20260718-华创证券-AI的生产率悖论_20_篇论文中找答案_12页_1mb

报告摘要

AI的生产率悖论？——20+篇论文中找答案总结

核心内容概述

本文通过文献综述，探讨AI技术是否能够带来生产率的提升，并分析其对货币政策的影响。综合20多篇相关研究，作者指出AI技术具有通用技术的特征，但其对生产率的提升存在时滞效应、资源错配和测量误差等问题，导致短期内难以体现其生产力的全面提升。同时，AI对不同行业和企业的影响存在显著差异，部分行业和企业可能在较短时间内受益，而其他行业则进展缓慢。

主要观点与关键信息

1. AI属于什么类型的技术进步？

通用技术：AI具备通用技术的三大特征：技术在经济各部门广泛扩散、技术随时间持续改进、技术能够催化创新。
“发明方法的发明”：AI不仅作为工具推动生产效率提升，还能优化组织结构、提升研发效率、催生新的商业模式。
2023年以来的美国数据：美国劳动生产率已显著高于疫情前趋势水平，主要由资本深化和劳动质量提升驱动，而**全要素生产率（TFP）**提升仍较温和。

2. AI能否带来生产率的长期提升？

技术进步放缓论：以Gordon为代表的观点认为，第二次工业革命后的技术普遍难以带来长期生产率提升，AI可能也面临类似困境。
- 教育水平已达平台期；
- 互联网革命的渗透广度远超当前AI；
- AI创造的是“信息”而非“能源”，在物理上不具备直接生产力。
生产率悖论论：以索洛悖论和J曲线效应为代表的观点认为，AI作为通用技术，长期可带来生产率提升，但短期内效果不明显。
- 时滞效应：技术扩散、组织变革和人力资本积累需要时间，AI的生产率红利将在未来逐步释放。
- 资源错配：AI对生产率的提升集中在头部企业，而非全行业。
- 测量误差：当前的国民经济核算方法未能充分反映AI对生产率的贡献，尤其是无形资产的价值。

3. AI何时才能带来生产率提升？

时间预测：多数研究认为，AI对生产率的提振效应将在2030年前后显著显现。
三阶段模型：
- 第一阶段（2022-2025）：AI投资增长快，但宏观生产率未显著提升。
- 第二阶段（2026-2029）：领先企业开始受益，行业层面的生产率提升逐渐显现。
- 第三阶段（2030-2035）：AI广泛扩散，宏观生产率数据将体现显著增长。
行业扩散速度差异：快速扩散行业（IT、金融、专业服务）预计在2028-2029年显著受益；慢速扩散行业（传统制造、农业）则可能在2035年后才体现AI对生产率的提升。

4. “AI生产率悖论”对货币政策的影响

政策调整建议：
- 关注结构性变化：货币政策应更关注转型期的经济结构变化，而非仅依赖宏观数据。
- 重视微观数据：企业微观调查数据比宏观数据更早反映AI对生产率的影响。
- 维持相对宽松：支持新技术扩散，容忍阶段性通胀，以促进资源再配置。
应对策略：
- 区分结构性与周期性波动：使用失业广度与持续时间、求职率与离职率、贝弗里奇曲线、工资与通胀的离散度等指标。
- 纳入行业反馈：央行应关注行业专家、商业领袖和一线从业者的观察，以识别技术变革的早期信号。
- 金融稳定考量：避免过度宽松引发资产泡沫，需结合宏观审慎工具进行管理。

结论

AI作为通用技术，具有推动长期生产率增长的潜力，但其影响存在时滞、资源错配和测量误差等障碍，导致短期内难以在宏观数据中体现。预计AI对生产率的显著提振将在2030年前后出现。与此同时，AI对货币政策提出了新的挑战，要求央行在支持技术扩散的同时，兼顾经济增长与金融稳定，并加强微观数据监测与政策灵活性。