人工智能与欧洲生产力

摘要

本文估算了人工智能（AI）对欧洲31个国家中期全要素生产率（TFP）的影响。研究基于Acemoglu（2024）的模型，该模型专注于捕捉生产率的小幅变化，而非长期的转型效应。研究发现，欧洲整体的短期生产率提升可能较为温和，五年内累计约为1%，尽管这一收益仍大于Acemoglu对美国进行的估计（0.71%）。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。

核心观点与关键数据：

• AI采用率： 研究发现，工资水平是人工智能采用的主要驱动因素。欧洲的工资低于美国，因此欧洲的平均AI采用率预计将低于美国，估计低约5个百分点。
• 生产率收益： 在首选情景下，欧洲基于AI的中期生产力收益平均约为1.1%，比Acemoglu (2024) 基线情景下的收益高出近60%。高收入国家预计受益更多，例如卢森堡的收益可能累计达到2%，几乎是欧洲平均水平的两倍。
• 情景分析： 研究考虑了44种不同情景，以量化AI职业暴露度和采用率的不确定性。结果显示，生产力收益在欧盟国家之间以及各国内部都有显著差异，且不确定性更大。
• 监管影响： 研究表明，国家职业层面监管、欧盟人工智能法案和数据隐私法对生产力的综合不利影响可能非常显著。其中，职业限制的影响最大。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。

研究结论：

• AI并非一把万能钥匙，无法显著提振欧洲缓慢的生产力增长，也无法缩小与美国的生产力差距。
• AI可能会减慢欧洲国家之间的收入趋同速度，因为AI带来的收益往往在更发达的经济体中更大。
• 政策制定者在最大化AI生产力收益时，需要权衡包括与隐私和安全相关的法规在内的潜在收益和成本。

研究局限：

• 模型未考虑人工智能可能带来的长期转型效应，例如新产业的创建或科学发现速率的加速。
• 人工智能系统的成本通常被认为非常高，而模型未考虑成本下降的可能性。
• 模型假设人工智能能力与AI采用率将保持不变，而实际情况可能更复杂。

未来研究方向：

• 研究人工智能对就业的影响，特别是自动化与互补性之间的区别。
• 考虑人工智能可能带来的长期转型效应。