人工智能与大分化

经济顾问委员会 2026年1月 1 简介 几个世纪以来，世界上大多数经济体的增长速度都相似地缓慢。然而，随着工业革命的发生，“大分化”出现了，导致工业化国家相对于世界其他地区的增长速度加快。1人工智能（AI）是一项具有变革潜力的技术，经常与工业革命相比较。 然而，我们正目睹着各国在人工智能投资、绩效和采用指标上的明显领导者。特朗普政府通过加速创新、基础设施发展和放松管制，为美国的AI主导地位奠定基础，同时通过技术出口建立全球主导地位。如果人工智能革命与工业革命一样具有变革性，我们应该期望这将导致第二次大分化吗？当然，人工智能的未来影响是不确定的，因此在这篇论文中，我们关注今天可以看见和测量的经验数据。 我们从回顾人工智能引领经济增长的潜力分析（第2节）开始，然后讨论人工智能对GDP和劳动力的影响估计。认识到这些影响是不确定的，因此需要持续监测，在第3节中，我们强调用于跟踪投资、绩效和人工智能采用的飞速发展速度的指标。然后，我们讨论不同国家在这些指标上的进展情况（第4节）。变化的惊人速度不能过分强调；这些指标中的许多每几个月就翻一番，每年都增长许多倍。这意味着未来的人工智能很可能与今天的人工智能非常不同。我们通过回顾特朗普总统为确保美国继续引领人工智能所采取的行动（第5节）来结束。正如总统所说：“美国是人工智能竞赛的发源地。作为美国总统，我今天在此宣布美国将赢得这场竞赛。”2 2 未来展望 过去 25 年中，随着世界上最富有的国家的增长速度低于许多发展中国家，出现了巨大的趋同。然而，基于大型语言模型（LLM）的生成式人工智能的出现，将在美国引发新一轮深刻的经济转型，并承诺大幅提高生产力和增长。随着人工智能技术更多地融入到工作中，经济学家正在重新评估国内生产总值（GDP）的长期预测。 然而，这段创新时期也并非没有复杂性。在本报告中，我们专注于对结构趋势进行长期分析，因为当然并非所有人工智能相关的投资都会盈利，并且短期总是包含着大幅波动的可能性。 2.1 人工智能背景 近几年来，人工智能的能力和术语都发生了飞速发展，所以我们首先回顾人工智能领域中的几个关键术语。 人工智能可以指代各种各样的计算机系统，从像深蓝这样的下棋计算机到像ChatGPT这样的生成式人工智能。在人工智能的大部分历史中，人工智能只能在一组相对较小的选项中做决策。最近对人工智能的兴趣激增与“生成式”人工智能的兴起相吻合，之所以如此称呼是因为它们能够“生成”文本、图像或视频。“大型语言模型”是能够创建文本的生成式人工智能。3它们之所以“大”，是因为它们有数十亿个参数，之所以“语言”，是因为它们在大量用自然语言书写的文本上进行了训练。4 5自主型人工智能是一类生成式人工智能的子集，它不仅仅是内容创作，还能够执行操作以达成目标。6 理解人工智能智能的一个框架从两个维度来看： (1) 它执行不同任务的能力：从写文章，到识别图片中的物体，到编写计算机代码，到解决数学问题； (2) 人工智能在该任务上的能力与人类水平的智能相比如何。当今的人工智能系统具有“专门化”（或“狭窄”）的智能，因为尽管它们可能在特定任务上超越人类（没有人能像计算器那样快速乘法），但人工智能无法执行人类能执行的所有任务。人类能够执行各种各样的不同任务。因此，我们说人类具有“通用”智能，而当前的AI（包括ChatGPT和代理型AI）具有“专门化”智能。 通用人工智能（AGI）将是一种假想的AI，能够执行人类所能执行的所有智力任务，7但是，通用人工智能（AGI）的精确定义备受争议，并且某些定义仅要求AGI能够执行“许多但不全部”的人类任务。人工智能超级智能（ASI），有时也简称为“超级智能”，是指智能水平超越人类的人工智能。8 agi与超级智能之间的界限同样存在争议，部分原因在于这些术语涵盖了人工智能的不同方面：“agi”和“专门人工智能”描述了人工智能可以执行任务的普遍性，而“超级智能”描述了人工智能在这些任务上的能力。然而，如果“仅仅”的agi能够以计算机速度执行所有人类任务，那么它就已经是超级智能了。但是考虑到语义上的分歧，值得注意的是，openai、anthropic、xiai、meta和谷歌都旨在创造通用人工智能或超级智能。9 10 11 12 13 这让我们对该报告的分析提出了一个重要的注意事项：人工智能经济分析的局限性。正如汉森（2001年）所指出的，能够完成所有人类任务的人工智能将导致绝对爆炸性的增长，并带来一个与我们今天所看到截然不同的世界。因此，通用人工智能（AGI，包括经济和其他方面）的影响是一个值得进一步研究的重要课题，但通常超出了我们当前分析的范畴，该分析专注于“窄”或“专门”的人工智能。 2.2 人工智能对GDP的影响 经济学家通常认为一个经济的生产力来自于三个因素：劳动的数量、资本的数量和全要素生产率（TFP）。TFP是衡量一个经济效率和科技进步的指标。TFP的上升表明一个经济在使用同等数量劳动和资本的情况下生产了更多的商品和服务，或者用更少的投入获得相同产出。14这项效率的提高是长期经济增长和生活水平提高的关键驱动力。15对于那些资本存量已经很高的富裕国家，如美国，经济增长主要来自提高全要素生产率。16 17 18 全要素生产率的提高最终会转化为更高的总经济产出，即GDP。然而，新技术的效果会有时间滞后，因为企业必须首先成功采用新技术并调整其运营。1920世纪90年代的大部分生产力提升源自于20世纪70年代和80年代发生的科技投资。20大萧条期间发生的类似技术投资在20世纪50年代和60年代取得了成果。21因此，尽管TFP是一个重要的指标，但它不是AI对美国经济影响的先行指标。相反，研发支出 22 23例如，AI-人工智能及其企业的产出是技术进步的早期指标。相关的研发活动在最终的创新被广泛采用并对宏观经济产生影响之前就已经发生了。 大量近期研究尝试量化人工智能对GDP水平的影响。这些研究产生了广泛的估计范围：人工智能可能使GDP增长1%至45%以上。这一广泛范围反映了围绕人工智能经济特性存在的高度不确定性。然而 值得注意的是，仅2025年上半年，人工智能相关投资就使GDP增长了1.3个百分点的年化率。24 25和近期，回顾工业革命时期铁路投资的规模，似乎排除了最低的几个估计。关于人工智能对GDP影响的中间估计值包括牛津经济学院（8年后增长1.8%至4%）、麦肯锡（长期增长2.4%至4.1%）和高盛（10年后增长7%）。高估计值包括普华永道（10年后增长8%至15%）和Aldasoro等人撰写的BIS学术论文（对于假设所有经济部门都将至少受到人工智能一定程度影响的他们的方法，10年后增长20%至45%）。Alonso等人有广泛的估计范围（4.7%至19.5%），反映了人工智能将更多地替代技术型还是非技术型劳动力（后者会导致差异并因此产生美国的最高端增长估计）。为了比较，2010年的ITIF研究表明，信息技术革命使美国GDP增长了约14%。26 27这些估计都假设人工智能可以部分但不能完全替代人类劳动：在人工智能可以完成所有人类任务的情况下，资本成为劳动力 的替代品，经济增长增加到每年45%（参见汉森，2001年）。 2.3 人工智能之前的国际经济增长 即使人工智能出现之前，不同国家可能也处于不同的增长路径上，美国展现潜在国内生产总值加速增长，而欧洲和中国增长放缓。37对于欧洲与美国而言，这主要归因于结构性因素，例如美国的生产力增长更强（尤其是在科技领域）以及美国更好的商业环境。38对中国而言，经过数十年的快速增长，其增长现在正在放缓，变得更像新兴市场。39 人工智能驱动的增长可能对中国尤其重要，因为他们的快速增长近年来已经放缓到与其他新兴市场更加可比的水平。与中国的相似之处，人工智能驱动的增长可能对欧洲尤其重要。尽管中国的崛起是 21 世纪反复出现的一个地缘政治故事之一。st 世纪，另一个较少讨论，尽管可能同样重要，的是欧洲的衰落。欧盟这不是仅仅因为高已从1980年占世界GDP的27%下降到2025年的仅14%。不仅是新兴市场增长率，德国和许多其他欧 40盟国家的增长率也低于其他发达经济体。这一趋势在人工智能领域仍在持续，欧盟在各项人工智能指标上都落后于美国和中国。例如，2013年至2024年间，美国累积的私营人工智能投资超过4700亿美元，而所有欧盟国家加起来的投资总额约为500亿美元。41 认识到人工智能对未来增长的关键作用，美国和许多我们的盟友已经帕克斯里卡通过“Pax Silica”（硅谷和平），美国人工智能供应链国际合作伙伴关系团结起来。成员范围从像日本这样的 42主要上游半导体设备制造商，到像卡塔尔这样的下游数据中心投资者。43这个多元化的群体因对人工智能和技术的前瞻性观点而团结在一起。因此，Pax Silica成员的增长速度比同行快两倍以上也就不足为奇，在2022年第四季度ChatGPT发布和2025年第三季度最新数据之间，它们的平均实际GDP增长率为2.5%，而G7国家的平均增长率则为1.1%。44 2.4 人工智能对劳动的影响与杰文斯悖论 现有证据显示人工智能的就业效应呈现混合图景。Brynjolfsson等(2025)表明，在人工智能暴露的职业（如计算机编程和客户服务）中，初入职场者的就业率正在下降。45其他研究表明，人工智能接触与当前失业率之间没有相关性。46还有研究发现，虽然就业在人工智能可以直接替代人类劳动的行业中下降，但人工智能的暴露实际上会增加依赖人工智能能力的任务的行业的就业。 47尽管当前人工智能的影响，总体失业率仍(约翰斯顿和马克里迪斯, 2025). 目前在2025年12月为4.4%。48 在短期内，如果人工智能提高了劳动效率，那就减少了为生产既定数量产出所需的劳动力数量，可能会降低就业。但历史先例表明，效率提升往往能增加（而非减少）该资源的总利用率——这种现象被称为杰文斯悖论。49杰文斯悖论发生时，如果一项技术进步减少了对特定应用所需资源（如劳动力）的数量，这实际上会导致该资源的整体使用量随着使用扩展到新的应用而增加。为了使杰文斯悖论发生，从而使就业随着人工智能的采用而增加，必须满足三个条件：首先，人工智能必须显著提高工人生产力；其次， 由此产生的成本节约必须转化为更低的价格；并且，第三，较低的价格必须比效率提升减少的单位劳动需求更快地增加消费者需求。50 尽管这些条件看似很强硬，但杰文斯悖论已在许多不同领域观察到。杰文斯在1865年首次描述了这一悖论，当时煤炭和钢铁引擎效率的提高实际上增加了对煤炭、钢铁和其他资源的需求。51在农业中，提高灌溉效率可能会增加用水量。52节能照明的改进增加了对灯泡的需求量以及照明用电量。53杰文斯悖论甚至发生在看似与生产无关的领域：道路容量的增加会增加路上的驾驶员数量。54 55 56并且具体到人工智能和工作，放射科医生可能也面临着类似的情况，这是一个曾经被预测将被人工智能取代的工作。57但如今就业率正处历史高位。58 从长远来看，关键问题是将人工智能与之前颠覆性技术进行比较和对比。历史类比表明，颠覆性技术（蒸汽动力、电力、计算机、互联网等）最终会带来更多的就业机会和收入。59如果人工智能技术要么发展出自主性（以便它能够像人类一样独立工作），要么在不会产生新的劳动力需求的情况下显著提高工人生产力，那么它就可能是个例外（Ayres，1990；Donaldson，2018；Feigenbaum和Gross，2024）。60 61 62 63但过去技术变革的一般先例是它们创造了各种新领域。1860年，美国43%的就业人口从事农业，而2015年则只有1.2%。64在那个时代，出现了大量新的职业，其中许多依赖于新技术。现在，大多数 当前的工人在 1940 年以来创造的岗位上工作，从“风力涡轮机技术员”到“软件开发人员”到“纺织化学家”到“心理健康顾问。”65 3 个关键指标进行跟踪 理解人工智能的一个最重要要点，是关注其进展和