人工智能对新兴市场经济体的经济影响（英）

人工智能对新兴市场经济的经济影响 莱昂纳多·甘巴科塔，恩尼斯·哈鲁比，阿伦·梅赫罗特拉，利维娅·帕科托 2026年2月17日 BIS公告由国际清算银行的工作人员撰写，偶尔也由其他经济学家撰写，并由银行出版。这些论文涉及一些当前热点问题，具有技术性。其中表达的观点是作者的观点，并不一定代表BIS的观点。作者感谢Iñaki Aldasoro、Giulio Cornelli、Blaise Gadanecz、Gaston Gelos、Pablo Hernández de Cos、Benoit Mojon、Tommaso Oliviero、Dan Rees、Frank Smets和Hyun Song Shin提出的评论和建议。我们感谢刘慧清和Alper Yildirim提供的优秀分析和帮助，以及Danielle Ritzema提供的行政支持。 《BIS公报系列》的编辑是申炫松。 本出版物可在BIS网站（www.bis.org）上获取。 © 国际清算银行 2026年。版权所有。 允许摘录或翻译少量内容，但必须注明出处。 Leonardo Gambacorta恩尼斯·卡鲁比Aaron Mehrotra Livia Pancottoleonardo.gambacorta@bis.org莱昂纳多·甘巴科尔塔@bis.orgenisse.kharroubi@bis.org艾妮斯·哈鲁比@bis.orgaaron.mehrotra@bis.org livia.pancotto@strath.ac.uk 人工智能对新兴市场经济的经济影响 关键词总结 •人工智能（AI）的生产力和增长效应在不同国家之间存在很大差异，反映了产业构成和采用及部署AI能力的差异。虽然发达经济体（AEs）通常更有条件在短期内获得AI的益处，但新兴市场经济体（EMEs）内部存在显著的异质性。 •人工智能准备——涵盖数字基础设施、技能和制度能力——是总体收益的关键决定因素，强化了生产力效应，在强大之处放大，在存在差距之处限制，尤其是在许多中等收入经济体中。 •缩小人工智能准备差距可以支持长期趋同，因为更强大的基础设施、人力资本和机构将使新兴经济体更有效地利用人工智能，通过再培训和再教育政策缓解劳动力市场风险，并缩小与发达经济体的增长差距。 人工智能（AI）正成为一项具有变革性的通用技术，对实体经济活动产生深远影响。虽然早期证据表明微观层面的生产力有显著提升和劳动力市场效应，但这些效应在总体层面的规模仍不确定。各国在行业构成以及采用和部署人工智能技术的准备程度上存在差异，这决定了人工智能对产出和就业的影响程度。因此，人工智能在近期和中期对发达经济体（AEs）和发展中经济体（EMEs）的增长效应很可能存在显著差异。 生产率提升和劳动力市场影响 人工智能对实际活动的影响部分源于其对生产率和劳动力市场的影响。使用微观数据的实证研究初步证据表明，生成式AI（Gen AI）可能带来显著的生产力提升，尤其是在自动化非惯例认知任务的部分。微观研究普遍表明，生产率可以获得10至65%的较大提升，包括编码、咨询工作和专业写作等方面都有显著提高（图1）。此外，证据表明，AI通过提高经验较浅员工的相对于资历较深的员工的效率来均衡职场表现（图1，实心点和空心点的比较）。例如，在软件开发和编码方面，初级开发人员经历了21%至67%的生产力提升，而资深开发者则看到较为温和的7%至26%的提升。然而，均衡效果是指狭义任务中的表现（如编码）。在更广泛的职业角色中，如果工作涉及更多常规或可被AI替代的任务，初级工作者可能会更多地受到自动化影响，这可能会减少入门级机会。 这些微观层面收益在多大程度上转化为更高的全要素生产率（TFP）还是一个悬而未决的问题。总体结果取决于企业间和各行业间的重新分配，以及劳动力和资本市场分配不均的程度（Hsieh 和 Klenow，2009）。此外，暴露于人工智能领域的行业生产率提高可能部分被劳动力转向自动化空间有限的低生产率活动所抵消，这与Baumol型效应相符（Baumol，1967）。最后，采用速度的差异以及与技能和组织实践的互补性可能进一步降低衡量到的总体生产率提高。 因此，经济范围收益的估计规模差异很大（图1，条形图）。Acemoglu（2025）报告TFP每年增长0.07%，这是对人工智能宏观生产力益处估计最低之一。相比之下，Aghion和Bunel（2024）、Bergeaud（2024）和Filippucci等人（2024）估计TFP收益更大，大约大一个数量级（每年0.3-0.9个百分点），部分原因是工业人工智能暴露的估计更高。Baily等人（2023）也报告了更高的生产力收益，尤其是在一个通用人工智能不断引发创新的情景下。 人工智能的生产力提升伴随着重要的劳动力市场影响。有两种主要力量在发挥作用：通用人工智能与需要人类输入的任务的互补性，以及它替代可自动化的常规认知任务。一些预测表明，到2030年，多达60%的职业可能经历重大的任务重新分配，AI暴露的职位中25%-50%的工作量可能被自动化取代（麦肯锡，2023年）。在新兴经济体中，普遍的劳动非正规化塑造了人工智能的影响。虽然人工智能可以提高微型企业主的产量和市场准入，但非正规工作者面临更大的自动化风险、较弱的社会保护以及有限的技能获取，这使得被取代的可能性更大。从短期来看，这些风险可能超过收益。 跨境异质性的来源 跨国家在人工智能的使用和有效性方面的差异可能反映两个主要因素。首先，各国的行业构成不同，AI密集型产业（如金融、教育和信息产业）在发达经济体中更为普遍。其次，人工智能的准备工作——包括数字基础设施、技能和制度能力——塑造了各国吸收、部署和从人工智能技术中受益的能力。1 部门构成 一个国家的产业生产结构在塑造人工智能部署中起着关键作用。许多新兴经济体可能短期内相较于发达国家看到的好处更小，因为它们的产出不太集中在那些通过生成式人工智能得到增强的密集认知和信息处理任务领域。 数据表明，在行业层面，农业、交通和建筑对人工智能的依赖程度最低，因为这些行业的核心活动更依赖于物理和手工任务，这些任务主要受到机器人技术的影响，而不是通用人工智能的影响（图表2.A）。同时，在新兴经济体中，农业在总实际增加值中的份额明显大于发达经济体，而专业服务的份额较小，这往往不利于人工智能的部署和有效利用（图表2.B）。 来源：Felten 等人（2021年）；Gambacorta 等人（2025年）；亚洲开发银行。 人工智能准备 一个国家采用人工智能解决方案并从中受益的能力，也取决于用户有效利用人工智能的几个经济因素的有效结合。人工智能准备程度建立在多个相互关联维度的优势之上，包括：（i）可靠和可扩展的数字基础设施；（ii）数字化技能熟练且适应性强的劳动力；（iii）充满活力、促进创新和经济增长的环境；（iv）健全的监管和伦理框架。这些关键支柱融入国际货币基金组织的人工智能准备指数（AIPI）中，该指数衡量各国采用人工智能的结构性准备程度。 AIPI显示，与EMEs和低收入国家相比，AEs在采用AI方面通常处于更有利的地位，这反映了相对较强的数字基础设施、创新能力和监管框架（图3.A）。在AIPI排名较高的国家，高暴露职业的就业份额更大。在EMEs中，地区和支柱之间都存在差异。亚洲的一些经济体（例如韩国和新加坡）和中东的一些经济体（例如沙特阿拉伯和阿拉伯联合酋长国）在数字基础设施方面得分较高（也得益于可再生能源资源和电网），但许多EMEs表现出不均衡的轮廓——尤其是在人力资本和监管准备方面（图3.B）。AEs通常拥有更高比例的AI技能工人，并吸引AI人才净流入，这反映了更强劲的劳动力市场机会和创新生态系统。相比之下，许多EMEsAI技能在国内的渗透率较低，在某些情况下，成为AI人才的净出口国（参见在线附件中的图A.1）。政府设计、实施和监督AI战略的能力是塑造有效AI部署的另一个关键要素；在这一维度上，包括中国、韩国、沙特阿拉伯在内的几个EMEs—— 阿曼、新加坡和阿拉伯联合酋长国——在2024年表现相对强劲（参见在线附录中的图A.2）。 来源：Cazzaniga 等人（2024）；国际清算银行（BIS）。 量化不同国家间的实际效应 短期影响 短期内，新兴市场和发展中国家（EMEs）中通用人工智能（gen AI）的增长效应普遍预计将低于发达国家（AEs）。一个原因是持续的AI投资及其对总需求的即时提振在AEs中尤其显著（Aldasoro等，2026年）。然而，与AI相关的活动也推动了近期几个EMEs，尤其是在半导体和计算设备领域的出口激增。 另一个原因是各国和行业间的结构性差异已得到记录。在短期内，通用人工智能（gen AI）的采用在认知和信息处理任务占比高的行业中带来更大的收益，为拥有较大专业和金融服务部门的先进经济体（AEs）提供了更强劲的初始推动。考虑到这些差异，AIPI的标准化增长在AEs中平均将提升实际增加值增长0.6个百分点，相对于全球最低值（参见在线附录中的图A.3.A），但在新兴市场和发展中经济体（EMEs）中平均仅提升0.45个百分点（参见图A.3.B）（见Gambacorta等，2025年）。这意味着，展望未来，EMEs的人均收入水平与AEs的趋同可能会更加缓慢。 短期内人工智能对就业的影响仍然不确定。新兴经济体中有更多低技能的认知和文职工作被自动化影响，从而增加了特定任务中初次失业的风险。初步证据表明，印度和菲律宾的呼叫中心和业务流程外包领域存在负面影响（参见Cucio和Hennig（2025）；Singh（2025））。尽管如此，劳动市场的调整往往逐步展开，因为企业在重组工作之前通常等待明确的生产率提升（参见Crafts（2021））。 长期影响 人工智能驱动的生产率增长对实际产出的影响存在异质性，如果人工智能准备方面的差距持续存在，从中长期来看，这种异质性可能会进一步扩大。然而，鉴于人工智能技术的扩散和影响的不确定性，任何评估都仍然是试探性的。在这种情况下，不同经济体间产业构成和生成式人工智能准备程度的差异意味着，十年内由人工智能推动的TFP平均每年增长0.5%，将使得发达经济体（AEs）的平均实际GDP相对于新兴市场和发展中经济体（EMEs）增长超过2个百分点（图4.A；参见Cornelli等人，2026年）。 很大一部分这种异质性反映了AIPI的差异。在部分趋同的情景下——即相对于美国的准备差距缩小一半——亚洲经济体（AEs）的实际GDP相对于新兴市场和发展中经济体（EMDEs）仅增长不到1个百分点（图4.B）。这突显了加强数字基础设施、技能和制度能力政策的重要性。 各国因人工智能而提高生产力的效应1 百分比，实际产出增长率估计变化 来源：Cornelli等人（2026年）。 从长远来看，人工智能对各个行业增值的影响表明，总体均衡效应占据主导地位。Cornelli等人（2026年）显示，在稳态下，所有领域的产出都上升，这与人工智能作为通用技术运作相一致（在线附件图A.4.A）。假设总就业保持不变，劳动力主要在各个部门之间重新分配：建筑和医疗保健受益最大，而采矿业和农业可能会经历更大的就业减少（图A.4.B）。如果人工智能的采用反而引发了重大的劳动力市场动荡，就业效应可能会在各个部门中更为明显且不均衡（Crafts（2021年））。 此外，国际贸易和全球联系可以显著塑造人工智能带来的跨国收益分布（Filippucci 等人，2026）。对于进口人工智能密集型商品和服务的经济体，可能从更低的价格中受益，而那些融入人工智能供应链或专注于人工智能暴露领域的经济体可能会面临更强烈的需求。因此，贸易开放性可能会放大或缓解国内收益，具体取决于各国在全球价值链中的位置。在此背景下，开放数字贸易、降低技术转移壁垒和再培训政策可以支持人工智能收益的更公平分配。对于新兴市场和发展中国家，利用贸易网络的同时继续投资于数字基础设施、