但依然不要忽視人類那些最本質的能力，保持學習，尤其是學習規則，規則是社會大的脈絡，把精力壓在長期不會變的能力和可以遷移的技能上。比如說:決策能力，認知能力，人際能力，精神和身體的耐力。 開卷有益，就去看看未來。 ——20251119 於京