人工智能的影响或可媲美蒸汽、电力与计算机——但历史表明，其经济影响需要一定时间才能完全显现

18世纪末在英国开启的工业革命，带来了彻底改变经济体系的首波技术浪潮。随后几个世纪，又出现了多次革命性变化，每一次都与一种新的技术形式相关联。我们能从这些历史中汲取哪些经验，以理解当下技术飞速发展所带来的影响？

当今围绕新技术的公众辩论要么聚焦于由AI驱动的科学突破所带来的令人目眩的未来，要么关注了一种反乌托邦式的图景：被淘汰的劳动者艰难求生，技术精英则无比富有。然而，19世纪铁路和蒸汽机的出现以及20世纪末信息通讯技术（ICT）的兴起，同样也曾激起过类似的希望与恐惧。经济学和历史学告诉我们，应当警惕对未来技术极端的预测。

关于技术对经济增长和生活水平的影响，经济学基本原理的预测相对乐观。通过提升劳动者的生产率，技术可以提高劳动力需求，推动经济扩张并增加工资。从过去几百年物质生活的进步来看，这种美好的故事是十分准确的。过去两百年中，技术浪潮并未导致失业率不断飙升。否则，现在的劳动者应当已经所剩无几，只在有限领域从事日益减少的活动。

不过，在这一总体趋势下，仍存在一些使问题复杂的重要因素。关于技术革命的经典讨论之一是新技术产生影响的速度究竟有多快。

通用技术的力量

第一次工业革命之所以具有深远的经济意义，是因为出现了新的通用技术——蒸汽动力。与“更好的面包烤炉”这种只会让烘焙师提高效率的技术不同，通用技术具有众多的用途，能够提升整个经济的生产率。始于19世纪末的第二次工业革命带来了新的通用技术——电力；而20世纪末的第三次工业革命则带来了信息与通讯技术。工业革命也带来了所谓的“发明方法的发明”。在第一次工业革命中，这是关于寻找相关方法，把科学知识与有用产品的创造结合起来。

如今，AI因其为商品服务生产带来的根本性全新可能，以及其在诸多领域中的广泛应用，很可能也会成为一种独特的通用技术。此外，AI也带来了提出新想法的全新方式，因此其本身也是一种新的“发明的方法”。我们很可能正处在与过去同样具有突破性的第四次工业革命之中。

如果通用技术对工业革命至关重要，那么，它需要多久才能真正发挥影响？经济史学家尼古拉斯·克拉夫茨（Nicholas Crafts）的研究表明，19世纪蒸汽技术的影响比人们此前认为的更慢、更弱，其成效直到1830年之后才出现。其原因在于，起初，应用蒸汽动力的行业在经济中的比重很小，无法推动整体生产率的快速跃升。要充分释放通用技术的潜力，需要广泛的经济重组，而这需要时间。蒸汽动力意味着把工人转移进工厂；电气化意味着彻底改造生产线；信息通讯技术则要求企业重塑管理和行政体系。

索洛悖论

这项研究有助于缓解一种人们常常提到的、对生产率表现出的失望之情。增长经济理论的先驱罗伯特·索洛（Robert Solow）曾说过一句名言：“你在任何地方都能看到计算机时代的存在，但唯独在生产率的统计数据中看不到它。”这个“索洛悖论”揭示：尽管20世纪末计算机和通讯技术已出现，但生产率增长却显得平平无奇。但若以第一次工业革命的经验为参照，期待新技术立刻带来回报显然过于乐观了。相比蒸汽技术早期的影响，信息通信技术带来的生产率提升，在速度与幅度上都是历史上前所未有的。社会显然已变得更加善于利用新技术的经济潜力。

尽管从过去几百年来看，经济扩张和生活水平提升都来源于技术的进步（即经济供给侧的改善），但在短期内，许多因素都会影响增长。一些经济学家将过去数十年的疲弱增长归咎于需求不足，尤其是在21世纪头十年初全球金融危机后。但也有人认为，即便是支撑过去两百年持续增长的“供给侧改进”，如今也已变得更难实现。经济学家罗伯特·戈登（Robert Gordon）指出，诸如电灯、自来水这类在20世纪极大改善生活和经济的技术，在技术上都属于容易实现的成果——与那时相比，如今的此类机会已经变少了。

从历史来看，AI能打破这一僵局吗？虽然近期这种技术取得了令人炫目的突破，但它仍处于早期阶段——在将AI运用于经济方面，则几乎肯定是这种情况。AI对生产率的贡献迄今为止仍然有限，甚至有一些人将之称为一个“生产率悖论”。但与蒸汽、电力和信息通信技术一样，要想充分发挥AI的潜力，就需要新的组织方式与工作方式。如果信息通信技术的经验具有参考意义，那么与先前的通用技术相比，AI带来的生产率提升将更快实现——即便其不能达到一些技术乐观主义者所期望的爆发式增长。

长期焦虑

关于新技术的影响，第二个使问题复杂化的因素在于：生产率的收益将如何分配？如果将工业革命的发展以十年（而非百年）为单位来观察，就会发现一个更复杂、更阴郁的图景——这也正是推动对新技术的长期恐惧、激发对产业资本主义批评的原因。19世纪中叶，弗里德里希·恩格斯（Friedrich Engels）观察到，在工业革命早期的若干阶段，机器对工人的影响并不相同。18世纪60年代，“珍妮纺纱机”的发明降低了纱线成本，这使布料变便宜、需求有所上升。对织工的需求增加了，而且他们的工资也上涨了。

但随后，织布本身实现了机械化，这摧毁了这些工人的生活。在英国曼彻斯特的贫民窟中，恩格斯看到被新机器挤出的手工织布工。在缺乏其他就业机会的情况下，他们的工资暴跌，每天工作18小时，只能勉强糊口——他们生产的织物越来越多地被“纳入动力织机生产体系”。而在工厂中，男女老少长时间在危险、肮脏的环境中劳作。恩格斯认为，机器和工厂制度彻底破坏了工人阶级的生活。

经济史学家罗伯特·艾伦（Robert Allen）使用历史数据，复现了恩格斯描述的基本模式。在工业革命早期，尽管人均产出上升，实际工资却长期停滞。直到19世纪中期，工资才开始与生产率同步上升——正如基本经济学原理所预言。与“跨越数百年”的时间尺度相比，从更短期的角度来看，新技术在生活水平和工资上产生的影响是复杂而矛盾的。

在一系列近期研究中，达伦·阿西莫格鲁（Daron Acemoglu）和帕斯夸尔·雷斯特雷波（Pascual Restrepo）对这些不同的影响进行了建模。诸如蒸汽织机、工业机器人和AI等新技术，会将原本由劳动者完成的任务自动化，从而导致劳动力被替代——所谓的“替代效应”。这种效应会降低劳动力在国民收入中的比例，并使工资与生产率脱节。

重建效应

其他的一些因素则会抵消替代效应。例如，因纺纱机械化而受益的织工就是一个例子：某行业的自动化会增加相关非自动化任务的需求。但从19世纪下半叶开始，出现了一种对工人有利的更强劲效应——“重建效应”。当新技术创造新的任务、使人类相对于机器重新获得比较优势时，这一效应便会发生。在19世纪和20世纪，当蒸汽机、电力和计算机重塑生产方式时，一系列此前难以想象的新职业随之涌现：工程师、电话接线员、机械技师、软件设计师等等。

这些效应使技术带来的生产率提升与工资增长之间的联系变得更加复杂。如果技术只会替代劳动力，那么20世纪60年代尼古拉斯·卡尔多（Nicholas Kaldor）发现的“劳动力在全国收入中的比例长期稳定”的著名典型事实就无法解释。另一方面，如果每个被机器替代的劳动者都能马上获得一份新工作，那也就不会出现卢德派式的技术反抗。

在工业革命初期，替代效应占据了主导地位，损害了工人们的利益；在20世纪，重建效应则变得更强，工资、生活水平都得到了提升。但自20世纪末以来，许多发达经济体的实际工资却停滞不前——这也是信息时代的另一个悖论。

阿西莫格鲁和雷斯特雷波指出，信息通信技术和AI的许多创新都旨在实现自动化而非创造新任务。这使劳动力需求疲弱、工资增长缓慢、收入差距扩大等问题变得更加严峻。他们甚至认为，过度自动化可能会损害生产率。因此，他们倡导推动“支持劳动的AI”：例如，在教育医疗领域，AI可帮助制定个性化的学习与治疗计划，从而需要更多而不是更少的教师与医生。

机器的奇点时刻

一个更大的问题是：鉴于AI有替代人类创造力的潜能，其是否与此前的所有通用技术存在根本上的不同？技术人员常谈到AI达到“奇点”时刻，即机器能够自我改进、自我发明，人类变得多余，从而消除了创造新任务的重建效应。

若真如此，与过去进行的经济对比是否就失效了？那也未必。即便AI达到了奇点时刻，也不意味着一定就会抵达经济奇点——即生产率无限增长，但人类被淘汰。经济学家威廉·诺德豪斯（William Nordhaus）通过实证检验评估了这种奇点的可能性，发现大多数条件远未满足。原因在于经济的大部分是实体而非信息性的，且未来很可能仍会这样。AI若要完全接管经济，就必须学会煎荷包蛋、剪头发、哄托儿所里的孩子。

19世纪初与我们如今世界的一个最大的区别在于，我们如今拥有影响经济结果的政策工具。众所周知，在创新方面存在着显著的市场失灵。但目前AI技术路线的选择大多由企业主导，很少顾及政策制定者和公众关注的更广泛经济影响。而技术是一种社会选择，我们可以影响它。有了此前几次工业革命的经验，政府和监管机构既有动机、也有手段来引导技术的方向，确保其经济收益被更广泛地分享——前提是他们具备足够的政治意愿来这么做。

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。