>> 廣發(fā)證券-AI對于宏觀規(guī)律的影響：十點探討-260602
| 上傳日期： |
2026/6/2 |
大?。?/td>
| 947KB |
| 格式： |
pdf 共10頁 |
來源： |
廣發(fā)證券 |
| 評級： |
-- |
作者： |
郭磊,文永恒 |
| 下載權(quán)限： |
此報告為加密報告，僅限高級會員查看 |
|
|
AI不會推翻宏觀經(jīng)濟規(guī)律，但會改變很多規(guī)律里的“參數(shù)”、傳遞路徑和傳導速度。它既會影響總供給（全要素生產(chǎn)率），又會影響總需求（通過投資、場景、就業(yè)），又會借助供給和需求進一步作用于經(jīng)濟周期等層面。AI會影響哪些宏觀規(guī)律？在本篇報告中，我們將基于十個不同的層面對此做出探討。
第一是經(jīng)濟增長模型。傳統(tǒng)經(jīng)濟增長模型主要依賴于三個變量：勞動力、資本、全要素生產(chǎn)率。AI作為一個新參數(shù)，其影響一是改變勞動、資本的形態(tài)，通過“智能資本”要素替代和增強勞動，緩解傳統(tǒng)要素的邊際報酬遞減；另一方面通過“自我迭代式創(chuàng)新”，大幅提升了技術(shù)和知識創(chuàng)造的內(nèi)生性，使技術(shù)不再是一個外生變量，而是隨數(shù)據(jù)、算力、算法的積累而自我加速。理論上來講，AI將大概率提高潛在增長率，這一點有待于在未來10年全球經(jīng)濟增長的數(shù)據(jù)中觀察。
Bresnahan and Trajtenberg（1995）關(guān)于通用技術(shù)的經(jīng)典框架強調(diào)，一項技術(shù)只有同時具備廣泛適用、自身持續(xù)改進和誘發(fā)互補創(chuàng)新，才可能成為長期增長引擎，大體上，AI符合這三個條件。Aghion et al.（2019）把AI作為一個新變量放入自動化和知識生產(chǎn)函數(shù)，正是為了說明AI既可能改變生產(chǎn)環(huán)節(jié)，也可能改變創(chuàng)新環(huán)節(jié)，而且具備快速迭代的可能性。Filippucci et al.（2024）將AI類比為蒸汽機、電力和互聯(lián)網(wǎng)，不僅影響單個行業(yè)，而且能對跨行業(yè)生產(chǎn)率、創(chuàng)新和社會福利產(chǎn)生潛在影響。從通用技術(shù)特性的角度來看，AI毫無疑問能夠提升潛在增長率。
然而，既有研究對于AI能在多大程度上提高增長率這個問題上存在重要分歧。Aldasoro et al.（2024）的研究認為，AI通過提高生產(chǎn)率，會在短期和長期都提高總產(chǎn)出、消費和投資。OECD的對G7國家測算發(fā)現(xiàn)，若AI采用速度較快且互補投資到位，AI能夠為勞動生產(chǎn)率提供可觀增量。Aghion and Bunel（2024）通過歷史類比法（對比電力革命與IT革命）對AI帶來的生產(chǎn)率增速進行了區(qū)間估算，結(jié)果顯示，未來十年內(nèi)AI將使總生產(chǎn)率增長率每年提高0.8至1.3個百分點，使全要素生產(chǎn)率（TFP）年均增長率提高0.68個百分點。
與之相對，還有一些研究結(jié)論則相對保守。Eloundou et al.（2024）估計未來約20%的任務(wù)可能受到AI影響，Svanberg et al.（2024）估計10年內(nèi)真正具有成本優(yōu)勢、適合由AI執(zhí)行的任務(wù)比例約為23%。Acemoglu（2024）將上述兩項數(shù)字相乘，估計未來10年AI實際影響的工作任務(wù)份額僅約4.6%（20%23%），并測算出未來10年AI帶來的GDP增幅約為1.16%，TFP增幅不超過0.66%（年均0.07個百分點）；考慮到后續(xù)被AI影響的任務(wù)可能更復雜、學習難度更高、結(jié)果衡量更困難，10年AI帶來的TFP增幅將進一步降至低于0.53%。
當下，勞動力數(shù)量增長放緩后，增長更依賴資本深化和TFP，AI若能進入制造質(zhì)檢、工業(yè)軟件、供應(yīng)鏈排程、研發(fā)設(shè)計和公共服務(wù)等領(lǐng)域，就可能對沖部分人口壓力，反過來，如果AI主要停留在簡易內(nèi)容生成和辦公自動化層面，其對潛在增速的貢獻就會明顯弱于市場預期。
第二是生產(chǎn)率。從目前情況來看，“索洛悖論”可能會重現(xiàn)，即微觀效率先出現(xiàn)、宏觀效率后出現(xiàn)?！八髀邈Ｕ摗笔墙?jīng)濟學家羅伯特·索洛在1987年提出的一個經(jīng)典觀察：“到處都能看到計算機時代，唯獨在生產(chǎn)率統(tǒng)計中看不到”；但事后來看，計算機更進一步普及之后，其對于勞動生產(chǎn)率的影響就變得更為明顯。AI大概率也會經(jīng)歷這一過程。我們理解這是因為通用技術(shù)通常要經(jīng)歷“生產(chǎn)率J型曲線”，即企業(yè)先投入硬件、模型、數(shù)據(jù)、組織改造和流程重構(gòu)，短期成本上升、利潤下降；等商業(yè)模式和組織結(jié)構(gòu)適配后，生產(chǎn)率才集中釋放。
Noy and Zhang（2023）在其實驗中發(fā)現(xiàn)，ChatGPT能顯著縮短寫作任務(wù)時間并提高質(zhì)量；Brynjolfsson et al.（2023）在真實客服場景中發(fā)現(xiàn)，生成式AI助手提升勞動生產(chǎn)率，尤其幫助低經(jīng)驗員工追趕高績效員工。然而，Yotzov et al.（2026）對近6000名企業(yè)高管的調(diào)查顯示，過去三年多數(shù)企業(yè)認為AI對就業(yè)和生產(chǎn)率影響很小，未來三年預期才明顯上升；此外，約69%的企業(yè)主動使用AI，但高管個人平均每周使用僅約1.5小時。Bonney et al.（2026）補充調(diào)查進一步說明，2025年11月至2026年1月期間，18%的美國企業(yè)在業(yè)務(wù)職能中使用AI，按就業(yè)加權(quán)為32%，但使用者大都集中在信息和金融部門，且集中在寫作、文檔分析和信息搜索等任務(wù)層面，而非直接產(chǎn)出可計量價值的層面。
微觀實驗和宏觀感知之間存在落差，這一現(xiàn)象可由Brynjolfsson et al.（2021）的“生產(chǎn)率J型曲線”理論解釋：通用技術(shù)的擴散并不是買入技術(shù)并立刻增產(chǎn)的線性過程，而是投資、積累，然后釋放的滯后過程。AI真正創(chuàng)造價值，往往需要企業(yè)同時重寫業(yè)務(wù)流程、重組崗位分工、積累數(shù)據(jù)資產(chǎn)、培訓員工、調(diào)整管理制度，甚至重新設(shè)計產(chǎn)品和商業(yè)模式；但這些投入在會計和國民賬戶中常常被記為當期成本，而不是未來能夠產(chǎn)生收益的資本。因
|
|
