AI的利润率悖论？20+篇论文中找答案

AI生产率悖论文献综述总结

AI属于什么类型的技术进步？

• AI符合通用技术的特征：兼具通用技术与“发明方法的发明”的双重属性。通用技术特征包括：技术在经济各部门广泛扩散、技术随时间持续改进、技术能够催化创新。AI在上述三方面均表现亮眼，具备广泛扩散潜力、持续改进能力和催化创新效果。
• 2023年以来美国劳动生产率已出现提升：美国劳动生产率已显著高于疫情前的趋势水平，主要由资本深化和劳动质量提升驱动，全要素生产率提升较为温和，与通用技术的扩散过程一致。

AI能否带来生产率的长期提升？

• 两派观点：
  • 技术进步放缓论：以Gordon为代表，认为新技术难以带来持久的生产率提升。理由包括：教育水平平台期、债务压力、互联网革命渗透广度不足、AI创造“信息”而非“能源”等。
  • 技术进步的“生产率悖论”：认为信息技术、AI技术作为通用技术，长期能带来生产率提升，但早期影响不显著。主要原因包括：
    • 时滞效应：通用技术释放生产率需要周期，AI也符合此规律，需配套变革和扩散才能带来显著提升。美国制造业企业AI应用存在J曲线特征，短期生产率下降后长期提升。
    • 资源错配：新技术收益集中于头部企业，AI应用存在结构性分化，头部企业受益更多，整体生产率提升有限。
    • 测量误差：国民经济核算方法无法及时适配新技术，可能导致对AI生产率影响的低估，但影响有限。

AI何时才能带来生产率提升？

• 历史研究：通用技术对生产率的滞后效应可能在10-40年，AI扩散和采用速度更快，预计滞后时间缩短至3-5年。
• 研究预测：AI对生产率提振效应最显著的时期大致在2030年前后。例如，Ajuzieogu提出三阶段演化模型，预计2030-2035年进入生产率加速期。

“AI生产率悖论”如何影响货币政策？

• 货币政策应对策略：
  • 更关注转型时期的经济结构变化，重视企业微观调查数据。
  • 货币政策需维持相对宽松以支持新技术的扩散。
  • 区分结构性调整与周期性波动，容忍阶段性通胀以实现资源再配置。
  • 将金融稳定纳入货币政策考量，抑制资产泡沫和过度杠杆。
  • 关注行业专家、商业领袖和一线从业者的观察，避免对AI前景过度乐观。