斯坦福大学：人工智能和经济增长研究报告（英文）-2017.10.10-56页

报告摘要

总结：人工智能与经济增长

核心内容

本文探讨了人工智能（A.I.）对经济增长的潜在影响，并提出了几个关键问题。作者认为，A.I.是自动化过程的一部分，这一过程已有超过200年的历史。从工业革命以来，技术进步如蒸汽机、电力、半导体等推动了自动化的发展，而A.I.可能代表了这一趋势的新阶段，能够自动化更多以前被认为是难以自动化的任务，例如驾驶汽车、医疗建议等。

文章分析了自动化对资本和劳动收入份额的影响，以及其对经济增长的约束。作者引用了Baumol的“成本病”理论，指出经济增长可能受限于那些虽然重要却难以改进的领域，而非我们擅长的领域。此外，文章还讨论了A.I.可能引发的“奇点”或“超级智能”现象，并探讨了这些现象对经济增长的潜在影响。

主要观点

A.I.作为自动化的新阶段：A.I.是自动化历史的延续，而非断层。它可能推动非例行、认知型任务的自动化，从而改变生产方式。
自动化对资本和劳动收入份额的影响：随着更多任务被自动化，资本份额会增加，而由于Baumol效应，劳动份额可能保持较高水平。
Baumol的成本病理论：当某些产业的生产率增长快于其他产业时，低增长产业的相对成本上升，从而在经济中占据更大比重。这解释了为什么即使自动化程度提高，劳动份额仍可能保持稳定。
增长与自动化之间的平衡：作者指出，当自动化率（β）提高时，资本份额上升，但经济增长率也会因资本积累而提高。然而，当自动化率达到一定水平后，其增长效应可能被抵消。
技术进步的双重作用：技术进步不仅包括自动化，还包括资本增强型技术。作者认为，如果资本增强型技术增长与自动化率变化相匹配，可以实现长期的平衡增长。
模型的动态性与参数调节：文章通过不同模型和参数设定，展示了自动化率变化如何影响经济增长和资本/劳动份额。例如，当自动化率逐渐提高时，经济增长率可能上升，而资本份额趋于稳定。

关键信息

自动化模型：基于Zeira（1998）和Acemoglu & Restrepo（2016）的模型，作者构建了一个考虑自动化和资本/劳动分配的生产函数。
生产函数形式：
$$
Y_t = A_t \left(\beta_t^{1 - \rho} K_t^{\rho} + (1 - \beta_t)^{1 - \rho} L^{\rho} \right)^{1/\rho}
$$
其中，$\rho < 0$ 表示任务是互补品，而不是替代品。
资本与劳动份额关系：
$$
\frac{\alpha_{Kt}}{\alpha_{Lt}} = \left(\frac{\beta_t}{1 - \beta_t}\right)^{1 - \rho} \left(\frac{K_t}{L_t}\right)^{\rho}
$$
平衡增长条件：在某些设定下，当自动化率（β）以特定速率增长时，资本份额可以保持稳定，同时经济增长率上升。
技术进步的类型：技术进步可以是资本增强型（如计算机性能提升）或自动化型，两者的结合可能影响经济增长的路径。
模型的局限性：当前模型假设自动化是外生的，未来研究可考虑内生自动化机制。