20260911-中国银河-_CGS-NDI辩日_章俊_彭雅哲_AI革命叙事的试金石_TFP红利能否兑现_基于文献综述的机制辨析与前景展望_11页_1mb

AI革命叙事的试金石：TFP红利能否兑现？——基于文献综述的机制辨析与前景展望

核心内容

本文围绕人工智能（AI）是否能推动全要素生产率（TFP）持续提升这一核心问题，从文献综述角度分析了AI对TFP的影响机制与前景。文章指出，AI作为新生产要素，其对经济增长的潜在影响存在显著分歧，主要体现在测算结果、影响路径和现实落地条件等方面。

主要观点

1. AI拉动TFP的测算分布与结构性分歧

• 测算结果区间分布：主流文献对AI拉动TFP的测算结果差异较大，统一到年均TFP增量后，主要落在0.05～1.24个百分点之间。
• 分歧之一：AI是任务自动化，还是创新自动化？
  • 保守派认为AI主要用于现有任务的自动化与辅助，提升有限。
  • 乐观派则认为AI可加速创新过程，提高技术进步速度，从而显著提升TFP。
• 分歧之二：影响范围、采用速度与提效幅度如何判断？
  • AI暴露度、采用率、成本节约率和劳动份额是关键参数，不同研究对这些参数的判断差异导致测算结果不同。
• 分歧之三：微观提效如何传导为宏观生产率改善？
  • 企业层面的效率提升未必能直接转化为宏观层面的TFP增长，因部门间存在互补性与瓶颈约束。

2. AI生产率悖论的成因

• 时滞效应：AI的组织重构和扩散需要时间，短期内宏观数据未体现生产率提升。
• 现实部署瓶颈：算力、电力、数据、监管和组织成本限制了AI的广泛部署。
• 统计识别偏差：现有统计体系对AI带来的效率提升和质量改进识别不足。
• 需求侧约束：若AI主要替代劳动而非增强劳动，可能导致劳动收入份额下降，从而抑制总需求和增长兑现。

3. 中国情境下的TFP前景展望

• 保守情景：AI主要改善已有流程效率，受益行业为数字化程度高、任务标准化强、流程闭环易的行业和龙头企业。
• 中性情景：AI逐步进入创新链前端，推动研发效率提升，受益领域包括研发工具链、工业软件、科研服务平台等。
• 乐观情景：AI推动整体生产率中枢上移，形成全链条扩散，受益范围覆盖算力与能源、软件平台、场景应用和传统行业改造。

关键信息

• AI的生产率影响取决于其是否被纳入创新过程的分析框架。
• 现有测算差异源于研究边界、影响范围、采用条件及传导机制的不同。
• 宏观生产率数据未显著改善，可能是由于技术潜力尚未转化为现实部署、统计体系不完善及需求侧约束。
• 中国TFP增长路径可能呈现由局部提效向广泛扩散、由流程优化向创新深化的演变。
• AI的乐观情景依赖于技术突破、组织变革和制度适配的同步推进。

风险提示

• 对政策理解不到位的风险。
• 政策落实不及预期的风险。
• 技术发展和商业化节奏的不确定性风险。

总结

AI作为新生产要素，其对TFP的拉动作用存在显著分歧。一方面，技术进步可能带来生产率显著提升；另一方面，现实部署、统计识别和需求侧约束可能限制其宏观影响。本文通过梳理文献，提出三种情景推演，认为AI对中国TFP的拉动将逐步从局部提效走向创新赋能，最终可能推动整体生产率中枢上移。但实现这一目标仍需克服诸多现实障碍，政策、技术与制度的协同至关重要。