内容提要
2024年以来，围绕人工智能对人类社会整体产出效率的影响，业界出现了较大争议。以高盛首席经济学家Jan Hatzius为代表，业界大部分经济学者认为人工智能对全球经济的巨大推动作用终将显现；而以著名经济学家Daron Acemoglu为代表的部分学者则提出，当前大众预期过于乐观，人工智能对产出效率提升比较有限。文章梳理了双方观点，简要分析了分歧来源，并给出了对政策制定者和投资者的启示。
一、双方观点及主要交锋
2023年及以往的大部分研究认为，人工智能技术将大幅度提升社会产出效率。2023年，以高盛首席经济学家Jan Hatzius为首的研究团队发布报告，预计未来10年人工智能将每年提升美国全要素生产率（TFP）1.5个百分点，使全球总产出增加7%（相当于7万亿美元）。麦肯锡也认为，未来人工智能通过提升劳动效率有望为全球经济带来17.1~25.6万亿美元增量产出。一些学术研究持相似的乐观态度，认为人工智能技术突破可能是引发人类社会经济爆炸的“奇点”（singularity）。
2024年4月，高盛发布研究报告，认为虽然目前宏观经济数据中还看不到重大变化，但人工智能的宏观影响将在10年内显现。一方面，即使在此轮人工智能技术突破的发源地美国，目前应用人工智能的企业也还不到5%，人工智能宏观影响显现还需要耐心等待；另一方面，2024年全球范围内人工智能设备和服务企业收入快速增长，相关产品出货量急剧攀升，高盛认为这是人工智能设备投资周期的早期信号，大额资本开支将为未来产出效率提升打下基础。同时，高盛首席经济学家Jan Hatzius在接受媒体采访时多次表示，人工智能将大幅提高美国和全球经济的产出效率，预计其宏观影响在2030年前后显现。
2024年5月，著名经济学家Daron Acemoglu发表工作论文《The Simple Macroeconomics of AI》，对高盛的乐观预计提出质疑。Daron Acemoglu构建了一个基于多任务的产出模型，以2023年以来的实证及案例研究数据为输入，估算未来10年人工智能对美国全要素生产率的提升作用累计不到0.66个百分点，平均每年小于0.064个百分点，大幅低于高盛每年1.5个百分点的预测。如果进一步考虑人工智能在应用初期主要处理简单任务（easy-to-learn），未来在复杂任务（hard-to-learn）中工作效果可能下降，累计提升力度进一步下降到0.53个百分点。Daron Acemoglu认为，这些最新的证据表明，虽然在微观层面人工智能可以极大地提高个别常见任务的处理效率，但宏观而言人工智能对人类社会产出效率的促进作用相当有限。Daron Acemoglu的观点代表了近期部分经济学研究对人工智能提出的质疑，并且通过理论框架和实证数据给出了严谨的经济学证据。
二、主要分歧来源
尽管Jan Hatzius和Daron Acemoglu都承认，各自的研究与推测均基于当前的观察和理解，未来人工智能的发展和应用还存在较大不确定性，但是双方预测结果巨大的数量级差异引起了各界广泛关注。双方的观点分歧主要来自以下几个方面：
首先，双方预计人工智能对人类生产方式的最终介入程度存在较大差异。Jan Hatzius团队认为，随着人工智能技术不断发展和普及，人类现有生产方式中25%的工作任务最终将被人工智能取代。Daron Acemoglu参考最新研究对此进行了更为细致的考察和估算。结合各行业劳动者对人工智能暴露程度和美国产业结构，计算得出约20%的劳动量将被人工智能替代。但是其中仅23%的劳动量具备被替代的经济性，在其余工作任务中人工智能的部署成本大于经济收益，因此Daron Acemoglu认为现有生产方式中仅4.6%的工作任务最终被人工智能取代，大大低于Jan Hatzius团队的预测。2024年6月，Jan Hatzius团队针对这一问题进行了回应，一方面承认许多与人工智能相关的任务目前甚至未来10年内都不具有成本效益，另一方面着重强调不应该忽视新技术应用成本随着时间推移而迅速下降的可能性。
其次，双方对人工智能能否在生产中发挥创造性作用的态度完全相反。Jan Hatzius团队认为，在现有工作任务之外，人工智能介入将使一些原本不可能的任务变得可能，从而在科研和生产领域创造出新的任务，引发未知领域的价值创造。Daron Acemoglu则认为，这些未知的价值创造主要适用于科学研究，例如谷歌的DeepMind模型借助人工神经网络技术帮助生物学家破译蛋白质结构、帮助材料学家预测晶体结构。但是这些应用只是细分领域内的个别案例，10年内还看不到大规模应用人工智能促进基础科学研究的可能。因此，Daron Acemoglu没有考虑这些额外的价值创造。
上述具体分歧凸显了双方看待人工智能截然不同的价值观念。Jan Hatzius团队认为25%的人类任务最终将被人工智能取代，而没有过多地考虑替代的经济性、替代可能引发的伦理争议和监管容忍度等问题，正是业界科技工作者与投资者商业乐观主义倾向的真实写照，映射到宏观层面则是对巨大经济推动力的憧憬与渴望。
与之相反，Daron Acemoglu等人的观点反映了经济学家们对当前技术进步的怀疑与失望。Daron Acemoglu多次提出，人工智能可能是与之前自动售货机相似的技术，并不会对经济增长产生明显推动作用。Daron Acemoglu等人的悲观态度有其历史背景。自上世纪80年代真实商业周期理论（Real Business Cycle）提出并引发新凯恩斯主义与新古典综合学派合流以来，宏观经济学家们对技术进步倾注了热情。然而，后续实证研究中并没有发现重大技术进步推动经济发展的真实案例。1987年，诺贝尔经济学奖得主Robert Solow提出著名的悖论：“除了生产率统计数据，到处都能看到计算机时代的特征”(Solow Paradox)。过去40年，技术进步引发的产出效率增长几乎停滞，推动全球经济发展主要依靠生产要素的流动与投入。从这一历史背景出发，Daron Acemoglu等对人工智能的悲观预期似不全无道理。
三、思考与启示
对政策制定者而言，理解人工智能对经济增长推动作用存在高低不同路径具有重要意义。麻省理工大学斯隆管理学院教授Simon Johnson等人强调，新技术并不存在单一、注定的发展路径。未来人工智能会走向Jan Hatzius或是Daron Acemoglu的预测，更多地取决于技术开发者、使用者以及政策制定者之间的长期互动与博弈。
斯坦福大学人工智能学院教授Erik Brynjolfsson认为对政策制定者最重要的，是在理解技术发展多种可能性的基础上，既保持政策的灵活性和宽容度，允许技术开发者超前探索；又“聪明”地介入技术路线竞争，引导技术走向大幅推高经济增长的路径，例如鼓励形成开源的技术生态、支持大小企业之间数字平权、推动人工智能技术更多用于科学研究（而不是替代日常劳动）等。
对投资者而言，需警惕未来不同演进路径中可能出现的机遇和风险，相应甄别投资机会。一方面，在市场对人工智能技术寄予厚望的情形下，如果未来技术发展逐渐朝Daron Acemoglu预测的方向演进，可能会快速形成人工智能相关资产泡沫并促成其破裂。硅谷科技投资史上充满相似案例，如过去10年轮番兴起的3D打印、物联网、元宇宙等等。
另一方面，如果未来技术发展朝着Jan Hatzius预测的乐观情形演进，或将是人类社会至少40年来首次出现深刻影响全球经济发展的技术进步。这一“颠覆性创新”（disruptive innovation）影响必然超出科技领域，对各类投资组合构成广泛的影响或冲击。在这一情形下，尽早识别投资组合中哪些标的会成为 “颠覆者”（disruptor），哪些沦为“被颠覆者”（disruptee），可能是全球投资者不得不面对的考验。
作者：丝语
