AI时代会如何到来？
宏观专题 宏观经济深度研究 AI时代会如何到来？ 2026年7月6日 程实，博士(852) 2206 8049shi.cheng@icbc.com.cn “You can see the computer age everywhere but in the productivity statistics.”——Robert Solow 人工智能（AI）正在成为全球经济最重要的结构性变量之一。市场普遍将AI视为继电力、互联网之后的新一轮通用技术革命，并据此提前定价未来数十年的生产率跃升。然而，与资本市场的乐观预期形成鲜明对比的是，全球经济仍然面临通胀压力，长期潜在增长率并未明显上修。为何技术突破正在以前所未有的速度发生，但全球经济增长却没有同步加速？参考经济理论，为我们理解AI时代提供了新的视角：经济增长并不由最先进的部门决定，而是由落后的瓶颈决定。现阶段，算力、能源等物理约束，企业流程和系统等组织约束，人类监督和判断等人力约束，以及法律和监管等制度约束，共同限制了AI由局部任务效率向整体生产率的转化。随着AI由辅助工具进一步演变为能够自主交易、谈判和生产的经济代理人，传统经济学中的理性人假设、市场竞争、均衡机制和知识生产也将面临重构，并可能带来目标错配、算法合谋、决策同质化、系统性风险与知识坍塌等新问题。更重要的是，突破弱环只是生产率提升的必要条件，真正决定AI能否引发增长革命的，是其能否超越既有任务自动化，持续创造新的产品、服务、职业和消费需求。短期而言，在供给约束尚未突破之前，AI驱动的新一轮资本开支周期可能率先推升能源以及算力需求，结构性通胀压力或快于广泛意义上的技术通缩。展望未来，能否突破索洛悖论，关键在于AI能否演变为需求创造平台，并形成新的消费场景、商业模式和产业生态，从而转向长期的J型爆发式扩张。 周烨(852) 2683 3232dorothy.zhou@icbci.com 相关研究： 6/30/2026：《中国与东盟的价值链协同攀升——“经纬之间纵横其链”中国价值链系列研究之七》 6/23/2026：《厄尔尼诺的尺度之辨》 6/18/2026：《美联储“沃什时代”启幕——2026年6月美联储议息会议点评》 6/15/2026：《顺势而为，择机而动——2026年下半年全球大类资产展望》 6/11/2026：《转型蓄力，向新而行——2026年下半年中国经济展望》 6/10/2026：《新旧交替，逐鹿科技——2026年下半年全球经济展望》 弱环约束：为什么AI尚未显著提升生产率？2026年，人工智能无疑已经成为全球经济与金融最受关注的主题之一。对于许多市场参与者而言，AI不仅仅意味着一次产业升级，更意味着一次足以媲美电力革命、互联网革命甚至工业革命的生产率跃升。然而，当我们把目光从资本市场转向经济数据时，却会发现另一幅截然不同的图景。全球经济仍然面临通胀压力，长期潜在增长率也并未明显上修。资本市场正在交易未来，但全要素生产率和长期潜在增长率并未显著改善。这种反差背后，隐藏着AI时代的索洛悖论：为什么技术革命正在发生，而增长革命尚未到来？参考NBER最新的工作论文1，为我们理解AI时代提供了新的视角。其中指出，经济增长并不由最先进的部门决定，而是受到关键瓶颈的约束。一个系统并不会因为最先进部分的突破而自动进入高效率状态，相反，它往往会被那些最难替代、最难升级、最缺乏弹性的部分所约束。这一逻辑与诺贝尔经济学奖得主克雷默提出的O型环经济理论高度一致，即在复杂生产体系中，各项任务并非彼此独立，而是具有较强的互补性。任何关键环节的低质量或失误，都可能降低其他高质量投入的边际价值，使单个环节的技术进步无法按比例转化为整体产出。当前限制AI生产率释放的弱环，可以概括为四类：一是物理弱环。AI依赖算力、能源、电网、芯片、数据中心和实体设备，对于制造、物流、建筑和医疗等行业，数字智能还必须通过机器人、设备和基础设施才能作用于现实世界。二是组织弱环。大量企业目前止步于将AI嵌入原有流程，而不是围绕AI重新设计流程。旧有的数据系统、组织边界和管理机制，使AI只能提高局部任务效率，却无法改变企业整体运行方式。三是人力弱环。AI生成结果仍然需要人类提出问题、判断质量、承担责任并处理异常。特别是在高风险和复杂决策中，人类经验、隐性知识和情境判断仍然不可替代。 5/22/2026：《从信息茧房到认知茧房》 5/18/2026：《中国消费的全球坐标——变局世界与潜能中国系列研究之三》 5/14/2026：《收益率曲线的标尺意义》 5/8/2026：《从增加值视角识别转口贸易——“经纬之间纵横其链”中国价值链系列研究之六》 5/7/2026：《投资策略的时变与势变》 4/30/2026：《美联储主席更替下的政策连续性考验——2026年4月美联储议息会议点评》 4/28/2026：《五张图透视外贸的结构分化——基于TRACE框架的行业画像——“经纬之间纵横其链”中国价值链系列研究之五》 4/28/2026：《地缘变局下的全球经济》 4/21/2026：《提振服务消费的民生效应与实现路径》 4/20/2026：《油价冲击的多维传导》 4/17/2026：《TRACE框架：溯源贸易中的真实价值——“经纬之间纵横其链”中国价值链系列研究之四》 因此AI不仅难以节省人力，反而可能增加验证、监督和纠错成本。四是制度弱环。数据隐私、知识产权、法律责任、行业监管和安全要求限制了AI在医疗、金融、法律和公共服务中的大规模应用。即使技术上可行，企业也未必能够或愿意把关键决策交给AI。因此，AI时代的核心矛盾或许并非技术创新不足，而是技术进步速度与现实世界扩张速度之间的错位，索洛悖论也因此在新的技术周期中再次显现。 从工具到代理人：AI如何重构传统经济学？当AI只是辅助工具时，传统经济学仍然可以将其视为资本投入、技术进步或生产率提升的来源。但当AI开始自主搜索、交易、谈判、定价和组织生产时，它便不再只是生产函数中的一种投入，而开始成为经济活动中的代理人。由此产生的变化，不只是机器替代了部分人类工作，更在于经济决策开始由一种可以被设定目标、大规模复制并相互连接的算法主体执行。这首先会重新定义传统经济学中的理性主体。AI本质上是优化系统，因此在信息处理、选项比较和策略执行层面，表面上比人类更接近标准经济学中的理性人。但问题不只在于AI能否有效优化，更在于被设定的目标能否完整代表人类偏好，以及模型在复杂环境中形成的实际行为是否始终与该目标一致。由此，AI带来的并不是理性人的消失，而是新的委托代理问题。其次，AI可能重塑市场竞争与均衡形成机制。AI可以显著降低搜索成本，使消费者更容易比价，从而压低企业加价率。但多个定价Agent也可能在重复互动中形成高价均衡，即使它们没有明确沟通。算法合谋的结果可能与传统卡特尔相似，但不存在书面协议或明确主谋，这会对现有反垄断框架提出挑战。此外，AI可能导致市场行为高度同质化。如果大量企业和消费者使用相似的基础模型，它们可能在相同信息下作出相似决策。传统经济中的个体误差通常可以相互抵消，但AI误差可能因为模型复制而高度相关。一旦模型在异常环境中失效，金融市场、信贷、库存和供应链可能同时作出错误反应，形成系统性风险。最后，AI的广泛应用可能引发知识坍塌。个体依赖AI获取答案，可以提高当期效率。但人类学习不仅产生私人收益，也会为社会创造公共知识。但如果AI直接提供高质量答案，人类自主学习和探索的动力可能下降。对个体而言，这是理性的，因为学习成本被节省。从社会角度看，原创知识供给可能减少。当AI输出又进入未来训练数据时，系统可能不断重复自身生成的内容，独立信息和知识多样性逐渐下降。 需求跃迁：生产率爆发式增长的充分条件。突破弱环，是AI提升生产率的必要条件，却不足以保证其进一步演变为持续的增长革命。生产率的持续提升不仅 需要供给侧效率改善，还需要需求侧形成新的产品、新的服务和新的市场。参考经济学家阿西莫格鲁与雷斯特雷波提出的新任务创造框架2，技术进步对经济的影响主要来自两种力量：一种是自动化效应，即机器替代原有劳动者完成既定任务。另一种是新任务创造效应，即技术催生过去不存在的新职业、新产业和新的消费需求。前者更多体现为成本节约，后者才是真正推动经济增长的来源。历史经验表明，推动生产率跃升的技术革命往往并非来自效率改善本身，而是来自新需求的诞生。电力不仅提高了工厂效率，更催生了家电产业与现代城市生活。汽车不仅替代马车，更创造了高速公路、物流网络、旅游业和郊区经济；互联网不仅提高信息传递效率，更创造了电子商务、社交媒体、移动支付和数字广告等全新产业体系。因此，生产率革命的本质，不只是以更低成本完成既有任务，而是持续扩张经济活动的边界。局部任务效率首先需要转化为企业整体运行效率，企业效率改善又需要进一步转化为新产品、新服务和新市场。沿着这一传导链条，AI对宏观经济的影响可能呈现两个阶段性特征。一方面，结构性通胀可能快于广泛意义上的技术通缩。人工智能正在推动新一轮资本开支周期。数据中心、GPU、网络设备、电力设施以及相关基础设施投资快速扩张，对能源、金属、土地以及资本品形成持续需求。然而，建设一座数据中心需要数年时间，扩建电网需要长期投资，先进制程芯片产能释放受到设备、人才和供应链约束，能源开发则受到资源禀赋与政策环境影响。供需错配之下，价格压力可能率先显现。另一方面，K型分化向J型爆发的关键仍在于新需求的创造。如果未来AI能够催生新的消费场景、新的商业模式以及全新的产业生态，那么生产率增长在短期内表现为K型分化与增长停滞，长期则伴随弱环突破与需求扩张，有望呈现J型爆炸式增长曲线，反之，如果AI主要停留在既有产业内部的效率优化，其宏观影响可能低于市场当前的乐观预期。 参考文献： Acemoglu, D. (2024)The Simple Macroeconomics of AI.NBER Working Paper No.32487. Cambridge, MA: National Bureau of Economic Research. Acemoglu, D., Kong, D. and Ozdaglar, A. (2026)AI, human cognition and knowledgecollapse, NBER Working Paper , No. 34910. Cambridge, MA: National Bureau ofEconomic Research. Acemoglu, D. and Loebbing, J. (2022)Automation and polarization, NBER WorkingPaper, No. 30528. Cambridge, MA: National Bureau of Economic Research. Acemoglu, D. and Restrepo, P. (2019)Automation and new tasks: How technologydisplaces and reinstates labor, Journal of Economic Perspectives, 33(2), pp. 3–30. Baslandze, S., Edwards, Z., Graham, J.R., McClure, T., Sparks, M., Meyer, B.,Waddell, S.R. and Weitz, D. (2026)Artificial intelligence, productivity, and theworkforce: Evidence from corporate executives, Federal Reserve Bank of AtlantaWorking Paper Series, No. 2026-4. Atlanta, GA: Federal Reserve Ba