## 人工智能带给全球经济的希望

## Source details

**Canonical URL:** [人工智能带给全球经济的希望](https://www.imf.org/zh/publications/fandd/issues/2024/09/ais-promise-for-the-global-economy-michael-spence)

## Other formats

- [Markdown version](/zh/publications/fandd/issues/2024/09/ais-promise-for-the-global-economy-michael-spence/index.md)
- [Structured JSON version](/zh/publications/fandd/issues/2024/09/ais-promise-for-the-global-economy-michael-spence/index.json)
- [Bundle manifest](/zh/publications/fandd/issues/2024/09/ais-promise-for-the-global-economy-michael-spence/bundle-manifest.json)

## Bibliographic details
- Authors: MICHAEL SPENCE
- Published: September 1, 2024

---

### 要点与结论
- 如果使用得当，人工智能可以显著加快经济增长，并帮助实现生产率增速的反弹。
- 我的最佳猜测（这只是一种猜测，基于当前的投资模式）是，到本十年末，我们可能会开始看到AI对劳动生产率的深刻影响。
- AI是一项通用技术，能在整个经济体系中应用；只有通用技术才能带来整个经济范围内的生产率的大幅提升。
- 若能出台政策帮助AI技术在整个经济中加速传播，AI能够显著加快经济增长，并帮助生产率增长实现反弹，同时逐渐间接降低实际利率和资本成本。

### 后疫情时期的挑战（供给侧限制与长期趋势）
- 疫情后全球面临的主要问题包括：经济增速放缓、数十年来最持久的通胀、可持续性进展有限、高昂借贷成本拖累投资与能源转型投资。
- 供给侧限制导致的后果包括：经济增速放缓、新通胀压力、资本成本上升、财政陷入困境和财政空间收缩。
- 全球主权债务相关数据（原文陈述）：
  - 全球主权债务已超过全球GDP并仍在继续攀升。
  - 美国当前的主权债务率已超过120%。
  - 欧洲的这一比率为88.6%。
  - 希腊、意大利、西班牙、法国、比利时和葡萄牙的比率高于平均水平（其中希腊和意大利大幅高出平均水平）。
- 长期人口与劳动力趋势：
  - 超过75%的全球产出由出现人口老龄化的经济体贡献。
  - 生育率下降与寿命延长使劳动力增长放缓或减少，且需要照顾的老年人数量增多。
  - 许多发达经济体在高就业部门出现劳动力短缺，美国与德国尤其明显。
- 由需求限制型向供给限制型的转变导致：经济增长乏力、通胀持久、实际利率仍处高位，借贷成本可能长期高于全球金融危机后的十年。

### 生产率的现状与数据（美国与部门差异）
- 美国生产率增长率：
  - 1998年到2007年，平均增速为1.68%。
  - 2010年到2019年，生产率增速放缓至0.38%。
- 部门间生产率增速变化：
  - 可贸易商品和服务部门的生产率增速从4.27%下降到1.23%。
  - 非贸易服务业的生产率增速从0.73%下降到实际为零。
- 欧洲面临的落后部分原因在于：数字技术采用和部署速度与效率较低，以及科技行业相对落后于美国和中国。

### 三股碰撞的强大力量（冲击、长期趋势、技术革命）
- 第一股：冲击
  - 包括战争、大流行病、气候变化、地缘政治紧张、民族主义回潮、国家安全关注提升等，推动供应链朝更加多元化和更具韧性的方向发展，但代价高昂并加剧通胀。
  - 例：苹果公司在印度的生产占比为15%（目前）；最先进半导体的制造几乎仅在韩国和中国台湾省。
- 第二股：长期趋势
  - 人口老龄化、劳动力增长放缓、主权债务上升、全球化与通缩力量减弱（“刘易斯拐点”相关）。
- 第三股：科学与技术革命
  - 至少存在三项革命：数字化（因AI突破性进展而提速）、生物医学与生命科学变革、以及支撑向可持续能源转型的技术。
  - 技术进步与成本下降（如太阳能、先进半导体、DNA测序、蛋白质三维模型）共同推动更广泛的结构性变化。

### AI 的潜力、机制与示例
- 生成式AI的特征与能力：
  - 是第一个具有类似人类能力、能在多个领域运行并根据对话指令检测和切换领域的AI。
  - 能讨论通胀、编写计算机代码、做一些数学运算（尽管还在进一步开发中）。
  - 超人般的模式识别能力使其成为功能强大的数字助手。
- 人机协作模式（“增强智能”）比完全自动化更理想。
- 示例：医疗领域——AI可以回顾并吸收数十万名患者病例，使其对经验丰富的医生如虎添翼，对经验不足的医生更为有益。
- 特定AI应用（非生成式AI）示例：AlphaFold预测蛋白质三维结构，需专门生物学数据与专业知识。

### 发展差异、障碍与全球分布
- 人才、计算能力与电力需求是构建生成式AI模型的主要障碍；数据可用性不是主要约束。
- 大型模型训练主要存在于私人部门的云计算系统中，大部分位于美国和中国，这与人才竞争共同限制了学术界和科学界的有利地位。
- 地区差异与挑战：
  - 欧洲在AI方面可能落后于美国和中国，原因包括：对基础研究资金投入相对不足；在支持研究的计算能力方面落后；未能充分利用规模庞大的欧洲经济与仍较割裂的资本市场与服务市场监管。
  - 中国被认为是一个AI强国。
  - 印度在数字技术方面根基牢固、拥有庞大且不断增长的国内市场以及深厚的工程人力资本储备，可能成为持续增长的力量。
  - 其他新兴市场经济体在未来几年内主要将是先进AI技术的消费国，但可从AI应用中获益良多。

### 风险、必须克服的问题与政策优先事项
- 风险与挑战包括：
  - 技术和数据滥用需要监管以降低风险。
  - 自动化偏见或“图灵陷阱”——媒体、业界和政策讨论中存在完全实现自动化并取代人类的强烈倾向，导致对就业急剧下降的担忧。
  - 计算基础设施集中在私人平台与少数国家，学术与研究社区的访问受限。
  - AI应用扩散不足，尤其在存在大规模就业的部门（如政府、医疗保健、建筑和接待服务业）中，这些部门往往滞后。
- 政策优先事项（需同时加强支持AI传播与风险控制）：
  - 在不由政府挑选赢家的前提下，加强有效的竞争政策。
  - 扶持可能在技术发现与采用方面滞后的部门与企业，特别是中小企业。
  - 优先支持技能再培训和新技能的获取，以应对职位性质的变化与大量组织变革需求。
  - 扩展计算基础设施，建设一个由研究人员和创新人员组成的广泛、民主的开放社区，在学术与私人创新之间保持平衡，从而支持技术的广泛传播。
  - 在全球范围内推进监管议程以防止技术和数据滥用，同时加大对可得性、传播与技能的政策支持力度。

### 预期影响与长远展望
- AI将在未来几十年内推动大规模的结构变化和颠覆，影响从生物学到物理学和材料科学的科技研究，并在能源转型过程中发挥关键作用。
- 影响分布：
  - 部分群体将因自动化或生产率快速提升而失去工作。
  - 另一部分群体将被雇用从事由AI创造的新工作。
  - 处于中间位置的劳动者将受到最大影响：工作岗位不一定消失，但会发生变化，需要不同的技能与组织变革。
- 若政策有助于AI在整个经济中加速传播，AI可：
  - 显著加快经济增长；
  - 帮助生产率实现反弹；
  - 放松部分供给侧限制，从而逐渐间接降低实际利率和资本成本；
  - 支持在需要数万亿美元投资以实现能源效率与绿色转型的世界中，减轻资金约束与成本压力；
  - 在老龄化问题上，帮助更年轻的劳动人口为更年老的群体提供支持而不必作出过度牺牲。

*文章和其他材料中所表达的观点均为作者个人观点，不一定反映IMF的政策。文章作者：迈克尔 • 斯宾塞，《金融与发展》，2024年9月。*

---


_Source: https://www.imf.org/zh/publications/fandd/issues/2024/09/ais-promise-for-the-global-economy-michael-spence_