AI经济学：一场关于“速度”与“瓶颈”的博弈

近年来，关于AI经济学的热议，核心聚焦于一场关于“发展速度”的较量。关于AI泡沫的讨论，最终都聚焦在，「AI何时能真正反映到GDP/生产率上」这一核心问题。

诺贝尔经济学奖得主Daron Acemoglu在2024年提出了一项保守预测。他根据当时AI能力（主要是GPT-3.5时代）的实证观察，计算出AI对未来十年全要素生产率（TFP）的增长贡献可能仅为微不足道的0.07%到1%。他的判断主要基于AI只能自动化很少一部分人类任务，且短期内难以大幅降低成本的观点。

然而，在Agent全面接管工作流、推理模型层出不穷的当下，Acemoglu基于Chat时代的观察显得略显过时。

除了他的论点，还有多个流派对AI、对GDP年增长的影响预测从0.07%到10%，分布在广泛的光谱上。这些预期差异主要源于他们对AI技术本身发展速度的理解差异。

斯坦福大学商学院经济学家Charles I. Jones在2026年1月发布的最新论文《人工智能与我们的经济未来》，为这场争论引入了一个超越具体技术参数的宏观框架。Jones没有纠结于模型能力的范围，而是通过数学化的生产函数模型模拟了AI在不同场景下的可能性。他认为，AI确实拥有引爆经济的潜力，但这个引爆过程将被经济系统中的「薄弱环节」无情地拉长。

和过往的电气、互联网革命一样，这很可能也将是一个被驯服的奇点时代。

01 AI对经济影响的三种叙事

关于AI将在多大程度上提升长期GDP增长率，学术界目前分裂为三种截然不同的叙事。

分歧不仅源于对技术能力的判断不同，也源于他们看待经济机器运转方式的根本差异。

渐进主义视角：任务模型的摩擦 (Acemoglu)

Daron Acemoglu是这一流派的代表。在2024-2025年的系列研究中，他主要通过霍尔顿定理（Hulten’s Theorem）作为依据进行论证。

霍尔顿定理的推导逻辑非常直接：AI对总生产力的贡献，大约等于「受AI影响的GDP份额」X「这些任务的成本节约率」。根据Acemoglu的测算，即便假设AI能影响20%的任务并带来25%的成本降低，其在未来十年内对TFP（全要素生产率）的累计提升仅为0.71%，折合年均增长不到0.1个百分点。

但是，Acemoglu的测算在方法论上存在根本性缺陷。他用了一个为衡量渐进式技术改进设计的工具，即霍尔顿定律，去预测一个可能改变经济结构本身的通用目的技术。如果1900年有人用霍尔顿定理计算电力影响，其结论可能是电力只能替代20%的蒸汽机任务，成本节约30%，影响有限。

但电带来的最核心改变是，工厂无需再围绕中央蒸汽机布局、因此其生产限度和范围都大幅扩展；而在微型化后，整个家用电器产业从零诞生。这些结构性变化不在替代旧技术的框架里。

爆发论视角：自我进化的AI

在光谱的另一端，是耶鲁大学的William Nordhaus和研究机构Epoch AI代表了这一阵营。他们不只把AI看作Acemoglu眼中那种提效工具，而是看作一种全新的生产要素，一种可以无限复制的「数字劳动力」。

他们假设的基础是AGI确实会到来。在这一假设之下，AI能在几乎所有认知任务上替代人类，那么传统经济模型中「劳动力受人口增长限制」这一铁律就会被打破。经济增长将不再被人口瓶颈所束缚，而只取决于我们能以多快的速度生产算力。

融合视角：J型曲线与索洛悖论的再现

然而，目前的实证数据似乎更支持Erik Brynjolfsson提出的「生产力J型曲线」解释。

该理论认为，通用目的技术（比如GPT）在引入初期，往往会导致生产力增长放缓甚至下降。这是因为企业需要进行大量的无形资产投资，这包括去重组业务流程、重新培训员工、开发配套软件。

缓慢的爆炸，被驯服的奇点

Charles Jones的新论文其实站在了一个统合者的角色上，去看待上面提到的所有三种路径。

他既不否认AI拥有无限自我进化的革命性潜力，也不否认组织变革之类拖后腿的因素。他把这些因素都塞进了一个理论中去融合，即「薄弱环节」理论。

现实经济中，绝大多数任务是互补的。比如药物研发包含靶点验证、毒理、临床试验、监管批准等各个环节。在现代社会，为了保证安全和质量、完成一件足够复杂的工作，需要很多不可替代的环节。

当生产环节之间是高度互补时，总产出并不取决于那个最强的环节（AI），而是被锁死在那个最弱的环节（人类/物理世界）上。

加速的可能

如果说Acemoglu的理论是基于静态的观察，那么Jones的理论则更好地描绘了系统的结构性阻力。他是一种极限实验，在其中假设把某类任务做到近乎无限便宜/无限供给，问总产出最多能被抬高多少。

根据不同技术情景对任务替代的不同影响，他一共设想了三种可能的重构方式。

人的新位置

那么，在这样一个由「薄弱环节」定义的未来里，人类的位置在哪里？

答案是：人会不断向瓶颈处迁移。

首先是非标准化的、需要灵巧操作和复杂判断的物理工作。其次是监管与信任的能力。最终是定义意义的能力。

当所有的生存需求都变成「容易环节」被解决后，人类唯一剩下的「薄弱环节」，就是如何定义我们存在的意义。