人工智能作为通用目的技术对经济增长与结构转型的影响:基于创新生态系统的视角

《Economies》:The Impact of Artificial Intelligence as a General-Purpose Technology on Economic Growth and Structural Transformation: An Innovation Ecosystem Perspective

【字体: 大 中 小 】 时间:2026年06月26日 来源:Economies 2.3

编辑推荐:

  本研究旨在考察人工智能(AI),被概念化为通用目的 technology(GPT),如何通过结构化的文献综述影响经济增长与结构转型,涵盖2015至2025年期间的研究。该研究采用一种结构化的、以机制为导向的综合方法,基于透明的检索、筛选和主题分类程序,而非正式

  
本研究旨在考察人工智能(AI),被概念化为通用目的 technology(GPT),如何通过结构化的文献综述影响经济增长与结构转型,涵盖2015至2025年期间的研究。该研究采用一种结构化的、以机制为导向的综合方法,基于透明的检索、筛选和主题分类程序,而非正式的元分析方案。研究构建了一个整合性的创新生态系统框架,将三个核心传导渠道联系起来:(i)全要素生产率(TFP),(ii)任务再分配与劳动市场重构,以及(iii)创新与知识生成动态。研究发现表明,AI的采用并不会产生统一或自动的增长效应。经验证据呈现异质性,对AI宏观经济贡献的估计因制度与结构背景而异。在大多数情况下,结果更少取决于技术本身,而更多取决于互补条件——人力资本形成、数字与数据基础设施、制度协调和治理能力——这些条件有效促进了技术的扩散。将基于任务的自动化模型与内生增长和开放创新框架相结合,可以解释为何类似的AI投资可能导致 divergent 的结构结果。该研究并非提出一个确定性的增长模型,而是推进一种有条件的、以生态系统为中心的AI驱动发展的解释。该研究的贡献在于区分了基础理论视角与当代2015–2025年的证据基础,澄清了任务转型与结构转型之间的关系,并强调制度互补性作为塑造AI驱动增长结果的关键机制。
**研究背景与问题提出**

技术变革是长期增长与结构转型的核心驱动因素。历史上的通用目的技术——蒸汽动力、电力以及后来的信息通讯技术(ICT)——不仅提升了生产率,还重塑了部门结构、技能构成和组织形式。越来越多的文献将人工智能(AI)概念化为通用目的技术(GPT),原因在于其跨部门适用性以及同时 transform 多层经济活动的能力。在此视角下,AI日益被理解为不仅是提升生产率的投入要素,更是嵌入创新生态系统中的协调与重组机制。然而,尽管概念不断拓展,学界对于AI应主要被建模为生产率冲击、结构转型驱动因素,还是重塑知识生产过程的元技术,仍未达成有共识。

当前研究图景在三个主要分析传统之间存在碎片化:宏观经济增长模型通常通过资本深化和全要素生产率(TFP)纳入AI;基于任务的方法强调劳动替代和新任务创造,关注部门再分配动态;内生增长与创新研究则突出AI在降低实验成本和加速知识生成方面的作用,特别是在开放创新系统内。由于这些方法依赖不同的分析单位和隐含假设,其研究结果难以直接比较,这种碎片化加剧了对AI aggregate 增长效应解释的困难,并导致对其长期影响的 divergent 结论。

研究人员指出,现有研究的主要局限在于这三个 strand 缺乏整合性分析框架。尽管AI驱动的经济转型取决于这些机制之间的相互作用,现有研究却常常将生产率、劳动市场变革和创新动态分别考察,这使得解释为何类似的AI投资在不同国家、部门和制度背景下产生不同经济结果变得困难。为此,该研究提出核心研究问题:被概念化为通用目的技术的人工智能,如何经由生产率提升、任务转型和创新生态系统动态影响经济增长与结构转型?

**研究设计与核心框架**

为回答上述问题,研究人员采用结构化文献综述方法,将三种分析传统整合于统一的、以机制为导向的框架之中。研究者将生产率、劳动市场转型和创新动态概念化为创新生态系统内相互依赖的传导渠道,而非相互分离的领域。具体而言,分析聚焦于三个核心机制:(i)反映在TFP中的生产率收益;(ii)任务再分配与劳动市场重构;(iii)创新与知识生产的加速。该综述的正式文献 corpus 涵盖2015至2025年间发表的学术与政策文献,早期基础理论贡献仅用于建立概念基础。

研究人员通过透明的检索、筛选、纳入、排除和分类程序,从约320条初始记录中筛选出81项研究进行主题编码和综合。文献被组织为三个主要分析类别:生产率和TFP效应、基于任务的自动化与劳动力再分配动态、以及创新知识生成与开放创新生态系统。此外,研究还根据证据基础将文献分为四类:经验研究、概念和理论贡献、政策和机构报告、以及监管和战略文件,以提高分析透明度并避免混淆理论论证与经验证据。

**理论框架构建**

研究人员构建了整合性理论框架,将三种视角——外生技术进步、内生增长与知识生产、以及基于任务的自动化——解释为创新生态系统内同时运作的互补机制。

在外生与内生技术进步视角方面,新古典增长模型将技术进步视为增强TFP的外生因素,AI可被解释为提升效率的生产率冲击。然而,这一表述抽象于知识创造的内部动态。内生增长理论则将技术变革概念化为对知识、人力资本和研发活动的有意投资的结果。由此视角,AI不仅是优化生产的工具,更是加速知识生成、重组和 diffúse 的元技术。文献中存在一个核心张力:AI应被建模为生产函数中的投入,还是重塑知识生产过程本身的结构转型机制?研究人员指出,AI具有双重性质,既是投入也是使能基础设施 (enabling infrastructure)。

在基于任务的方法、自动化与结构转型动态方面,基于任务的模型通过劳动与资本之间的任务再分配来概念化技术变革。AI产生两种 opposing 但相互依赖的效应:"替代效应"(Displacement Effect)——自动化降低了对从事常规或可编码化工任务的劳动需求,可能导致部门收缩;以及"复原效应"(Reinstatement Effect)——技术变革创造新任务、新职业和新经济活动领域,通常需要更高水平的数字和认知技能。对增长和结构转型的净影响取决于这两种效应的平衡。当任务创造滞后于自动化时,可能出现负面的分配后果和需求侧约束;反之,当新任务生成足够强劲时,AI可通过知识密集型活动的扩张支持结构升级和生产率增长。关键的是,这种平衡并非由技术决定,而是受制度条件制约——教育系统、劳动市场灵活性、数字基础设施和创新生态系统的有效性共同塑造了生成和吸收新任务的能力。

研究人员特别强调,任务转型与结构转型之间存在层级而非等同的关系。任务转型主要在微观经济层面运作,指职业、企业和生产过程中任务的组成、分配和组织的变革;而结构转型则指更广泛的跨部门、技术和生产系统的经济活动构成的变化。任务转型是结构转型的主要机制之一,但任务层面的变化累积成持久的生产结构转变和经济复杂性提升,需要特定的制度和生态条件支撑。

**传导渠道分析**

研究人员详细考察了AI影响经济增长和结构转型的三个相互关联的传导渠道:

第一,生产率与TFP渠道。AI最直接地通过生产率提升影响经济增长,在企业层面改善决策、降低错误率、实现流程优化,在宏观层面体现为TFP增长。然而,经验证据一致表明这些收益既非自动也非即时的,而是严重依赖于互补因素,包括人力资本、数据质量、组织实践以及重新设计生产流程的能力。生产率增长并非嵌入技术本身,而是从组织和制度适应中产生的;在许多经验情境中,生产率收益呈现时滞,反映了与重构工作流程和管理实践相关的调整成本。

第二,创新与知识生产渠道。从内生增长理论视角,AI最重要的影响在于 transform 知识生产过程。通过降低实验成本、加速数据处理和实现新的知识重组形式,AI提升了创新系统的效率。研究显示AI加强了创新生态系统内的协作,特别是在企业、大学和公共研究机构之间,促进了开放创新网络的扩展和知识扩散速度的提升。然而,这些创新收益转化为可测量生产率增长的程度取决于知识产权制度、竞争政策和数据治理框架等制度条件。创新和生产率未必同时演进,知识创造与其在经济中的扩散之间存在时滞,这加剧了评估AI宏观经济影响的复杂性。

第三,资本深化、数字资本与结构转型。AI投资超越了软件应用,涵盖数据基础设施、计算能力和平台型商业模式,共同形成一种新型数字资本(Digital Capital)。这 redefine 了传统资本深化过程,改变了无形资产的相对重要性。关于AI相关资本与劳动是互补还是替代关系存在 central debate:当替代主导时,短期效应可能包括工资压力、不平等加剧和市场集中;当互补主导时,AI可通过技能升级和知识密集型部门的扩张支持包容性增长。数字资本并非中性,其影响由创新生态系统的更广泛配置所调节。

研究人员指出,所有三个传导渠道的有效性均受到一系列跨领域因素的条件制约,包括人力资本、数字基础设施、数据治理、监管框架和竞争动态。这些变量不是独立驱动因素,而是塑造生产率、创新和资本深化如何互动的使能或约束条件。

**全球趋势与土耳其案例分析**

研究人员评估了当前AI投资加速的全球趋势,同时指出投资规模与宏观经济增长之间的关系仍不明确。现有证据表明,数字资本的增加不会自动转化为TFP增长,结果取决于制度质量、竞争动态和企业将AI整合入生产流程的能力。因此,投资增长趋势应被理解为 signal 了潜在增长可能,而非增长加速的直接指标,这种潜在增长仅在特定互补条件下才能实现。

土耳其被选为说明性案例,因其代表了一个经历快速数字化转型同时面临制度、组织和创新系统约束的大型新兴经济体。研究人员分析了土耳其的AI生态系统状况:2021年《国家人工智能战略(2021–2025)》将人力资本发展、研究能力、创业精神、数据治理和国际合作确定为战略优先事项;Tü?K(土耳其统计研究所)2025年报告显示,使用AI技术的企业比例从2021年的2.7%上升至2025年的7.5%,19.2%的个人报告使用生成式AI,年轻群体中比例更高。然而,企业规模不对称构成重要约束——大型企业通常比中小企业更能采用先进数字技术,而中小企业在土耳其就业和商业活动中占很大比重。

研究人员识别了制约土耳其AI扩散的关键因素:有限的数据基础设施、融资约束、薄弱的组织准备、专业数字技能短缺;人力资本方面,数据科学家、软件工程师、数字化工人和能够重新设计工作流程的管理者的可获得性不足;研发能力方面,尽管研发投入有所增加,但仍低于许多先进创新经济体水平;部门结构方面,制造业、金融、物流、国防工业和健康技术提供了相对有利的AI adoption 背景,但收益实现依赖于技能、数据治理和组织转型的互补投资;监管协调方面,欧盟《人工智能法》的出现增加了监管兼容性对融入全球价值链的重要性。

**政策含义**

研究人员提出了短期、中期和长期的政策优先序:

短期优先事项聚焦于改善AI有效 diffusion 的即时条件,包括中小企业数字化支持、基础AI准备计划、劳动力再培训、数据质量改进、网络安全能力和企业针对性咨询服务。研究人员特别强调,在新兴经济体中,短期政策设计应避免将技术采用等同于生产率增长,而应通过支持数字诊断、培训项目、数据标准化和可负担的云计算与计算基础设施获取,减少实际扩散障碍。

中期优先事项着力加强创新生态系统协调。大学–产业协作、应用AI研究中心、开放创新平台、行业测试平台和公私研究伙伴关系可以改善知识扩散并减少创新系统的碎片化。同时应解决融资和规模化约束,通过风险投资机制、创新 grant、数字化转型 vouchers 和特定部门支持项目,帮助技术密集型企业和中小企业以有助于生产率和结构升级的方式采纳AI。

长期优先事项聚焦于建设国家AI能力和制度互补性,包括先进人力资本形成、前沿研究能力、可信数据治理框架、与国际标准的监管对接,以及融入全球价值链。竞争政策和监管治理也应作为长期政策维度,因为AI可能强化平台主导和市场集中,保持竞争性市场条件对于确保生产率收益 diffúse 至更广泛经济至关重要。

研究人员强调核心政策含义:互补投资必须进行 sequencing 和协调。数字基础设施投资若无技能和数治理的 parallel 改进,可能导致利用不足的能力;监管改革若无足够技术准备,也可能无法产生有意义的结果。制度互补性指的是技能、基础设施、治理、创新网络和企业能力之间相互强化的关系,这种关系使AI adoption 能够产生经济价值。

**部门层面分析**

研究人员分析了AI贡献因部门而异的异质性,在土耳其背景下考察了三个相对优势部门:

金融服务、金融科技和平台动态方面,金融部门由于其数据密集型结构和数字基础设施能力,最能快速适应AI应用。风险建模、欺诈检测、信用评分和算法投资组合管理等流程适合数据驱动优化,开放创新协作和金融科技 initiative 正快速扩展知识共享网络。然而,该领域生产率收益向宏观增长和金融包容性的转化能力取决于竞争结构、监管稳定性和数据治理标准。AI驱动的金融平台可能通过强化已有主导者的规模优势而增加集中,存在非显著风险。

制造业、数字生产和工业转型方面,AI的影响主要通过生产自动化、流程优化和数字生产系统体现。智能工厂、基于传感器的数据收集和实时决策系统可通过提高生产效率提升TFP,支持工业结构向更高附加值生产的转变和经济复杂性的提升。但基于任务的模型表明,这种转型将改变就业构成并加速部门再分配进程。向高附加值生产的过渡不仅通过自动化投资实现,还需 engineering、软件和数据科学技能的扩散。工业政策需超越技术进口,支持知识生产、大学–产业协作和开放创新网络。

健康、生物技术和知识密集型创新方面,AI在诊断、临床决策支持和药物发现中的应用可加速知识生产和降低搜索成本。然而,将这些进展转化为经济价值严重依赖监管批准、数据隐私标准、研究基础设施和公私协调。该部门表明,技术能力本身不足,生态系统治理决定了创新能否规模化。

**研究结论与贡献**

研究人员的研究结论可概括如下:AI不应被概念化为经济增长的自主驱动因素。相反,其效应通过三个相互关联的传导渠道——生产率、任务转型和创新动态——而产生,这些渠道的相互作用受到制度、组织和生态系统层面条件的调节。这意味着,类似水平的技术采用可能因互补能力(如人力资本、数据基础设施、治理框架和创新系统成熟度)的强度不同,在不同国家和部门产生 Divergent 结果。

该研究的主要贡献包括:第一,整合了常被分别考察的三个文献 stream——生产率和增长研究、基于任务的自动化研究以及创新生态系统方法,提供更全面的解释;第二,澄清了任务转型与结构转型之间的关系,将任务转型概念化为可贡献更广泛结构变化的微观层面传导机制;第三,推进了基于生态系统的AI驱动发展解释,强调制度互补性作为解释异质经济结果的核心机制。

研究局限性方面,作为结构化文献综述,该研究不旨在提供所有可用研究的穷尽覆盖,也未采用元分析技术推导定量估计;尽管实施了透明的筛选和分类程序,一定程度的解释判断仍不可避免;AI技术的快速 pace 意味着一些经验发现可能随新证据出现而变得过时,特别是与生成式AI和大语言模型相关的发现;国家、部门和方法论的 substantial 异质性限制了推导普遍适用结论的可能性。

未来研究方向包括:需要更多企业层面和部门研究以建立AI采用与生产率增长之间更清晰的因果关系;生成式AI和大语言模型的经济效应需要系统的经验调查;需更多关注发展中经济体和新兴经济体,其中制度约束可能显著改变先进经济体中识别的机制;未来研究可通过与人资本、治理质量、创新系统绩效、数字 infrastructure 和数据准备度相关的可测量指标来 operationalize 制度互补性;以及考察任务转型、结构转型和经济复杂性之间关系的 longitudinal 研究,将有助于深化对AI驱动发展轨迹的理解。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号