【广发宏观】人工智能对经济的中长期影响：一个宏观框架

Original 广发宏观郭磊宏观茶座 2023-05-04

广发证券首席经济学家 郭磊

联系人: 广发证券高级宏观研究员文永恒博士

wenyongheng@gf.com.cn

报告简版

人工智能技术加快发展。2022年11月，OpenAI推出ChatGPT。2023年3月15日OpenAI推出新一代语言模型GPT-4。3月16日，百度发布“文心一言”。3月22日，谷歌宣布推出Bard测试版。研究普遍认为，人工智能很可能成为继机械化（蒸汽机发明为标志）、电气化（内燃机和电力使用为标志）、信息化（计算机和互联网的应用为标志）之后的新一轮技术革命的标志性技术之一。怎么看待这一过程的宏观影响？

首先，对总量经济增长来说，人工智能未来的大规模应用可能会带来潜在增长率的上升。人工智能具有渗透性、协同性、替代性、创造性等四项特征（蔡跃洲，2019）。渗透性可以引致关联产业链的发展；协同性可以提升劳动、资本、技术等要素之间的匹配度；替代性可以减少老龄化、少子化对于经济供给端的约束；创造性可以带来更密集的知识和技术要素生产，以上均有利于经济增长。但值得注意的是，与计算机应用时候的“索洛悖论”类似，按照现有的GDP核算体系，劳动生产率和GDP增长率初期不一定会正向变化，统计人工智能的价值创造需要核算体系同步创新。

其次，对于产业结构来说，人工智能一则在供给端会带来自身庞大的产业链谱系的形成，数据、算法、算力等三项基础要素的迭代将推动行业的发展；二则在需求端会通过“人工智能+”，带来对传统行业的创造性改造，无论是C端、B端还是G端都会有无数的应用场景；三则在流通端它还会通过对生产方式、商业渠道、居民生活半径、生活方式等环节的传递，对于社会经济结构带来更深远的影响。对于中国式现代化的“并联式”发展思路来说，人工智能的出现，确实增加了四化特别是工业化、信息化、城镇化同步推进的合理性，但与此对应，一些关键技术的突破，以及国家级算力平台的建设就相对更为关键。

再次，对就业来说，人工智能对总量失业率的影响取决于“替代效应”（Displacement Effect）与“创造效应”（Creation Effect）的相对大小。过去两个多世纪的历史经验（Autor，2015）表明，并无证据支持总量失业率随技术进步而长期增加，这就是技术革命的“总量就业中性”假说。但上述研究是基于长期视角，短期就业影响仍可能会是显性的，OpenAI（2023）的研究显示，大约 80% 的美国工作岗位来说，至少有 10% 的工作任务受到 GPT 的影响；大约 19% 的工作岗位至少有50% 的工作任务受到影响。同时，经验研究显示（Goos，2014）在工业信息化时代，ICT带来的技术进步导致了就业结构改变，出现了工作“极化”现象（Job Polarization），即不可替代的高端与低端服务的就业比重会上升，中间常规性、程序化的工作比重减少，存在被替代的趋势。这一效应值得继续研究，比如对于中国经济的“工程师红利”来说，其中创造性的部分会相对价值更大。

最后，对于通胀来说，人工智能一则整体会提升供应端效率、增加供应能力、减少信息不对称、提升供求匹配度；二则会减少对人工的依赖、降低服务端的边际成本，这些逻辑长期来看将对总通胀水平形成约束。瑞典中央银行（Sveriges Riksbank）在其2015年的货币政策报告专栏中曾研究数字化与通胀的关系，指出过去三十余年全球低通胀或与信息革命以来的数字技术及其在经济各方面的应用有关。但另一方面，人工智能对算力的要求对应其对电力等能源的消耗较大，在快速发展的情况下可能会影响能源供求格局。

正文

首先，对总量经济增长来说，人工智能未来的大规模应用可能会带来潜在增长率的上升。人工智能具有渗透性、协同性、替代性、创造性等四项特征（蔡跃洲，2019）。渗透性可以引致关联产业链的发展；协同性可以提升劳动、资本、技术等要素之间的匹配度；替代性可以减少老龄化、少子化对于经济供给端的约束；创造性可以带来更密集的知识和技术要素生产，以上均有利于经济增长。但值得注意的是，与计算机应用时候的“索洛悖论”类似，按照现有的GDP核算体系，劳动生产率和GDP增长率初期不一定会正向变化，统计人工智能的价值创造需要核算体系同步创新。

[1]人工智能具有渗透性、协同性、替代性与创造性四项技术-经济特征（蔡跃洲，2019）。具体来说，渗透性是指人工智能这项技术可以与经济社会各行业、生产生活的各个环节相融合，渗透融合过程中必将引致关联产业的发展，从而通过新产业体系的发展壮大直接带动经济增长。

协同性是指人工智能的应用可以提升劳动、资本与技术等要素的匹配度，降低各要素生产过程中的摩擦成本，提高资源配置效率，从而促进生产效率提升。

替代性直接体现在人工智能对劳动要素的替代上，这将减少老龄化、少子化对于经济供给端的约束。此外，这种替代不仅体现在体力上，更体现在脑力上，即人工智能的创造性，通过更便捷、更密集的知识及技术要素生产促进技术进步，提高全要素生产率，间接带来经济增长。

基于人工智能的这四种特征，人工智能的大规模应用可通过增量-关联产业壮大与存量-全要素生产率提升这两种渠道促进经济增长，带动潜在增长率的上升。

但需注意，按照现有GDP核算体系，在人工智能未来的大规模应用中，现实的劳动生产率与实际增长率可能阶段性下降，因为人工智能必将导致一些商品与服务被替代掉，而新创造出的产品与服务，其增加值可能还无法核算，不能反映计入GDP中。这与计算机时代的“索洛悖论”类似，1987年[2]索洛指出“我们到处都看得见计算机，但在生产率统计方面却看不到”，为解决这一悖论，[3]Brynjolfsson指出“投入产出的测度误差是悖论产生的根源”“由于IT技术所带来的产出质量优化、产出类型增加、消费者服务提升等产出收益被传统核算方法所忽视，这造成了生产率的系统性低估”。从而，人工智能测算方面的低估或也将使劳动生产率和GDP增长率初期不一定会正向变化，需同步创新核算体系。

其次，对于产业结构来说，人工智能一则在供给端会带来自身庞大的产业链谱系的形成，数据、算法、算力等三项基础要素的迭代将推动行业的发展；二则在需求端会通过“人工智能+”，带来对传统行业的创造性改造，无论是C端、B端还是G端都会有无数的应用场景；三则在流通端它还会通过对生产方式、商业渠道、居民生活半径、生活方式等环节的传递，对于社会经济结构带来更深远的影响。对于中国式现代化的“并联式”发展思路来说，人工智能的出现，确实增加了四化特别是工业化、信息化、城市化同步推进的合理性，但与此对应，一些关键技术的突破，以及国家级算力平台的建设就相对更为关键。

生产端，数据、算法、算力是人工智能的三大核心要素，人工智能技术在大规模应用中，必将带动数据生产、算法与软件开发、芯片、存储器等产业的快速发展，未来，人工智能将通过引致产业链谱系的形成来重塑产业结构。

应用端，随着人工智能的持续渗透，其与实体经济融合的深度与广度不断提高，“人工智能+”将大幅改造传统行业，再造服务业，革新工业，智能制造、智慧金融、智能医疗、智慧教育、智慧物流、智慧交通、智慧零售等将涌现，无论是C端、B端还是G端都会有无数的应用场景出现。

流通端，人工智能作为引领人类社会第六次技术革命的代表，与前五次技术革命类似，技术驱动的产业结构变革将传递到生产方式、商业渠道、居民生活半径、生活方式等环节，进一步对社会经济结构带来更深远的影响。

此外，针对中国式现代化的“并联式”发展，当下工业化、城镇化、信息化、农业现代化相互叠加发展，未来或将进一步从信息化到智能化转变，由国民经济信息化转向国民经济智能化，这增加了四化同步推进的合理性，但与此对应，智能化推进过程中，一些关键技术的突破，以及国家级算力平台的建设就相对更为关键。

再次，对就业来说，人工智能对总量失业率的影响取决于[4]“替代效应”（Displacement Effect）与“创造效应”（Creation Effect）的相对大小。过去两个多世纪的历史经验（Autor，2015）表明，并无证据支持总量失业率随技术进步而长期增加，这就是技术革命的“总量就业中性”假说。但上述研究是基于长期视角，短期就业影响仍可能会是显性的，OpenAI（2023）的研究显示，大约 80% 的美国工作岗位来说，至少有 10% 的工作任务受到 GPT 的影响；大约 19% 的工作岗位至少有50% 的工作任务受到影响。同时，经验研究显示（Goos，2014）在工业信息化时代，ICT带来的技术进步导致了就业结构改变，出现了工作“极化”现象（Job Polarization），即不可替代的高端与低端服务的就业比重会上升，中间常规性、程序化的工作比重减少，存在被替代的趋势。这一效应值得继续研究，比如对于中国经济的“工程师红利”来说，其中创造性的部分会相对价值更大。

人工智能与之前历次技术变革类似，将通过“替代效应”与“创造效应”两个渠道影响就业，“替代效应”是指人工智能技术在应用推广过程中，通过对劳动要素的替代，导致部分就业岗位消失，出现“机器换人”的格局。“创造效应”是指人工智能通过效率、技术提升，提高生产率，一方面通过生产规模的扩大增加劳动需求，另一方面还可创造新岗位、新工种，从而弥补了岗位的减少。

自18世纪后期工业革命以来，一直存在技术进步导致失业的担忧，但两个多世纪的历史经验与数据[5]（Autor，2015）表明，自动化与技术进步并未带来更多的劳动力失业，没有证据支持总量失业率会随技术进步而长期增加。机器替代人的过程中，尽管消灭了部分岗位，但是也创造了更多的新岗位，就业总量反而保持了长期增长。人工智能与之前历次自动化进程类似，它的兴起必然会导致很多就业岗位消失，但也会创造引致出很多新岗位，从而实现总量就业上的相对稳定。

但与工业革命以来，历次技术变革引起就业从农业、工业转向服务业，从土地、工厂转向办公室不同，人工智能技术将替代人类智力，人工智能对就业的影响或随其发展阶段而变化，在初期可能仅是替代低技能劳动，但是随智能化发展到高级阶段，将对高技能劳动力产生影响，这或将影响“总量就业中性”假说。[6]OpenAI（2023）最近的研究发现，大约 80%的美国工作可能至少有 10% 的工作任务受到 GPT 的影响，此外，大约 19%的工作可能至少有50% 的工作任务受到影响。人工智能的快速发展或增加了失业率短期上升的可能。

此外，[7]实证研究表明，在工业信息化时代，ICT带来的技术进步导致了就业结构改变，出现了工作极化现象（Job Polarization），而人工智能是在ICT基础上的进一步智能化，这将加剧劳动力市场上的工作极化。不可替代的高端与低端服务的就业比重会上升，而中间常规性、程序化的工作会进一步减少。此前在计算机时代被认为是高端服务的一些行业也将被人工智能替代，比如教育、金融、医疗保健、办公室行政等。

最后，对于通胀来说，人工智能一则整体会提升供应端效率、增加供应能力、减少信息不对称、提升供求匹配度；二则会减少对人工的依赖、降低服务端的边际成本，这些逻辑长期来看将对总通胀水平形成约束。瑞典中央银行（Sveriges Riksbank）在其2015年的货币政策报告专栏中曾研究数字化与通胀的关系，指出过去三十余年全球低通胀或与信息革命以来的数字技术及其在经济各方面的应用有关。但另一方面，人工智能对算力的要求对应其对电力等能源的消耗较大，在快速发展的情况下可能会影响能源供求格局。

总量供需角度，供给上，人工智能可以提升供应端效率，增加生产供应能力，通过增加供给而压低通胀水平；需求上，人工智能加剧劳动力就业极化，进而带来收入分配结构的变化，消费能力最强的中等收入群体占比将下降，而高收入群体的边际消费倾向较低，这或将通过降低总需求而制约通胀水平抬升。供给提升、需求相对压制下，整体供求匹配度会进一步提升，从而压制产出缺口扩大，约束长期总通胀水平。

成本角度，人工智能的发展将提高各产业的生产率，而各产业更高的生产率将转变为更低的生产成本，此外，人工智能的持续渗透将加快各产业的自动化、智能化进程，相应减少对人工的依赖，工资增长的速度或被压制，也将进一步降低服务端的边际成本，工资-价格螺旋得到缓解，长期来看成本推动型通胀或被约束。

历史类比来看，[8]瑞典中央银行（Sveriges Riksbank）在2015年的货币政策报告专栏中深入研究了数字化与通胀的关系，指出过去三十余年全球低通胀或与信息革命以来的数字技术及其在经济各方面的应用有关，比如数字化可以通过带来信息与通讯技术相关的产品与服务的价格下降来降低通胀，并且可以改变市场结构，数字化的发展减少了各类参与者的信息不对称等信息摩擦问题，使市场更趋于完全竞争市场，从定价过程上压制了通胀。与此相似，人工智能的发展是在过去信息化、数字化上的继续，作为新一轮的技术革命，人工智能所带来的智能化也可能产生上一轮数字化相似的通胀约束效应。

最后，结构层面，人工智能技术下的算力提升与数据中心维护都将消耗庞大电力，这将加大能源压力，或将驱动能源与资源品价格进一步上涨。来自[9]谷歌的数据表明人工智能每年消耗谷歌公司约2.3太瓦时的电量，大约相当于亚特兰大这样大小的城市中所有家庭每年的电力。[10]中国工程院院士、紫金山实验室主任刘韵洁指出随着人工智能技术的快速发展，对算力的需求越来越大，2021年全国数据中心耗电量达2166亿度，碳排放达到1.35亿吨，电力成本占总成本的60%到70%。[11]丹麦哥本哈根大学基于其开发的Carbontracker估算“在微软超算数据中心中使用英伟达GPU训练 GPT-3模型，按照美国平均碳强度计算，将消耗大约19万千瓦时的电，产生85000 kg二氧化碳当量排放，相当于欧洲一辆汽车行驶 70 万公里产生的排放量”。这样的测算不一定完全客观，但它提示人工智能的能源消耗较大。

核心假设风险：技术演变超预期，宏观经济变化超预期，外部环境变化超预期。

[1] 蔡跃洲,陈楠.新技术革命下人工智能与高质量增长、高质量就业[J].数量经济技术经济研究,2019,36(05):3-22.

[2] Solow, Robert. 1987. “We'd better watch out.” New York Times Book Review, July 12, p36.

[3] Brynjolfsson, Erik. 1993. "The Productivity Paradox of Information Technology: Review and Assessment." Communications of the ACM

[4] Daron Acemoglu and Pascual Restrepo, 2018. "Artificial Intelligence, Automation and Work." NBER Working Papers 24196

[5] David H. Autor, 2015. "Why Are There Still So Many Jobs? The History and Future of Workplace Automation." Journal of Economic Perspectives, 29(3), 3–30.

[6] OpenAI. 2023. GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.

[7] Goos, Maarten, Alan Manning, and Anna Salomons. 2014. "Explaining Job Polarization: Routine-Biased Technological Change and Offshoring." American Economic Review, 104 (8): 2509-26.

[8] Sveriges Riksbank. 2015. "Digitalization and Inflation." Monetary Policy Report (Februrary): 55-59.

[9] Saul, S., & Bass, D. (2023, March 9). Artificial intelligence is booming—So is its carbon footprint. Bloomberg

[10] https://news.cnstock.com/news,yw-202303-5039558.htm

[11] https://www.theregister.com/2020/11/04/gpt3_carbon_footprint_estimate/

[12] Autor, David, Caroline Chin, Anna M. Salomons, and Bryan Seegmiller. New Frontiers: The Origins and Content of New Work, 1940–2018. No. w30389. National Bureau of Economic Research, 2022

郭磊篇