>> 广发证券-AI对于宏观规律的影响:十点探讨-260602
| 上传日期: |
2026/6/2 |
大小: |
947KB |
| 格式: |
pdf 共10页 |
来源: |
广发证券 |
| 评级: |
-- |
作者: |
郭磊,文永恒 |
| 下载权限: |
此报告为加密报告 |
|
|
AI不会推翻宏观经济规律,但会改变很多规律里的“参数”、传递路径和传导速度。它既会影响总供给(全要素生产率),又会影响总需求(通过投资、场景、就业),又会借助供给和需求进一步作用于经济周期等层面。AI会影响哪些宏观规律?在本篇报告中,我们将基于十个不同的层面对此做出探讨。 第一是经济增长模型。传统经济增长模型主要依赖于三个变量:劳动力、资本、全要素生产率。AI作为一个新参数,其影响一是改变劳动、资本的形态,通过“智能资本”要素替代和增强劳动,缓解传统要素的边际报酬递减;另一方面通过“自我迭代式创新”,大幅提升了技术和知识创造的内生性,使技术不再是一个外生变量,而是随数据、算力、算法的积累而自我加速。理论上来讲,AI将大概率提高潜在增长率,这一点有待于在未来10年全球经济增长的数据中观察。 Bresnahan and Trajtenberg(1995)关于通用技术的经典框架强调,一项技术只有同时具备广泛适用、自身持续改进和诱发互补创新,才可能成为长期增长引擎,大体上,AI符合这三个条件。Aghion et al.(2019)把AI作为一个新变量放入自动化和知识生产函数,正是为了说明AI既可能改变生产环节,也可能改变创新环节,而且具备快速迭代的可能性。Filippucci et al.(2024)将AI类比为蒸汽机、电力和互联网,不仅影响单个行业,而且能对跨行业生产率、创新和社会福利产生潜在影响。从通用技术特性的角度来看,AI毫无疑问能够提升潜在增长率。 然而,既有研究对于AI能在多大程度上提高增长率这个问题上存在重要分歧。Aldasoro et al.(2024)的研究认为,AI通过提高生产率,会在短期和长期都提高总产出、消费和投资。OECD的对G7国家测算发现,若AI采用速度较快且互补投资到位,AI能够为劳动生产率提供可观增量。Aghion and Bunel(2024)通过历史类比法(对比电力革命与IT革命)对AI带来的生产率增速进行了区间估算,结果显示,未来十年内AI将使总生产率增长率每年提高0.8至1.3个百分点,使全要素生产率(TFP)年均增长率提高0.68个百分点。 与之相对,还有一些研究结论则相对保守。Eloundou et al.(2024)估计未来约20%的任务可能受到AI影响,Svanberg et al.(2024)估计10年内真正具有成本优势、适合由AI执行的任务比例约为23%。Acemoglu(2024)将上述两项数字相乘,估计未来10年AI实际影响的工作任务份额仅约4.6%(20%23%),并测算出未来10年AI带来的GDP增幅约为1.16%,TFP增幅不超过0.66%(年均0.07个百分点);考虑到后续被AI影响的任务可能更复杂、学习难度更高、结果衡量更困难,10年AI带来的TFP增幅将进一步降至低于0.53%。 当下,劳动力数量增长放缓后,增长更依赖资本深化和TFP,AI若能进入制造质检、工业软件、供应链排程、研发设计和公共服务等领域,就可能对冲部分人口压力,反过来,如果AI主要停留在简易内容生成和办公自动化层面,其对潜在增速的贡献就会明显弱于市场预期。 第二是生产率。从目前情况来看,“索洛悖论”可能会重现,即微观效率先出现、宏观效率后出现。“索洛悖论”是经济学家罗伯特·索洛在1987年提出的一个经典观察:“到处都能看到计算机时代,唯独在生产率统计中看不到”;但事后来看,计算机更进一步普及之后,其对于劳动生产率的影响就变得更为明显。AI大概率也会经历这一过程。我们理解这是因为通用技术通常要经历“生产率J型曲线”,即企业先投入硬件、模型、数据、组织改造和流程重构,短期成本上升、利润下降;等商业模式和组织结构适配后,生产率才集中释放。 Noy and Zhang(2023)在其实验中发现,ChatGPT能显著缩短写作任务时间并提高质量;Brynjolfsson et al.(2023)在真实客服场景中发现,生成式AI助手提升劳动生产率,尤其帮助低经验员工追赶高绩效员工。然而,Yotzov et al.(2026)对近6000名企业高管的调查显示,过去三年多数企业认为AI对就业和生产率影响很小,未来三年预期才明显上升;此外,约69%的企业主动使用AI,但高管个人平均每周使用仅约1.5小时。Bonney et al.(2026)补充调查进一步说明,2025年11月至2026年1月期间,18%的美国企业在业务职能中使用AI,按就业加权为32%,但使用者大都集中在信息和金融部门,且集中在写作、文档分析和信息搜索等任务层面,而非直接产出可计量价值的层面。 微观实验和宏观感知之间存在落差,这一现象可由Brynjolfsson et al.(2021)的“生产率J型曲线”理论解释:通用技术的扩散并不是买入技术并立刻增产的线性过程,而是投资、积累,然后释放的滞后过程。AI真正创造价值,往往需要企业同时重写业务流程、重组岗位分工、积累数据资产、培训员工、调整管理制度,甚至重新设计产品和商业模式;但这些投入在会计和国民账户中常常被记为当期成本,而不是未来能够产生收益的资本。因
|
|