随着AI的快速发展，技术进步所带来的经济发展问题也越来越引起人们的关注。

　　“AI的宏观经济影响主要来自供给冲击、需求冲击和市场机制三个方面。”CF40资深研究员、中国社会科学院世界经济与政治研究所副所长张斌近日在中国金融四十人论坛（CF40）宏观政策季度报告会上表示，重大技术进步一方面提高生产能力，推动产业升级；另一方面也会改变经济运行的底层力量。考察AI带来的影响，既要看生产率如何提高，也要看投资、就业、收入分配和市场竞争如何变化。

局部提效，如何转化为全社会生产率提升？

　　如果说工业化主要使用机器和能源替代人的体力劳动，那么AI可能部分替代人的智力劳动，也可能帮助人类提高体力和智力劳动效率。

　　学术界普遍认同AI有助于提高生产率，但对于提升幅度和实现路径存在不同判断。《AI宏观经济学——AI时代宏观经济波动的新特征与治理》报告援引的一项研究认为，约4.6%的任务较容易被AI替代，这些任务的平均成本节约幅度为14%至15%。据此测算，未来10年AI带来的全要素生产率累计增幅可能为0.66%至0.71%。

　　另一种观点则提出“生产率J曲线”，即企业使用AI往往要经历“先投入、后收获”的过程。在AI引入初期，企业不仅需要购买算力，还要清洗专属数据、重构业务流程、调整组织结构并培训员工。算力等有形支出可以计入成本，新工作流、组织资本等无形资产却难以在统计中充分体现，短期内测得的全要素生产率可能停滞甚至下降。随着这些投入逐步完成并与AI形成协同，生产率才可能进入上升阶段。

　　美国不同行业已经呈现出差异。信息产业的AI采用率达到40%，专业服务、金融地产、医疗教育等行业超过25%。AI采用率较高的行业，劳动生产率平均提升得更快。

　　2025年，美国信息产业劳动生产率增长10%。同期，信息产业就业下降约2%，资本存量增长约6.5%，全要素生产率增长6.7%。资本增长和就业下降，共同带动人均资本提高。

　　但信息产业的表现尚未扩展至美国整体经济。2024年和2025年，美国全要素生产率分别增长1.5%和0.8%，并未显著超过历史水平。张斌据此判断，AI带来的生产率提升仍处于早期阶段，主要集中在少数行业，尚未形成显著的全社会生产率提升。

　　张斌提出，观察AI对生产率的影响，不能只看AI产业链本身。一次重大技术突破会带来供求关系和相对价格变化，也会暴露出新的产业瓶颈。AI能否激发上下游和其他行业连续出现技术突破，将影响生产率提升能否持续并扩展至更多行业。

AI如何改变劳动与资本的收入分配关系？

　　AI正在改变企业的投入结构。报告显示，美国信息处理设备和软件两类投资占名义GDP的比重，到2026年初已经升至约4.9%，超过互联网泡沫时期约4.5%的峰值。从2022年底至2026年一季度，美国企业新增固定投资中，约六成流向AI基础设施。

　　当资本投入快速增加，劳动生产率随之提高，AI技术进步所带来的新增收益将在劳动、资本和技术之间如何分配？

　　北京大学国家发展研究院院长黄益平表示，即使是一场给经济社会带来巨大进步的技术革命，也可能在较长时间内对收入分配形成冲击。AI对收入分配的影响，首先可能体现为资本偏向，即AI提高了劳动者的人均产出，劳动者收入也未必同步增加，新增收益可能更多流向资本和技术所有者。

　　其次是任务分化。AI进入工作流程后，有些劳动者被AI赋能，获得更多机会；有些则可能被AI替代，相应岗位和收入受到影响。“劳动者的知识基础、技能水平、所在行业和地区不同，使用AI的能力也不相同，技能分化和数字鸿沟可能由此扩大。”黄益平说。

　　相关分析指出，AI可以替代教育和医疗中的部分具体任务，但节省出来的时间也可以用于改善用户体验，提供机器难以完成的人际服务。部分智能劳动被替代后，难以被机器替代的服务变得更加稀缺，也会对相关就业形成支撑。

　　黄益平强调，这些讨论更多指向未来可能出现的变化，而不是已经确定的结果。AI对生产率的微观影响已经出现初步证据，但对宏观全要素生产率和收入分配的长期影响，仍有待观察。

AI让市场更有效还是更集中？

　　AI改变的不只是企业内部的生产流程，还会影响企业、平台和消费者之间的市场关系。

　　从技术层面看，AI可以降低价格调整成本，减少信息不对称。企业可以根据需求变化更快地调整产量和价格，消费者也可以利用AI分析商品价格、质量和隐藏条款。在信贷市场，AI与大数据可以帮助金融机构获取借款人信息，缓解小微企业等借款人与金融机构之间的信息不对称。

　　但同样的技术也可能被用于强化市场势力。相关研究发现，平台企业的定价算法即使没有直接沟通，也可能在反复博弈中形成高于竞争水平的价格。算法还可能对单方面降价迅速作出反应，使价格呈现“向上弹性、向下黏性”。

　　AI发展需要巨额资本、算力基础设施、大规模数据、云平台、模型生态和用户入口。少数企业一旦在这些领域形成优势，可能通过规模经济和网络效应进一步扩大市场份额。一项企业调查显示，只有5%的头部企业能够通过深度定制和工作流重塑，将生成式AI转化为实际经营收益；95%的中小企业由于缺少行业背景和组织调整能力，AI投资仍停留在表层。

　　张斌认为，AI既可以帮助小企业降低信息成本，让价格更灵活地反映供求，企业也可能凭借资本、数据、算法和网络效应强化市场势力。“哪一种力量占据上风，既取决于技术如何应用，也取决于相应的治理政策。”

技术进步之外，政策如何跟上？

　　张斌提出，推动AI形成广泛、持续的生产率提升，需要通过开放、统一的市场激励竞争、突破瓶颈。对于具有公共产品属性的基础科研，则需要调整激励机制，推动科研组织模式和工作流程创新。

　　黄益平认为，在劳动力市场上，应倡导就业优先，鼓励赋能劳动而不是替代劳动的AI创新；通过“投资于人”，培养掌握专业知识和AI工具的复合型人才，推动人机协同。同时，需要完善失业保险和兜底社会保障，帮助受到技术冲击的劳动者完成过渡。

　　在市场治理方面，应关注少数企业对云服务、算力资源、训练数据、基础模型和分发入口的控制，把算法定价和算法协调纳入竞争分析，并对大型企业的定价算法开展审计。

　　反垄断的重点也不只是市场上“有没有竞争者”。当企业把业务流程、客户数据、知识库和员工工作习惯嵌入某一模型生态，转换成本可能迅速上升；还要关注用户能不能更换服务、企业能不能迁移、开发者能不能转向其他模型生态。