研究表明，人工智能（AI）可带来显著的生产力提升，这让人们重新燃起希望，期待扭转全球生产力增长放缓的趋势。
然而，许多人工智能工具主要通过自动化已有任务来提高效率，而非通过创造新任务和新产品。
人工智能对生产力增长的贡献将取决于三个关键因素：自动化、科学发现和全球人工智能采用率。
人工智能（AI）并非新事物。这一术语由约翰·麦卡锡（John McCarthy）在传奇性的1956年达特茅斯会议上提出，当时计算机科学领域的一些顶尖人才齐聚一堂，讨论“思考机器”。此后，该领域经历了热潮与低谷的周期性变化。
早期的乐观情绪最终导致了“AI寒冬”——一段投资削减的时期，起因是过度炒作的预期未能兑现，“人工智能”一词也因此失宠。
然而，在过去十年中，在计算能力提升和海量数据的推动下，该领域已果断地从早期基于规则的系统转向更灵活的自下而上的机器学习，例如大语言模型（LLM），并以OpenAI发布ChatGPT达到高潮，开启了新一轮炒作周期。然而，尽管重新燃起了热情，生成式人工智能对经济的影响仍不确定。
的确，大量研究表明，当前的人工智能能力已能带来显著的生产力提升，应用领域包括客户服务、写作与编程，以及由中层专业人员完成的工作。
此类发现让人们对扭转全球生产力增长的下滑趋势重新抱有希望，该增长已持续放缓十多年。但这些应用主要通过自动化人类已完成的任务来提高效率，而非创造新的任务和产品。
在此，我们概述了将影响人工智能对生产力增长贡献的三个关键因素，以及政策在塑造这些因素方面的关键作用。
自动化只是一次性收益
虽然自动化可以带来短期的生产力提升，但它只是一次性收益。如果自1800年以来的所有进步都仅限于自动化，我们将拥有高效的农业和廉价的纺织品，但仅此而已。
生成式人工智能对生产力影响的规模和时机尚不确定。达龙·阿西莫格鲁（Daron Acemoglu）估计，在人工智能不促进科学发现或新产品创造的情况下，采用最先进人工智能的自动化可能使美国生产力在未来十年内每年仅提高0.07%。与此同时，埃里克·布林约尔松（Erik Brynjolfsson）等人则更为乐观，认为人工智能有潜力通过增强与创新来提升劳动生产力。
然而，归根结底，人工智能的发展轨迹及其对生产力的贡献将受政策选择影响。例如，税收政策在一些国家以低于劳动力的税率对被归类为资本的设备、硬件和软件进行实际征税，从而低效地偏向了自动化。
如果自动化是由税收激励驱动而非出于提升效率的目的，它可能助长对劳动力的无差别替代，无法提高生产力。应谨慎考虑重新平衡折旧抵免、税收抵免及其他造成此类偏向的税收激励措施的组合。
调整这一失衡可能激励企业更多地利用人工智能进行增强而非自动化，优先考虑节省资本而非替代劳动力。因此，人工智能驱动的生产力提升将越来越多地增强机器已完成的任务，例如机器人训练、自动驾驶汽车以及改进信用卡欺诈检测。扭转近几十年资本所得税下降的趋势，既可以提升生产力，同时也能使这些收益得到广泛分享。
人工智能可通过技术进步提升生产力
其次，人工智能有潜力彻底变革科学发现，并推动技术进步，从而提升未来的生产力。目前，人工智能预测蛋白质折叠已为生物医学应用提供了新见解，人工智能辅助的新药发现也正助力药物研发。但是，在广泛领域加速创新并非理所当然。
个人电脑和互联网曾被誉为终极研究工具，能够实现前所未有的信息获取、辅助统计分析并促进全球协作。然而，尽管在千禧年前后出现过一次初步的生产力热潮，计算机并未在研究领域带来重大突破。
维持摩尔定律——即硅计算机芯片上的晶体管数量每两年翻一番的规律——如今所需的研究人员是20世纪70年代初的18倍，这反映出美国经济中更广泛的收益递减趋势，遍及整个美国经济。
一种解释是，传统上推动创新的初创企业面临日益增加的进入壁垒。大型企业在数据和计算能力两方面都具有规模优势，这可能导致人工智能开发过度集中。但研究也表明，超级明星企业的专利申请集中度大幅上升，而这种防御性专利有助于保护其技术领先地位。
曾经，初创企业会热衷于进入高利润行业。然而，到了20世纪90年代末，利润已不再能预示新企业的进入。无论是由于防御性专利，还是在位企业游说推动限制性监管，它们进入市场都越来越困难。
这种活力下降尤其令人担忧，因为初创企业在将新研究推向市场方面发挥着不成比例的重要作用。此外，初创企业也更有可能推出催生新产业和新劳动任务的产品。因此，重振竞争以激发创新，是决策者未来面临的一项关键任务。
生产力增长取决于人工智能的采用速度
第三，由于将科学突破转化为可销售产品可能需要许多年甚至几十年，未来十年的生产力增长将在很大程度上取决于人工智能被采用的速度。
从积极的方面看，研究表明，不同国家采用新技术之间的时间差在数百年间已显著缩短。
例如，蒸汽船在英国问世后用了131年才抵达印度尼西亚，而个人电脑在美国发明后仅11年便抵达越南。问题在于，这些技术在初次采用之后向人口中扩散的程度，随时间推移而有所下降。
如何推动全球人工智能的采用
问题在于，决策者如何才能提升全球人工智能扩散和采用的强度？这将需要配套投资。
首先，基础性的人工智能准备至关重要，这需要对数字基础设施、数字数据和技能进行投资，尤其是在新兴市场和发展中经济体。事实上，在提升技能和再培训方面，人工智能可以通过为工人提供更好的培训选项而成为解决方案的一部分——前提是必要的基础设施已经到位。
其次，人工智能出现之前关于数字化采用的研究表明，这种广泛扩散模式并非必然，分化是可能的，甚至是很可能发生的。要让人工智能随时间推移实现充分的经济影响，它必须在整个经济中可及，惠及大小企业，以及农村和城市地区。
最后，有效采用人工智能需要适当的监管，以管理人工智能风险（同时不因压制初创企业而损害创新），并围绕人工智能建立有效的保障措施，以增强人们对其使用的信心。
人工智能有潜力提升生产力并改善增长前景。需要采取全面的政策方法，以充分发挥其全部益处，并让所有人共享更多收益。
作者Carl-Benedikt Frey、Era Dabla-Norris、Rob Hornby和Laura D’Andrea Tyson是增长未来全球理事会的成员。
世界经济论坛在应对第四次工业革命方面正在做什么？
前沿技术与创新中心汇聚科学家、政策制定者和商界领袖，以理解新兴技术及其现实影响。
通过促进合作与实验，该中心帮助合作伙伴将研究中的创新转化为应对共同全球挑战的实际应用。
