人工智能如何為高質量發展“賦能”

楊虎濤

關鍵詞高質量發展 人工智能 創造性破壞 通用技術

近年來，人工智能（AI）的快速發展引起了各方廣泛關注。聯合國2017年發布《新技術革命對勞動力市場和收入分配的影響》報告，將人工智能與歷史上的蒸汽機、電力、計算機一樣視為一種通用技術（general purposetechnology，GPT）。①從技術特征而言，按照類似“人”的程度，人工智能可以分為三種：一是弱人工智能（weakAI），也被稱為狹隘人工智能（narrow AT）或應用人工智能（applied AI），其特征是像人類一樣執行（perform as hu-mans）且只能執行有限的預設功能，還不具備智力或自我意識，優勢是可以并以人類無法做到的方式分析數據;二是強人工智能（strong AI），也稱通用人工智能（artificial general intelligence）或全人工智能（full AI），其特征是像人類一樣思考（think as humans），具備智力和自我意識，可以像人一樣勝任任何智力性任務;三是超人工智能（artificial super intelligence，ASI）即機器智能，可以像人類智能實現生物上的進化一樣，對自身進行重編程和改進，具備“遞歸自我改進功能”。②受限于模擬神經元的困難以及“莫拉維克悖論”和“波蘭尼悖論”，③強人工智能和超人工智能離我們還比較遙遠，而聯合國報告中所指的人工智能則是弱人工智能，這也將是很長一段時間內真正可以成為現實應用的智能技術。弱人工智能的主要技術價值在于通過搜索、匹配和預測，使機器像人類一樣，甚至比人更好地完成單一任務的執行，體現為通過標準化和數據化強化和提升自動化程度。

盡管只是像人類一樣執行的弱人工智能，但這種“替代執行”技術對經濟社會的影響已經引起了廣泛的關注。雖然學術界對人工智能的就業沖擊、科技倫理間題還存在諸多爭論和憂慮，但這并不妨礙企業界和政府對人工智能這一通用性技術的高度重視和極大熱情。2016年以來，中國、美國、日本以及德英法等歐洲國家都相繼出臺了人工智能的產業發展規劃。①中共十九大則明確提出要“推動互聯網、大數據和人工智能的發展以培育新增長點，形成新動能”。而黨的十九屆四中全會《決定》不僅兩次提到人工智能，而且在“堅持和完善社會主義基本經濟制度，推動經濟高質量發展”部分，首次將數據增列到生產要素序列當中，而數據正是人工智能三要素--數據、芯片和算法中最基礎的原材料。

作為一種不可避免的技術發展趨勢，同時也作為被寄予助力中國經濟發展方式轉型厚望的供給側的重要著力點，人工智能是否滿足推動我國經濟高質量發展的條件？它如何為高質量發展“賦能”？從技術特征而言，當前的弱人工智能并不想消滅和替代現有人類所有勞動的技術，而只是信息通信技術（ICT）浪潮在智能化方向上的一種深化，它會不會再現Triplett對ICT技術的“索洛悖論”研究中的“過度期望”？如何更好地發揮人工智能的經濟增長效應？本文擬對上述間題進行嘗試性探討。

一、高質量發展與高質量經濟活動的特征

十九大以來，高質量發展的內涵、實現機制和著力點一直是理論界所關注的熱點間題。學者們從不同角度，結合中央精神和習總書記重要講話，對高質量發展進行了全面而深入的解讀。如，從目標、動力角度討論高質量發展與高速度發展的區別，強調新時代高質量發展在結構和驅動力上的特質;③從創新、協調、綠色、開放、共享五大理念詮釋高質量發展的多維要求與必要性;從滿足美好生活需要角度詮釋高質量發展在產品和服務上的要求，以及如何滿足人民不斷增長的多方面需要;或者是從著力點、實現途徑和實現機制分析如何實現高質量發展以及從中國特色政治經濟學理論創新的角度詮釋新時代高質量發展的政治經濟學理論邏輯。這些研究對理解高質量發展，尤其是在轉型升級和供給側改革背景下，理解高質量發展與之前發展模式的區別，有著重要的價值。由于發展本身是一個包含增長，但比增長的含義要更為豐富的范疇，那么，高質量發展所對應的增長有什么特質呢？

習近平總書記多次強調，實現高質量發展，是適應我國社會主要矛盾變化和保持經濟社會持續健康發展的必然要求。他明確指出，“衡量發展質量和效益，就是投資有回報、產品有市場、企業有利潤、員工有收入、政府有稅收、環境有改善，這才是我們要的發展”。總書記這一簡明扼要論斷的本質，是指經濟發展過程中生產率提高、實際工資提高以及利潤提高之間的協同增長。生產率提高意味著會產出額外的資源，可用于下一輪提高生產率的投資，而更有效率地被生產出來的產品或者服務，又會通過刺激其他領域提高生產率;實際工資提高則意味著消費需求的持續增長和人民福利的真實改進，同時也有助于產品價值和利潤的實現;而利潤提高意味著企業可以有更高的積累和投資能力。生產率、實際工資和利潤的協同增長也意味著消費、投資和積累之間實現了一種良性循環，這種循環累積的過程不斷推動經濟社會發展水平的提升。

能實現生產率、實際工資以及利潤之間協同增長的這種經濟活動，被演化發展經濟學稱為高質量活動（high quality activity），也被經濟史學家稱為現代模式（modem pattem）。①按照賴納特、戈登等人對經濟史的梳理，這種高質量活動幾乎是所有國家走向富裕的經濟活動的共有特征。②無論是早期崛起的英美等國，還是后發追趕的東亞發展型國家，乃至于二戰之后黃金三十年的歐美等國，在其走向富裕的階段，選擇、培育和促進當時特定的高質量經濟活動都是其致富的關鍵。賴納特指出，在這種高質量經濟活動中，“技術發展的成果將會被如下群體所分享：a）企業家和投資者、b）工人、c）當地勞動力市場中的其他人，以及d）國家--通過更大的稅基”。③我們所強調的高質量發展較之歷史上這些國家和地區的發展有著更為豐富的含義和更高的要求，尤其強調在創新、協調、綠色、開放、共享五大理念的前提下實現生產率、利潤與實際工資的協同增長。這里，生產率、利潤與實際工資的協同增長是基本要求，如果不能實現這一目標，就意味著經濟增長缺乏動力，經濟效率沒有提升，人民福祉也沒有得到改善和提高，從而也無法達成更多其他目標。

工業革命以來，不同國家的發展并未出現主流經濟學所預言的趨同，不僅成功躋身富裕國家陣營的國家和地區屈指可數，而且窮國和富國的差距愈發加大。這意味著，一個國家真正將其發展建立在堅實的高質量經濟活動基礎上并非易事。一方面，高質量經濟活動存在著競爭性，每一次技術革命浪潮都為后發國家實現趕超提供了技術的機會窗口，但這種機會窗口具有唯一的“利基”性，一旦占據技術高點，機會窗口就會對后來者關閉，后來者需要向先行者繳納“利基”租金并在全球分工與貿易體系中被成功的先行者鎖定;另一方面，高質量經濟活動本身具有特定性，它對技術和產品特征、新技術引發的規模和結構效應都有特定的要求，對于不同規模、不同稟賦和不同起點的國家和地區，并非每一次新技術都構成“致富”機會。工業革命以來，之所以每一次技術革命浪潮都并非具有同等的“致富力”，其原因也在于此。

圖1美國ICT部門增加值占GDP的比例（1947-2017）

注：圖1中黑線對應項目102;灰線的1947-1962年部分只包括項目19，1963-2017年部分對應項目19、52、53、68的加總。數據源自美國經濟分析局

圖2美國第二次工業革命對應的部門增加值占GDP的比例（1947-2017）

注：圖2中黑線對應狹義制造業（不包括電腦及電子產品制造）;灰線對應廣義制造業，為采礦業、石油化工業、建筑業與狹義制造業的加總。數據來源同圖1。

概括而言，一種經濟活動如果要可稱之為高質量經濟活動，需要具備以下幾個要素：第一，潛在的生產率增長空間。高質量經濟活動必須具有足夠的生產率增長空間，生產率從低到高的改進過程，不僅需要投資和創新研發，也能形成知識和能力的積累。第二，分工深度。高質量經濟活動具有足夠的分工深度，可以產生足夠多的新部門。分工深度對經濟活動的質量具有雙重意義：更深的分工對應出更多具有生產率改進空間的新部門，而創造出的更多新部門會再產生部門間更強的協同效應。第三，凈創造效應。高質量經濟活動的產生和發展是一個創造性破壞的過程，但只有創造性效應大于其破壞性效應才可稱之為高質量經濟活動。新部門被創造出來的同時，也會摧毀或替代掉傳統的、生產同類型使用價值的舊部門，如汽車替代馬車，電力替代生物力等。在總量意義上，只有新部門對應的就業、利潤、資本積累以及總產出，大于被替代或摧毀掉的傳統部門原來所對應的就業、利潤、資本積累以及總產出時，才可稱之為創造性效應大于其破壞性效應。第四，滲透效應大。高質量經濟活動所涵蓋的技術、產品或服務具有廣泛的技術外溢效應或滲透效應，從而能影響其他缺乏生產率改進空間或生產率提升緩慢的部門，產生更大范圍的產業協同效應，進而導致這些受影響部門在就業、利潤、資本積累以及產出總量上的優化，使生產率得到更大范圍的進步。

生產率增長空間、分工深度、凈創造效應和滲透效應，共同構成了高質量經濟活動的特征。其中，生產率增長空間是決定性的。正如克魯格曼的名言--生產率無影無蹤，但從長遠觀點觀察，它幾乎可以決定一切。④生產率增長之所以重要，是因為生產率的增長才意味著會產生出額外的資源，可用于更多范圍的投資。而生產率增長又和分工深度、凈創造效應和滲透效應密切相關。生產率增長空間既包括高質量經濟活動部門本身的生產率增長空間，也包括它通過滲透效應提升其他舊的、停滯的或“慢”部門的生產率增長空間。高質量經濟活動部門本身的生產率增長空間由技術變遷所帶來的分工深度決定，新技術“裂變”的部門越多，部門間的協同效應也越強，高質量經濟活動部門本身的生產率提升的持續時間也越長;而滲透效應則由這種新技術的相應產品或服務的“通用程度”決定，如果新技術對應的產品或服務具有更大的“通用程度”，就可用于更多行業和更多產品的過程創新之中，從而可以帶來持久的生產率溢出，意味著更大范圍內存在更多部門的生產率提升空間。在技術發展歷史上，諸如新動力、新能源、流水線等，就屬于此類技術產品。而由分工深度和滲透效應決定的生產率增長空間大小和生產率改進的持續時間，最終決定了總量意義上的凈創造效應。如果一種新的技術經濟范式能帶來大范圍的、持久的生產率優化，其創造效應以及補充效應就足以彌補和超過其破壞和替代效應。

生產率空間、分工深度、凈創造效應和滲透效應的大小和強弱，共同定義了高質量經濟活動的規模和結構，進而決定了它是否具有足夠的拉動力量，帶動一個經濟體持續地實現生產率、實際工資和利潤的協同增長與良性循環。規模和結構的關系，即是楊格定理所刻畫的市場規模與迂回生產、產業間分工相互作用和自我演進的關系，市場規模引致分工的深化和結構的復雜化，分工的深化和結構的復雜化又引致市場規模的擴大，二者循環累積、互為因果。高質量經濟活動的規模和結構之所以重要，是因為：第一，就生產率增長的廣泛程度和持續時間而言，規模和結構至關重要。生產率提升快的“快”部門本身需要其他部門的“引致需求”拉動自身創新，同時也反過來對生產率提升慢的“慢”部門產生擴散，最終在更大范圍和更長時間內起到提升生產率的作用。第二，實際工資的提升也依賴于高質量活動的規模和結構。當高質量經濟活動達到相當規模的時候，該部門的從業者就更有能力消費勞動生產率較低、進步較慢的部門的產品和服務，從而讓這些部門的從業者的收入也隨之增加。高質量經濟活動的結構越復雜，這種收入的傳遞效應就越持久，在生產率的逐級溢出過程中就能實現更多部門從業者的實際工資提升。

總體而言，高質量經濟活動并不是一個行業、一個產品，而是一組可以協同發展的、可以帶動和滲透“舊”部門的產業活動，它在國民經濟體系中的規模大小和結構的復雜程度，決定著高質量經濟活動引擎力的大小。相較于較小經濟體，要實現生產率、實際工資和利潤的協同增長，大的經濟體對高質量經濟活動的規模和結構有更高的要求。對于較小經濟體而言，即使其國內缺乏足夠的產業梯度，無法在國內形成足夠的部門間互為市場，但憑借少量部門或產品的競爭優勢，仍有可能帶動該經濟體實現國民實際工資的上升。典型如北歐諸國，只要在某一產品或服務領域，如精密儀器、金融手機甚至手表上具有國際競爭優勢，就足以拉動其人均收入的持續增長。但對于大國而言，則需要更大規模和結構更復雜的高質量經濟活動。

二、戈登三間與索洛悖論：未能扭轉長蕭條的ICT革命

在《美國增長的起落》這一經濟史巨著中，著名經濟史學家戈登提出了三個間題：第一，為什么在經歷了從羅馬時代到1750年的兩千多年的人均產出停滯之后，經濟增長能夠結束休眠狀態開始蘇醒？第二，為什么從20世紀60年代至70年代初增長開始放緩？第三，為什么20世紀中葉美國經濟增長如此迅速？①其中第一個間題可以說是現代經濟史上最根本的間題。

無獨有偶，在2017年10月19日，《自然》雜志也刊發了經濟學家Robert Allen的《以史為鑒：未來的工作會怎樣？》。在這篇文章中，Allen指出，與第一次工業革命時英國的恩格爾停頓（EngelsPause）--勞動生產率自1770年增長，但實際工資增長自1830年開始的60年停頓期--相比，美國20世紀70年代以來的情形更為糟糕，盡管在時間上還沒有達到恩格爾停頓的長度，但實際工資和勞動生產率的背離程度卻要嚴重得多，同時還伴隨著嚴重的不平等和就業極化。這意味著，20世紀70年代以來，美國人的實際生活水平并沒有得到提高。Allen因此將20世紀70年代以來稱為間題時代（problem-ridden present），而1830-1970年則被稱為西方走向富裕的時代（Western ascent to affluence）。

事實上，無論是戈登還是Allen都在強調同一個事實，真正帶來巨變的是包含了第三次和第四次技術革命浪潮的第二次工業革命。而20世紀70年代以來，盡管發生了第五次和正在發生第六次技術革命浪潮，卻再也沒有出現生產率、實際工資和利潤的協同增長。無論是從利潤率、投資率還是就業創造、實際工資增長等方面觀察，20世紀70年代以來，西方國家就已經進入了“長蕭條”之中。Mullan的統計顯示，美國的商業投資凈額已經從戰后經濟繁榮期結束時的近6%，下降到了如今的2.5%左右，資本積累速度緩慢，進而影響生產率的增長。而就整個發達經濟體而言，20世紀70年代的生產率增速從3.25%左右降到2%左右，在本世紀頭一個十年中期下降到了1.25%左右，2008年金融危機后則進一步降到了1%以下。②戈登的研究則進一步表明，1928-1972年間，美國的產出資本比率的年均增長率為0.9%，而1972-2013年間則降低到了一0.8%。③從勞動收入占比和實際工資水平上看，1972年美國非農私人經濟部門的小時工資和周工資（以1982-1984年美元計算）分別為9.26和341.83美元，此后21年間這兩項指標持續下降，至1993年分別降至7.78和266.65美元。甚至在2008年國際金融危機爆發前的過度繁榮時期，小時工資和周工資也依舊只有8.57和288.06美元，遠低于20世紀60-70年代的平均水平。④20世紀70年代以來的長期下行中，ICT技術革命只是在1995-2004年間一度挽救了這種頹勢，但2005年之后長期停滯特征更為明顯。⑤

早在1987年，Solow就針對ICT革命提出了著名的索洛悖論（也稱生產率悖論）：“我們到處都看得見計算機，就是在生產率統計方面卻看不見計算機（Computers everywhere except in the productivity statistics）”。⑥對于Solow的這一質疑，不同學者也給出了不同的解釋。⑦其中，Jacobs和Nahuis將索洛悖論歸因為學習成本，認為生產率提升緩慢緣于新技術條件下高技能勞動力將花費時間研習和熟悉新技術，這在短期中將導致經濟增長率的降低，但隨著時間的推移，這種短期停滯就會消失。而Paul David則依據新熊彼特學派的產業協同理論將索洛悖論歸結于“時滯”，即任何一種新的通用技術在其發明之初都不可能立即帶來生產率增長，只有在生產關鍵投入的動力部門的產品變得廉價而普遍時，動力部門、支柱部門和引致部門才能形成互為市場的良性循環，從而引發生產率的大范圍提升。這兩者可統稱為“時間延遲”論。

與“時間延遲”論不同，Gullickson和Harper則認為，導致索洛悖論的不是時間延遲，而是領域的間題。ICT技術的主要應用領域是服務業部門，而服務業部門產出提升的體現是便利程度、舒適程度等的提升，但這些效應難以統計。⑧Griliches對服務業勞動生產率的測度也支持了這一觀點，其統計結果顯示，70%的rr資本都投向了服務業部門。⑨而在關于ICT是否意味著科技平原的討論中，泰勒·考恩（Tyler Cowen）等人也認為，ICT時代的創新更多是針對“再分配”類型的產品，而不是面向有“實用價值”的產品。⑩在Triplett和Mullan等人看來，索洛悖論并不是悖論。因為ICT技術本身就不具備大幅提高生產率的能力，ICT技術的發展主要針對信息傳遞效率而非生產領域，即便是指向生產領域的信息傳遞，對生產過程的影響也十分有限，Triplett稱之為“過度期望”。Mullan則指出，ICT只對應了兩個領域的勞動生產率優化，即批發零售業和金融業，尤其是金融證券交易業，但這兩個領域，正是距生產活動最遠的兩大領域，加速進行金融交易或者擴大消費機會，并不會創造出一種生產率更高的經濟，這兩種功能都不會直接創造出新的價值來。①此類觀點可稱為“領域錯配或錯誤期望”。

Crafts則對蒸汽機、電力、ICT技術對英國和美國經濟增長的貢獻度進行了測度，見表1～表3。

表1蒸汽機在1760-1860年對英國經濟增長的貢獻（年均百分比）

表2電力在1899-1929年對美國經濟增長的貢獻（年均百分比）

表3ICT技術在1974-2000年對美國經濟增長的貢獻（年均百分比）

從表1～表3可看出：第一，如果以標志性事件為工業革命的起點時間，“時間延遲”效應是客觀存在的。以1760年蒸汽機發明為起點，1760-1830年的70年時間里，蒸汽機對生產率、經濟增長和人均收入的貢獻微乎其微，但在之后的1830-1860年間，蒸汽機、鐵路開始彰顯其經濟功效;以1875年人類第一座火電廠為時間起點，電氣化技術對美國經濟增長的貢獻直到1919年才開始突顯;而以人類第一個微處理器Intel 4004出現的1971年為ICT技術革命的起點，其對經濟增長、生產率和人均收入的貢獻也一直到1996年才顯示出來，三次革命的時滯期分別為70年、44年、25年，有明顯縮短趨勢。第二，從蒸汽機到ICT的變革過程中，通用技術的總效能也在不斷提升，蒸汽機技術的效能充分發揮時，年均總貢獻約0.26%，占人均GDP增長率的23.6%，這兩個數據在電氣時代變為了0.98%和47%，在ICT時代則高達1.86%和56.3%。

Crafts的研究也表明，Jacobs和Nahuis以及Paul David等人的“時間延遲”說是成立的。事實上，正如Dosi等人的研究所指出，索洛悖論在提出8年之后，就遭遇到了美國生產率的復蘇：1995-2004年間，美國的勞動生產率的年均增速達到了2.8%，但2005年之后則下降了1.3%。③而從全要素生產率上觀察，美國在經歷了1970-2004年間0.57%的年均增長率后，1995-2004年間的全要素生產率增速也達到了1.03%，盡管這一數值遠低于1920-1970年的1.89%，①但至少可以說明，無論是從資本貢獻還是從全要素生產率的貢獻來說，ICT并不遜色于前兩次工業革命。這也說明，如果僅僅是指生產率的增長，Solow的“悲嘆”只是早了近十年而已。作為一種通用技術，ICT并非一無是處。

從歷史唯物主義出發，無論是以戈登、Allen為代表的經濟史學家，還是Dosi等新熊彼特學派的學者，在從技術革命浪潮和長波視角分析ICT時代以來的長蕭條過程中，都只是孤立地強調了技術層面，而未能從生產力一生產關系的矛盾關系中把握長蕭條更深層次的制度原因。從本質而言，無論是長蕭條還是黃金三十年，抑或1995-2004年間的ICT短期繁榮，都是生產力與生產關系的矛盾運動的長期趨勢與外在表現。技術及其組合本身不會自動實現任何經濟社會后果，資本積累、價值及剩余價值的生產以及它們的最終實現才是最終的推動力量。在MuHan看來，正是新自由主義主導下的畸形金融以及資本主導的經濟制度和政治制度，才造成了長蕭條的抑制性，使真正的創造性效應未能得以徹底而有效地釋放。而并非單純的新舊技術更替，亦非只是市場本身的破壞就可以解決長蕭條的“抑制型”弊端，只有進行包括制度在內的變革，才能達到創造性破壞與破壞性創造并舉的效果。②而哈維更是直言，“信息技術是新自由主義的特權技術，它更適合用于投機行為和最大化短期市場合同，而不是用于提高生產。”信息技術主要圍繞一些新興行業，比如電子游戲、影視、廣告、藝術展演等，圍繞這些新興部門的大肆宣傳引開了人們的注意力，從而使人們沒有注意到社會基礎設施投資的缺失。③

三、規模和結構--ICT為什么增長乏力？

但是，必須注意到前文所述Crafts研究中的另一個細節：從總貢獻上看，三次技術革命浪潮的通用技術部門本身對經濟增長的貢獻是逐步提升的，分別為0.26%、0.98%和1.86%，而部門對經濟增長的貢獻是按照“（部門當年增加值一部門上年增加值）/上年國內生產總值”來計算的。這也即是說，單獨就蒸汽機、電力設備和電動機、ICT的相關部門對經濟增長的貢獻而言，ICT相關部門對GDP增長的貢獻并不低。

間題的關鍵在于：第一，為什么蒸汽機0.26%的貢獻度和電力電器0.98%的貢獻度，卻對應了超過半個世紀的GDP和全要素生產率增長，而ICTl.86%的貢獻卻只對應了10年的增長？AHen的研究表明，1800-1830年，英國的實際工資沒有增長，但人均產出年均增長達到0.63%，全要素生產率年均增長達到0.69%;1830-1860年，人均產出年均增長達到1.12%，實際工資年均增長達到0.86%，全要素生產率年均增長達到0.94%;1860-1900年，人均產出年均增長達到1.03%，全要素生產率年均增長達到0.89%，人均工資增長1.61%。④而按照麥迪遜數據庫的統計，1820-1870年，16個發達國家GDP的年均復合增長率達到2.2%，1870-1913年達到2.5%，1913-1950年達到1.9%，1950-1973年的黃金時期則達到4.9%;這也即是說，在第一次工業革命的蒸汽鐵路時代，GDP以年均復合增長率超過2.2%的速度增長了50年以上，即使不考慮黃金年代的高增長，第二次工業革命也曾以接近2%的增長率持續了近80年。但Mullan的統計卻表明，20世紀60、70、80、90年代和21世紀頭十年，G7國家每十年的GDP增量分別為64%、39%、38%、29%、14%。第三次工業革命中ICT對應時段的經濟增長率顯然較以前要弱得多。而且，即使是在1995-2004年的ICT生產率爆發效應期間，主要對應的也是利潤率的增長，而不是生產率和實際工資的增長。

再考慮Crafts統計的另一個細節。在蒸汽鐵路和電力電器時代，蒸汽鐵路和電力電器的資本貢獻度、全要素生產率貢獻度、乃至于對經濟增長的總貢獻和對人均GDP增長的貢獻率都并不高，甚至低于ICT的相應貢獻，但無論是蒸汽鐵路時代，還是電力電器時代，對經濟增長貢獻的持續時間都很長。聯系同時期的經濟增長率和全要素生產率增長，蒸汽鐵路和電力電器的低貢獻度卻明顯伴隨著該時期的高增長率，ICT的高貢獻卻伴隨著同時期的低增長率。如前所述，所謂貢獻度，只是指部門增加值增量在總體增長中的占比。這即是說，在ICT成為通用技術時代的經濟增長中，ICT部門本身的增長很快，但這種高貢獻率卻對應著較短時期較低的增長率（從GDP到全要素生產率），而在蒸氣鐵路和電力電器成為通用技術時代的增長過程中，蒸氣鐵路和電力電器部門本身的增長占比并不高，但這種低貢獻率卻對應著較長時期較高的增長率（從GDP到全要素生產率）。相較于第二次工業革命，ICT革命如此短暫而有限的生產率效應，顯然并不足以拉動美國這樣龐大的經濟體實現類似于第二次工業革命時期那樣持久而強勁的生產率、實際工資和利潤之間的循環累積，這也是ICT時期為何對應著“長蕭條”的原因。易言之，如果說第二次工業革命對美國而言是高質量經濟活動的話，那么第三次工業革命在“質”和“量”方面顯然無法與之相比。因此，間題的關鍵就在于，不是ICT技術本身沒有增長效應，而是為什么ICT不能帶來長時間的高增長。

按照新熊彼特學派的劃分，一種新的通用技術興起之后將對應著三種不同的部門：生產關鍵生產要素①的動力部門，使用關鍵生產要素的支柱部門，以及圍繞著支柱部門和動力部門而展開的引致部門。只有當生產關鍵生產要素的動力部門取得突破性進展時，支柱部門和引致部門才會得以爆發性增長。在歷次技術浪潮中，動力部門勞動生產率提高導致的關鍵生產要素的廉價化是引發各技術系統自我增強效應的“引爆點”，分別引發了煤、鐵、蒸汽機的機械力革命，鋼、鐵路、內燃機、石油和汽車之間的能源和交通革命，以及以計算機、互聯網為代表的信息和通信技術革命。而在Crafts 2004年的統計中，②并未對三個技術革命時期的部門進行總體和結構的對應分析，只是對動力或支柱部門中的某一個部門進行了分析，因此也就無法準確地反映出新技術革命的整體規模和結構及其經濟拉動效應。

沿襲高質量經濟活動的規模與結構特征，我們有必要對不同時期代表性部門的規模和結構進行比較。依據美國國民經濟賬戶的劃分，我們對第二次和第三次工業革命的新部門規模進行了比較。圖1為美國ICT部門增加值占GDP的比例，因1997年BEA統計口徑調整，102項目[包含計算機和電子產品制造（不包括導航、測量、電子醫療、控制設備制造），軟件出版，廣播和電信，數據處理、托管及相關服務，互聯網出版廣播和網絡搜索門戶，以及計算機系統設計和相關服務等行業]與項目19（計算機與電子產品生產）、52（廣播電信）、53（數據處理、互聯網出版和其他信息服務）、68（計算機系統設計及相關服務）在年份和統計口徑上略有差異，我們分別對單獨的項目102（數據為1997-2017年）和項目19、52、53、68的加總進行了統計。結果表明，按行業增加值占比統計，三個部門增加值加總后占GDP比重最高為4%。

同樣根據BEA的數據，我們對1947-2017年美國第二次工業革命對應的部門增加值占GDP的比例也進行了統計。根據第二次工業革命的部門創造，我們在制造業中剔除了ICT部門，稱之為狹義制造，而將狹義制造業與采礦、石油化工和建筑業的加總視為廣義制造。結果表明，第二次工業革命所對應部門的增加值占比，僅剔除ICT制造的狹義制造業的占比最低達到了7%，廣義制造在最低的時候達到了13%，而在戰后的黃金三十年中，這兩個比例平均達到了14%和23%。

單就新部門創生而言，ICT顯然無法與第二次工業革命時代相提并論。羅伯特·戈登將第二次工業革命分為兩個進程：第一進程是1870-1900年，主要涉及電力、內燃機、公用事業、通訊和娛樂業，以及包括石油在內的化學工業;后續階段則是1900-1970年，涉及大規模生產、航空、公路運輸和汽車業，以及摩天大樓;這兩個時代也可以稱之為電氣化時代和機動化時代，每一次都創造出了大量的新部門。①而在BEA的統計口徑中，1870年以來的第二次工業革命產生的部門，涵蓋了制造業領域中的絕大部分，如，包括汽車飛機輪船在內的運輸設施、家用耐用消費品、加工機械設備、合成材料、石油化工，以及高速公路和機場等基礎設施、空中航線等。弗里曼和盧桑認為，“20世紀60年代以來，這些部門占了國民總產出的很大比重，可能高達三分之一。”②相較之下，20世紀70年代至今的ICT革命則主要創生了計算機、網絡和移動電信產業等有限部門。對于美國這樣體量的經濟體而言，這種新部門創生效應及其拉動力量顯然要弱于第二次工業革命。

對人工智能能否帶來可觀的經濟增長，經濟學家可分為悲觀論、樂觀論和謹慎樂觀論三派。悲觀論者如戈登、Mullan等人都認為，無論是信息通信技術（IcT）還是人工智能，都無法達到第二次工業革命時的增長效果。由于創新更側重于分配領域而非價值創造領域，甚至還有可能會帶來停滯。③樂觀論者如Aghion等認為AI主要通過影響市場結構、部門再分配和組織形式進一步影響經濟增長，Furman和Seamans認為AT在提高生產率方面具有很大潛力。①謹慎樂觀論者則認為通用技術的擴散是波形而非直線增長的，經濟效率優化與生產率增長存在時滯。②

支持悲觀論的證據主要在于，當前人工智能投資額度較小，且對應領域有限，主要集中于服務業，而這也正是ICT時代的主要特征。1999年，Sichel的研究就表明，索洛悖論主要源于ICT投資規模不足，20世紀80年代至90年代初，美國ICT產業的投資增長率雖然很高，但份額不足社會總投資額的2%。③同樣，盡管各界高度關注，但當前人工智能的投資份額仍然很小，以中國為例，近年來對AI的投資尚不及社會投資總量的1%。2017年全球人工智能融資額為395億美元，中國就占了70%以上。不僅投資不足，而且和ICT時代一樣，當前的人工智能也主要集中于服務領域，比較世界各國人工智能政策的集中領域，美國歐盟和日本的人工智能規劃也主要集中于安防、教育、金融、健康和城市管理等領域中，生產領域則較為薄弱。④當前無論大數據還是人工智能技術，仍局限于諸如廣告投送、生活消費等有限的應用場景之中。2017年，中國人工智能市場規模為237億元，主要集中在計算機視覺、語音與自然語言處理領域，硬件和算法的市場規模不足20%。深度學習為代表的新一代人工智能技術主要體現在算法層面，成熟的實體終端產品并不多，截至2018年，實體終端產品主要集中在智能音箱、智能機器人和無人機三個產品上，而這三者的規模都很有限。

前述分析表明，ICT的經濟增長效能之所以弱于第二次工業革命時期，其中一個很重要的原因在于，ICT時代的技術和產品特征明顯不同于第二次工業革命時期，典型表現是其新部門創生效應較弱，而滲透效應則過度集中于服務業。如果人工智能也僅僅局限于抖音、今日頭條等生活服務業，其經濟效應也只會體現為生活方式的改變，而無法產生大范圍的生產率溢出。對于人工智能這一通用技術而言，其對應的新創生部門可能也是相對有限的，如果要提升其生產率空間和凈創造效應，就需要不斷加大其滲透效應。而滲透效應取決于人工智能的通用性，即在多大范圍上可以適用于傳統部門。從產品創新和過程創新的區別上來說，就是人工智能的產品創新，要盡可能地成為更多部門的過程創新，或者由人工智能所對應出的組織形態或流程工藝，可以被用于多個領域內去提高生產率，如此才能形成更為持久和更為廣泛的生產率改進。

在通用性程度上，人工智能完全不同于傳統ICT技術，這是人工智能可以實現遠比ICT技術更大范圍滲透效應的根本原因。不同于ICT時代的信息化和網絡化的是，人工智能是在數據化基礎上實現智能化。如果說ICT時代只是解決了生產主體和交易主體的信息普遍連接，從而極大優化了交易效率的話，那么人工智能則是實現了從生產到消費全流程的智能化改造，不僅能優化和改進交易效率，也能極大地提升生產效率。ICT時代，計算機只是實現了單點經濟主體的信息和數據的電子化處理，而互聯網只是實現了計算機與計算機之間的連接，其數據處理能力不足以應對系統性強、復雜性高的生產銷售消費全流程，但以算法、數據和高能芯片為內容的人工智能技術則可以實現多主體、多維度數據的處理并完成智能預測和決策參考，在萬物互聯的基礎上，人工智能具備更大范圍和更多領域的通用性，其數據處理和覆蓋具有更強的系統性和及時性。其對應領域絕不會，也不可能僅限于生活服務業和金融交易等領域。要使人工智能技術真正成為促進高質量發展的引擎，也應針對其“通用性”進行相應的促進和引導，使其擴散到更大的范圍，從而產生更大的通用效能和協同效應。具體而言：

第一，實現人工智能應用從消費領域向生產領域的廣泛滲透和升級，使人工智能在大范圍的工業生產中得到應用，而不僅局限于商業和生活應用。人工智能要更多地指向生產領域，通過智能“賦能”制造業，從而更大程度、更大范圍地實現人工智能在助力制造方式變革上的智能化優勢。數字經濟從ICT時代到AI時代的過程，也是工業、實體制造的信息化和信息的工業化、實體化的過程，如果說ICT只是實現了生產的信息化和網絡化，人工智能的應用前景就在于基于數據化基礎上的智能化。也只有在全方位滲透到智能制造的過程中，人工智能才能成為真正意義上的通用技術，從而引發持久、大范圍的產業升級與技術變革。依托人工智能、5G技術和工業互聯網，傳統產業生產過程中的要素協同性和全要素生產率將得到提升，這是提升人工智能滲透效應的關鍵所在。當前中國數字經濟對工業的滲透率只有17%，遠低于德國、韓國、美國的40%以上，①這意味著人工智能向制造業的滲透不僅必要，而且緊迫，尚有很大的拓展空間。

人工智能并不是孤立地作用于智能制造，而是與5G、工業互聯網等技術協同作用，共同實現工業制造的數據化、網絡化和智能化。其中，工業互聯網是其主要應用場景，作為連接工業全要素、全系統、全產業鏈、全價值鏈，支撐工業智能化發展的關鍵基礎設施，工業互聯網是新一代數字技術向實體經濟拓展的核心載體，而人工智能廣泛地應用于其數據分析、智能決策過程，是實現自動化到智能化的關鍵所在。易言之，如果缺少高水平的人工智能支持，工業數據資產就無法得到充分利用，在此基礎上的工業互聯網就只能是深度的系統自動化，而不是智能化。

當前，我國工業互聯網發展與智能制造尚處于起步階段，工業控制、工業軟件、工業信息安全、開源平臺、開源社區等關鍵核心技術均存在空心化、短板化、空白化的間題。工業互聯網平臺建設的關鍵技術，如邊緣智能、工業大數據分析、工業機理建模和工業應用開發也存在明顯的技術瓶頸，存在“制”的高端裝備匱乏，“造”的關鍵零部件、核心技術和知識產權受制于人等現象。但人工智能作為一種高度依賴算法和數據訓練體量的技術，具有先行突破、帶動發展的可能性，因為經過70余年的發展，中國已成為目前世界制造業第一大國和產業門類最為齊全的國家，在工業生產的數據多樣性、完備性和數據體量上具有無可比擬的優勢，而工業智能制造的發展和升級的過程，本質上也是制造業數據流量成為互聯網主導流量的過程，中國的生產能力、生產規模和產業部門的多樣性，為人工智能的工業運用提供了極為有利的條件。

第二，大力推進人工智能和新材料、新能源等戰略性新興產業的技術滲透和產業協同。從工業革命的歷史看，第一次和第二次工業革命，都不只是單純的信息連接和空間運輸技術的革命，而是同時兼具能源、材料和通訊連接或空間運輸技術的革命，這種兼具能源、材料和連接三要素的變革，帶來的不僅僅是“怎樣生產”和“在哪里銷售”的變革，同時也涉及了“用什么生產”的勞動對象的變革。這正如曼德爾所指出的，“一場真正的技術革命，包括資本主義生產和分配，包括運輸和電信的所有方面的基本技術的徹底翻新”。②在缺乏制造技術、材料、能源和高端裝備產業進步的前提下，孤立的人工智能只能停留在有限的應用領域，而且其效能也無法充分發揮，因為人工智能復合了算法、數據、芯片三個基本要素，其數據存儲、處理與采集過程同樣需要能源和材料的進步才能不斷升級，而制約人工智能算力和算率的，不僅只是算法本身，也需要材料和能源的革命性變革，才能減少其單位能耗和設備體積。新材料、新能源的生產與研發過程既可以成為人工智能的應用場景，其本身的發展也會間接影響人工智能的效能發揮，這種產業間的協同效應不僅可以有效地促進人工智能、新能源和新材料等產業的發展，其變革過程也將帶來更大范圍和更深程度的分工。

第三，大力推進人工智能在生產性服務業中的廣泛和深度運用。生產性服務業是生產性活動尤其是制造業的重要支撐，主要包括研發設計與其他技術服務，涉及物流倉儲、信息服務等多個領域。在諸如物流、倉儲、設備租賃等傳統生產性服務行業，人工智能與大數據技術已開始得到運用，未來在算法優化、數據生產和利用上還有很大的發展空間。與此同時，隨著自動化進程加快和智能化生產初現端倪，黑燈工廠也將會普及化、常態化，更多的延伸勞動將在圍繞著使用價值的服務而非生產環節展開，制造業企業將越來越多地開展服務活動，也即是所謂服務型制造或服務化（servitization）、產品服務系統（product service system，PSS）。⑧人工智能在服務制造業的增值環節中也可以發揮重要的作用。

尤其值得重視的是，人工智能在知識生產過程，尤其是研發活動中也具有廣泛的應用前景。人工智能不僅僅是一種技術，也是一種研究工具，在依賴于試錯法、窮舉法的科研活動中具有人類智力不可比擬的優勢。人工智能在研發活動中的應用，能進一步提升研發活動的效率，進而對技術進步和全要素生產率提高產生積極影響。2020年新冠疫情期間，百度、阿里和騰訊等企業就通過開放AI算力幫助抗病毒藥物的研發。如，阿里云在疫情期間向全球公共科研機構免費開放AI算力，與全球相關機構合作，針對SARS/MERS等冠狀病毒的歷史藥物研發進行數據挖掘與集成，計算靶點和藥物分子性質，并跟進新型冠狀病毒最新科研動態。百度研究院也向各基因檢測機構、防疫中心及全世界科學研究中心免費開放了算法和相關網站，協助醫療界對新型冠狀病毒RNA空間結構進行預測。①

傳統服務業被普遍視為“停滯”部門，資本有機構成低，勞動生產率提升緩慢，缺乏生產率溢出效應，而在ICT時代，ICT技術應用和投資多集中于服務業，尤其是金融和批發零售等領域，也的確形成了生產率的“逆向滲透”困難，即從低生產率部門很難向高生產率部門實現滲透，這也是造成ICT技術的經濟增長效能不理想的原因之一。在Triplett和Mullan等人的分析中，ICT之所以造成“過度期望”和與之對應的“失望”，在于ICT技術所主要集中的領域是非生產性的，無法對生產過程產生足夠的影響。②但隨著人工智能、大數據和工業互聯網的興起，服務業部門的構成及其生產和服務方式發生了很大的改變。以人工智能、大數據為代表的新一代數字經濟在服務業的滲透上不僅距離生產過程更近，而且其相當一部分領域如知識生產、服務型制造本身直接就是生產性活動，這是ICT時代所無法達到的。

盡管經濟學家就人工智能的經濟增長效能存在著不同的觀點，但對人工智能的短期就業沖擊卻高度一致。就高質量發展的目標而言，尤其值得注意的是人工智能在短期內的就業破壞效應。雖然大量研究表明，從長期看弱人工智能對就業不會產生毀滅性的影響--人工智能會對傳統技術工作形成替代，但由于生產率效應、資本積累和新工作的創造等多方面的反制力量，這種就業破壞效應最終會被抑制;而且人工智能時代的服務業部門仍將存在鮑莫爾成本病，從而將消化大量的勞動力③--但是人工智能的短期就業沖擊仍需要付出巨大的調整代價，在結構性失業的過程中會不可避免地產生大量的人力資本浪費，這將集中體現在直接受到人工智能技術沖擊和替代效應最為顯著的行業。Jaimovich和Siu的研究表明，1982-2017年間，美國就業呈現出明顯極化：創造性的、認知性的，如科研、專業技術、文化創意等高技能工作和基于人際交往、服務型的如餐飲、導游等低技能工作兩極增加，但常規操作性工作如制造業藍領工作則不斷減少。④而計算機化（computerlization）帶來的數字化、程序化和自動化對傳統制造業崗位的破壞是這種極化現象產生的主要原因。⑤隨著人工智能時代的來臨，這種更高級的計算機化的就業破壞影響不再只發生在傳統制造業，而會波及到大量可實現數據標準化的高級服務行業，如金融交易、股票分析師、會計等。要將這種短期的就業破壞效應減少到最小，需要一方面要順應技術發展趨勢，針對性地培養適應人工智能時代的專業技術人才，同時也迫切需要應對對傳統從業人員的影響，加大再技能化的教育培訓。