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：
Aghion, Philippe, Benjamin Jones, and Charles Jones. 2017. Artificial Intelligence and Economic Growth. NBER Working Paper: w23928. NBER.
https://www.nber.org/papers/w23928
人工智能（AI）不再是科幻概念，已成为可落地的通用技术，其经济含义却远未厘清。这篇NBER工作论文正是在此背景下，将AI放进增长理论的“压力机”里，考察它能否、以及如何重塑长期增长、要素份额与产业结构。作者刻意保持“猜想—建模—反诘”的开放姿态，目的不是给出定论，而是为后续研究划定一张可检验的“问题地图”。全文把AI视为自动化的最新篇章，而非天外飞来的断裂事件。借助Zeira（1998）任务框架与Baumol成本病视角，作者让“机器替代人”与“慢部门份额上升”两股力量在模型里赛跑，从而解释为何百年来资本份额与增长率大体稳定。随后，他们又把AI写进“创意生产函数”，讨论思想自动化会不会带来爆炸式增长甚至奇点，并层层设限：搜索瓶颈、自然法则、创新激励与市场结构。
这篇导读将用四章概括文章的核心叙事。第一章回顾AI作为自动化延伸如何影响商品与服务的生产；第二章转向AI若直接参与“生产思想”所触发的增长动力学；第三章检视奇点叙事在模型里的可行性与各种“刹车片”；第四章把镜头拉低到企业层面，探讨市场结构、部门再配置与组织形态如何调制AI的宏观效应。每章均以三段文字展开，力图保持原文的辩证张力，最后以结语收束，帮助读者在浩瀚议题中锚定坐标。
把镜头拉回到19世纪的纺纱厂，珍妮机、走锭精纺机、蒸汽动力依次登场，织布工人的手指被金属杠杆替代，这是自动化的“1.0版本”。进入20世纪，电动机让流水线可以24小时运转，可编程逻辑控制器（PLC）也把重复性脑力搬进了电路板。作者提醒我们，AI只是这条长河的最新水滴——它用统计模型替代了“眼-脑-手”的组合，把“非例行”的驾驶、客服、放射科读片拉进了可自动化的疆域。历史视角的价值在于：它让我们用“慢镜头”观察每一次替代如何被价格、需求与制度慢慢消化，而不是瞬间颠覆世界。
Figure 1 间歇自动化以匹配数据
然而，如果AI只是更大范围的“机器替换人”，为什么美国制造业的资本份额在1920-1980年间并未持续飙升，反而在二战后趋于平稳？作者的答案是“结构转型”这只看不见的手。当纺织、钢铁、汽车被自动化改造后，它们的边际成本像坐滑梯一样下降，但恰恰因为商品越来越便宜，消费者在收入提升后把更多支出转向了教育、医疗、餐饮、养老——这些“慢进步”部门至今仍依赖大量人工。
于是，宏观上出现了一个看似悖论的场景：微观层面的资本不断替代劳动，宏观层面的资本份额却可以被“支出转向”抵消（见 Figure 1），将自动化进程切成 30 年一换的‘脉冲’，份额冲高时增速恰好低迷，与 2000 年后美国宏观特征形似，提示未来研究可用‘间歇自动化’去拟合战后资本份额的起伏。AI要做的，不过是把“下滑部门”从制造业扩展到零售、运输、甚至部分白领服务，同时让“粘性部门”进一步缩到人际互动、创意与照护的狭小核心。
Figure 2 自动化与渐近平衡增长
为了验证这个故事，作者用美国KLEMS行业数据做了“分解体操”。他们把70个行业按“自动化渗透率”排序，发现1990-2015年间资本份额上升最快的恰恰是汽车、电子、化工等机器人密度最高的行业；而在教育、医疗、表演艺术等“面对面”行业，资本份额几乎纹丝不动，有的还略有下降。更有趣的是“中间层”——批发零售、金融后台、电话客服——AI软件大量进入，却并未显著提高资本份额，因为这些服务的终端价格也在跌，支出权重被压缩。
结果，总量层面的资本份额只是“温和爬坡”，远未达到Zeira模型预言的“逼近100%”的极端（见
Figure
2）其数值模拟恰好捕捉了这种‘温和爬坡’——当每年恒定的剩余任务比例被自动化时，GDP可保持2%的稳态增长，而资本份额却渐近收敛到约1/3，直观验证了Baumol稳定器。作者据此推测：只要“难以改善的人际环节”仍是消费刚需，AI越发达，这些环节的相对价格就越贵，劳动收入就像被一根隐形绳子拽住，不会无限下滑。换句话说，Baumol成本病在AI时代不是缺陷，而是稳定器，它让“几乎全自动”与“劳动份额仍可观”可以并存，也为未来服务业的人力需求保留了地盘。
如果把经济比作一辆双引擎飞机，第一引擎是“造东西”，第二引擎就是“造想法”。历史上，从牛顿推导微积分到程序员熬夜调参，想法生产始终依赖人脑的跨域联想与模糊判断，但人脑的稀缺性与认知局限构成了天然瓶颈。AI的介入如同为“创意小作坊”引入可复制的“硅基学徒”，其海量数据处理与高频实验能力，正将科研流程中的机械重复（测序、数据标注）与套路化脑力任务（跑回归、寻优超参）纳入自动化范畴，仅剩提出新问题、跨学科嫁接等顶层创意仍由人类主导。
这种分工重构的净效应充满不确定性。19世纪化学实验室自动化曾释放人力催生医药飞跃，而20世纪金融建模软件化却因过度依赖黑箱酿成危机。麻省理工培养基实验、CERN粒子筛选系统等案例显示，AI能将“搜索空间”从 N=1000拓展至N=1000000，推动人类聚焦深层机制解读与极端条件验证。但模型也提示，若AI仅替代研发中的常规环节（而未提升创意本质），长期增长仍受限于“人类核心创意”的稀缺性——除非AI能自主突破“知识负担”（Jones, 2009），否则增长只会是“水平提升”而非“指数爆炸”。
关键变量在于“创意生产的替代弹性”：若创意是人机互补（替代弹性<1），AI将提升人类创意的边际产出，推动增长稳步上升；若创意可完全替代（替代弹性≥1），则可能触发无边界增长。但作者通过专利数据与研发投入的实证关联指出，现实中创意生产更接近“互补型”——AI是“放大器”而非“替代者”，其效果最终取决于教育与激励体系能否支撑人类向创意核心再定位。
“奇点”在论文中被拆解为两种数学情景：Type I是增速持续上升但始终有限，如同油门渐深却路无尽头；Type II是收入在有限年内趋于无穷，恰似跑道捷径实现瞬间“爆表”。在AK模型的理想假设中，机器若能自我维护升级并自主设计新机器，将形成指数叠指数的增长雪崩，最终触及Type II奇点。但现实世界的多重摩擦正不断延缓这一进程。
第一类摩擦是自动化的固有极限。物理定律决定了能源转化与散热的天花板，生物社会对情感背书、制度信任的需求让育儿、陪审等任务无法替代，法律伦理则为AI部署设下责任认定的闸门。第二类摩擦源于“搜索疲劳”。AI能高效收割“易捕捉的想法”，却无法改变剩余创意难度指数上升的“知识负担”效应，且能源、材料等领域的技术瓶颈难以同步突破。正如“钓鱼池”比喻所示，AI可加快垂钓速度，却不能凭空创造新池塘——论文附录更明确指出，若创新的关键环节仍需人类研发，AI可能因加剧“创造性破坏”而抑制人类创新投入，最终导致增长停滞。
第三类摩擦是Baumol成本病的延伸。即便AI能自动化99%的任务，剩余1%的“核心刚需环节”（如临终关怀、基础科学突破）仍会成为增长瓶颈。这些环节的productivity难以提升，却因不可替代而占据越来越高的GDP份额，最终将整体增长拉回“慢节奏”。奇点终将从必然事件退化为依赖探索节奏、制度适配的条件概率。
AI进入产业界后，首先遭遇的是市场结构的双刃剑效应。一方面，深度学习让逆向工程变得便捷，模仿成本大幅降低，触发“逃离竞争”的创新激励；另一方面，算法性能随数据规模递增，领先者得以构筑“数据围墙”，推动行业走向“T 型垄断”。当平台通过“算法租金”挤占研发利润，AI的效率红利便可能被创新抑制抵消。论文引用Aghion等的“倒 U 型”竞争理论指出，AI对创新的净效应取决于行业初始竞争度——低竞争行业可能因AI加剧模仿而激发创新，高竞争行业则可能因过度挤压利润而抑制研发。
与此同时，部门间的要素再配置正在加速，资本与劳动力持续从纺织、初级加工等“低知识外溢”行业，流向AI工具赋能的生物医药、机器人等“高知识外溢”领域，形成“高研发部门扩张、传统部门萎缩”的双重加速格局。这种再配置虽能提升整体TFP，但若政策缺位，将引发地域“新锈带”与行业收入分化——论文的行业数据显示，AI渗透率高的行业与低的行业，TFP增速差距在2000年后扩大了3倍。
企业组织形态也在AI驱动下重构，中层管理因流程自动化被进一步削减，但英国微观数据显示，AI密集型企业反而给低技能岗位更高溢价——这些岗位成为“算法失灵时的救火队长”，其应急判断与跨域沟通能力价值凸显。论文结合Garicano（2000）的企业层级理论解释：AI越发达，高端研发人员的时间越宝贵，企业越需要高素质低技能员工过滤常规问题，从而提升了这类岗位的互补价值。未来企业或将呈现“哑铃型”结构，一端是核心算法与高端研发，另一端是高信任操作岗，中间层级逐渐消亡。政策若仅聚焦“机器人税”或失业补贴，而忽视人机协作能力培养，将使AI的宏观潜力难以在企业层面落地。
纵览全文，AI被置于自动化长河的最新一波，其宏观冲击力并非取决于“机器能否更像人”，而是取决于“人 — 机 — 制度”能否在新分工链条上保持互补与激励。Baumol成本病与研发瓶颈反复提示，增长终将受限于最不易进步的环节；即便超级AI降临，只要自然法则、搜索摩擦或创新激励仍需要人类参与，无限奇点就仍是数学极限而非经济现实。
文章留给后续研究的议程庞大而具体：如何精准测度任务级自动化程度？怎样在平台垄断与知识披露之间设计最优专利 / 数据治理？当AI把研究者挤向更窄的“创意山脊”，公共科研机构该如何重组评价体系，以避免人类被逐出创新生态？对这些问题的实证与制度设计，将决定AI是成为21世纪持续增长的“第二蒸汽机”，还是昙花一现的“数字烟火”。理论已搭好脚手架，等待数据与政策去填空。
Philippe Aghion
Philippe
Aghion，1956年生于巴黎，是法国最具国际影响力的经济学家之一，2025
年诺贝尔经济学奖得主。现任法兰西学院“创新与增长”讲席教授、伦敦政治经济学院（LSE）经济绩效中心（CEP）研究员、欧洲工商管理学院（INSEAD）客座教授，兼任计量经济学会会士、美国艺术与科学院外籍院士、欧洲经济学会主席（2019–2020）。他1979年获巴黎高等师范学院数学与经济学双学位，1983年获巴黎第十大学数学经济学博士，1987年获哈佛大学经济学博士，导师为2007年诺奖得主埃里克·马斯金。博士毕业后，Aghion先后任教于麻省理工学院、哈佛大学、牛津大学纳菲尔德学院、伦敦大学学院等世界顶尖学府，2015年当选法兰西学院终身教授，成为该机构近四百年来首位以“创新”为主题讲席的经济学家。
阿吉翁长期致力于经济增长理论研究，与彼得·豪伊特共同开创了“熊彼特增长范式”，将“创造性破坏”理论模型化，系统阐释了创新驱动型经济增长的机制。他的研究涵盖创新、竞争、制度与宏观政策之间的关系，强调企业层面的创新对经济增长的关键作用。他曾获得2001年“伊尔约·雅恩松奖”、2009年冯·诺伊曼奖，以及2020年与豪伊特共同获得的BBVA“知识前沿奖”。2025年，他与乔尔·莫基尔和彼得·豪伊特共同获得诺贝尔经济学奖，以表彰他们对“创新驱动型经济增长的阐释”。此外，阿吉翁也积极参与政策咨询，曾担任法国总统马克龙的经济顾问，并为联合国、欧盟等国际组织提供政策建议。
Benjamin F. Jones
Benjamin F. Jones是美国西北大学凯洛格管理学院的“戈登与卢拉·冈德家族创业学教授”兼战略教授，同时担任凯洛格创新与创业计划的教师主任，并共同领导瑞安复杂性研究所，研究聚焦创新、经济增长与全球发展，成果发表于《American Economic Review》《Science》《Nature》等顶级期刊，并广泛见诸《华尔街日报》《经济学人》等大众媒体；他曾是罗兹奖学金获得者，并在2010–2011年担任白宫经济顾问委员会的高级宏观经济学家，亦曾在美国财政部任职，其研究深入探讨了发达经济体的创新动力以及教育、气候和国家领导力在解释国家贫富差异中的作用。
Charles I. Jones
Charles
I. Jones是斯坦福大学商学院STANCO
25讲席教授、美国国家经济研究局（NBER）研究员，1989年于哈佛大学获得本科学位，1993年在麻省理工学院获得经济学博士学位，曾先后在加州大学伯克利分校和斯坦福大学任教，并担任《Econometrica》联合主编。他是美国艺术与科学院院士、计量经济学会会士，并曾获得斯隆研究奖等多项荣誉。他的研究聚焦于长期经济增长，尤其关注收入差异的深层原因。近年来也将宏观经济学方法延伸至健康支出、收入不平等以及人工智能带来的增长与风险问题。其代表性著作包括教材《Macroeconomics》（6th
edition）与《Introduction
to Economic Growth》（4th
edition），在学术界具有广泛影响力。
Jones在经济增长理论方面的贡献尤为突出，他提出了“半内生增长”模型，强调研发投入和知识积累对经济增长的重要性，同时指出经济增长率与人口增长率之间的关系。他的研究不仅深化了人们对经济增长机制的理解，也为政策制定提供了理论依据。此外，他还在健康经济学领域有所建树，探讨了健康支出对经济增长的影响，以及如何通过政策优化健康资源的配置。Jones的研究成果发表在《American
Economic Review》、《Quarterly
Journal of Economics》等顶级学术期刊上，被引用次数众多，是经济学界极具影响力的学者之一。
National Bureau of Economic Research
美国国家经济研究局（NBER）成立于1920年，是一个私人、非营利性质的经济研究机构，总部位于美国马萨诸塞州剑桥市。NBER以收集和整理经济数据、开展经济研究以及分析经济形势为主要职能。它拥有庞大的经济数据库，涵盖宏观经济和微观经济的多个方面，为研究人员提供了丰富的数据支持。NBER还聚集了众多顶尖经济学家，围绕宏观经济政策、金融市场、劳动经济学、国际贸易等众多领域展开深入研究，并通过分析经济指标来确定美国经济周期的起止时间点，是美国经济衰退和扩张的官方认定机构。
NBER在学术界和政策制定领域具有深远的影响力。其研究成果在学术界备受推崇，许多诺贝尔经济学奖得主都与该机构有着密切联系，其工作论文和研究报告为全球经济学家提供了重要的参考和启发。同时，NBER的研究也为美国政府制定经济政策提供了重要依据，政府官员会根据其研究报告调整政策方向，以应对经济变化。NBER的研究方法和理论成果还被广泛应用于其他国家的经济研究中，促进了全球经济研究的发展。通过举办各类学术会议和研讨会，NBER也为全球经济学家提供了交流合作的平台，推动了经济学的前沿发展。
NBER的研究成果主要通过工作论文、研究报告以及学术会议等形式呈现。工作论文是研究人员尚未经过正式学术期刊同行评审的研究成果，这些论文会在NBER网站上公开发布，涵盖各种前沿的经济研究主题。专题研究报告则针对特定的经济问题或政策进行深入分析，为政策制定者提供参考。NBER定期举办的学术会议和研讨会吸引了全球经济学家和政策制定者的参与，研究人员在会议上分享最新研究成果，讨论经济热点问题，促进了学术交流和思想碰撞。
参考文献
Jones,
Benjamin F., “The Burden of Knowledge and the Death of the
Renaissance Man: Is Innovation Getting Harder?,” Review of Economic
Studies, 2009, 76 (1).
Garicano, Luis, “Hierarchies and the Organization of Knowledge in Production,” Journal of Political Economy, October 2000, 108 (5), 874–904.
文献来源
https://www.nber.org/papers/w23928
https://ieo.imf.org/en/-/media/ieo/files/seminars/chad-jones-slides.pdf
图片来源
https://www.nber.org/system/files/working_papers/w23928/w23928.pdf
https://baike.baidu.com/item/%E8%8F%B2%E5%88%A9%E6%99%AE%C2%B7%E9%98%BF%E5%90%89%E7%BF%81/63564593
https://www.nber.org/people/benjamin_jones?page=1&perPage=50
https://www.nber.org/people/charles_jones?page=1&perPage=50
