來源：用戶6314832590

內容提要

2024年以來，圍繞人工智能對人類社會整體產出效率的影響,，業(yè)界出現了較大爭議,。以高盛首席經濟學家Jan Hatzius為代表,，業(yè)界大部分經濟學者認為人工智能對全球經濟的巨大推動作用終將顯現,；而以著名經濟學家Daron Acemoglu為代表的部分學者則提出,，當前大眾預期過于樂觀，人工智能對產出效率提升比較有限,。文章梳理了雙方觀點,，簡要分析了分歧來源，并給出了對政策制定者和投資者的啟示,。

一,、雙方觀點及主要交鋒

2023年及以往的大部分研究認為，人工智能技術將大幅度提升社會產出效率,。2023年,，以高盛首席經濟學家Jan Hatzius為首的研究團隊發(fā)布報告，預計未來10年人工智能將每年提升美國全要素生產率（TFP）1.5個百分點,，使全球總產出增加7%（相當于7萬億美元）,。麥肯錫也認為,，未來人工智能通過提升勞動效率有望為全球經濟帶來17.1~25.6萬億美元增量產出。一些學術研究持相似的樂觀態(tài)度,，認為人工智能技術突破可能是引發(fā)人類社會經濟爆炸的“奇點”（singularity）。

2024年4月,，高盛發(fā)布研究報告,，認為雖然目前宏觀經濟數據中還看不到重大變化，但人工智能的宏觀影響將在10年內顯現,。一方面,，即使在此輪人工智能技術突破的發(fā)源地美國，目前應用人工智能的企業(yè)也還不到5%,，人工智能宏觀影響顯現還需要耐心等待,；另一方面，2024年全球范圍內人工智能設備和服務企業(yè)收入快速增長,，相關產品出貨量急劇攀升,，高盛認為這是人工智能設備投資周期的早期信號，大額資本開支將為未來產出效率提升打下基礎,。同時,，高盛首席經濟學家Jan Hatzius在接受媒體采訪時多次表示，人工智能將大幅提高美國和全球經濟的產出效率,，預計其宏觀影響在2030年前后顯現,。

2024年5月，著名經濟學家Daron Acemoglu發(fā)表工作論文《The Simple Macroeconomics of AI》,，對高盛的樂觀預計提出質疑,。Daron Acemoglu構建了一個基于多任務的產出模型，以2023年以來的實證及案例研究數據為輸入,，估算未來10年人工智能對美國全要素生產率的提升作用累計不到0.66個百分點,，平均每年小于0.064個百分點，大幅低于高盛每年1.5個百分點的預測,。如果進一步考慮人工智能在應用初期主要處理簡單任務（easy-to-learn）,，未來在復雜任務（hard-to-learn）中工作效果可能下降，累計提升力度進一步下降到0.53個百分點,。Daron Acemoglu認為,，這些最新的證據表明，雖然在微觀層面人工智能可以極大地提高個別常見任務的處理效率,，但宏觀而言人工智能對人類社會產出效率的促進作用相當有限,。Daron Acemoglu的觀點代表了近期部分經濟學研究對人工智能提出的質疑，并且通過理論框架和實證數據給出了嚴謹的經濟學證據,。

二,、主要分歧來源

盡管Jan Hatzius和Daron Acemoglu都承認,，各自的研究與推測均基于當前的觀察和理解，未來人工智能的發(fā)展和應用還存在較大不確定性,，但是雙方預測結果巨大的數量級差異引起了各界廣泛關注,。雙方的觀點分歧主要來自以下幾個方面：

首先，雙方預計人工智能對人類生產方式的最終介入程度存在較大差異,。Jan Hatzius團隊認為,，隨著人工智能技術不斷發(fā)展和普及，人類現有生產方式中25%的工作任務最終將被人工智能取代,。Daron Acemoglu參考最新研究對此進行了更為細致的考察和估算,。結合各行業(yè)勞動者對人工智能暴露程度和美國產業(yè)結構，計算得出約20%的勞動量將被人工智能替代,。但是其中僅23%的勞動量具備被替代的經濟性,，在其余工作任務中人工智能的部署成本大于經濟收益，因此Daron Acemoglu認為現有生產方式中僅4.6%的工作任務最終被人工智能取代,，大大低于Jan Hatzius團隊的預測,。2024年6月，Jan Hatzius團隊針對這一問題進行了回應,，一方面承認許多與人工智能相關的任務目前甚至未來10年內都不具有成本效益,，另一方面著重強調不應該忽視新技術應用成本隨著時間推移而迅速下降的可能性。

其次,，雙方對人工智能能否在生產中發(fā)揮創(chuàng)造性作用的態(tài)度完全相反,。Jan Hatzius團隊認為，在現有工作任務之外,，人工智能介入將使一些原本不可能的任務變得可能,，從而在科研和生產領域創(chuàng)造出新的任務，引發(fā)未知領域的價值創(chuàng)造,。Daron Acemoglu則認為,，這些未知的價值創(chuàng)造主要適用于科學研究，例如谷歌的DeepMind模型借助人工神經網絡技術幫助生物學家破譯蛋白質結構,、幫助材料學家預測晶體結構,。但是這些應用只是細分領域內的個別案例，10年內還看不到大規(guī)模應用人工智能促進基礎科學研究的可能,。因此,，Daron Acemoglu沒有考慮這些額外的價值創(chuàng)造。

上述具體分歧凸顯了雙方看待人工智能截然不同的價值觀念,。Jan Hatzius團隊認為25%的人類任務最終將被人工智能取代,，而沒有過多地考慮替代的經濟性、替代可能引發(fā)的倫理爭議和監(jiān)管容忍度等問題，正是業(yè)界科技工作者與投資者商業(yè)樂觀主義傾向的真實寫照,，映射到宏觀層面則是對巨大經濟推動力的憧憬與渴望,。

與之相反，Daron Acemoglu等人的觀點反映了經濟學家們對當前技術進步的懷疑與失望,。Daron Acemoglu多次提出,，人工智能可能是與之前自動售貨機相似的技術，并不會對經濟增長產生明顯推動作用,。Daron Acemoglu等人的悲觀態(tài)度有其歷史背景,。自上世紀80年代真實商業(yè)周期理論（Real Business Cycle）提出并引發(fā)新凱恩斯主義與新古典綜合學派合流以來，宏觀經濟學家們對技術進步傾注了熱情,。然而,，后續(xù)實證研究中并沒有發(fā)現重大技術進步推動經濟發(fā)展的真實案例,。1987年,，諾貝爾經濟學獎得主Robert Solow提出著名的悖論：“除了生產率統(tǒng)計數據，到處都能看到計算機時代的特征”(Solow Paradox),。過去40年,，技術進步引發(fā)的產出效率增長幾乎停滯，推動全球經濟發(fā)展主要依靠生產要素的流動與投入,。從這一歷史背景出發(fā),，Daron Acemoglu等對人工智能的悲觀預期似不全無道理。

三,、思考與啟示

對政策制定者而言,，理解人工智能對經濟增長推動作用存在高低不同路徑具有重要意義。麻省理工大學斯隆管理學院教授Simon Johnson等人強調,，新技術并不存在單一,、注定的發(fā)展路徑。未來人工智能會走向Jan Hatzius或是Daron Acemoglu的預測,，更多地取決于技術開發(fā)者,、使用者以及政策制定者之間的長期互動與博弈。

斯坦福大學人工智能學院教授Erik Brynjolfsson認為對政策制定者最重要的,，是在理解技術發(fā)展多種可能性的基礎上,，既保持政策的靈活性和寬容度，允許技術開發(fā)者超前探索,；又“聰明”地介入技術路線競爭,，引導技術走向大幅推高經濟增長的路徑，例如鼓勵形成開源的技術生態(tài),、支持大小企業(yè)之間數字平權,、推動人工智能技術更多用于科學研究（而不是替代日常勞動）等。

對投資者而言,，需警惕未來不同演進路徑中可能出現的機遇和風險,，相應甄別投資機會,。一方面，在市場對人工智能技術寄予厚望的情形下,，如果未來技術發(fā)展逐漸朝Daron Acemoglu預測的方向演進,，可能會快速形成人工智能相關資產泡沫并促成其破裂。硅谷科技投資史上充滿相似案例,，如過去10年輪番興起的3D打印,、物聯網,、元宇宙等等,。

另一方面，如果未來技術發(fā)展朝著Jan Hatzius預測的樂觀情形演進,，或將是人類社會至少40年來首次出現深刻影響全球經濟發(fā)展的技術進步,。這一“顛覆性創(chuàng)新”（disruptive innovation）影響必然超出科技領域，對各類投資組合構成廣泛的影響或沖擊。在這一情形下,，盡早識別投資組合中哪些標的會成為 “顛覆者”（disruptor）,，哪些淪為“被顛覆者”（disruptee），可能是全球投資者不得不面對的考驗,。

作者：絲語