20260819-招商证券-招商宏观_AI如何重塑生产函数_18页_2mb

招商宏观 | AI如何重塑生产函数？总结

核心内容

AI技术正在从多个维度重塑传统生产函数，其影响体现在劳动、资本与技术水平等要素上，同时可能带来规模报酬递增与“稀缺性大转移”现象。报告系统梳理了学界近50篇文献，分析了AI对生产函数的异质性影响及其兑现时序。

主要观点

1. AI对劳动要素（L）的影响

• 替代效应：AI对劳动的替代效应主要体现在对认知型脑力劳动的冲击，尤其在高技能、高薪职业中表现显著。
• 生产率效应：AI通过降低生产成本、扩大生产规模，提升非自动化环节的劳动力需求，推动劳动生产率提升。
• 增强效应：AI提升了劳动者的技能和产出质量，尤其对低技能劳动者影响更大，形成“锯齿状技术前沿”效应。
• 复原效应：AI可能创造新任务，修复劳动需求，但目前其复原效应弱于替代效应，对整体劳动需求影响有限。
• 时序特征：替代效应与增强效应在微观层面已显现，复原效应尚未显著，劳动份额的变动取决于三者力量对比。

2. AI对资本要素（K）的影响

• 资本形态变化：AI催生了数字智能资本，包括算力硬件、算法与模型等，资本深化的重点从实物资产转向数字资本。
• 成本结构变化：智能资本具有“高固定成本、低边际成本”特征，其边际推理成本极低，且用户规模扩大可能带来模型持续优化。
• 折旧机制变化：AI资本的折旧由物理磨损与技术迭代共同决定，算法资产几乎无物理折旧，但面临“红皇后效应”。
• 时序特征：资本深化对生产率的贡献逐步显现，但智能资本的成本优势尚未完全传导至宏观统计，需等待行业渗透率提升与核算体系改革。

3. AI对技术水平（A）的影响

• 内生性增强：AI推动技术进步成为内生变量，而非外生给定，技术与资本形成正向循环。
• “第二类奇点”假设：若AI能够自主参与研发并持续改进自身，技术进步速度可能加快，甚至出现爆发式增长。
• 知识生产模式转变：AI通过提升搜索效率、知识吸收与团队协作能力，改变知识发现流程，推动创新。
• 时序特征：AI对全要素生产率（TFP）的提升存在较长时滞，预计在2030年后显现。

4. AI可能带来规模报酬递增

• 非竞争性与网络效应：数据与智能资本具备非竞争性与网络效应，推动规模报酬递增。
• 互补性增强：AI资本与熟练劳动存在强互补性，进一步放大规模报酬递增效应。
• 生产函数变化：AI的引入可能改变生产函数的齐次性，使 $ \alpha + \beta + \gamma > 1 $，呈现规模报酬递增。

关键信息

AI对生产函数的重塑路径

• 劳动要素：AI通过替代、增强与复原效应影响劳动需求与生产率。
• 资本要素：AI改变资本形态、成本结构与折旧机制，推动资本深化。
• 技术水平：AI使技术进步成为内生变量，可能推动“第二类奇点”。
• 数据要素：数据作为非竞争性新要素进入生产函数，可能通过三条路径推动增长：
  • 新古典增长路径：数据资本扩张带动总产出提升；
  • 内生增长路径：数据积累与创新形成正向循环；
  • 要素偏向型技术进步路径：数据改造传统要素效率。

AI影响兑现时序

• 劳动要素：增强与替代效应已部分显现，复原效应尚未显著。
• 资本要素：资本深化贡献逐步提升，但智能资本优势尚未完全体现在宏观统计中。
• 技术水平：全要素生产率提升存在较长时滞，预计在2030年后显现。

“稀缺性大转移”现象

• 供给侧：数据、算法与算力成为核心稀缺资源。
• 消费端：体验经济兴起，消费者更重视真实、个性化与非标准化的体验，如手工经济、拼豆等。
• 未来趋势：AI越擅长创造，人类越重视真实体验，形成新的价值定位。

未来展望

• AI红利释放：预计2030年后AI对全要素生产率的提振将全面显现。
• 结构性变化：AI推动生产要素从传统劳动与资本向数据与智能资本转移。
• 消费趋势：体验型消费比重上升，手工经济与个性化消费成为新趋势。
• 政策与技术风险：历史经验可能失效，AI技术迭代与政策变动可能超出预期。

结论

AI技术正在从多个层面重塑生产函数，其影响机制与历史技术革命存在显著差异。AI不仅具备替代、增强与复原效应，还可能带来规模报酬递增与“稀缺性大转移”现象。然而，其宏观效应的兑现存在时序梯度，预计在2030年后将全面显现，推动经济结构与增长模式的深层次变革。