寓“投資于人”于“投資于AI”

文/中國社會科學院學部委員蔡昉

應當遵循“投資于人”的方向，從中尋找中國未來人工智能投資的重點領域。其核心在于，分享人工智能的紅利，從根本上讓人工智能向善，并走出一條新的道路。中國擁有龐大的市場規模、龐大的人口規模以及龐大的老年人口，以及有利于人工智能廣泛應用的各種場景，因此，“投資于人”最有機會創造新的超級周期，也恰是探討生產率紅利全民分享途徑的絕佳機會。

人工智能：開啟經濟增長

新周期的歷史機遇

人工智能（AI）的突破日新月異，基于今天的情況都很難對明天做出準確預測，這同時也為我們提供了巨大的聯想空間，我們可以多做一些時間上的思想穿越，多思考一些更為長遠的問題。

今年“兩會”期間，習近平總書記在參加江蘇代表團審議時，對科技發展帶來的民生問題提出了一系列課題，包括“積極主動解答如何實現高質量充分就業、如何增加城鄉居民收入、如何進一步提升基本公共服務和社會保障水平等課題”。

人工智能既帶來了前所未有的機遇，也帶來了前所未遇的挑戰。我們有希望借助AI開啟一個經濟增長的新周期，或者說一個超級周期，從而幫助我們解決一系列重大難題和堵點。但與此同時，所有的問題都不會自然而然地解決。因此，必須在政策層面進行相應的部署。

首先，中國經濟尚有增長潛力可以挖掘。從長期經濟增長的表現來看，它似乎帶有某種周期性現象，即實際增長表現與潛在增長能力之間還存在一定差距。

我認為，最重要的是，我們應當把握機遇，進行大規模的人工智能投資。這里所說的“大規模投資”，涉及認識到投資規模有多大、通過哪些渠道投出去等。我們無法與美國簡單比較，因為體制不同、所處環境也不同。但總體而言，我認為我們應當利用這一機會形成超級周期，其核心在于進行再平衡。

我設想的幾個方面包括：再平衡的問題、重新估值的問題、提振需求的問題。比如，資產重估以提振股市和債市；產能再平衡以穩長期利率，促國內循環；提升產品和服務的價格及社會零售總額；重估經濟增長潛力，動員以提升投資意愿；從金融杠桿角度保障信貸健康發展；有效實施宏觀經濟政策和產業政策，創造良好投融資環境及良性競爭環境。這一系列再平衡需要一個推動力，這個推動力就來自人工智能投資。

人工智能重振中國經濟的兩種方式

總體而言，人工智能可以通過供需兩側推動重振宏觀經濟。

首先是從供給側入手，提高潛在增長率。人工智能具有提高勞動生產率和全要素生產率的極大可能性和確定性。這也要求破解“索洛悖論”，如果人工智能的應用仍然停留在新技術出現但生產率卻沒有提升的狀態，就不可能創造出一個超級周期。

其次是從需求側入手，提升生產者價格。在美國的大規模的甚至帶有泡沫傾向的人工智能投資熱潮中，人們擔心的是通貨膨脹。但對中國而言，人工智能的投資需求或許有助于提升生產者價格，從而緩解當前相對的低通脹狀況。因此，我認為這是一個難得的機遇。

至于是否需要投資數據中心等基礎設施，答案當然是肯定的。但我想強調的是，中國人工智能之所以能夠進入全球第一梯隊，最大的優勢在于廣泛的應用場景，而這些應用場景中有相當一部分集中在民生領域。這不僅僅是因為民生領域存在短板和堵點，更在于，人工智能如果不能優先進入民生領域，就會失去技術進步的意義，進而喪失發展潛力。

最近我們也看到，盡管美國通過大規模放松管制刺激了投資和技術發展，但與此同時，美國也開始關注與民生相關的問題，其他西方國家也是如此。例如，特朗普提到了所謂的“公關協助”；英國財政大臣強調人文關懷；以OpenAI為代表，大型科技企業提出“以人為先”。

我們提出了“人工智能+”行動，其中一個重要方向就是“+民生福祉”，并將“智能向善”從一開始就納入產業政策。從這個意義上說，我們與其他國家相比的領先地位，也在于智能向善的遠見和舉國體制優勢，在于更應突出民生領域的“投資于人”。

供給側視角：

提高全要素生產率的兩條路徑

接下來，我想探討人工智能及其賦能和投資，在供給側能夠發揮什么樣的作用。

中國改革開放以來，之所以能夠實現高速增長并取得民生成就，背后的基本支撐是全要素生產率的提高，而且是一種超速、超大幅度提高。這種生產率提高之所以能夠實現，是因為我們利用了勞動力大規模從農村向城市、從農業向非農產業轉移的契機，同時帶動其他要素進行了重新配置。

許多研究包括我們自己的分解研究發現，在高速增長時期，全要素生產率或勞動生產率的提升中，大約有一半的貢獻來自于資源重新配置。這種重新配置是在人口紅利條件下特有的，通過這種規模巨大的重新配置過程，我們實現了“急風暴雨式”的生產率提高。

圖1 GDP增長率及構成

隨著人口紅利的消失，特別是勞動年齡人口和總人口出現負增長，勞動力變得短缺，資本回報率開始下降。資本回報率下降的根本原因在于，全要素生產率的增長速度已經放緩，并且仍在繼續下降。

我們國內學者也做過一些估計，表明全要素生產率的增速明顯放緩。由于沒有看到最新的研究，我根據賓夕法尼亞大學世界數據庫（Penn World Table）的數據展示最近的趨勢，由此證明經濟增長的堵點在于生產率。綜合我自己的估算，全要素生產率增速的下降對潛在增長率下降的貢獻大約在0.8到1個百分點之間。

在此背景下，隨著勞動力短缺，資本邊際報酬遞減的規律開始顯現，投資回報率下降也就在所難免。

總體而言，正是在資本和勞動力的相對稀缺性發生逆轉的這些年，大約在2010年前后，我們經歷了工資上漲加快、勞動報酬占比明顯回升、收入分配狀況有所好轉，但同時資本回報率顯著下降。

相應的結果就是：推動同樣的、或者增量較小的經濟增長，也需要更大規模的投資。我將GDP增長率與資本存量增長率的比值稱為“GDP的投資彈性”，從中可以看到，這一比值從改革開放初期的1以上，到近年來明顯降至0.6左右，凸顯出投資回報率下降導致投資方向不明、投資意愿不足，并在去年出現了投資負增長的局面。我們自然希望打破這一局面。

過去我們一直在講改革，通過各項改革帶來改革紅利，再將改革紅利轉化為全要素生產率的提高，進而提升潛在增長率。現在很自然地，人工智能應當成為一個新的機遇。

所以，我想探討的是，人工智能在全要素生產率的提高中能夠發揮什么作用。我把全要素生產率的提高歸結為兩個途徑——實際上不是兩條路徑，而是兩個同時發生的過程，這兩個過程共同作用，便帶來了全要素生產率的提升。

第一個途徑是資源配置和重新配置。過去，我們主要是在農業與非農產業之間、城市與農村之間進行勞動力重新配置，以勞動力的流動和遷移為主要載體；未來的全要素生產率提升仍然來自于資源配置，但可能進入更深的層面，即在行業之間、企業之間進行配置。

在發達經濟體中，資源配置的主要來源是企業之間，尤其是在同一行業的企業之間，這構成其全要素生產率的主要源泉。我們現在已經進入了這個階段。利用人工智能，借助數據、編程和模型，可以將資源配置從過去的“試錯”和“減材”模式——類似于3D打印——轉變為“增材”模式，減少過程中的浪費，資源配置的顆粒度將明顯縮小。與此類似，“邊干邊學”的時間損失也降低了。從這個意義上說，人工智能預期將極大地提升全要素生產率提高的能力。

但全要素生產率還有第二個途徑（可以視為同一枚硬幣的另一面），即必然伴隨著創造性破壞。只有讓生產率高的企業存活和發展，同時將生產率低的企業淘汰出局，資源配置效率才可能提高。這是一個必要條件，沒有生死、沒有進退，就不可能有全要素生產率的提升。

從這個意義上說，人工智能也會極大地加速這一過程。它的破壞是不講情面的，是瞬間發生的。目前這一點可能還不特別突出，或者尚未引起足夠關注，但我認為未來會非常嚴重。

這也帶來了一個問題：人工智能在提高生產率的同時，會造成比較嚴重的破壞——破壞一些產能、一些企業、一些行業，接下來，一些崗位也會被破壞，勞動者也將面臨沖擊。

從這個意義上說，我們可能會面臨雙重效應。近年來，在經濟增長速度有所下降的同時，我們已經難以分辨，在生產率提升中，創造性破壞的貢獻與資源重新配置的貢獻究竟孰大孰小。以邏輯進行推測，創造性破壞的作用可能會明顯加大。

破解勞動生產率的“分式兩難”

我們再進一步分析勞動生產率或全要素生產率的問題。勞動生產率天然存在一個兩難困境，因為它是以一個分式表達的——即單位勞動投入所能產生的產出。這一分式本身就蘊含著悖論。

首先是分母效應。減少要素投入，特別是減少勞動力投入，即使產出不變，勞動生產率也會提高。但這必然帶來一個后果，即就業的破壞。

雖然從長期來看，勞動生產率的提高本身會創造新的就業崗位，新的就業崗位在長期中是會被創造出來的，這也是技術進步的必然結果，然而，短期與長期之間存在矛盾。從歷史經驗看，相對于就業的創造，就業的破壞在時間上更早、速度上更快、在一定時間內甚至規模上更大。

因此，我們預計，就業所受的影響可能會呈現一個J型變化軌跡：短期下降的“鉤子”已經出現。我們可以用每年新創就業崗位中被轉化為實際凈增就業的比例——即轉化率或生存率——來衡量。

數據顯示，自2000年以來，這一比例逐漸下降，近年來下降幅度更大。隨著人工智能進一步開發與應用、滲透率不斷提高，這一趨勢還將加劇。這是一個確定的事實。而長期向上的部分，目前仍停留在理論層面，并非確定性結果。因此，我們需要爭取盡可能好的結果。這就是分母效應所帶來的矛盾。

圖2 崗位生存率變化

與此同時，分子效應同樣存在著悖論。通過提高全要素生產率，在總投入不變、不減少就業的前提下，著眼于提高產出和服務質量，可以產生分子效應。

但分子效應的一個后果是：如果消費需求跟不上生產率的提高，產出的增長和服務的增長就會導致產業產能過剩，出現有效消費不足，甚至所謂的過度儲蓄或過剩儲蓄。

黨的二十屆四中全會提出要提高居民消費率。人們往往將居民消費率與“三駕馬車”中居民消費對經濟增長的貢獻混為一談，據此自然會認為，如果出口不可持續，投資也有所下降，那么居民消費的貢獻就會自然提高，這似乎是一個自然而然的結果。

然而，仔細分析會發現，這兩者是具有不同含義的概念。居民消費率與居民消費對經濟增長的貢獻是兩回事，兩者之間沒有相關性。從圖3可以直觀地看到，居民消費率相對穩定，具有長期黏性，更多地與收入分配狀況、勞動報酬占比或居民收入占比相關。因此，只有從社會政策入手，才有可能解決消費水平提升的問題，而不能單純依靠宏觀經濟政策來刺激。

圖3 居民最終消費率與居民消費增長貢獻

遵循“投資于人”優先序

由以上分析可以得出一個簡要的結論：我們應當遵循“投資于人”的方向，并從中尋找中國未來人工智能投資的重點領域。

作為一個從事理論研究的學者，我本人并不擅長對投資領域提出任何具體建議。我自己曾嘗試列出一個清單，指出一些這樣的領域，然后用DeepSeek與我列出的清單進行比較，結果大致相似。

不過，我們所說的“投資于人”，主要不是指市場投資，市場投資是其中的派生行為。“投資于人”本身的內涵是：以公共政策為導向的公共資金投資取向。概而言之，這個投資方向主要是從兒童到老人，覆蓋“一老一小”全生命周期的基本公共服務。

能夠將這些內容串聯起來、影響最為顯著的領域，目前看來就是照護經濟。少子化和老齡化既需要公共投入的應對，也創造出大量產業機會。最新的時間使用調查表明，中國居民，特別是中國女性，家務負擔非常重，其中包括照料老人和照顧孩子。這既涉及養老問題——老有所養，也涉及生育意愿。

在這一領域實現突破，大有可為。最簡單的例子是，照料時間和家務勞動時間加在一起，幾乎與就業時間相當。這意味著，如果將這部分無償勞動轉變為有償勞動，既創造更多就業，降低了“三育”負擔，提高老有所養滿足度，還會被計入GDP，從而顯著提高經濟增長率，并重新估值整個經濟增長的規模。

我舉出照護經濟這個例子，既不打算越俎代庖，也不想以偏概全，而是為了回答以下問題：人工智能時代的就業崗位從何而來。大家今天都在擔心，人工智能替代了自己的崗位之后，我們今后還有沒有事情可做？

可以重新思考一下“鮑莫爾成本病”這個概念。威廉·鮑莫爾觀察到，一些行業勞動生產率始終較低，但對應的產品或服務仍有需求，因此這些行業和從業者仍然可以得到社會平均水平的報酬。

這個觀察有助于我們轉變思維范式，破除一個悖論——以往總是追求消除行業間、職業間的生產率差別，而差別幾乎是永恒存在的。所以，這個理念和做法或許從來就是緣木求魚。或許是隨著人工智能時代來臨，答案才水落石出：生產率不再是稀缺資源，也許到了不必嘗試消除所有差別的時候。

圖4 不同行業的勞動生產率

鮑莫爾本人最初是針對表演藝術領域提出這一概念，后來這一概念被引申到醫療、教育等領域。事實上，鮑莫爾在后期也認為，這不是一種“病”，而是一種發展方向。

未來，一個行業、一個職業、一個崗位，或者從事該崗位的人的收入，將越來越與個人勞動生產率和行業勞動生產率脫鉤。只有脫鉤，才能創造出新的行業，才能給人們帶來更多新的需求和未來就業的可能性，才能讓人生保有意義。否則，人工智能所替代的工作將使我們失去意義，我們也就不知道該如何生活了。因此，這個脫鉤的前提，是分享勞動生產率所帶來的紅利。

從這個意義上說，“投資于人”的核心在于分享人工智能的紅利，從根本上讓人工智能向善，并走出一條新的道路。這條道路，各個國家都會探索。但對中國而言，我們擁有龐大的市場規模、龐大的人口規模以及龐大的老年人口，也存在讓人工智能廣泛應用的各種場景。因此，“投資于人”最有機會創造新的超級周期，也恰是探討生產率紅利全民分享途徑的絕佳機會。

來源 | 宏觀經濟論壇CMF

編輯 | 周茗一

審核丨秦婷

責編 | 蘭銀帆

Review of Past Articles -

01

02