20260909-中国银河-基于文献综述的机制辨析与前景展望_AI革命叙事的试金石_TFP红利能否兑现_13页_852kb

AI 革命叙事的试金石：TFP 红利能否兑现？

核心内容

本文探讨了人工智能（AI）是否能真正推动全要素生产率（TFP）显著提升的问题，围绕AI对TFP的拉动作用、生产率悖论的成因，以及中国情境下的前景展望进行分析。文章指出，当前市场对AI的经济影响存在显著分歧，核心在于对AI作用机制、扩散路径和统计识别能力的理解差异。

主要观点

1. AI 对 TFP 的拉动作用存在分歧

• 测算区间：现有研究对AI拉动TFP的测算结果存在较大差异，从0.05%到3.4%不等。
• 分歧来源：
  • 研究边界：是否将AI视为任务自动化工具，还是创新活动加速器。
  • 影响范围：AI能否广泛影响各类任务，尤其是复杂认知任务。
  • 统计识别：当前统计体系可能未能准确捕捉AI带来的效率提升。
  • 宏观传导：微观效率提升是否能顺利转化为宏观生产率增长。

2. AI 生产率悖论的成因

• 时滞效应：AI的组织重构和扩散存在滞后，形成“J型曲线”。
• 现实约束：算力、电力、数据、监管、组织成本等限制了AI的广泛应用。
• 统计偏差：AI作为服务和能力的形态，可能未被传统统计体系充分识别。
• 需求侧约束：AI替代劳动可能削弱总需求，影响实际产出增长。

3. 中国情境下的 TFP 前景展望

• 保守情景：AI主要改善流程效率，受益行业包括数字化程度高、任务标准化强、流程易闭环的企业和行业。
• 中性情景：AI逐步进入创新链前端，影响研发、设计、知识生产等环节，市场关注点转向创新基础设施。
• 乐观情景：AI推动生产率中枢系统性上移，影响范围覆盖全链条，形成广泛扩散。

关键信息

一、AI 拉动 TFP 的测算分布

二、AI 影响机制的关键分歧

• 任务自动化 vs 创新自动化：前者关注现有任务的提效，后者强调研发、知识发现和新任务创造。
• 暴露度、可行率、成本节约率、劳动份额：这些因素影响AI对TFP的测算结果。
• 局部提效 vs 宏观改善：AI在局部场景的提效未必能直接转化为宏观生产率提升。

三、中国情景下的 TFP 前景

• 保守情景：AI作为流程优化工具，受益行业为数字化程度高、任务标准化强、流程易闭环的平台型公司。
• 中性情景：AI逐步进入创新环节，受益方向包括研发工具链、工业软件、科研服务平台等。
• 乐观情景：AI推动生产率中枢上移，形成全链条扩散，受益范围扩大至传统行业改造。

风险提示

• 政策理解不到位：对AI相关政策解读存在偏差。
• 政策落实不及预期：政策执行效果可能不如预期。
• 技术发展和商业化节奏不确定性：AI技术进展和实际应用速度存在不确定性。

图表目录

• 图1：J型生产率曲线（展示AI技术扩散与生产率提升的时滞效应）
• 图2：公司层面使用AI的比例（%）
• 表1：主流文献对AI拉动TFP的测算结果

分析师简介

• 章俊：中国银河证券首席经济学家、研究院院长、新发展研究院院长。
• 彭雅哲：中国银河证券新发展研究院数字经济研究员。

评级标准

联系方式

• 中国银河证券股份有限公司 研究院
• 地址：深圳市福田区金田路3088号中洲大厦20层；上海浦东新区富城路99号震旦大厦31层；北京市丰台区西营街8号院1号楼青海金融大厦。
• 网址：www.chinastock.com.cn