人工智能 (AI) 正在改变机器的功能，从处理自然语言到分析复杂数据集和生成图像。生成式人工智能（例如 ChatGPT 等大型语言模型）的最新进展也引发了一场关于生产率大幅提高的潜力的激烈辩论，这种提高将使经济摆脱过去二十年许多经合组织国家令人失望的生产率增长（Goldin等人，2024 年，温克等人，2021 年，安德烈和加尔，2024 年）。
这场辩论中的观点差异很大（图 1）。一些人将人工智能视为一种变革性的通用技术，可以在广泛的经济活动中释放生产力增长，并在未来十年内实现宏观经济生产力的大幅提升（Baily 等人，2023）。其他人则认为，当前的人工智能技术在大多数经济活动中并不是特别有用，并预测人工智能带来的总生产力收益将不大（Acemoglu 2024）。我们的新论文（Filippucci et al. 2024）通过评估不同部门生产率增长情景下人工智能带来的总生产率收益并讨论部门重新分配的作用，为这场辩论做出了贡献。图1
关于人工智能总体生产力提升的不同看法人工智能带来的 10 年内劳动生产率预计将增长（以百分点为单位）
笔记
：当来源提供一系列估计值作为主要结果时，下限和上限由条纹区域表示。在对全要素生产率进行预测的情况下，预测的劳动生产率增益是通过假设关于资本存量调整的标准长期乘数 1.5 来获得的（Acemoglu 2024、Aghion 和 Bunel 2024、Bergeaud 2024 和 OECD）。估计值是指括号中显示的国家。
来源：参见论文末尾的参考文献；对于 Goldman Sachs (2023)，基本参考是 Briggs and Kodnani (2023)；对于 IMF (2024)，基本参考是 Cazzaniga 等人。（2024）；对于 OECD，Filippucci 等人的范围。(2024) 显示了主要场景（第 3.1 节中的表 2 最后一行）。
关于人工智能总体生产力收益的分歧来源
越来越多的研究表明，人工智能可以显着提高特定业务环境中员工的绩效，例如客户服务（提高 14%）、业务咨询（提高 40%）或软件开发（提高 50% 以上）（参见Filippucci 等人，2024a 和 2024b 对人工智能对工人生产力影响的最新研究进行了回顾）。鉴于越来越多的证据表明特定领域的生产力大幅提高，人们对人工智能总体生产力优势的看法仍然如此不同，这可能会令人惊讶。然而，通过人工智能对特定经济领域影响的证据推断来预测总体收益具有挑战性。人工智能对整个经济的影响将取决于人工智能在多大范围内被采用来改善经济许多部分的生产流程（通常称为人工智能的“暴露”）以及企业的发展速度将采用人工智能。
此外，总生产率增长还取决于不同经济部门生产的商品和服务的相对需求。具体来说，如果人工智能带来的生产率收益集中在少数部门，并且相对部门需求对相对价格变化反应不大，那么在一般均衡中就会出现鲍莫尔效应（Baumol 1967，Nordhaus 2008）。在这种情况下，人工智能驱动的生产率增长较低的行业（例如建筑业、农业和个人服务业）占 GDP 的份额可能会增长。总体增长可能会受到限制——不是受到我们做得好的方面的限制，而是受到哪些是必要但难以改进的方面的限制”（Aghion 等人，2019 年）。
我们评估了不同场景下人工智能对宏观经济生产力的提升，包括人工智能的接触情况、人工智能采用的速度以及鲍莫尔生长病的驱动因素。在我们的主要情景中，我们预计人工智能可以为美国年度全要素生产率增长贡献 0.25 到 0.6 个百分点（或者为年度劳动生产率增长贡献 0.4 到 0.9 个百分点，假设标准长期乘数为 1.5）未来十年资本存量的调整）。对其他经济体的估计也有类似的规模，但略低，因为人工智能的采用预计会较慢，而且这些经济体中高度依赖人工智能的行业相对较小。
如果这些预测确实实现，则意味着在过去几十年经合组织生产率增长疲软（每年增长 1% 至 1.5%）的背景下，它们对劳动生产率做出了重大贡献。我们估计的上限表明，人工智能带来的生产力提升幅度与 20 世纪 90 年代中期开始的高增长十年中美国 ICT 带来的生产力提升幅度相当（每年约 1%；参见 Byrne 等人）等人，2013 年和布内尔等人，2024 年）。
从微观到宏观
为了得出宏观经济生产率增长的预测，我们分两个步骤进行。首先，受 Acemoglu (2024) 的启发，我们通过将工人水平绩效收益的估计与人工智能部门暴露程度的衡量（图 2）以及基于之前通用目的的历史经验的未来采用率预测相结合，获得了部门生产率的提升技术（图 3）。由此产生的十年间各部门全要素生产率的增长范围从体力密集型活动（农业、渔业、采矿业）的 1-2% 到知识密集型服务业（ICT、金融、专业服务）的 15-20%，取决于人工智能采用和曝光的具体假设。图2
不同行业对人工智能的接触程度不同图3
人工智能采用路径的不同场景第二步，我们使用经过校准的多部门一般均衡模型得出隐含的宏观经济生产率增益，该模型考虑了部门投入产出联系以及需求在推动价格调整和跨部门要素重新配置中的作用（Baqaee 和 Farhi 2019）。
宏观经济生产率的提高是在不同的情景下得出的，涉及微观层面的生产率提高的幅度、人工智能的部门暴露程度、采用的速度以及部门重新分配的结构性决定因素（图4）。人工智能带来的总生产率收益可以分解为三个效应：（1）部门层面生产率提高的直接效应；(2) 投入产出乘数效应，因为一个部门生产率的提高也通过中间投入成本的降低而使其他部门受益；(3)鲍莫尔效应。图4
不同场景下人工智能带来的宏观生产力提升10年期间对全要素生产率年增长率的估计影响
笔记
：这些条对应于人工智能的采用、功能和微观收益的不同场景（如图 1 所示）。在情景1和情景2中，不同部门产出之间的替代弹性接近于1，生产要素（劳动力和资本）可以在部门间自由重新配置。在存在调整摩擦的情景3-5中，假设消费弹性非常低，要素无法跨部门重新配置。请参阅 Filippucci 等人的第 3 节了解更多详细信息。（2024）。
人工智能的采用是生产率增长的关键驱动力，但部门收益不均衡可能会通过鲍莫尔效应限制总体增长
该分析得出的一个重要见解是，人工智能的宏观经济影响将主要取决于人工智能的采用速度以及人工智能对经济各领域经济活动的惠益程度。目前，不同公司和行业的采用率差异很大，根据企业官方统计数据和公司级研究报告，国家级采用率普遍较低，在 5% 至 15% 之间（例如 Calvino 和 Fontanelli 2023a），2023b)。情景 1（低采用率）和 2（高采用率和扩展功能）的比较表明，通过扩展 AI 功能（例如，与其他数字工具的进一步集成），将 AI 快速、高效地集成到更广泛的经济活动中，对于实现出现巨大的宏观经济收益。
如果人工智能的生产率收益集中在少数几个部门，就会对总体生产率增长产生负鲍莫尔效应，如情景 3（高采用率和扩展能力，加上不均匀的部门收益和调整摩擦），其中部门收益更加不均匀，因为知识- 信息通信技术和金融等密集型行业预计会更快地采用人工智能。 1 在上一次技术驱动的繁荣时期（从 90 年代中期开始的 ICT 繁荣十年），生产率的提高集中在少数几个行业。本着这种精神，情景 4（非常大的收益，集中在大多数受影响的部门，加上调整摩擦）考虑了更接近该时期观察到的部门收益的集中情况。 2 在这里，鲍莫尔效应使总生产率提高减少了三分之一。
相比之下，如果人工智能的收益在各个领域更加广泛，例如，如果人工智能与机器人技术更好地结合，则不会出现鲍莫尔效应，这意味着不仅认知活动而且体力密集型活动都可以从人工智能中受益（场景5，人工智能结合与机器人技术，加上调整摩擦）。
我们还探讨了摩擦对经济部门构成变化的影响如何影响总生产率。具体来说，我们考虑了生产要素（资本和劳动力）无法在我们的预测范围内跨部门自由重新分配的可能性。我们表明，这种摩擦可能会放大鲍莫尔的负面效应，因为需要人工智能推动的部门的相对产出价格大幅下降，才能为其增加的产出创造足够的需求。这将导致其 GDP 份额大幅下降，特别是在需求缺乏弹性的情况下。 3 因此，尽管此类摩擦会阻碍要素从高增长部门向低增长部门的重新配置，但一般均衡视角表明，由于阻碍了要素向最有价值的部门的有效配置，总生产率增长仍会受到损害。
总体而言，人工智能有望重振经合组织国家及其他国家的生产力增长。政府还可以在塑造人工智能的宏观经济收益方面发挥作用，例如通过解决问责制方面的法律不确定性，这可能会阻碍企业采用高效的人工智能（OECD 2024a）。与此同时，政府可以营造一个有利于创新和实验的竞争环境（无论是在人工智能使用领域还是人工智能生产领域；参见 Aghion 和 Bunel 2024，OECD 2024b），同时监测潜在的劳动力市场干扰并支持工人在人工智能经济中过渡到新角色（例如 Acemoglu 等人 2023a,b、Baily 等人 2023、OECD2023）。
参考
Acemoglu, D (2024)，“人工智能的简单宏观经济学”，经济政策，eiae042。
Acemoglu、D、D Autor 和 S Johnson (2023a)，“我们可以拥有支持工人的人工智能吗？选择一条为思想服务的机器之路”，麻省理工学院塑造工作未来计划，政策备忘录。
Acemoglu、D、D Autor 和 S Johnson (2023b)，☀人工智能如何成为有利于工人的人—，VoxEU.org，10 月 4 日。
Aghion、P 和 S Bunel (2024)，“人工智能与增长：我们的立场如何？”。
Aghion, P、B Jones 和 C Jones (2019)，“人工智能与经济增长”，载于人工智能经济学：议程，芝加哥大学出版社。
Andre, C 和 P Gal (2024)，“重振生产率增长：政策回顾”，经合组织经济部政策文件第 1822 号。
Baily, M、E Brynjolfsson 和 A Korinek (2023)，“心智机器：人工智能驱动的生产力繁荣案例”，布鲁金斯学会，5 月 10 日。
Baqaee、DR 和 E Farhi（2019 年），“微观经济冲击的宏观经济影响：超越 Hulten 定理”，计量经济学87(4)：1155—203。
Baumol, W J (1967)，“不平衡增长的宏观经济学：城市危机的剖析？”，美国经济评论57(3)：415-26。
Bergeaud, A (2024)，“转型时代的货币政策”，欧洲央行中央银行论坛。
Bunel、S、G Bijnens、V Botelho、E Falck、V Labhard、A Lamo、O Röhe、J Schroth、R Sellner、J Strobel 和 B Anghel (2024)，“数字化和生产力”，偶尔文件系列 339，欧洲中央银行。
Byrne, DM, S D Oliner 和 D E Sichel (2013)，“信息技术革命结束了吗？”，国际生产力监测25 点 20 分至 36 点。
Hatzius, J、J Briggs、D Kodnani 和 G Pierdomenico (2023)“人工智能对经济增长的潜在巨大影响 (Briggs/Kodnani)”，高盛全球经济分析师。
Calvino, F 和 L Fontanelli (2023a)，“各国人工智能采用者的肖像：企业特征、资产——互补性和生产力”，经合组织科学、技术和工业工作文件第 2023/02 号。
Calvino, F 和 L Fontanelli (2023b)，∀企业对人工智能的使用：有关业务特征、资产互补性和生产力的跨国证据—，VoxEU.org，6 月 14 日。
Cazzaniga、M、F Jaumotte、L Li、G Melina、A J Panton、C Pizzinelli、E J Rockall 和 M Mendes Tavares (2024)，“Gen-AI：人工智能和工作的未来”，国际货币基金组织工作人员讨论请注意 SDN2024/001。
Filippucci、F、P Gal、C Jona-Lasinio、A Leandro 和 G Nicoletti (2024a)，“人工智能对生产力、分配和增长的影响：关键机制、初步证据和政策挑战”，经合组织人工智能情报论文第 15 号。
Filippucci、F、P Gal、C Jona-Lasinio、A Leandro 和 G Nicoletti (2024b)，-人工智能应该留下还是应该走：人工智能对生产力和增长的承诺和危险—，VoxEU.org，5 月 2 日。
Goldin、Ian、P Koutroumpis、F Lafond 和 J Winkler (2024)，“生产率为何下降？”，经济文献杂志62(1)：196-268。
Nordhaus, W D (2008)，“鲍莫尔病：宏观经济视角”，BE宏观经济学杂志8（1）。
经合组织（2023），经合组织 2023 年就业展望：人工智能和劳动力市场，巴黎：经合组织出版。
经合组织 (2024a)，“人工智能理事会的建议”，经合组织法律文书，OECD/LEGAL/0449。
经合组织 (2024b)，“人工智能、数据和竞争”，经合组织人工智能论文第 18 号。
Winkler、J、P Koutroumpis、F Lafond 和 I Goldin (2021)，-重新评估近期生产率放缓的根源—，VoxEU.org，5 月 31 日。