人工智能如何促進經濟增長

京雨

人工智能是一場前所未有的技術革命，關于人工智能對經濟增長的影響正在受到更深層次的關注。一個時期以來，經濟學界對這一問題進行了深入的探討，其中在新古典經濟學范式下，以數據為基礎的人工智能被視為一種新的生產要素，通過實證發現自動化顯著降低了邊際成本，有效地提高了投入產出效率；在奧地利學派思想范式下，人工智能可以被理解為市場發現過程中的組成部分。通過觀察人工智能技術迭代的特征（自主性與智能化、開源性和協作性、個性化與主觀價值），以及理解人工智能在市場發現過程中的作用、對知識的利用、對個體選擇的支持以及對創新力的促進，發現人工智能的發展已經高度依賴企業家和企業家精神。未來誰能代表最先進生產力，將取決于可持續的能源支持、開放的場景創造和強大的企業家精神，企業家精神是核心引擎。那么人工智能如何促進經濟增長？重要的經濟學學派如何解讀？有哪些要素關系到經濟增長？為此，本刊特約記者采訪了工銀國際首席經濟學家程實。

人工智能的發展和經濟增長

《領導文萃》：首先，引用20世紀著名科學家約翰·馮·諾依曼經典話語：“技術日新月異，人類生活方式正在快速轉變，這一切給人類歷史帶來了一系列不可思議的奇點。我們曾經熟悉的一切，都開始變得陌生。”當下人工智能的發展十分突出地表現出這樣的特征，因而受到全球廣泛的關注，特別是人工智能和經濟增長之間的關系，更是引起人們的思考。那么，人工智能當前處在怎樣的發展階段，每個階段的特征是什么？

程實：人工智能（簡稱AI）的發展可以追溯到20世紀50年代，從最早的感知機模型到如今的神經網絡模型和大語言模型，人工智能經歷了四個重要階段和關鍵技術的突破。第一階段：感知機模型的提出（20世紀50年代）。1957年，美國科學家弗蘭克·羅森布拉特提出了感知機模型。這種模型包含輸入層和輸出層，通過設置權重和偏置等參數來進行決策。盡管感知機模型的功能有限，但它為后續神經網絡模型的發展奠定了基礎。第二階段：專家系統和知識表示（20世紀60—70年代）。統計學習理論的發展為機器學習算法的建設提供了理論基礎，提出了許多實用的機器學習算法。1965年，達特茅斯會議上，人工智能領域的研究者開始探索使用邏輯推理和知識表示來實現人工智能。20世紀70年代，反向傳播算法的出現使得神經網絡模型能夠在更大規模的數據集上進行訓練，并取得更好的性能。這使得專家系統成為人工智能的主要研究方向，專家系統通過將專家的知識轉化為規則和推理機制，實現了在特定領域的智能決策和問題解決。第三階段：機器學習和深度學習（20世紀80—90年代）。到了20世紀80年代，機器學習成為人工智能的重要分支，通過讓機器從數據中學習和優化算法，實現了模式識別和預測能力。進入90年代，神經網絡和深度學習開始嶄露頭角，通過多層次的神經網絡結構和反向傳播算法，實現了對復雜數據的處理和特征提取。第四階段：大數據和大語言模型（21世紀）。2000年以后，隨著互聯網的普及和數據的爆炸性增長，大數據成為推動人工智能發展的重要驅動力。2010年，大語言模型開始嶄露頭角，通過深度學習和自然語言處理技術，實現了對自然語言的理解和生成。例如，谷歌推出的語言模型Bard可以實現100多種語言之間的翻譯，翻譯質量接近人類水平。在問答系統領域，2018年，Open AI推出了GPT（Generative Pre-trained Transformer）模型，該模型通過預訓練和微調的方式，實現了對多種自然語言任務的優秀表現。2024年年初，Open AI推出了Sora模型，該多模態模型通過學習大量真實世界的視頻素材，實現了對真實世界的理解和模擬能力。值得關注和思考的是，人工智能每一輪的發展都為全球經濟提供了增長潛能。

《領導文萃》：您可否從經濟增長的角度，進一步說明人工智能技術發展為什么能對經濟增長有深刻影響？

程實：這可從經濟學層面做出解讀。我先引入新古典經濟學范式作一個簡單的分析。在新古典經濟學派框架下，人工智能可以看作是一種新的生產要素。這個新要素能夠改變生產函數、提高生產率、降低邊際生產成本，并最終影響供給和需求曲線。從生產效率來看，新古典經濟學派關注如何通過技術提高生產效率。人工智能通過自動化，有助于提高各行各業的生產效率，從而改變生產的規模收益，但有可能會導致某些行業的市場結構向寡頭壟斷或完全競爭傾斜。從勞動力市場（生產函數）來看，人工智能的發展可能導致勞動力市場的顯著變化，包括某些工作的替代和新工作的創造。這與新古典經濟學派關于勞動市場的分析相符，其中工資和就業水平是由勞動力供需決定的。從消費者福利方面來看，人工智能應用的擴散可以增加商品和服務的多樣性，提高產品質量，從而提高消費者福利。這與新古典經濟學的消費者選擇理論和效用最大化原則相一致。最后，從市場結構和完全競爭方面來看，新古典經濟學派關注如何通過機制設計和市場干預來實現資源配置的帕累托最優，人工智能在此框架下被視為提高效率和優化決策的工具。

人工智能可以看作是一種新的生產要素。這個新要素能夠改變生產函數、提高生產率、降低邊際生產成本，并最終影響供給和需求曲線。從生產效率來看，新古典經濟學派關注如何通過技術提高生產效率。人工智能通過自動化，有助于提高各行各業的生產效率，從而改變生產的規模收益，但有可能會導致某些行業的市場結構向寡頭壟斷或完全競爭傾斜。

新古典經濟學派對人工智能的理解是將其視為一種要素和工具。在新古典增長模型中，人工智能被直接視為一種新形式的自動化，它能夠自動執行以前難以完成的任務。這包括非常規任務（如自動駕駛汽車），以及高技能任務（如法律服務和科學研究）。在實證中，新古典經濟學家進一步借鑒了威廉姆·鮑莫爾的“成本病”理論（或“鮑莫爾病”），這套理論主要論述了在一些服務行業（例如教育、醫療、藝術表演等）生產率提升的速度通常低于其他行業（如制造業）。因為服務性質的行業需要較高比例的人工投入，而且這些服務難以實現規模化生產或自動化。隨著時間的推移，即使這些行業的生產率沒有顯著增長，但為了保持員工的工資競爭力，他們的成本（特別是工資成本）還是會上升，導致其他生產率增長更快的行業必須支付更高的價格來獲得這些服務。近年來，一些新古典經濟學家通過增長模型實證了人工智能的發展（高度自動化）有助于緩解服務業的“鮑莫爾病”，推動經濟持續增長。具體表現在四個方面：一是提升生產率。人工智能可以通過自動化任務來提升過去難以自動化的服務行業的生產率。例如，AI可以用于醫療影像診斷，提供個性化的教育服務，或者在藝術創作中提供輔助。隨著人工智能在服務行業的應用越來越廣泛，服務行業的生產率提升將對整體經濟增長產生積極影響。二是降低成本。通過人工智能技術，可以減少某些行業對昂貴人力資源的依賴，降低服務成本，從而緩解或逆轉“成本病”現象。三是改善服務質量。人工智能能夠在某些領域提供比人類更精準或一致的服務，例如通過算法優化藥物配方或提供個性化的學習計劃等。四是創造新的工作崗位。盡管人工智能可能會替代某些工作，但它也能創造新的崗位和職業。當然，需要指出的是，雖然人工智能具有這四方面潛力，但在消除“成本病”方面仍面臨一些挑戰，如醫療和教育。數據的隱私和倫理問題都可能會限制AI的使用。

《領導文萃》：如您所介紹，在新古典經濟學范式下，以數據為基礎的人工智能被視為一種新的生產要素。那么，其他經濟學派又是如何看待人工智能對經濟增長的影響的？他們看待人工智能的視角又有什么不同？有哪些局限性？

程實：我再介紹一下著名的奧地利學派思想范式，通過這個范式再看人工智能對經濟增長的影響。與上面所介紹的新古典經濟學家對人工智能的理解不同，以米賽斯和哈耶克為代表的奧地利學派，不僅深刻認識到技術變革對經濟的影響，如生產率的提升、新產品和服務的創造，以及市場結構的變革，更重要的是，奧地利學派更加關注人工智能在市場發現過程中的作用、知識的利用、個體選擇和創新動力。從市場過程的角度，奧地利學派一直以來強調市場不僅僅是資源分配的機制，更是一種發現價格、偏好、技術和其他市場信息的過程。通過奧地利學派思想范式，人工智能可以被視為這種動態過程的組成部分，例如企業家與人工智能通過人機互動發現新的機會。在信息和知識的維度上，哈耶克特別強調了知識的分散性，以及市場在信息發現過程中的重要作用。隨著大數據的快速發展，人工智能技術可以更加高效地通過自身聚合和分類技術，更加精細地選擇和處理這些分散信息。從主觀價值的角度出發，奧地利學派強調，價值由個體的偏好和選擇所決定。這一觀點與現代人工智能在提供個性化服務和增強個體決策方面相呼應。在創新和企業家精神層面，認為經濟發展是由不斷的創新和企業家精神驅動的。這與人工智能的無限創造性緊密地聯系起來，人工智能作為一種不斷迭代和自我演進的突破技術，能夠激發企業家的創新動力。

當前人工智能的發展建立在多種技術和模型之上，這些技術和模型發展擁有以下核心特征：第一個特征是自主性與智能化。自主性與智能化是指AI技術正推動著自動化水平的提升，從簡單的重復任務自動化到復雜決策過程的自主性。自主性的提升實際上是算力和模型復雜性的提升所帶來的機器人智能化的提升。盡管當前人工智能技術和模型的發展通常不被認為具有自發性，但通過強化學習和進化算法，AI系統有望在一定環境或框架下自我演化和自適應，以達到預先設定的目標或任務。此外，從大語言模型、轉換器模型以及知識圖譜的技術特征和發展方向來看，隨著人工智能在自然語言理解、邏輯推理、發現新關聯關系方面的能力不斷提高，在某種程度上其所創造的數字經濟世界中，已經出現了類似于奧地利學派經濟學家提出的自組織系統，即組件間的局部交互可以導致全局有序行為的出現。強化學習系統是自適應系統的一個例子，智能體通過與環境交互學習策略，從而最大化某種累積獎勵。智能體的學習和決策過程是自組織的、不需要外部指導的。第二個特征是開源性和協作性。近十年來AI之所以能夠快速崛起，受益于開源代碼的興起，許多重要的AI工具和庫都是開源的，這直接促進了全球范圍內的協作和共享。AI算法實現開源的底層邏輯是知識的分散性。正因為知識具有分散性，現代AI才試圖通過互聯網社區實現更多的信息和知識共享。這與奧地利學派核心原則之一的知識分散性如出一轍。哈耶克認為，經濟系統中的知識是分散于所有個體中的，沒有任何一個權威能夠掌握所有信息。因此，開源協作能夠發揮知識分散的優勢，從而加速知識的創新和技術迭代。第三個特征是個性化與主觀價值。隨著深度學習技術的出現，AI技術越來越朝個性化與定制化方向發展。AI現在能夠提供高度個性化的產品和服務，從定制化的新聞推送到個性化的學習計劃，再到個性化的健康建議。在開源AI項目中，每個貢獻者可以根據自己的興趣和需求選擇參與項目或貢獻代碼，這都體現了數字經濟世界中是以個體主義和主觀價值為出發點。

《領導文萃》：在您上述介紹中，奧地利學派認為經濟發展是由不斷的創新和企業家精神驅動的。人工智能作為一種不斷迭代和自我演進的突破技術，能夠激發企業家的創新動力，也就是說，企業家精神是人工智能得以推動并促進經濟增長的核心。您可否進一步介紹人工智能從哪幾個方面激發企業家精神的。

程實：前面說過，在新古典經濟學范式下，人工智能是通過提升自動化和信息處理能力優化資源配置的效率，從而促進了勞動生產率水平的提升。新古典經濟學家卻沒有回答一個更加實際的問題，那就是人工智能如何實現勞動生產率水平的提升。新古典經濟學家似乎較少關注企業家的角色和重要性。而奧地利學派認為經濟發展是由不斷的創新和企業家精神驅動的，確切來說，真正能夠實現人類勞動生產率質變的核心在于人工智能技術是否能最大限度地解放企業家精神和創新能力。我認為，人工智能技術發展能夠在三個方面有效激發企業家精神和創新能力：一是學習能力的提升。人工智能幫助企業家擁有更多的時間去思考和學習。具體來看，AI自動化和數據驅動決策能力提升，可以減少企業家和管理者對公司日常運營的關注時間，幫助企業家把更多的時間和精力集中在戰略性任務或自我學習上，這是激發創造力的第一步。實際上，越來越多的企業家和商業領袖都公開討論過人工智能如何幫助他們的企業節省時間，促進企業家學習能力提高。谷歌的首席執行官Sundar Pichai經常提到AI在提高效率和促進企業家精神方面的重要性。他表示人工智能是谷歌的核心驅動力，通過自動化簡化任務，幫助企業專注于核心的創新工作。Facebook的創始人Mark Zuckerberg在多個場合指出AI技術能夠幫助團隊更有效地識別和管理社交平臺上的問題內容，因此企業家、決策者和工程師們就可以把更多的時間花在產品和服務的創新上。二是決策力和想象力的提升。人工智能所提供的信息發現或創新設計能夠更好地提升企業家的決策力和想象力。比如，Netflix正在利用AI分析用戶觀看數據（用戶觀看時間、觀看類型、情緒反映等），從而優化推薦算法，并指導原創內容的開發。Netflix的創始人之一Marc Randolph認為這種數據驅動的決策為企業家提供了新的創新方向。三是好奇心、冒險精神與資源整合力的提升。長期來看，隨著多模態模型的出現，未來人工智能不僅僅是“工程師”，更將成為“科學家”。 這將極大地促進企業家精神，幫助人類以前所未有的速度和規模在科學領域實現理論創新。芝加哥大學近期的一項研究指出，AI不僅可以更好地預測科學發現，還可以進一步擴展科學發現。比如，在科學家進行推理預測的過程中，AI會通過自我學習對人類的研究問題進行思考，再為人類的推理過程和基本假設提供補充和建議。科學家認為這種補充性智能的產生可能會加速新的科學發現，最終帶來理論創新的飛躍式進步。本質上看，人工智能之所以能出現補充性智能是因為人工智能在某種程度上存在“涌現”特征。“涌現”是指當簡單的規則或算法在人工智能的復雜結構中相互作用時，會出現新的、意想不到的模式或行為。正如OpenAI的創始人Sam Altman指出，當人工智能算力能夠得到顯著提升時，AI的智能性將為人類生產活動和生產水平帶來質變。隨著新能源技術的進步，AI系統特別是涉及神經網絡或機器學習的系統，或將更加高頻次地出現某種程度的“涌現”行為，為企業家或創業者帶來更多更廣的創新和技術進步的機會。越來越多富有企業家精神的人將在好奇心的驅動下，勇于探索人工智能所帶來的未知領域。

隨著多模態模型的出現，未來人工智能不僅僅是“工程師”，更將成為“科學家”。 這將極大地促進企業家精神，幫助人類以前所未有的速度和規模在科學領域實現理論創新。芝加哥大學近期的一項研究指出，AI不僅可以更好地預測科學發現，還可以進一步擴展科學發現。

AI環境的演進：人工智能未來發展的方向

《領導文萃》：人工智能的發展已經是不可阻擋，未來的經濟增長也和人工智能發展緊密聯系在一起，也就是說關注和推動經濟增長，就必須關注人工智能發展，請問人工智能未來發展的方向是什么？

程實：我認為，人工智能未來發展有五個重要方向：一是多模態人工智能（Multimodal AI）。多模態人工智能是指超越傳統單一數據的處理方式，涵蓋了文本、圖像和聲音等多種輸入類型。這一技術方向旨在模仿人類處理多樣感官信息的能力。多模態人工智能的應用領域非常廣泛，例如在醫療領域，多模態模型可以結合患者的病史和基因信息來分析醫學圖像，提高診斷準確性。在職能層面上，多模態模型可以擴展各種員工的能力，將基本的設計和編碼能力擴展到沒有相關背景的個人身上。二是主動型人工智能。主動型人工智能是從被動式人工智能向主動式人工智能的重要轉變。主動型人工智能代理系統具備自主性、主動性和獨立行動的能力。與傳統的人工智能系統不同，主動型人工智能代理系統能夠理解環境、設定目標并采取行動，而無需直接人類干預。三是開源人工智能。構建大型語言模型和其他強大的生成式人工智能系統是一個昂貴的過程，需要大量的計算資源和數據。但使用開源模型可以使開發人員在其他人的基礎上進行開發，降低成本并擴大人工智能的應用范圍。開源人工智能是公開可用的，通常是免費的，使組織和研究人員能夠貢獻和構建現有代碼。開源方法還可以促進透明度和道德開發，因為更多的人參與代碼審查，有更大的可能性發現偏見、錯誤和安全漏洞。四是檢索增強生成人工智能。盡管生成式人工智能工具在2023年得到廣泛應用，但它們仍然存在幻覺問題：對用戶查詢的回答可能聽起來合理，但實際上是錯誤的。為了減少幻覺問題，檢索增強生成技術應運而生。它將文本生成與信息檢索相結合，提高人工智能生成內容的準確性和相關性。通過讓語言模型訪問外部信息，可以幫助它們產生更準確、更具上下文意識的回答。此外，不需要將所有知識直接存儲在語言模型中，可以減小模型的大小，提高速度并降低成本。五是定制企業生成式人工智能模型。定制企業生成式人工智能模型是針對特定企業需求和數據進行定制開發的AI模型。相比于通用的生成式AI模型，定制化模型在實踐中可能更有價值。定制化模型可以提供更好的隱私和安全性，這對于注重安全的企業來說尤為重要。通過使用內部模型，企業可以對用于訓練模型的敏感數據保持控制，而不是與第三方共享訪問權限。此外，針對公司特定任務和數據進行訓練的模型也更有可能產生更相關的輸出和更少的幻覺，從而減輕了一些企業對使用第三方模型能否產生準確、公正和代表性輸出的擔憂。

《領導文萃》：圍繞AI發展的五個方向，企業家和創業者需要采取哪些更加主動的戰略性行動以充分發揮人工智能技術的潛力？

程實：談到這個問題，我認為，企業家和創業者所采取的對策不僅涉及技術的采用和集成，還包括對人才的投資、對數據和知識的管理，以及對企業文化和倫理的關注。通過這些措施，企業家和創業者不僅能夠在當前市場中取得成功，而且能為不斷變化的未來做好準備。具體而言包括：一是策略規劃與定位。明確定義公司的AI戰略是企業家首要任務之一。這包括了解AI如何與公司的核心業務和長期目標相結合，以及如何利用AI來提升產品和服務的價值。同時，企業家需要更深度地研究市場趨勢和消費者行為，以便掌握AI技術如何進一步滿足客戶需求，并預測可能的市場變化。此外，不斷分析競爭對手的AI能力和戰略，以確定自身差異化優勢對企業創新具有重要影響。二是人才管理與發展。AI編程、數據分析和統計學以及人工智能和機器學習的運營，被認為是全球組織在廣泛AI項目中最需要的前三種技能。然而，這些技能的供應相對不足。企業家是否能夠勇于培養和積累人工智能人才，主動招募AI領域專家包括數據科學家、機器學習工程師和AI倫理專家，將決定企業是否具備長期可持續競爭力。此外，在AI時代下， 鼓勵創新、勇于實驗和終身學習的組織文化將越來越重要，企業家需要結合自身情況營造更加貼合AI文明的企業文化。三是數據治理與分析。建立一個強大的數據管理系統，確保數據的質量、安全和可用性，是AI時代下企業家成功的基礎。OpenAI的Sora之所以能夠提供高質量的視頻生成效果，核心在于數據質量和數量的保證。同時，也離不開AI對數據的深度分析和收集處理。四是風險管理與環境監測。企業家一方面需要針對AI引入可能帶來的技術、安全和道德風險進行全面的評估，并制定相應的緩解策略；另一方面，企業家需要持續監測AI領域的技術進步和創新動態，以便及時調整公司策略并抓住新機遇。五是升級更新客戶與合作伙伴關系。隨著多模態AI模型的不斷迭代，企業家可以構建靈活的業務模型，以適應由AI技術驅動的市場變化，確保快速響應客戶需求和市場動態。同時，企業家可以建立與其他公司和研究機構的合作關系，共同開發AI技術和應用，積極參與AI技術的生態系統，以更好地了解相關開源項目、標準制定和行業協同規則。

AI編程、數據分析和統計學以及人工智能和機器學習的運營，被認為是全球組織在廣泛AI項目中最需要的前三種技能。然而，這些技能的供應相對不足。企業家是否能夠勇于培養和積累人工智能人才，主動招募AI領域專家包括數據科學家、機器學習工程師和AI倫理專家，將決定企業是否具備長期可持續競爭力。

《領導文萃》：面對人工智能的發展所形成的大環境，推動經濟發展提高先進生產力將體現在哪些方面？

程實：我認為，未來誰能代表先進生產力將體現在能源支持、場景創造和企業家精神這幾個方面。

首先，能源支持是基礎。隨著微處理器芯片變得更加強大，它不僅需要更多的電力來運行，而且能源效率也在下降。根據一份來自全球微芯片制造商貿易組織的報告，預計到2040年，全球計算機芯片所需的電力將超過全球能源產能。因此，現有的計算方法和技術已經接近物理極限，傳統的方法已經無法滿足未來計算需求。更高的能源效率是實現未來計算能力的必要條件。正如OpenAI 首席執行官 Sam Altman表示，未來的貨幣將是算力和能源，AI技術是否實現質變取決于能源突破。這一說法反映了能源在支持人工智能增長和發展中的重要性。因此，能源將是未來人工智能技術發展的基礎。人工智能系統，特別是涉及深度學習和復雜計算的系統，需要大量的計算資源和能源才能有效運行。由于當前能源來源可能無法滿足未來人工智能技術的發展，鼓勵將更多資源和努力投入到尋找可持續和高效能源解決方案上（例如能源發電和存儲技術）是十分必要的。

其次，場景創造是載體。能源支持人工智能算法創造底層基礎，而場景創造和實現則需要新一代互聯網Web3.0的建立和演進。作為新一代互聯網，Web3.0在人工智能支持下采用區塊鏈、去中心化網絡和智能合約等多種技術，將為全球用戶提供更無縫和個性化的體驗。我們認為，Web3.0的發展和演進具備四大特征：一是去中心化。具體來說，Web3.0上的數據和內容不再存儲在單一的服務器上，而是分布在去中心化網絡（如區塊鏈）的多個節點上。這樣做的目的是為了避免數據控制權集中在少數幾家大型科技公司手中，降低單點故障風險，并提升數據的安全性和隱私保護。二是Web3.0具有高度個性化的特征。基于用戶的數據和偏好，以及增強的機器理解能力，Web3.0能夠提供高度個性化的內容、搜索結果和用戶交互體驗。三是Web3.0具有高度自由的互操作性和連接性。Web3.0旨在創建一個更加互聯互通的網絡環境，應用和服務之間的數據可以自由流動，用戶可以無縫地使用多個服務而不受限于單一的生態系統或平臺。四是Web3.0強調私人產權性（私人數據保護）。在Web3.0中，用戶對自己的數據擁有完全的控制權。相比于Web2.0時代，與用戶生成的數據被平臺所控制和利用不同，Web3.0強調用戶數據的所有權和自主性，用戶可以選擇與誰共享他們的信息以及如何共享。在人工智能技術的推動下，想要在全球經濟競爭中得到市場高度共識的核心，在于是否能夠充分發揮Web3.0網絡的去中心化、高度內容個性化、高度連接自由化以及高度保護私人產權的四大優勢。

再次，企業家精神是關鍵。真正能夠推動先進生產力水平產生質變的是企業家精神。誰能在一個開放的AI環境下，充分調動企業家積極性，幫助企業家和創業者抓住去中心化市場的機遇；誰能在Web3.0的互聯網環境中，進一步釋放他們的好奇心、想象力、學習力以及冒險精神，將是推動先進生產力發展的關鍵。這需要制度設計者去深刻思考，人工智能技術和互聯網的演進、迭代正在一個什么樣的社會經濟思想范式下前行。