人工智能与欧洲生产力

国际货币基金组织工作论文 欧洲部 欧洲的人工智能与生产力 由弗洛里安·米施*、本·帕克、卡洛·皮奇内利和加伦·谢尔**准备 由斯蒂芬·丹宁格和克莉斯缇娜·科斯蒂亚授权发行 2025年 国际货币基金组织工作论文描述作者进行中的研究，并发表以征求评论和鼓励辩论。国际货币基金组织工作论文中表达的观点是作者的观点，不一定代表国际货币基金组织、其执行董事会或国际货币基金组织管理层的观点。 摘要：关于人工智能（AI）的讨论往往围绕其对生产率的影响，但对欧洲的宏观经济证据仍然稀缺。使用Acemoglu（2024）的方法，我们模拟了人工智能采用对31个欧洲国家的全要素生产率的短期影响。我们通过整合关于哪些任务将在短期内实现自动化的证据，使用简化形式回归来预测欧洲范围内的AI采用情况，并考虑了相关法规，这些法规在不同任务、职业和行业中对AI使用进行异质性限制，从而编制了多种情景。我们发现，欧洲整体的短期生产率提升可能较为温和，在五年内累计约为1%。虽然经济上仍然适度，但这些收益仍然大于Acemoglu（2024）对美国进行的估计。这些收益在不同情景和国家之间差异很大，并且在收入较高的国家中要大得多。此外，我们表明，围绕职业层面要求、AI安全性和数据隐私的国家和欧盟法规相结合，如果受监管的任务、职业和行业的AI暴露程度降低50%，欧洲的生产率收益可能会降低30%以上。 推荐引文：[Misch, F., Park, B., Pizzinelli, C.和Sher, G. (2024年). 人工智能与欧洲的生产力. 国际货币基金组织工作论文WP/25/67.] 工作论文 欧洲的人工智能与生产力 由弗洛里安·米施 编译1, 本·帕克，卡洛·皮齐内利和加伦·谢尔2 内容 3668812151618192228附件7：数据隐私法.......................................................................................................................31附录5：国家职业法规................................................................................................29参考资料.........................................................................................................................................................32附录 6：欧盟人工智能法案 ......................................................................................................................................301. 简介 .....................................................................................................................................................2. 样式事实3. 方法论....................................................................................................................................................4. 结果 ............................................................................................................................................................4.1 中期生产力收益的变化 ............................................................................................4.2 推荐场景4.3 规定的作用 ...............................................................................................................................5. 结论和政策启示..........................................................................................................附录1：样品和特定国家数据 ............................................................................................附录2：任务和职业的AI暴露程度附录3：人工智能采纳率 .........................................................................................................................附录4：人工智能带来的劳动力成本节约 ....................................................................................................... ©国际货币基金组织。不可转载 1. 简介 人工智能（AI）通常被视为一种具有变革经济和推动广泛经济增长潜力的通用技术，类似于电力和个人计算机的普及。因此，关于其可能影响的许多讨论都集中在其对生产力的作用上。在欧洲，这个问题尤为突出，因为近年来生产力增长乏力，导致与美国的生产力差距巨大（国际货币基金组织，2024年）。此外，人们普遍认为该地区在人工智能发展和应用方面落后于美国和中国，部分原因是其更为严格的监管环境（例如，《经济学人》，2023年）。本文旨在为人工智能对欧洲国家中期全要素生产力（TFP）的影响规模提供估计，并检验欧洲监管可能产生的阻碍效应。 微观经济学研究显示，不同类型的AI对特定职业能带来巨大的生产率提升。这些估计在大多数情况下基于随机试验，试验组获得AI工具的使用权，其范围从低技能出租车司机的14%到软件工程师的50%以上；参见附录4的总结。对生成式AI以外的AI技术采用效果的 firm-level 研究发现，生产率提升虽然较小，但仍具有显著意义（参见 Comunale and Manera, 2024，以及Filippucci et al., 2024a 的综述）。文献中的另一个分支探讨了AI对就业的影响。例如，Cazzaniga et al. (2024) 指出，全球大部分工作岗位可能会受到AI的影响，特别是在发达经济体，AI将在许多工作中替代而非补充人类劳动。Bonfiglioli et al. (2025) 和 Huang (2024) 使用美国数据表明，更高的AI采用率与就业人口比下降相关。文献中的另一个分支研究了宏观政策以扩大AI带来的收益；参见 Brollo et al. (2024)。 然而，这些微观层面的生产率提升和可能的就业效应与总生产率提升和增长的关联程度仍不明确。研究人工智能对中期宏观经济效应的研究显示估计范围要宽得多。麦肯锡（2023）和高盛（哈齐乌斯等，2023）分别设想，在10年期间，发达经济体将实现超过35%的累积国内生产总值增长，而全球将达到7%。人工智能委员会（2024）通过将人工智能与电力和信息通信技术的影响进行比较，推断人工智能的潜在增长影响每年高达1.3。类似地，国际货币基金组织（2024）和卡扎尼加等（2024）基于劳动力重新配置和资本份额的变化（这些变化与过去自动化观察到的情况相似），估计了每年高达0.8个百分点的增长影响。 相比之下，Acemoglu (2024) 没有考虑任何人工智能的潜在长期转型效应，因此估计未来10年内累积的TFP增长远低于0.7%，并称之为“中期”。他使用了一个严谨的框架，通过量化每个职业中单个任务的AI暴露程度来自下而上地量化收益。Aghion和Bunel (2024) 表明，在Acemoglu (2024) 的框架内使用替代假设可以使美国估计的生产力增长扩大10倍。 考虑欧洲特定因素和区域内跨国异质性的证据仍然相对稀缺。Bergeaud（2024）使用Acemoglu（2024）框架模拟了欧元区人工智能带来的生产率提升，将原始论文的部分参数值与自身假设和估计相结合，生成了几个替代情景。他发现累积生产率提升了2.9%。 ©国际货币基金组织。不可转载 在他对欧元区的中央情景中，而他的国家特定结果范围从爱尔兰的约1.5到比利时的3.3。Filippucci等人（2024b）通过更明确地建模部门溢出效应扩展了Acemoglu（2024）框架，并在假设不同的采用率的情况下，提出了所有G7国家的生产率增长。估计的收益对于大多数国家和情景也明显高于Acemoglu（2024）的结果。 我们的研究在覆盖国家范围、情景数量以及对监管效应的考虑方面更为广泛，并且使用了基于计量经济学原理的参数估计。我们通过允许人工智能采用率根据各国经济特征而变化，更系统地研究了31个欧洲国家在生产力收益的幅度和不确定性方面的跨国差异。为此，我们还使用了Acemoglu（2024）的框架来估计欧洲人工智能的中期生产力收益（考虑到模型特征和我们的假设，我们将此解释为5年）。1 首先，我们量化了人工智能对全要素生产率的影响所带来的不确定性。我们没有做出自己的假设，而是整合了所有可用的关于单个任务人工智能暴露度的综合估计，提供了44种情景。对于每种情景，我们根据欧洲人工智能采用驱动因素的回归证据，将Svanberg等人（2024）的估计（Acemoglu，2024年使用）校准到特定国家和行业。结果表明，工资水平是人工智能采用的主要驱动因素，而不是资本成本、行业集中度、数字化或人力资本。这使得我们能够考虑工资水平以及其他部门和国家层面的因素如何影响人工智能采用，并塑造了国家间生产率增长的差异。 其次，我们考察了监管在减少人工智能生产率提升中的作用，这通常是讨论人工智能时政策的一个常见领域；例如，参见 Bradford (2024) 的更广泛讨论。来自德国的调查证据表明，虽然企业看到了许多人工智能采用的障碍，但监管被认为是最重要的（Wintergerst, 2024）。为此，我们考虑了可能对人工智能采用产生重大影响的监管：国家层面的特定职业许可和培训要求、数据隐私法以及欧盟人工智能法案。2然后我们确定了这项法规可能破坏人工智能应用的任务、职业和行业，并假设法规将人工智能能力减半，在假设法规完全阻止人工智能使用和假设法规没有影响之间找到一个合理的中间地带。 我们证明，在我们的首选场景中，该场景基于我们认为对欧洲国家人工智能职业暴露和采用率最合理的假设，欧洲范围内的效应在中期内累计约为1.1%，这超过了Acemoglu对美国估计值的60%多。这些差异几乎完全由我们对人工智能能力的更乐观的假设所驱动，我们认为这些假设在有近期同行评审出版物（如下文所述）的支持下是合理的。然而，各国之间存在显著的异质性。高收入国家的估计全要素生产率（TFP）收益往往远大于低收入经济体，这与Ceru