2026-09-01 23:38:17 
系列介绍：
经济统计著作系列推文将深入浅出地解读国际上具有影响力的经济统计著作。除出版社出版的经济统计著作以外，也包括国际组织（OECD、UN、World Bank、IMF、EU等）出版的部分经济统计方法论手册和专题论文集，经济统计学主题的博士论文，经济研究机构的部分Working Paper（工作论文）。
著作信息：Korinek, A., & Stiglitz, J. E. (2021). Artificial Intelligence, Globalization, and Strategies for Economic Development. NBER Working Paper No. 28453. National Bureau of Economic Research.
人工智能及相关自动化技术正在成为新一轮技术变革的重要力量。与此前以机械化、电气化和信息技术为代表的技术进步相比，人工智能不仅可能提高生产率，而且可能改变不同生产要素在生产过程中的相对作用，由此引发关于就业、收入分配、生产率以及经济增长的广泛讨论。对于发展经济学而言，这一问题具有更加特殊的含义。过去半个世纪，许多发展中国家通过融入全球经济、参与国际贸易以及发展劳动密集型制造业实现了快速增长。尤其是东亚经济体，通过利用劳动相对丰富所形成的比较优势参与国际分工，并在此基础上逐步实现资本积累、技术学习和产业升级，形成了具有代表性的出口导向型发展模式。然而，人工智能和自动化的发展，则可能削弱部分发展中国家原有的劳动密集型比较优势，从而改变这一发展模式赖以存在的部分条件。
2021年2月，Anton Korinek与Joseph E. Stiglitz在美国国家经济研究局（NBER）发表工作论文《Artificial Intelligence, Globalization, and Strategies for Economic Development》。论文从人工智能与自动化技术出发，将技术进步、国际贸易、比较优势、收入分配和发展战略纳入统一分析框架，讨论一个具有根本意义的问题：“当技术进步越来越能够替代劳动以及其他传统生产要素时，发展中国家过去依靠劳动和自然资源禀赋形成的比较优势是否仍然能够持续？”作者并没有将技术进步简单理解为提高生产率的中性力量，而是强调技术变化可能具有资源节约和劳动节约等不同形式，并可能通过要素价格、贸易条件和收入分配产生差异化影响。对于部分发展中国家而言，如果其原有比较优势建立在容易被技术进步替代的生产要素之上，那么全球技术进步带来的生产率提高并不必然转化为本国实际收入的同步增长。
论文真正关心的并不是人工智能究竟能够提高多少生产率，而是技术进步改变生产方式之后，原有的经济关系是否仍然成立。为回答这一问题，作者从自然资源和劳动两种传统生产要素出发，考察技术替代如何通过要素价格和贸易条件影响发展中国家的实际收入，并进一步讨论这种变化如何影响国际分工、市场结构与发展战略。由此，人工智能所带来的问题也不再只是就业或工资变化，而进一步涉及发展中国家原有比较优势能否持续，以及过去成功的发展路径是否仍具有可复制性。论文最终将这一讨论延伸至国内政策和全球治理，由此形成从技术变化、比较优势到发展战略的分析框架。
论文首先从技术进步与要素收入之间的关系展开分析。其核心逻辑是：技术进步提高的并不只是总产出，也可能改变不同生产要素的相对价格与收入分配，因此，一个国家能否从技术进步中获益，还取决于其比较优势建立在哪些要素之上。技术进步能够提高生产率并扩大经济的生产能力，但由此增加的收益并不会自动在不同生产要素之间均等分配。作者借助等产量曲线和要素价格前沿说明，技术变化不仅意味着同样的投入能够产生更多产出，也可能改变不同生产要素的相对价格和收入回报。由此，经济总产出的增长与特定要素收入的增加并不是同一个命题。
图1 等产量曲线与要素价格前沿（Isoquants and Factor Price Frontier）
在这一般性分析基础上，作者进一步考察两种具有代表性的技术进步：资源节约型技术进步和劳动节约型技术进步。二者虽然作用于不同的生产要素，但具有共同的经济含义，即当一个国家的比较优势建立在某种容易被技术替代的要素之上时，全球生产率的提高并不必然意味着该国能够同步获益。
首先，作者考察自然资源出口型发展中国家。对于依赖自然资源出口参与国际分工的经济体而言，如果技术进步降低全球生产对自然资源的需求，那么技术进步本身虽然能够提高全球生产效率，却可能同时降低自然资源的相对价格，并恶化资源出口国的贸易条件。对于高度依赖资源出口收入的国家而言，这种变化不仅会压低资源部门的收益，还可能进一步降低整个经济体的实际收入。
图2 技术变化下的等产量曲线（Isoquants for Change in Technology）
在此基础上，论文的命题1指出，在满足相应资源禀赋条件的情况下，资源节约型技术进步可能降低资源出口国的贸易条件以及资源出口所带来的总收入，使该国在绝对意义上遭受损失。作者以石油出口国为例说明，如果未来技术进步显著降低对石油的需求，那么建立在自然资源禀赋之上的传统比较优势就可能被削弱。进一步而言，命题2表明，这种影响具有明显的要素禀赋异质性：一个国家究竟会因资源节约型技术进步受益还是受损，取决于其自然资源与技能劳动之间的相对禀赋。当自然资源相对于技能劳动足够丰富时，该国更容易受到资源节约型技术进步的不利影响；而对于资源相对稀缺的国家，技术进步则可能产生不同的结果。
这一分析揭示出论文的第一个核心观点：技术进步的经济后果不能脱离一个国家的要素禀赋和国际分工位置加以判断。对于一个过去依靠自然资源形成比较优势的国家而言，原本被视为发展基础的资源禀赋，在技术进步改变全球需求结构之后，也可能成为其面临技术冲击的重要来源。
2.2 劳动节约型技术进步：全球产出增加与发展中国家受损可以同时发生
作者随后将同样的分析逻辑从自然资源扩展到劳动。论文构建了一个劳动密集型发展中国家参与国际贸易的模型：该国利用相对丰富的劳动生产劳动密集型中间品，并将其出口到发达经济体。在这种国际分工结构下，如果全球出现劳动节约型技术进步，劳动的需求和相对价格就可能下降，而这一变化会直接影响以劳动禀赋参与全球分工的发展中国家。
这里出现了一个值得特别关注的结果：全球总产出增加与部分发展中国家实际收入下降可以同时发生。论文的命题3表明，当全球经济的资本强度低于特定临界水平时，劳动节约型技术进步可能降低劳动密集型发展中国家的贸易条件和出口收入，使其在绝对意义上遭受损失。命题4进一步指出，这种影响取决于一国自身的资本—劳动比率。资本相对稀缺、劳动相对丰富的发展中国家，由于其比较优势更加依赖劳动要素，因此更容易受到劳动节约型技术进步的冲击。
由此，作者将传统的“技术进步促进发展”命题进一步复杂化：一种能够提高全球生产率和总产出的技术，并不必然使所有国家的实际收入同步提高。真正需要关注的，不仅是技术进步创造了多少新增产出，还包括技术替代了哪些生产要素、这些要素由哪些国家相对丰富地拥有，以及技术进步所产生的收益最终由谁获得。
如果说前面的分析关注的是技术进步如何改变不同生产要素的相对收益，那么在人工智能等数字技术快速发展的背景下，这种影响还可能进一步表现为企业之间以及国家之间技术能力、市场份额和技术收益的分化。作者指出，人工智能等数字技术不仅具有劳动节约特征，还可能依托规模经济、网络效应以及较低的复制成本形成较高的进入壁垒，使数据、算法、计算能力和研发投入等关键资源进一步向少数企业和国家集中。由此，技术进步所产生的收益可能不再只是劳动者与资本所有者之间的重新分配，还可能表现为企业之间以及国家之间技术租金和市场份额的重新分配。拥有领先技术、资本、数据和人才的企业与国家可能获得更大的全球市场份额，而技术追赶能力较弱的经济体则可能面临更加明显的劣势。论文因此将技术进步所带来的分配问题从传统的劳动—资本关系进一步扩展到企业和国家层面。
这种变化也使人工智能与以往技术革命之间的关系成为一个重要问题。作者并未试图对AI最终带来的生产率或就业变化给出确定预测，而是强调技术从发明到大规模应用往往存在较长的扩散过程，其经济影响取决于企业组织、资本投资、技能结构以及制度环境等因素。同时，人口结构变化、COVID-19疫情和绿色转型等宏观因素也会改变不同国家对劳动、资本和自然资源的需求，从而使人工智能产生明显的国家异质性。换言之，AI并不是脱离既有经济结构而独立发生作用的技术冲击，其影响取决于技术变化与人口、贸易、环境以及制度条件之间的相互作用。
将这一问题放到更长的历史视角下，论文进一步讨论了工业革命以来技术进步与经济发展的关系。工业革命虽然产生了大规模技术替代，但同时创造了新的劳动需求，并伴随企业组织、教育和劳资关系的变化，最终形成了与工业化相适应的劳动需求扩张过程。过去半个世纪的东亚发展经验则进一步表明，劳动密集型制造业出口可以成为发展中国家参与全球分工、积累资本、学习技术并实现产业升级的重要途径。然而，人工智能和自动化可能改变这一发展模式赖以存在的条件。一方面，全球制造业就业占比已经下降；另一方面，原本可以通过国际贸易外包给劳动成本较低国家的部分生产活动，也可能随着自动化而重新在技术和资本更密集的经济体内部完成。更重要的是，论文同时强调，前沿AI研发以及与之相关的知识、数据和技术资源存在集中趋势，这可能进一步扩大不同国家之间的知识与技术差距。
因此，论文提出的并不仅仅是“AI会不会减少就业”的问题，而是一个更具发展经济学意义的问题：如果廉价劳动不再能够稳定构成发展中国家的比较优势，那么过去“廉价劳动—制造业出口—产业升级”的发展路径还能否继续复制？这一问题实际上将人工智能研究与传统发展经济学中的比较优势、产业升级和经济追赶问题连接起来。
面对技术进步可能带来的收入分化和发展路径变化，论文进一步将分析转向政策选择。作者首先关注国内层面的收入分配问题。劳动节约型技术进步以及数字技术可能带来的市场集中，可能扩大劳动与资本之间以及不同劳动者之间的收入差距，同时削弱传统上以劳动收入为主要税源的财政体系。因此，政府需要更加重视资本收益、土地租金和垄断租金等收入来源，并通过税收与再分配政策缓解技术进步带来的分配压力。与此同时，教育、数字基础设施以及公共服务等公共支出不仅能够改善收入分配，也能够提高社会成员参与数字经济的能力，使技术进步带来的生产率收益能够更加广泛地扩散。
对于发展中国家而言，更深层次的调整在于发展战略本身。其核心并不是放弃比较优势，而是从被动利用既有比较优势转向主动塑造新的比较优势。作者并不主张通过阻止自动化或技术进步来保护传统就业，而是认为发展中国家需要主动影响技术采用的方向，在制造业之外进一步发展农业和服务业，并通过产业政策、技术政策以及人力资本投资形成新的比较优势。其核心并不是拒绝技术进步，而是避免技术进步仅仅表现为对既有劳动优势的替代，使数字技术能够成为经济发展的工具。由此，发展战略的重点需要从单纯利用既有比较优势，逐步转向主动塑造新的比较优势。
但人工智能所产生的技术租金和市场力量具有明显的跨国属性，因此国内政策并不足以解决全部问题。论文进一步将讨论延伸到全球治理层面，重点涉及全球税收、竞争政策、知识产权和数据治理。由于跨国数字企业能够在全球范围内配置利润和技术资源，单个发展中国家往往难以独立对其进行有效征税和市场规制，因此需要加强国际税收协调，并讨论全球最低企业税率、利润分配以及数字经济税收等制度安排。同时，人工智能可能强化大型数字企业的市场集中，使传统的单一国家竞争政策面临局限，发展中国家和新兴市场需要通过国际协调提高其竞争政策的有效性。对于知识产权和数据治理，作者同样强调制度安排不能只关注创新激励，也需要考虑技术扩散、发展中国家的技术追赶以及全球数字鸿沟问题。
至此，论文的政策讨论与前面的理论分析形成对应：如果技术进步可能改变劳动、资本、企业和国家之间的收益分配，那么政策的目标就不应只是提高技术进步的速度，还需要考虑如何分配技术进步产生的收益，以及如何使发展中国家能够继续获得技术追赶和经济发展的机会。
这篇论文没有试图回答“人工智能究竟会减少多少就业”，而是把一个通常被视为技术问题的问题，放回全球化和发展经济学的框架中重新审视。作者关心的是，当技术进步开始改变劳动、自然资源等传统生产要素的相对价值时，过去建立在这些要素之上的比较优势是否仍然能够持续，以及发展中国家是否还能否沿着过去的路径实现经济追赶。
论文由此连接起了技术进步与国际贸易之间的一条重要机制。劳动节约型和资源节约型技术进步虽然能够提高生产效率，却可能同时降低某些生产要素的相对需求和回报。对于比较优势建立在这些要素之上的国家而言，全球生产率提高并不意味着本国实际收入必然同步增加。技术进步究竟带来什么结果，不能只看全球多生产了多少，还要看它替代了什么、改变了哪些国家的比较优势，以及由此产生的收益最终流向哪里。
这一逻辑也对传统发展模式提出了值得重视的挑战。过去半个世纪，许多发展中国家通过低成本劳动进入全球价值链，在劳动密集型制造业中积累资本、学习技术，并逐步实现产业升级。这一模式的成功建立在一个重要前提之上：发展中国家的劳动成本优势能够持续转化为国际市场中的竞争优势。如果自动化和人工智能不断降低部分劳动要素的相对价值，那么这种“廉价劳动—制造业出口—产业升级”的路径就可能面临新的约束。问题因此不再只是如何更好地利用已有比较优势，而是如何在技术变革中形成新的比较优势。
这也解释了为什么论文没有把政策重点放在阻止自动化或保护传统就业上。技术进步本身并不是需要被阻止的对象，真正需要改变的是一个国家如何参与技术进步、如何分配技术进步带来的收益，以及如何让技术成为形成新比较优势的力量。教育、基础设施、产业政策、税收与再分配，以及国际税收、竞争政策和数据治理等制度安排，最终都指向同一个问题：如何让技术进步不仅提高生产率，也能够转化为更广泛的发展机会。
站在当下回望这篇 2021 年的工作论文，这一问题并没有因为生成式人工智能的发展而过时，反而现实意义愈发凸显。当人工智能逐渐进入制造业、服务业和知识生产领域，过去依靠劳动成本优势参与全球化的发展中国家将如何调整自身的发展战略，仍然是一个尚未得到充分回答的问题。
因此，该文留给当下经济学研究的重要启示，并非对 AI 就业规模的具体数值预测，而是提供了看待技术进步的全新视角：不能只关注人工智能提高了多少生产率，还要关注这种生产率提高改变了谁的比较优势、谁获得了技术红利，以及哪些国家仍然能够借助技术进步实现经济追赶。当人工智能开始重新塑造劳动、资本与国家之间的相对优势时，比较优势、全球分工和发展战略本身，同样需要被重新理解。
作者简介
Anton Korinek
Anton Korinek现为美国弗吉尼亚大学经济学系及Darden商学院教授，并担任Economics of Transformative AI（EconTAI）Initiative Faculty Director。他同时担任Brookings和Peterson Institute非驻院高级研究员，是美国国家经济研究局（NBER）Research Associate和欧洲经济学会（CEPR）Research Fellow。
Korinek于2007年获得哥伦比亚大学经济学博士学位，此前曾在信息技术和金融行业工作，并曾任教于约翰斯·霍普金斯大学和马里兰大学，也曾在哈佛大学、世界银行、国际货币基金组织、国际清算银行及多家中央银行担任访问学者。
他的研究主要关注人工智能及人工智能转型对经济增长、劳动市场、收入不平等和社会未来的影响；早期研究则主要涉及金融危机机制以及新兴经济体资本流动监管等问题。近年来，他还围绕人工智能与公共财政、市场结构、金融体系以及经济政策等议题展开研究。
Joseph E. Stiglitz
Joseph E. Stiglitz现为美国哥伦比亚大学University Professor，任教于哥伦比亚商学院、经济学系和国际与公共事务学院。他同时担任International Commission for the Reform of International Corporate Taxation（ICRICT）联合主席、Roosevelt Institute首席经济学家，并担任哥伦比亚大学Initiative for Policy Dialogue联合主席。
Stiglitz的研究领域广泛，主要涉及信息经济学、宏观经济学、发展经济学、国际贸易、公共财政、收入与财富分配、全球化以及气候变化等。他的研究尤其关注信息不对称、市场失灵以及公共政策对经济运行和收入分配的影响，并推动了信息经济学的发展。
2001年，Stiglitz因对不对称信息条件下市场运行的研究，与George Akerlof和A. Michael Spence共同获得诺贝尔经济学奖。此前，他曾任美国总统经济顾问委员会成员及主席，并于1997年至2000年担任世界银行高级副行长兼首席经济学家。
图片来源