（彭文生系中金公司首席经济学家、研究部负责人、中金研究院院长）
四、人形机器人与机器替代人
技术进步影响经济有替代劳动力和赋能劳动力两个方面。一方面，技术进步带来自动化机器设备等新的生产工具，使得资本可部分替代劳动力。另一方面，技术进步帮助劳动者用更少时间完成同样的工作任务，提升劳动生产率。AI同样有替代和赋能劳动力两个作用，但模式与强度较过往技术进步有所不同。过往技术进步对劳动力的替代更多发生在农业、低端制造业等体力劳动密集的领域。AI进步尤其大语言模型等技术已展示出替代部分脑力劳动的能力，比如翻译等。
替代体力和替代脑力并不是相互排斥的，本轮AI技术进步的一个重要潜力就是两者的结合，体现在具身智能的发展上。具身智能（Embodied AI）是指智能体有一个身体，并通过身体与环境的互动来获得智能。这种交互包括使用传感器来感知环境，以及通过执行器对环境产生影响，智能体通过与外部世界的物理互动来学习和适应。例如，让机器人能够在没有明确指示的情况下，通过探索和实验来学习如何执行任务，如行走、抓取物体等。
具身智能可以说是人工智能与机器人技术的深度融合，其应用的一个重要方面是人形机器人。人形机器人是指那些具有类似人类外观和功能的机器人，可以在一定程度上执行人类能完成的任务，如行走、操作工具、交流等。本轮AI突破提升了人形机器人的技术可行性，自然语言处理、面部识别和表情模拟等有助于机器与人类进行更为自然地交流。人形机器人可以在多个领域，如制造业、医疗护理及服务业等，替代或辅助人力，提高生产效率和服务质量。人形机器人的普及将促使更多的劳动力从物理劳动转向创造性和管理性的工作，不仅有助于提升工作的附加值，还能改善劳动条件，减少工伤事故。
人形机器人的推广普及不仅有技术可行性的问题，更是经济可行性问题。生产机器人的制造业具有规模经济效应，而突破技术障碍要靠研发和创新投入，大市场是促进创新动能的关键因素。随着创新带来的设计优化，以及规模化生产，人形机器人的生产成本有望持续下降。制造业的规模经济和数字技术的规模经济结合起来，使得中国在发展人形机器人方面有独特的优势。
中国已经拥有全球市场规模第一的工业机器人应用市场，2022年工业机器人装机量占全球比重超过50%[18]，人形机器人有望带来新的产业发展机遇。在供给端，人形机器人的生产离不开制造业，而中国制造业的产业门类齐全、产业体系完整。在需求端，中国较大的细分市场为人形机器人的应用提供了广阔的测试和部署环境，比如工厂制造、养老陪护、危险救援等部门，可以累积大量数据，有助于AI技术的迭代和优化。在现阶段的中国，人形机器人的发展并不仅限于家庭用途，而是在工业领域，包括制造、采矿等，展现出更大的应用潜力。AI的发展也可能带来一些新技术路径，降低传统日美等发达国家机器人制造商的知识溢价，中国发展人形机器人产业，如同发展新能源汽车产业一般，有可能实现弯道超车。
当然，人形机器人的发展将是全球性现象，具有普遍意义，有一系列的宏观和结构含义值得探讨。机器替代人自然让人联想起人多人少的争议。一方面，人形机器人作为一种先进的技术解决方案，为应对人口老龄化带来的劳动力短缺问题提供了新的可能性。另一方面，机器替代人带来大规模失业的担忧，尤其是人形机器人的推广普及的前景，使得技术性失业（Technological Unemployment，指因技术进步引发的失业）这样的经济学专业名词成为大众话题。
我们应该如何理解这个问题？经济学的“鲍莫尔病”[19]的概念提供了一个有用的分析框架，其逻辑是资源（包括劳动力）从效率提升快的部门（供大于求）转向提升慢的部门（供不应求）。技术进步带来的劳动生产率提升的速度在不同部门之间有差异，总有劳动生产率增长相对慢的行业和领域，同时，人类的欲望是一个心理概念，在某些方面是无限的，总有一些需求得不到满足，需要资源的投入。
鲍莫尔发表文章的1960年代是制造业效率提升快，服务业慢，所以资源从制造业转向服务业，发达国家服务业比重上升，制造业比重下降。但如果现在的机器替代人更多在服务业，意味着服务业效率提升快，制造业生产机器人的供给可能赶不上需求，劳动力需要从效率提升快的服务业（机器替代人）转向生产机器人的制造业和那些效率提升慢的服务行业。虽然我们难以精确预测未来就业结构的变化，但大的逻辑应该是，技术进步快的行业产生的富余劳动力最终会被技术进步慢、供给不能满足需求的行业所吸收。当然，这个调整对某些行业、某些人群可能是一个痛苦的过程，需要公共政策的扶持和帮助。
另外，全球制造业比例上升也意味着实体资源的重要性上升，比如对钢铁、铜、铝等材料的需求上升，带来商品的相对价格调整。这也可能增加能源消耗，增加碳排放和污染问题，加大全球绿色转型的压力。
五、伦理与治理
在经济层面之外，人形机器人在社会、文化、伦理等方面的影响也值得关注。人形机器人可以用于教育、医疗、家庭服务等多个领域，可能改变人类对这些领域和社会角色的认知。社会伦理与治理机制是关乎包括人形机器人在内的所有AI技术发展的重要议题。当前，在AI伦理与治理的讨论中，有三个方面的话题尤其值得关注：一是数据要素的治理；二是大企业的市场势力；三是更广泛的社会公平与安全问题。
首先，数据是AI产业的基础性生产要素，数据治理是AI相关治理机制的关键部分。尽管有人将数据比作数字经济时代的石油，但在经济学视角下，数据因其非竞争性特征——即可供不同主体重复使用且边际成本趋近于零——与石油这类不可再生的生产要素有着本质的区别。非竞争性带来外部性，数据的生产和使用不仅涉及直接相关的个体或组织，还可能对社会其他成员产生影响，包括正面和负面的影响。
正外部性源自数据的网络效应，即数据的价值往往随着数据量和多样性的增加而上升。AI的规模定律意味着只有达到一定规模的数据才能在大模型训练中发挥其价值。多模态模型进一步要求数据的多样性，数据来源于多种渠道，形式和类型也多样，如文本、图片、视频等。
负外部性体现为数据的生成和使用可能带来隐私和安全等问题。个人数据的收集、存储、使用和传输在创造经济价值的同时也导致隐私泄露和数据滥用的风险。数据可以轻易地复制和传播，这既有利于知识的传播，也可能带来知识产权等方面的争议。数据的产生者和使用者之间可能存在信息不对称，使得上述的正外部性和负外部性之间的矛盾更加突出。这为数据发挥规模效应带来了挑战，要么因为规模不够使得数据的价值不能被充分挖掘，要么有规模地使用容易导致滥用问题。
外部性意味着数据应该被视为一种准公共品，需要政策层面的介入与调节，既要促进数据的开放共享，发挥数据的规模效应，也要保护公民的隐私和数据安全。数据的生产和使用需要相应的治理和监管机制，当前而言，一个关键着力点在于流通环节，数据只有在流通环节充分发挥出价值，其生产行为才能得到激励。
从全球经验来看，数据流通主要有两种方式。中国主要通过各地方交易所进行场内交易，美国等发达国家则主要通过数据经纪商进行场外交易。从现实状况来看，尽管中国的数据总量已位居世界第二，但2021年的数据市场规模不及美国的25%[20]。鉴于数据要素的产权难以界定，权利主体分散，且定价过程复杂，过度强调通过数据确权来实现标准化交易可能增加数据流通的交易成本，在宏观上反而达不到规模化流通的目的。
解决这些问题需要在实践中摸索不同的方法和路径，从技术、管理、政策多个层面综合治理。就当下而言，推动政府与公共部门非敏感数据公开，鼓励企业创新数据生产和使用尤其重要。可能的措施包括加强国企面临的市场竞争约束，以提升其对数据汇集和使用的重视程度；对大型制造企业尤其是民企给予经济激励，以支持其进行数据库建设等AI化改造；在芯片等“卡脖子”问题突出的精密制造领域，着重打造大企业主导的追赶式创新模式，通过纵向一体化组织架构来便利稀缺数据的汇集。
AI治理的第二个方面是大模型的发展有可能增加各方对大企业市场势力的关注。垄断曾是数字经济平台治理中的焦点，但进入AI大模型时代后，关于垄断的讨论似乎还较少。一个重要的背景是，AI大模型作为一种破坏式创新，正在对数字经济时代平台企业的垄断势力产生较大影响。例如，在搜索引擎市场，尽管截至2024年4月，谷歌全球市场份额依然高达90%[21]，但市场上关于哪个AI应用将颠覆谷歌搜索已有了诸多猜想[22]。另外，AI大模型在各个领域的泛化能力仍受到技术条件的约束，无论是在基础大模型领域、还是在垂直应用领域，各类大模型创业企业之间的竞争激烈。
虽然垄断不是AI大模型发展目前面临的主要风险，但未来这个领域是否会形成新的不利于竞争的市场势力？技术视角的规模定律告诉我们，伴随着技术能力的不断进步，多模态AI大模型可能“赢者通吃”，取代其他性能一般的模型。经济视角的规模效应告诉我们，AI大模型具有网络效应，其前置的开发成本高昂，但边际的使用成本较低，可能形成有利于少数几个大型企业的局面。
在探讨市场势力及其治理时，有结构主义和行为主义两种主要思路，前者认为产业组织结构决定企业行为，主张通过反垄断措施拆分垄断结构，后者则认为结构是行为的结果，反垄断关注的重点应该在于不利竞争的垄断行为而非产业组织结构[23]。哪一种思路更适合大模型时代？是否有利于创新是重要的判断标准。AI大模型由于具有规模效应，更有利于大企业提升市场份额，但关键在于相关企业是否存在阻碍数据、人才等要素自由流动的反竞争行为。
当前，中国AI领域的创新面临着双重挑战，既要追赶世界一流大模型的水平，也要把眼光放长远，实现引领式的创新。大企业在追赶式创新中扮演更重要的角色，而小企业是引领式创新的主力军。结构主义思路可能会抑制大型科技企业的创新，而行为主义思路可以更好地平衡大、小企业创新的关系。与其关注企业的规模，不如关注市场的可竞争性，比如防范企业的垄断行为，促进数据、算力、人才等要素的自由流动。
AI治理的第三个方面是地缘政治层面的伦理和安全问题。AI技术在高端制造领域的应用，可能导致新的伦理和安全问题。AI产业技术密集，与经济、社会息息相关，各国都很重视，近两年全球60多个国家先后推出AI发展战略[24]，但规模效应以及与此相关的先发优势可能使得大国尤其美国处在更有利的地位。AI发展将给国际治理机制带来新的挑战和变革压力。
六、效率与公平
人工智能作为一项通用目的技术，在提升生产效率的同时，可能带来经济和就业结构的变化，加大收入分配的差距，在社会层面为平衡效率和公平带来新挑战，在总量层面体现为需求相对供给不足，对宏观经济政策有重要含义。规模经济效应是联系微观维度的效率与公平，和宏观层面的总需求和总供给平衡的重要载体，规模经济放大技术进步对效率的提升效果，同时也可能扩大收入差距，加剧总需求不足的问题。
从供给侧来看，AI与各行各业融合发展有望增加经济潜在增长率。与需要预编程的机器自动化不同，本轮技术进步赋予了AI更强的通用性，可以跨场景地普遍参与到人类工作的任务流程中，通过替代人和赋能人两个渠道提升全要素生产率（TFP）。随着AI能力提升、成本下降，与AI进行融合的产业规模将逐步扩大，对经济的提升效果也将越发显著。我们估计到2035年，AI有望使得中国GDP总量相较于基准情形提升9.8%，相当于未来十年的年化增长率额外增加0.8个百分点。AI技术的渗透和应用扩散需要时间，意味生产效率提升在经济增长的体现将呈现前低后高的特征。
供给能力提升不是一蹴而就的，技术渗透和商业应用需要时间。虽然AI改变我们的生活已经成为大众话题，但很多企业还在寻找可行的商业模式。其中一个方面是前期投资的支持，要有广泛意义的效率提升，需要在软件，硬件，机器人生产方面大规模投资。宏观层面AI显著提升经济效率的前提是先要观察到资本投资大幅上升，这也是我们观察经济新增长点的一个视角。
长远来看，与供给侧的提升相比，AI技术的普遍使用对总需求的促进作用相对较小，导致供大于求的宏观格局。这是因为技术进步加剧收入分配的差距，而高收入者的边际消费倾向通常低于低收入者，收入不平等的扩大降低社会的整体消费倾向，抑制最终需求（消费）的增长。
和过去的技术进步比较，AI作为一种“类人”技术在收入分配方面可能更不利于劳动者。IMF的报告认为，全球约有40%的职业会暴露于AI，这一比例在发达经济体高达60%[25]。在市场机制的作用下，最终出现大规模失业的可能性小，但代价是工资增长相对资本的回报慢。AI技术本身是研发的产物，高额回报主要属于创新人员和风险投资家，同时，AI技术的商业应用尤其人形机器人的普及需要大量投资，资本深化意味GDP中劳动收入份额下降。同时，本轮AI进步对于位于社会中间收入的白领人群可能影响较大，加剧劳动者之间收入分配极化的问题。
伴随AI应用推广，有可能出现一种情况，技术进步的收益被私有化，应对其冲击带来的问题的成本则由全社会承担，这个成本在宏观上最突出的体现就是总需求不足。总需求不足对公共政策有什么含义？财政和货币政策是调节总需求的两个抓手，货币政策是总量的逆周期调节工具，对收入分配等结构性问题的作用有限，甚至有反作用，财政政策既可以做总量的逆周期调节，也可以是调整结构、降低收入不平等的有效工具。针对AI进步带来的不平等问题，财政政策也应该发挥关键作用，促进技术进步的成果惠及全体人民。
在财政支出方面，近些年全民基本收入（Universal Basic Income, UBI）在国际上成为热门话题，其核心在于提供一种无条件的、普遍的收入保障，让全民享受技术进步带来的收益。虽然有很多争议，但相关概念的提出反映了在数字经济时代提升社会保障以平衡技术进步和社会福祉的迫切性。
回顾发达国家的历史，科技进步和经济增长带来社会保障体系的建立和逐步改善。现代社会保障制度的初步形式出现在工业革命后[26]，例如德国在19世纪末实施的工人保险制度。以电力和内燃机的广泛应用为标志的第二次技术革命加速了工业化进程，期间社会保障制度得到了进一步的发展，包括退休金制度的建立和医疗保险的实施。以计算机和互联网的普及为特征的第三次科技革命以来，社会保障涵盖的范围进一步扩大，如失业保险、家庭补贴和长期护理保险。
改革开放以来，中国的社会保障制度从最初的单一层次保障体系，发展到现在的多层次、广覆盖社会保障体系。社会保障制度虽然实现了从部分覆盖到普惠全民的转变，但一个突出的问题仍然是公平性不足。养老、医疗、失业等社会保险项目和以最低生活保障制度为核心的社会救助仍是分城乡或群体组织实施，不同群体之间的保障水平、社保待遇存在较大差距。尤其是部分项目的保障功能不足，例如农村居民养老金还只能发挥补充作用，一些经济欠发达地区的低保标准仍有待进一步提高。
这些问题和挑战需要通过进一步的改革来解决，而技术进步尤其本轮AI发展带来的经济供给的提升为完善社会保障制度提供了基础。科技进步带来的经济增长和财富增加使得社会变得更慷慨，也更有能力帮助弱势群体，加强对低收入群体的兜底保障，尤其是提高针对农民工及农村居民的社会保障，有助于促进共同富裕。同时，AI和大数据分析等新技术的应用，也为社会福利的发放、管理和监督提供了新的可能性，有助于提高社会保障的效率和透明度。
改善社会保障带来的财政支出怎么弥补？当前而言，需求不足的背后既有结构性问题，也有经济周期下行的因素，扩张性财政政策可以将稳增长和调结构结合起来，促进效率和公平的统一。也就是说，财政可通过增加国债发行而不是税收来筹集资金以改善社会保障和公共服务。政府债务促进需求，需求实现供给潜力，促进创新和技术进步，提升未来的增长和债务的偿还能力。
需要指出的是，AI技术发展和产业化应用还在早期，并非当下总需求不足的原因。目前我们更需要重视技术进步的内生性，面对总需求不足的问题，扩张性财政政策提振经济增长，由此也为科技创新活动提供坚实的需求基础和宽松的宏观环境，有助于中国在AI领域加速追赶。
长远来讲，技术进步和资本深化也要求税收制度的变革。数字税、机器人税和AI税近年来在全球范围内引起广泛的讨论。就中国而言，十八届三中全会确立的增加直接税（尤其财产相关的直接税）、降低间接税是促进公平的大方向。
[1]资料来源：https://www.gov.cn/yaowen/liebiao/202403/content_6939153.htm
[2]Kaplan, J., McCandlish, S., Henighan, T., Brown, T.B., Chess, B., Child, R., Gray, S., Radford, A., Wu, J. and Amodei, D., 2020. Scaling laws for neural language models. arXiv preprint arXiv:2001.08361.
[3]Bresnahan, T.F. and Trajtenberg, M., 1995. General purpose technologies ‘Engines of growth’?. Journal of Econometrics, 65(1), pp.83-108.
[4]Financial Times, Transcript: Superintelligent AI — The Doomers, Nov. 14, 2023.
[5]Bresnahan, T., 2010. General purpose technologies. Handbook of the Economics of Innovation, 2, pp.761-791.
[6]Jovanovic, B. and Rousseau, P.L., 2005. General purpose technologies. In Handbook of Economic Growth (Vol. 1, pp. 1181-1224). Elsevier.
[7]Filippucci, F., Gal, P., Jona-Lasinio, C., Leandro, A. and Nicoletti, G., 2024. The impact of Artificial Intelligence on productivity, distribution and growth: Key mechanisms, initial evidence and policy challenges.
[8]资料来源：https://www.cnbc.com/2023/12/03/meta-ai-chief-yann-lecun-skeptical-about-agi-quantum-computing.html
[9]Eastwood B., 2024, Sam Altman believes AI will change the world (and everything else). MIT Sloan School of Management.
[10]Heikkilä, M. and Heaven, W. D., 2024, Yann LeCun has a bold new vision for the future of AI. MIT Technology Review.
[11]Fouquet, R. and Hippe, R., 2019. The transition from a fossil-fuel economy to a knowledge economy. In Handbook on Green Growth (pp. 473-500). Edward Elgar Publishing.
[12]Broadberry, S. and Gupta, B., 2006. The early modern great divergence: Wages, prices and economic development in Europe and Asia, 1500–1800 1. The Economic History Review, 59(1), pp.2-31.
[13]Storesletten, K. and Zilibotti, F., 2014. China’s great convergence and beyond. Annual Review of Economics, 6(1), pp.333-362.
[14]Leamer, E.E., 2007. A flat world, a level playing field, a small world after all, or none of the above? A review of Thomas L. Friedman's The World is Flat. Journal of Economic Literature, 45(1), pp.83-126.
[15]Solow, R.M., 1956. A contribution to the theory of economic growth. Quarterly Journal of Economics, 70(1), pp.65-94.
[16]Romer, P.M., 1990. Endogenous technological change. Journal of Political Economy, 98(5, Part 2), pp.S71-S102.
[17]Romer, P.M., 1996. Why, indeed, in America? Theory, history, and the origins of modern economic growth.
[18]资料来源：中国信通院。
[19]Baumol, W.J. and Bowen, W.G., 1993. Performing arts-the economic dilemma: a study of problems common to theater, opera, music and dance (pp. xvi+-582pp).
[20]资料来源:On Audience。
[21]资料来源：https://qz.com/google-doj-monopoly-share-search-engine-market-antitrus-1851458149?utm_source=dlvr.it&utm_medium=twitter
[22]资料来源：https://www.reuters.com/technology/openai-plans-announce-google-search-competitor-monday-sources-say-2024-05-09/
[23]黄桂田编著：《产业组织理论》，北京大学出版社，2012年。
[24]Maslej, N., Fattorini, L., Brynjolfsson, E., Etchemendy, J., Ligett, K., Lyons, T., Manyika, J., Ngo, H., Niebles, J.C., Parli, V. and Shoham, Y., 2023. Artificial intelligence index report 2023. arXiv preprint arXiv:2310.03715.
[25]Georgieva, K., 2024. AI Will Transform the Global Economy. Let’s Make Sure It Benefits Humanity. IMF Blog (blog), International Monetary Fund.
[26]Hu, A. and Manning, P., 2010. The global social insurance movement since the 1880s. Journal of Global History, 5(1), pp.125-148.
（彭文生系中金公司首席经济学家、研究部负责人、中金研究院院长）
本文仅代表作者观点。
