生成式AI：增长催化剂或过早起来的先兆

10915 生成式人工智能 催化剂或预警信号去专业化？ 杨 刘 政策研究工作论文 10915 摘要 本文提出一个多部门增长模型，以阐明生成式人工智能对经济增长、经济结构转型和国际生产专业化的总体均衡效应。使用文献中的参数，本文通过模拟来量化人工智能在不同情景下产生的影响。本文引入了高技能、高度数字化的可贸易服务与低技能、较低数字化的低可贸易服务之间的关键区别。模型的关键假设与实证证据相符，并且模拟得出新颖且令人深思的预测。除非人工智能实现跨部门的广泛应用并催化范式转变的创新，从而从根本上重塑消费者偏好，否则其增长 利益可能受到限制。相反，它对劳动市场的颠覆性影响可能非常深远。本文强调了“过早去专业化”的风险，其中人工智能可能缩小了国家在高技能服务领域创造高薪工作的空间。分析预示，未能迅速采用人工智能的发展中国家面临沦为商品出口国的风险，可能面临大规模青年失业、社会流动性下降以及生活水平停滞甚至下降的问题。本文还讨论了人工智能对不平等的更广泛影响，探讨了它可能加剧或缓解经济差异的多个渠道。 这篇论文是数字发展全球实践的成果。它是世界银行为了提供其研究的开放获取并贡献于世界各地的发展政策讨论而进行的更大努力的一部分。政策研究工作论文也发布在http://www.worldbank.org/prwp上。作者可以通过yanliu@worldbank.org联系。 《政策研究报告系列》旨在传播正在进行中的工作的研究结果，以促进有关发展的思想交流问题。该系列的目标是尽快发布研究结果，即使报告的展示不够完善。论文包括作者姓名及引用应遵循相应规范。本文中所表达的研究发现、解释和结论完全属于作者本人。作者们的观点并不一定代表国际复兴开发银行/世界银行的看法。其附属机构，或世界银行执行董事或他们所代表的政府。 生成式AI：催化因素增长或过早的征兆？去专业化？ 杨 刘∗ 世界银行 关键词：人工智能、结构转型、贸易、经济增长、不平等JEL Codes:O14, F16, F63 1 引言 人工智能（AI），特别是最近的生成式AI进展，引发了对其对经济增长、劳动力市场和全球贸易模式潜在影响的激烈辩论。对AI经济影响的估计和预测差异很大。高盛（2023年）预测，生成式AI可能将全球GDP提高7%，相当于十年内增加7万亿美元。Acemoglu 2024年提供了一个更保守的估计，预测未来十年GDP仅增长0.9%至1.1%。D. Autor 2024年认为，生成式AI为通过使中技能工人能够执行目前仅限于精英专家的高度风险决策任务，提供了一个扩大中产阶级的独特机会。相比之下，Frey和Osborne2024年建议，通过降低认知职业的进入壁垒，生成式AI将增加竞争，最终压低工资并导致劳动力市场重大动荡。如果生成式AI工具使专业知识商品化并降低专业技能的回报，个人可能不太有动力获得高级专业知识，从而导致生产力和工资的进一步下降（Capraro等人2024年）。 然而，关于人工智能经济影响的话语主要集中于发达经济体，其对发展中国家和全球生产模式的影响仍然不确定且深远。Korinek 和 Stiglitz 于 2021 年警告称，人工智能可能会通过侵蚀发展中国家的劳动力成本优势而恶化其贸易条件，可能导致进一步的贫困。相反，人工智能可能会减少地理和语言障碍，缩小人力资本差距，并增加认知任务外包到这些国家，有可能缩小与富裕国家的收入差距。然而，这种乐观的结果取决于发展中国家迅速采用人工智能——这一前景受到低劳动力成本和重大障碍（如基础设施、教育和监管框架的不足）的阻碍。 鉴于人工智能在各个行业和国家中所产生的多样化影响，需要进行细致的分析。本文通过产业结构转型和全球生产专业化的视角，探讨了生成式人工智能对经济增长、劳动力市场和收入不平等的可能影响，旨在为人工智能如何重塑全球经济和社会提供洞见。 结构性转型——跨部门经济活动的再分配——对经济增长至关重要。几十年前，经济学家们注意到了农业在就业和产出中所占份额的下降，制造业份额的暂时上升，以及向服务业的长期转变（库兹涅茨1957）。 多部门增长模型为研究人工智能影响提供了独特的优势。经济学中占主导地位的增长模型历史上一直是单一部门的结构（索洛1956年；罗默1986年；卢卡斯小1988年；阿吉翁和豪伊特1992年；格罗斯曼和赫尔普曼1991年）。这些模型已被证明是强有力的 并且吸引人，尽管它们并非没有局限性。此类模型强调了资本、劳动力、教育和创新在推动增长中的重要性，但忽略了不同部门之间的差异和复杂的相互联系。因此，单一部门模型在阐明一个经济的组成结构与它的增长轨迹之间的关系方面存在不足。经济复杂性理论（Hidalgo和Hausmann 2009）表明，一个国家的工业组成和专业化模式强烈影响着其增长前景。理解增长与结构转型之间的复杂互动对于制定能够实现规模可持续发展的政策至关重要（Gollin和Kaboski 2023）。 我：我构建了一个简单的多部门增长模型，以概念化人工智能影响增长和结构转型的不同渠道。该模型建立在最近的结构转型框架之上（Rodrik 2016；Comin, Lashkari 和 Mestieri 2021；Matsuyama 2019），并纳入了非同质偏好，其中需求的收入弹性在不同部门中变化。经济有四个部门：农业（A）、制造业（M）、高技能服务业（Sh）和低技能服务业（Sl）。劳动是唯一的生产要素。模型最初假设为封闭经济，后来扩展到开放经济背景。它还探讨了各种模型扩展，从外生增长过渡到内生增长，并纳入了部门间的生产力联系。模型的观点得到了经验证据的强烈支持。 高级服务业包括信息和通信技术（ICT）服务、金融和保险以及专业、科学和技术服务。\"高技能\"一词是用于形容技能水平、收入、可贸易性和数字化程度均较高的领域的简称。这些产业在四个维度上都与其他服务业有显著差异。根据美国和中国数据，这三个产业平均收入、ICT服务投入强度、贸易强度和拥有高级学位（硕士或以上）的员工比例都最高。其他服务业被归类为低技能服务业。尽管教育和医疗保健领域也有较高比例的拥有高级学位的员工，但由于它们的可贸易性和数字化程度较低，它们被视为低技能行业。 人工智能通过三个不同的渠道影响增长和结构转型： 1. 需求：人工智能创造全新的产品并转变消费者偏好。它通过改变特定行业的收入弹性以及不同行业间的替代弹性来重塑效用函数。 供应：人工智能影响各行业的相对价格。虽然以往的技术主要影响商品生产领域和常规任务，生成式人工智能则针对高技能服务领域，尤其是 认知和创造性任务（Eloundou等人，2023；Gmyrek、Berg和Bescond，2023）。 3. 国际生产专业化：人工智能改变国家间的比较优势。较早采用生成式人工智能的国家可以增强其在高技能服务方面的比较优势。此外，研究表明，生成式人工智能可以提高技能较低、经验较少的工人的生产率（Brynjolfsson, Li, and Raymond 2023；Noy and W. Zhang 2023；Peng et al. 2023；Dell’Acqua et al. 2023），这可能使发展中国家能够在高技能服务领域竞争，并在发达国家取代更昂贵的劳动力。 使用来自文献的模型参数，本文通过模拟量化了人工智能的潜在影响。我探讨了三个关于人工智能影响的场景： 1. 短期/悲观：人工智能仅在高技能服务领域提高劳动生产率增长。 2. 中期/中性：人工智能增强了所有四个行业的劳动力生产率增长，其中在高端服务业观察到最显著的增长。 3. 长期/乐观：人工智能不仅提高所有行业的劳动生产率，还催化革命性产品的创造，从根本上改变社会偏好。 模拟结果显示了几个新颖且令人清醒的发现： 1. 在许多国家，近年来高技能服务就业份额的上升最终将停滞或下降，呈现出类似于制造业的驼峰形曲线。尽管较高收入会增加对高技能服务的需求，但人工智能的进步将减少对白领工人的需求，导致工作集中转向低技能服务。 人工智能将进一步限制在高级技能服务领域创造高质量就业的潜力，尤其是在发展中国家。类似于过早的去工业化，人工智能将导致“过早的去专业化”，即高级技能服务就业高峰出现得更早，并且收入水平更低。 3. 小型开放经济体面临着人工智能采纳的关键转折点。未能或延迟采用人工智能技术可能导致现有高技能服务和制造业的比较优势被侵蚀，或阻碍此类优势的发展。这些国家可能因此发现自己陷入商品出口国的困境，就业高度集中在农业和低技能服务业。相比之下，成功且及时的人工智能采纳可能催化制造业或高技能服务领域的比较优势的发展。 4. 除非人工智能在各个行业得到广泛应用，并推动能够永久改变消费者偏好的转型创新，否则其增长效益可能令人失望。即使在高技能服务领域劳动力生产率增长提高50%，实际收入也只有0.046个百分点的初始小幅提升，随着时间的推移逐渐减少。100年后，实际收入仅比没有人工智能时高出2.4%。如果人工智能在整个四个行业中提高生产力，到第100年实际收入将比现在高出19%。在最乐观的情况下，到第100年实际收入将比基线高出28%。 本文随后讨论了模型的局限性，并考虑了生成式AI可能对更广泛的增长和不等产生的影响。模型排除资本忽略了AI影响的一个关键方面：自动化、就业转移以及劳动收入份额的下降。此外，通过省略中间投入，该模型可能低估了对高技能服务的需求。假定各行业具有同质且自由流动的劳动力，从而导致收入均等化，这与现实不符，并为收入不平等问题提供较少的见解。生成式AI可能会降低某些高技能服务性工作的进入门槛，这可能导致平均工资下降并减少各行业和职业之间的收入不平等。然而，它也可能影响教育和技能获取的激励机制。如果AI缩小了高技能、高薪工作的份额并降低了这些领域的工资，个人可能减少投资于高等教育的动力，这可能会阻碍长期增长并限制社会流动性。 本文在多个方面为关于人工智能经济影响的研究文献做出了贡献。 首先，据我所知，这是第一项通过结构转型和国际生产专业化的视角来分析生成式人工智能影响的研究。与许多基于当前任务的职业暴露度研究的现有研究不同，此模型纳入了需求方面的因素，这些因素源于不同行业的非齐次性偏好。这种更广泛的方法捕捉到了人工智能重新塑造任务内容并创造新职业的潜力，从宏观经济层面提供了一个更为全面的观点。 其次，本文通过引入高技能、高度数字化、可贸易服务与低技能、低数字化、不可贸易服务之间的关键区分，推动了传统结构转型模型的进步。这种区分使我们对人工智能在服务部门和职业中的不均衡影响及其对经济增长和收入不平等的影响有了更深入的认识。 第三，除了非同质性偏好外，本研究还探讨了一条新的需求侧渠道，通过这一渠道人工智能可能推动增长：转变消费者偏好。一种情景将人工智能建模为催化剂。 颠覆性的新产品和行业，永久性地改变了某些部门的收入弹性和部门间的替代弹性。结合国际生产专业化的渠道，这种方法为人工智能在不同类型国家产生的各种经济影响提供了丰富的见解。 第四，该论文通过模拟分析，在各种情景下AI对经济增长和劳动力市场的一般均衡效应，量化了这些效应的规模。与Acemoglu 2024的研究一致，结果表明AI在短期到中期的增长影响可能将是适度的。 值得注意的是，本文是首次预测人工智能降低高技能服务领域高薪工作机会的潜力。这可能对人工智能后期采用者和发展中国家造成特别危害，我将这种现象称为“过早的去专业化”。这强调了发展中国家培养高技能服务就业的前景日益黯淡，并警告那些迟缓采用人工智能的国家可能会沦为商品出口国，面临大规模青年失业、社会流动性降低和潜在的生活水平下降。 本文的结构安排如下：第2节介绍了关于结构转型、高技能与低技能服务之间的差异，以及人工智能对高技能服务不成比例影响的定性事实。第3节介绍了四部门增长模型，并推导出几个经验支持命题。第4节使用文献中的参数模拟基线模型，并通过三个场景中的三个渠道量化了人工智能的潜在影响。第5节讨论了模型的局限性以及人工智