AI经济学

本书一本难得的有关Al经济学著作，内容丰富，系统全面，精彩纷呈。值得认真学习。 作者从宏观篇，宏观篇，治理篇等三个部分，分十二章，系统分析了Al在算力，模型和应用层面的经济问题。全面分析了Al在宏观经济、产业和治理方面的影响，深刻揭示了Al对不同领域经济社会的变革。 中国从“互联网时代”迭代升级至“人工智能时代”的政策设计和布局，是发展新质生产力的一个重要方面。从经济视角探讨本轮AI进步的生产力特点及其对生产关系的冲击，围绕宏观含义、产业影响、治理挑战等问题提供系统分析。 AI作为一项通用目的技术，规模定律是本轮AI进步的突出特征，意味着在静态上大国有优势，动态上先发者有优势。AI作为“类人”技术，在数字治理、市场竞争、社会伦理、国际关系等方面将带来深远的影响。 重点内容： AI大模型：如何改变金融行业 一　大模型在金融行业的应用现状 （一）落地应用现状：大模型在金融行业主要应用于业务场景简单的非决策类环节。 （二）展业流程角度：大模型正在赋能金融业务各细分环节 （三）业务场景角度：大模型赋能五大细分金融场景。大模型在支付、信贷、投顾、投研、保险五大金融业务场景中均存在落地应用。 二　大模型对金融行业未来发展可能产生的影响 （一）应用趋势展望：大小模型协同发展，业务助理嵌入更多场景，智能客服精简、重塑展业模式。 （二）赋能空间展望：财富管理及资产管理或是大模型在金融行业中赋能空间最大的细分领域。 （三）产业格局展望：需求侧、渠道侧或将形成新的服务入口和流量分发逻辑，供给侧既有“马太效应”又有“乘数效应”。 1.服务范式：大模型有望在面向长尾客群的金融服务中产生较大影响。 2.产业协作：大模型在金融领域的价值创造更多体现为业务驱动，科技公司与金融机构更多体现为“竞合”关系。 3.竞争格局：既有“马太效应”的加剧分化，又有“乘数效应”的重新洗牌。 三　大模型对金融体系的整体影响 （一）效率：大模型有望助力金融行业提升效率。 1.大模型整体上有望助力金融行业供需双方减少信息不对称，提升效率。 2.产业AI化视角：金融行业适合大模型应用落地，大模型亦有望全面助力金融行业提升效率。 3.AI产业化视角：大模型对金融行业需求侧和渠道侧可能产生较大影响，而在供给侧，目前更多仍是渐进式赋能，未来能否产生颠覆效应取决于潜在技术发展边界。 （二）普惠：大模型有望提升金融机构风险定价能力，降低服务成本，进而推动金融服务下沉，赋能广大普惠客群。 （三）安全：大模型的应用可能带来一定的金融风险，进行适当监管将是重中之重。 1.大模型可能引发更多金融风险，给金融系统安全带来挑战。 2.海外监管动态：针对金融消费者权益保护和新型“大而不能倒”风险，海外已有监管要求和正在制定监管法案，同时，相关机构亦对其他潜在风险表示担忧。 3.政策建议：加强行业各方协作，探索分级分类监管制度，鼓励发展风控技术及完善内部风险管理制度。 AI经贸治理：规则与技术并重 AI作为一项突破性技术，可能对当前国际分工格局和经贸关系产生正反两方面影响。一方面，AI可为国际经济合作带来新机遇。另一方面，AI技术可能进一步加剧国家间竞争，拉大先发国家和后发国家间的差距，甚至重塑各国实力结构。 一　AI技术带来国际经贸合作新机遇 （一）AI产业化：创造新产品和新服务。 首先，AI产业化需要各国在研发、生产、监管等环节加强分工协作。 其次，AI产业化伴随着人形机器人、自动驾驶汽车等新产品的出现，货物贸易迎来新机遇。 最后，AI产业化不仅创造新产品，也创造新服务，可拓展国际服务贸易合作。 （二）产业AI化：降低交易成本，拓展传统产业的规模经济效应 首先，产业AI化可提升企业生产率，促进更多市场主体参与国际经贸合作。 其次，产业AI化可降低企业国际经营的非关税成本，令跨国经贸合作更加稳定。 最后，AI所拥有的广阔国际用户基础，为各国的产业AI化奠定了基础。 二　利益分配存在公平和安全问题 （一）公平问题：AI发展的收益在不同国家间分配不均衡 各国所拥有大型科技公司数量的差距使得它们发展AI的能力高度分化。 AI发展或扩大不同国家间的资本流入差距。 后发国家的国际分工和产业升级进程受阻。 进一步降低后发国家的税收能力。 （二）安全问题：大型AI企业或冲击后发国家的社会安全 首先，现阶段全球共有大约7 100种语言，[插图]而ChatGPT仅支持80多种语言的问答，[插图]这使得小语种国家的民众难以直接受益于AI大模型，不利于其知识获取，会拉大不同国家间的人力资本差距。 其次，虽然目前已有部分针对小语种的专用AI大模型，但无法从根本上克服语料不足的弊端，相比ChatGPT等通用AI大模型提升不明显。 三　国际经贸协调机制面临变革 （一）各国的竞争动机或将加强 一方面，私人企业在AI发展中占据优势地位，潜在的道德风险问题使各国对于AI技术采取更加谨慎的态度。 另一方面，AI是典型的通用目的技术。技术领先国在扩散和推广AI技术时，难以分清AI技术在其他国家的最终用途。 （二）现行国际经贸协调机制不足以弥合各国分歧 第一，部分国家不当利用国际经贸规则，出口管制等贸易保护行为脱离了适当的规则约束。 第二，现有国际经贸规则主要为工业时代所设计，未能充分反映AI产业化和产业AI化的新趋势 首先，AI发展加大了商品和服务的区分难度。 其次，在AI产业中可明显被视为提供服务的领域，当前规则也存在空白。 最后，WTO《与贸易有关的知识产权协定》未规定如何处理人工智能生成的作品。 第三，国际再分配机制缺位，先发和后发国家间的AI收益差距难以熨平。 第四，《布莱切利宣言》等现有AI国际协调机制缺乏强制力，且易引发道德风险问题。 四　面对AI带来的国际经贸冲击，中国的挑战与应对 （一）国际层面：AI相关国际经贸规则的话语权偏弱 第一，中国大型科技公司的AI规则制定能力有限。 第二，RCEP等中国主导的国际经贸协调机制较少涉及AI。 第三，中国与其他国家达成的实质性AI经贸合作实践较少，且多为软性机制。 （二）国内层面：规则对外推广、政府投入方式等存在优化空间 国内AI规则相对充分，但推广至国际层面的进度较慢。 我国公共投入不足以弥补私人投资缺口，应对国际竞争的能力有待提升。 五　思考与启示 （一）国际层面：积极参与多边机制改革，以AI科技企业出海为推手，落实区域AI经贸合作。 一方面，可加强同包括发展中国家在内多数国家的沟通协作，在WTO、G20等多边机制框架下推动建立符合尽可能多国家共同利益的AI经贸规则。 另一方面，可着重增强利用WTO等国际经贸协调机制的能力，推进WTO争端解决机制正常运作，保护中国企业跨国经营的正当权益。 强化企业海外合规经营能力，为AI科技公司出海提供政策便利。 发挥大型科技公司的主观能动性，鼓励其在国际展业过程中形成符合商业需求的AI经贸规则思路。 具体抓手： 一是以“一带一路”倡议、RCEP等为载体，与各国合作推动AI经贸规则构建、争端解决机制完善。 二是增强与欧美科技界的联系，尝试吸引更多海外AI人才回国。 （二）国内层面：优化公共资金投入方式，调动企业积极性，增强抵御AI公平和安全冲击的社会保障 优化公共资金的投入方式，增强应对国际竞争的能力。 改善AI领域的国内生产关系，释放大型科技公司等主体的创造力。 加强就业、公共服务等方面社会保障体系建设，避免国际竞争冲击本国经济、社会，以及政策主权。

清晨六点，小区门口的早餐店准时飘出油香。王叔的油条炸得金黄酥脆，不同的是，收银台多了个语音识别付款机。他再也不用一边翻炸油条一边算账找零。 而在三条街外的人才市场，他儿子小辉正盯着招聘启事上“AI操作经验优先”的字样发呆。在工厂做了五年生产线调度的他，上个月被AI排产系统取代，拿着赔偿金站在这里，眼里满是迷茫。 这一幕，恰似这个时代最真实的隐喻。 一边是早餐店里，技术让生活更便利；另一边是人才市场中，技能错位带来的阵痛。实证研究中的“工资极化”数据，在现实中化作无数个小辉的困境——中等收入岗位如被潮水冲刷的沙堡，缓缓消融。 与此同时，中国企业在人形机器人领域的专利申请量已稳居全球前列。那些密密麻麻的技术图纸，像播撒在数字土壤里的种子，预示着未来的无限可能。 技术的快与治理的慢，个体的迷茫与产业的希望，在这场AI革命中交织成网。 我曾深陷这场集体焦虑。 作为一名软件测试，当AI能在十分钟内生成符合要求的需求分析和完整的测试用例，甚至能比我还想得周到时，我彻夜难眠。摸着键盘上被磨得光滑的键帽，想起刚入行时为努力做好工作的执着，那种“被替代”的恐慌，像冬日的寒风钻进衣领。 而到我现在经常用AI，才理解了“规模定律”——AI的进步不是单点突破，而是“数据+算力+算法”的系统性爆发。它能替代重复性劳动，却永远无法复刻人类在生活中沉淀的温度与洞察。 前两天跟一个前同事聊起，他的家乡，一个普通县城里的机械厂，三年前引进了AI质检系统。老工人们联名抵制，担心饭碗不保。 如今回访，情况出乎意料。曾经的质检员老张，成了AI训练师，专门校准系统的检测标准；另一位同事转型做了设备维护，比年轻人更懂AI设备的“脾气”。 这正印证了“产业AI化”的真谛——AI不是要将传统产业连根拔起，而是像给老树嫁接新枝，让传统行业在数字养分的滋养下焕发新生。 中国在人形机器人领域积累的海量专利，正是这种“嫁接”的底气。当机械臂灵活性媲美人类手指，当机器人能精准完成复杂工序，我们看到的不是人类的退场，而是人机协作的新篇章。 但这场变革的另一面，是真实的“冷暖不均”。 写字楼里的AI工程师拿着高薪，流水线旁的普通工人却面临失业；互联网公司的AI产品不断迭代，传统行业的从业者却不知如何融入。 研究表明，AI供给侧每年能为中国经济带来约0.8个百分点的额外增速。但问题是：这份增长的红利，能否惠及每一个人？ 想起小辉后来的经历。在社区帮助下，他参加了AI运维培训，现在一家科技公司负责设备调试，工资比以前还高。他的故事告诉我们，AI带来的不是绝境，而是需要跨越的门槛。而社会的责任，就是为跨越者搭建桥梁。 更深的忧虑在于：技术的狂奔与治理的滞后，就像一辆加速的列车缺少完善的刹车系统。 我曾听闻，一家小公司用AI收集用户数据做精准营销，却因缺乏明确的监管标准，无意中触碰了隐私红线；各种AI生成的内容鱼龙混杂，真假难辨，让消费者深受其害。 这些乱象，正是当前AI治理的痛点——当数据成为核心生产要素，当AI的影响力无处不在，建立统一的治理框架就像为数字季风筑起堤坝，既能留住滋养万物的雨水，又能防范泛滥的洪水。 面对这场变革，我们该如何自处？ 1. 拥抱“AI+”思维，而非抗拒变化 我现在写文案，会用AI搜集资料、梳理框架，但坚持用自己的语言表达情感与思考。医生用AI辅助诊断，却始终坚守医者仁心的温度。我们不必都成为AI专家，但要学会让AI成为自己的“数字助手”。 2. 发挥人性的独特优势 AI能分析数据，但难以理解语境背后的文化内涵；能生成文本，但缺乏真实的生活体验；能模仿风格，但无法复制独特的人生感悟。这些，正是我们在AI时代更需要深耕的领域。 3. 持续学习，但选对方向 与其盲目追逐最新的AI技术，不如思考：如何利用AI提升自己核心能力的护城河？如何将AI变成个人能力的放大器？ 全球AI产业规模正以每年29%的速度增长，超过半数的企业已在至少一个业务环节应用AI。这组数据的背后，是无数个像王叔那样的小商户，像县城机械厂那样的传统企业，像小辉那样的普通劳动者。 站在数字时代的十字路口，我们既经历着技术变革的冲击，也见证着创新突破的机遇。 AI经济就像一场重塑世界的数字季风，既有凛冽的寒意，也有温暖的生机。而我们每个人，都是这场季风中的行者。保持理性与勇气，在变革中学习，在治理中坚守，我们终将在时代的浪潮中找到自己的位置。 因为技术的终极意义，从来不是替代人类，而是让人类生活更加美好——这或许就是我们在这个不确定的时代里，最需要确定的信念。

从产业角度分析AI经济的发展、中美两国的逐鹿，本书基本是中文唯一，而且精彩非凡！ “AI作为一项通用目的技术(GPT)，规模定律(scaling law)是本轮AI进步的突出特征，意味着在静态上“大国”有优势，动态上“先发者”有优势。” 书中核心论点之一：规模定律与大国优势 书中提出“规模定律”是当前AI技术进步的突出特征。本书强调数据、算力和模型规模的积累对技术突破的重要性。 也因此，中美作为人口与市场大国，在AI发展中具有静态优势（资源集中）和动态优势（应用场景广阔），尤其中国在应用层可能孕育引领性创新。 书中核心论点之二：AI对经济增长的贡献 本书研究预测，AI有望在未来十年为中国供给侧带来年均0.8个百分点的额外增长，到2035年GDP可能较基准情形提升9.8%。这一结论基于AI对生产效率、产业转型及新质生产力的推动作用。 书中核心论点之三：就业市场的结构性变革 本书中分析了AI对就业的“替代效应”与“增强效应”，指出低技能岗位可能被替代，但高技能岗位需求增加，同时强调需完善社会保障以应对结构性失业风险。例如，客服、会计等职业可能被自动化取代，而AI研发、数据分析等新兴领域将创造新机会。 想了解AI时代的产业起起伏伏，看透大国的国家未来趋势，此书不能错过！

【第一折：铁牛耕云】 话说春分，老汉我蹲在田埂上抽旱烟，瞅着隔壁后生阿强举着个铁疙瘩对着天上比划，嘴里念叨着"AI经济学""大模型"的新鲜词儿。我吧嗒吧嗒嘴："这铁牛真能比得过咱祖传的木犁？" 正巧村口大学生二狗子抱着几本砖头厚的书路过，阿强一把扯住他："二狗哥，你给评评理！这书里说AI能算天算地，咋咱村电商卖荔枝还卖不过隔壁省？" 二狗子推推眼镜，翻摇头晃脑念道："书中道'数据如春雨，算法似犁铧'，可咱这田垄里的数据啊..."他忽然卡壳，想起书中那句"信息茧房困农户"，竟押着马致远"古道西风瘦马"的调子，惹得老汉我笑掉烟袋锅。 【第二折：算盘与算力】 夜里油灯昏黄，我翻着二狗子留下的破书，忽见扉页印着"中金研究院"五个烫金大字。心里嘀咕：这大机构怕不是拿算盘比划电脑？正待细看，书中跳出段元曲："枯藤老树昏鸦，空调WiFi西瓜"，底下还注着"数字经济新解"。 “AI赋能农业"，说能用卫星看墒情，无人机撒农药。我拍大腿直乐："这不就是当年县里说的'千里眼顺风耳'？可惜农机站那台破电脑，开春就吃了三斤蚂蟥！" 【第三折：绣花枕头】 翻到"智能决策"那节，书中把大模型夸成"赛诸葛"。老汉我冷笑："当年诸葛孔明借东风，如今这AI借的是WiFi风？"正巧电视里播报："某大厂AI预测荔枝滞销，结果冷库堆满烂果子..." “AI能让玉米亩产增三成"，我举着书找村长："快把后山那片坡地划给AI种地！"村长白眼一翻："后生仔，AI种地要喝柴油，咱村祖坟冒青烟才敢用！" 【第四折：云上绣花】 看至"云计算"章节，比喻成"天庭织女云中纺"。我摸着自家漏雨的瓦顶感叹："这天庭的云倒是防雨，可咱农民要的是脚底沾泥的云！" “用区块链卖龙眼"，我寻思这区块链莫不是当年孙大圣的金箍圈？转头看见阿强在抖音直播："家人们！区块链认证的龙眼，扫码看生长直播！"结果评论区炸锅："主播背后是塑料大棚吧？" 合上书卷，老汉我对着月光咂摸： 算盘珠子碰键盘，噼里啪啦算半天。 种地还看老黄历，AI报喜又报冤。 书里说'数据是石油'，咱村油坊老师傅笑了： '当年榨油靠石碾，如今榨数据靠电钱！' 最绝是那句'智能替代人工'，惊得灶王爷打翻糖瓜罐： '元朝杂剧唱千年，如今AI改唱rap？ 后生们笑我老顽固，我笑他们"拿着算盘玩VR"。可惜书里说的"智能灌溉"，咱村还用着辘轳车。 昨夜梦见自己变成赛博老农，左手握元曲手抄本，右手点平板电脑。惊醒终究是： "云上绣花针脚密，田里插秧汗如雨。 莫道机器能种田，春种秋收靠老天！" 书是好书，可惜且尴尬那些个"智能决策""数据闭环"很难在传统大集团落地吧？ "绣花枕头一包草，金玉其外败絮饶。 说得天花又乱坠，不如老牛慢悠悠。"

一、AI规模新经济 1.AI作为一项通用目的技术(GPT)，规模定律是本轮AI进步的突出特征，意味着在静态上大国有优势，动态上先发者有优势。技术可行性、经济可行性是判断其动态演进阶段的两个重要指标。规模定律，指的是随着模型规模的增加，其性能出现系统性的改进。 2.当前，在有关AI伦理与治理的讨论中，有三个方面的话题尤其值得关注：一是数据要素的治理，二是大企业的市场势力，三是更广泛的伦理与安全问题。 二、宏观篇 1.不同于前几轮AI热潮，本轮AI发展在处理不同类型信息的通用模型方面取得了重要的突破。 2.规模定律是推动AI提升性能的路径，但也可能存在其他路径。 3.算力、数据和算法是当前AI研发端的三个要素。算力在AI时代承担着重要角色，但其提升依赖高性能芯片的发展，核心技术壁垒较高。数据是AI研发层的“养料”和“教材”，同时数据也是AI性能和表现的“检验器”。算法是AI研发的核心，高技术人才是保障算法突破的关键，而人才聚集效应巩固了先发国家的优势，加大了后发国家追赶难度。 4.在AI大模型时代，中美差距短期有所拉大。在全新的AI大模型时代，美国占据优势。从支撑人工智能产业的四大要素来看：模型方面，美国在数量和质量上均领先中国；人才方面，中美人才数量居前，但美国高级人才队伍更为领先；算力方面，中国算力芯片及生态系统均落后于美国，智能算力差距在中美摩擦下进一步扩大；数据方面，中国数据规模全球第二，优质数据量仍落后于美国。上述要素的差距导致中美发展AI走向了不同道路，中国积极拓展应用落地，美国更专注于探索AI大模型的能力边界。 5.本轮AI新变革，美国迈出了一大步。从支撑人工智能产业的四大要素来看，模型方面，美国在数量和质量上均领先中国；人才方面，中美人才数量居前，美国高级人才队伍建设更为领先；算力方面，中国算力芯片及系统均落后于美国，智能算力差距在美国新政限制下进一步扩大；数据方面，中国数据量全球第二，优质数据量仍落后于美国。此外，支撑AI发展的要素还包括私募基金/风险投资机构等的金融支持，在此方面，中国相较美国也处于劣势。 6.AI产业架构自下而上可分为算力层、模型层、应用层，我们认为，中国在算力层有望借助国内巨头自研与算力扶持逐步破局，全新的计算架构或将带来新变数；在模型层应抓住后发机遇，坚持主权AI下的自研追赶；在应用层则依托研发工程师红利、数据基础和产品生态迎接本土发展机遇。 7.算力层以智算中心为载体、以AI芯片为核心。 8.模型层分为平台软件层和算法模型层。平台软件层是支撑AI模型大规模训练、生产部署的技术体系，包括数据清洗及合成平台、训练框架、推理部署框架、模型生产平台，为深度学习算法的工程实现带来核心竞争力；算法模型层是特殊的软件，包括预训练大模型，以及计算机视觉、自然语言处理等小模型技术，为AI企业将自身技术与产业实践相结合的成果。 9.应用层基于AI算法模型的赋能，以面向个人的应用或面向企业的解决方案的形式实现落地。在长期趋势下，大模型也有望承担操作系统角色，衍生出终端硬件、智能体“百花齐放”的格局。 10.AI元任务框架不仅可以帮助我们估算AI对经济的影响，同时也为我们分析AI可能带来的社会影响提供了新的角度。首先，大国凭借规模优势在AI的产业应用中扮演着重要的角色。其次，从元任务视角来看，AI并非只是单向地赋能或者替代人类，其通用化的特点已经勾勒出未来人与AI如何分工的模式。再次，元任务框架也让我们多了一个角度去理解AI对收入分配的影响。AI的发展对不同人群的影响是多方面的，这让福利社会的建立具备了合理性。 11.AI相对人脑的明显优势并不能否定人类智能活动的意义。人工智能可能加剧工资差距，并可能导致劳动收入份额小幅下降。针对AI对就业市场的负面影响，政策可以在初次分配和再分配阶段均发挥作用。 三、产业篇 1.人形机器人有望发展成本轮AI技术落地的一个重要产业，而且具有高端制造业的属性。由于在制造业领域具有产业链和规模优势，中国有望在人形机器人产业取得全球领先地位。 2.AI的应用有两大类形态。一类形态是对数据进行计算之后输出直接被用户感知的结果，由此与用户互动，可称为“数字智能”。数字智能已经表现出强大的能力和惊人的应用进展。另一类形态是与现实物理环境交互，基于物理“身体”与环境交互获取模拟信号和信息，理解问题，做出决策和行动，AI输出的信号往往只是中间产品，必须通过物理硬件来产生三维空间内的运动行为，该类硬件被称为“具身智能”。 3.具身智能的主要代表之一是人形机器人。 4.技术障碍，制度问题是创新扩散的另一大障碍。 5.中国需适度优化对游戏、互联网和医疗等行业的监管，以促进AI的消费应用 。中国的人形机器人产业具有技术基础和规模经济优势 6.在全球化放缓背景下，中国产业链面临着纵向卡脖子与横向去中心化两大风险挑战。要应对前者，中国需要加速追赶式创新；要应对后者，中国需要促进引领式创新。为此，《大国产业链》一书提出了“双支柱举国体制”构想，即以“大企业+大银行+大政府”推动追赶式创新，以“中小企业+资本市场+制度建设”推动引领式创新。 7.本轮AI快速发展引发了两种能耗焦虑：一是能耗是否会成为AI产业发展的瓶颈；二是AI能耗是否会影响绿色转型进程，对于我国而言，就是是否会影响双碳目标的实现。 四、治理篇 1.数据很可能是人工智能发展的瓶颈。 2.高质量数据供给取决于两个因素，即数据流通和数据加工。我们将数据流通定义为数据的权利关系从一个主体转移到另一个主体，包括数据采集、数据交易、数据公开等；将数据加工定义为在既有数据上挖掘出新数据，包括数据清洗、数据标记等，是数据从低质量数据变为高质量数据的过程，这个过程不包含数据权利关系的转移。高质量数据不足的主要原因在于数据流通不足，而数据的规模效应实现依赖于数据流通。数据具有非竞争性，边际成本几乎为零。

这本书聚焦人工智能对经济的影响，以算力、模型、应用三层框架为基础，探索规模效应驱动AI研究。宏观层面，AI未来将贡献较大经济增速，中美在不同层面各有优势，中方规模应用，美方底层持续创新；产业层面，通过“人工智能+”赋能制造、金融、农业实现跨越式发展，同时面临数据门槛与伦理风险；治理层面，平衡安全与发展至关重要，分析了苏联国家主导的创新模式容易误判（适合成熟度较高技术推广10到100），德国、日本银行主导风险投资偏保守（适合产业应用创新1到10），美国有风险投资主导比较激进（适合原始颠覆创新0到1）。中国未来借助市场规模优势应用推广层面大力，政策协同发力与国际竞争，统筹发展与安全，强占制高点。书中又案例不少分析还是值得深思，值得读一读。

一刷很枯燥，有几次都想弃书了。。。我认为最亮的一部分是从元任务的角度分析AI对人类不同产业就业的影响。因为不同的元任务存在互补性，所以AI同时具有赋能和替代效果。长期来看随着AI的发展，人类会逐渐向不需要大量体力劳动，需要复杂推理创新或社会属性的工种上去。短期内的市场阵痛需要与时俱进的福利建设，减少收入差距，稳定社会需求。保持社会发展的可持续性是让社会共享AI带来的外部性的基础。 其他章节的AI产业化，产业AI化，AI能源，以及AI相关的高质量数据，伦理，和经贸关系都很有启发性。所以除了我们平时享用AI工具我们带来的便利，我们也需要从更大的经济角度、伦理角度去思考AI的发展前景以及未来人类与AI共处社会所面临的挑战。

2022 年以来，大模型在全球范围内掀起新一轮创新热潮，AI 正以前所未有的速度深刻影响、重塑各个产业。本书从算力层、模型层、应用层三个维度，对 AI 相关经济问题进行了系统研究，深入探讨本轮AI 进步的生产力特点及其对生产关系的冲击，围绕宏观含义、产业影响、治理挑战等问题，提供系统性、前瞻性、趋势性的经济分析。 本书认为：规模定律（scaling law）是本轮 AI 技术进步的突出特征，意味着中、美两个大国在发展 AI经济方面具有特殊优势；产业层面，推动“人工智能 +”蓬勃发展是中国加速追赶的关键；宏观层面，AI 有望于未来十年在供给侧为中国经济带来每年0.8 个百分点的额外增长。实现供给增长需要积极的财政政策予以配合，尤其需要完善的社会保障制度， 以提振需求。 本书兼具学术专业性和大众可读性，旨在为社会大众、科研院所、企业与金融机构等提供有关 AI 经济学的增量观察，希望能够为我国制定 AI 产业化和产业 AI化政策框架及其配套宏观政策，提供来自业界的有益参考。

书名：《AI经济学》 作者：中金研究院、中金公司研究部 出版社：中信出版集团（2024年） > **本书是中国头部金融机构——中国国际金融股份有限公司（中金公司）旗下研究团队，首次系统性从经济学视角解析人工智能（AI）对生产、就业、产业、制度与全球格局的深层影响。** > 不同于纯技术或伦理讨论，该书聚焦“AI如何重塑经济运行底层逻辑”，兼具宏观视野与微观机制，具有鲜明的“中国视角”与政策导向。 --- ## 一、核心主旨 > **AI不是又一次普通的技术进步，而是一场“通用目的技术”（General Purpose Technology, GPT）革命，其核心特征是“智能要素化”——即AI正从工具演变为可规模化配置的新型生产要素，深刻重构经济增长函数、企业组织形态与国家竞争优势。** 中金团队提出： > **“AI正在改写经济学教科书中的三大基石：生产函数、劳动力市场均衡、创新扩散路径。”** 全书贯穿一条主线： **在AI驱动下，传统“资本—劳动”二元结构正在向“资本—劳动—智能”三元结构演进，由此引发效率提升与分配失衡的双重挑战。** --- ## 二、主要观念体系 ### 1. **AI作为新型生产要素：“智能要素化”** - 传统生产函数：Y = A·F(K, L) （产出 = 技术 × 资本与劳动的组合） - AI时代新函数：Y = F(K, L, I; A) （I = Intelligence，智能成为独立投入变量） > ✅ 关键判断： > - AI可被“模块化、标准化、云化”，像电力一样按需调用； > - 企业不再仅购买软件，而是“租用智能能力”（如API调用大模型）； > - “智能密度”成为衡量企业/国家竞争力的新指标。 --- ### 2. **对生产率的影响：J型曲线 vs “索洛悖论”再现？** | 阶段 | 特征 | 经济表现 | |------|------|--------| | **短期（1–3年）** | 企业投入AI但流程未适配 | 生产率增长不明显（“AI版索洛悖论”） | | **中期（3–7年）** | 组织重构、人机协同优化 | 全要素生产率（TFP）加速提升 | | **长期（7年以上）** | 智能内生于产品与服务 | 经济进入“高增长、低通胀”新稳态 | > 📌 中金预测：中国有望在2030年前后迎来AI驱动的TFP跃升拐点。 --- ### 3. **就业市场的“极化效应”加剧** AI对劳动力的影响并非简单“替代”，而是呈现**任务级重构**： ``` 高技能岗位（如科学家、创意者） → 增强（Augmentation） 中等技能岗位（如文员、客服、初级分析师） → 大规模替代（Automation） 低技能岗位（如保洁、护理、现场操作） → 难以替代（但工资承压） ``` > 🔍 中国特殊性： > - 制造业工人受冲击小于白领（因体力任务难自动化）； > - “数字蓝领”（如AI训练师、数据标注员）短期扩张，但长期可能被自动化； > - **教育错配风险上升**：高校培养模式滞后于AI所需技能（如提示工程、人机协作）。 --- ### 4. **产业结构重塑：赢家通吃 vs 长尾机会并存** #### （1）**集中化趋势** - 大模型训练成本高昂 → 算力、数据、人才向头部企业聚集； - “AI原生企业”（如月之暗面、MiniMax） vs “AI转型企业”（如银行、制造）分化加剧； - 平台型企业凭借数据闭环构建“智能护城河”。 #### （2）**长尾创新机会** - 开源模型（如Llama、Qwen）降低创业门槛； - 垂直领域AI应用（医疗、法律、农业）催生“小巨人”； - **“AI+行业Know-how”成为新壁垒**（如AI制药需生物知识）。 > 💡 中金观点：**未来十年，最大的机会不在基础大模型，而在“AI×产业”的深度融合层。** --- ### 5. **分配问题：资本回报上升，劳动份额下降** - AI资本偏向型技术进步 → 资本所有者获益更多； - 劳动收入占GDP比重可能进一步下滑（中国已从2007年50%降至2022年约47%）； - 若无干预，**贫富差距可能从“收入差距”升级为“智能接入差距”**（即能否使用高级AI工具）。 > ⚖️ 政策建议： > - 探索“数据分红”“AI税”等再分配机制； > - 推广“全民数字账户”，保障公民对自身数据的收益权。 --- ### 6. **全球竞争格局：中美欧三极博弈** | 区域 | 优势 | 挑战 | |------|------|------| | **美国** | 基础模型领先、算力生态强大、风险投资活跃 | 地缘政治限制、制造业空心化 | | **中国** | 应用场景丰富、数据规模大、政府推动有力 | 芯片受限、基础算法原创不足 | | **欧盟** | 数据隐私规范强、工业AI扎实 | 创新活力不足、市场碎片化 | > 🌐 中金判断： > - 短期：美国领跑基础层，中国领跑应用层； > - 长期：**谁能率先实现“AI工业化”（即低成本、高可靠、可复制的AI部署），谁将主导新秩序。** --- ### 7. **政策框架建议：构建“敏捷治理”体系** 中金提出中国特色AI治理路径： 1. **“沙盒监管”试点**：在金融、医疗等领域允许有限风险试错； 2. **算力基础设施国家统筹**：避免重复建设，保障中小企业接入； 3. **AI素养纳入国民教育**：从小学到职业培训全覆盖； 4. **参与全球AI标准制定**：推动“发展导向”而非“限制导向”的国际规则。 > ✅ 核心理念：**“在发展中规范，在规范中发展”**，避免“一刀切”扼杀创新。 --- ## 三、思维导图（文字版） ``` 《AI经济学》——中金研究院 & 中金公司研究部 中心命题：AI作为新型生产要素，正在重构经济增长、产业组织与分配格局 ├─ 1. 理论基础：智能要素化 │ ├─ 生产函数扩展：Y = F(K, L, I) │ └─ 智能成为可交易、可配置的要素 ├─ 2. 宏观影响 │ ├─ 生产率：短期滞胀 → 中期跃升（J型曲线） │ └─ 增长模式：从要素驱动转向智能驱动 ├─ 3. 就业与分配 │ ├─ 极化效应：中等技能岗位受冲击最大 │ ├─ 劳动份额下降 → 分配矛盾加剧 │ └─ 新职业涌现（AI训练师、提示工程师等） ├─ 4. 产业变革 │ ├─ 集中化：大模型巨头垄断基础层 │ └─ 长尾化：垂直领域“AI+”创新爆发 ├─ 5. 全球竞争 │ ├─ 美：基础模型 + 生态 │ ├─ 中：应用场景 + 政策推动 │ └─ 欧：规制 + 工业AI ├─ 6. 中国路径 │ ├─ 突破芯片与算法“卡脖子” │ ├─ 推动AI工业化（低成本部署） │ └─ 建设全国一体化算力网 └─ 7. 政策建议 ├─ 敏捷治理：沙盒监管 + 动态标准 ├─ 教育改革：全民AI素养 └─ 再分配机制：数据确权 + AI红利共享 ``` --- ## 四、本书独特价值 - **本土化实证**：大量引用中国AI企业案例（如百度文心、阿里通义、科大讯飞）及行业数据； - **政策贴近性**：紧密对接“新质生产力”“数字经济”等国家战略表述； - **跨学科整合**：融合宏观经济学、产业组织理论、劳动经济学与创新理论； - **务实导向**：不空谈伦理，聚焦“如何落地”“如何受益”“如何监管”。

虽然迟了一年，只要开卷都不晚。 毫无疑问，可以参与到这场巨大变革中是诞生在这个时代下的某种幸运，即便这种幸运大概率会伴随着未来巨大的颠覆，甚至是对碳基生命的重塑阵痛也不好说，即便如此，也理应在时间长河中感受徜徉一番。 虽然是本专业书，但是读起来好像在看一副地图一般，脉络清晰，有血有肉有引申。有一种拨开纱帘尝试理解世界正在如何变化，甚至可以当做一本教育书来读，认识世界能更好的判断下一代应该向哪个方向教育，或者应该怎样重新把自己养一遍，即便AI终将在某些方面超过人类，但依然不要忽视人类那些最本质的能力，保持学习，尤其是学习规则，规则是社会大的脉络，把精力压在长期不会变的能力和可以迁移的技能上。比如说:决策能力，认知能力，人际能力，精神和身体的耐力。 开卷有益，就去看看未来。 ——20251119 于京