AI真能颠覆一切？诺奖得主揭开残酷真相：生产率提升不到0.7%

题图摄于香港

周末了，写一篇非技术文章，说说经济学家怎样看待AI对社会的影响。

最近两年，关于AI会“抢走多少工作”的讨论几乎成了社交媒体的流量密码。有人预言90%的岗位将被替代，也有人嘲笑这是“新卢德主义”的焦虑。

但在这些喧嚣之中，真正让我觉得值得认真对待的，是2024年诺贝尔经济学奖得主、MIT教授达龙·阿西莫格鲁的声音。他在近10年间密集发表了一系列关于AI与劳动力市场的研究，结论相当冷。

他不唱衰技术，也不盲目乐观。他更像一个冷静的系统工程师，拆开AI这台机器，追问一句：它到底在为谁运转？

AI到底在改变什么？先搞清楚"任务"这个概念

要理解阿西莫格鲁的研究，得先接受他的一个基本框架：评估AI的价值，不是看它"多聪明"，而是看它如何重新分配生产过程中的"任务"。

这听起来有点抽象，打个比方：想象一家医院的放射科。每天有大量CT影像需要阅读——这是一个具体的"任务"。AI可以接手这项任务（自动化），也可以给医生一个辅助工具、让他们能处理更复杂的病例（增强人类）。这是两条完全不同的路，对医生的就业、收入和职业发展，影响天差地别。

在他的任务模型（Task-Based Model）中，技术通过四种方式影响劳动力市场：

1. 增强特定劳动者的生产力
2. 增强资本（机器、设备）的生产力
3. 自动化——用机器替代人工
4. 创造新任务——催生以前根本不存在的工作

历史告诉我们，真正让工资增长、就业扩张的，从来不是自动化，而是第四点——新任务的涌现。工业革命替代了纺织工人，却也催生了工厂管理员、铁路调度员、会计师这些全新职业。

问题是：当前的AI浪潮，更像哪种情况？

那个让硅谷不舒服的数字：0.66%

阿西莫格鲁在2024年5月的工作论文《AI的简单宏观经济学》给出了一个预测，堪称当年经济学界最具争议的数字之一：

未来十年，AI对全要素生产率的提升上限，仅为0.66%。

全要素生产率（TFP）是经济学中衡量"效率提升"最核心的指标——简单说，就是在投入不变的情况下，能多产出多少。0.66%意味着什么？相比之下，互联网革命在其鼎盛期推动美国TFP年均增长超过1%，且持续了超过十年。

更严峻的是，如果考虑到AI真正难以攻克的领域——那些高度依赖语境判断、需要复杂社会互动的任务，这个数字可能下滑至0.53%。

他同时预测，未来十年AI能真正影响的工作任务约占总量的5%，对全球GDP的贡献约为1%。

这些数字，与"AI将颠覆一切"的叙事之间，存在着令人不安的鸿沟。

"平庸自动化"：最危险的不是替代，而是无效替代

阿西莫格鲁提出了一个精准的概念——"平庸自动化"（So-So Automation），这或许是他整个研究框架中最具实践价值的洞察。

"平庸自动化"指的是：技术上可以实现、但效率并没有实质提升的自动化。它不是因为技术能做得更好而替代人，而是因为替代人可以省钱——在工资成本高昂、自动化税收优惠充分的环境下，这种替代在账面上是合算的，但对整体社会效率几乎没有贡献。

举个例子：银行用AI客服替代人工座席。从财务报表看，省下了人力成本。但大量用户投诉处理效率下降，复杂问题无法解决，客户满意度下滑。这种"自动化"创造的价值，可能远低于其消耗的社会成本。

更值得警惕的是，它还会造成双重损失：资源从可能真正创造价值的领域被抽走，而被替代的劳动者则面临技能贬值、收入下降的困境。

工资里藏着一块"租金"，而AI正在把它偷走

谈到收入不平等，大多数人的直觉是：AI替代了低技能工人，导致他们收入下降。但阿西莫格鲁的分析更为微妙——AI的冲击，精准地指向那些工资中含有"租金"的岗位。

什么是工资"租金"？经济学上指的是高于市场最低竞争水平的那部分薪酬。通常，这种"租金"来自于工人多年积累的专业技能、与雇主长期形成的信任关系、或者强势工会的谈判力量。

自动化往往优先攻克那些薪资相对较高（即含有较多"租金"）的中等技能岗位——因为那里替代收益最大。当AI接管这些任务，工人的议价能力随之瓦解，原本属于工人的那部分收益，被系统性地转移给了资本持有者。

这不是零和游戏中的"输赢"，而是一种制度性的收益再分配——静悄悄发生，却影响深远。

阿西莫格鲁在最新的讨论中还补充了另一个维度：AI模型的训练，依赖于海量的人类知识、创作和数据。但这些数据的生产者——作家、教师、工程师、普通网民——从未获得任何报酬。这是一种隐形的、大规模的价值抽取。

民主的隐患：当AI成为权力的放大器

如果说经济层面的担忧还停留在分配问题上，那么阿西莫格鲁2025年的研究则触及了更深层的政治结构。

他的核心论点是：AI算法的设计逻辑，系统性地服务于平台利益，而非公共利益。

社交媒体的推荐算法，为了最大化用户停留时间，倾向于推送那些激发强烈情绪反应的内容——愤怒、恐惧、对立。久而久之，用户被困在"回音室"中，只接触到与自己立场相符的信息。选民观点日益极化，政党为了迎合基本盘，不得不采取更加极端的立场——这是一个令民主运转失灵的恶性循环。

更直接的威胁来自精准政治广告：AI驱动的用户画像，使政治组织能够以极低成本、极高精度地向特定人群推送定制化信息。在缺乏监管的环境下，这成为操纵公众认知、削弱民主辩论公正性的有力工具。

阿西莫格鲁在其著作《权力与繁荣》中提炼了一个历史规律：技术只有在精英被迫与公众分享权力时，才会服务于公共利益。 当AI的开发权高度集中在少数科技巨头手中，缺乏有效的外部制衡，这一条件就难以成立。

出路在哪里？他给出了四个方向

阿西莫格鲁并非悲观主义者。他明确区分了"技术的宿命"与"制度的选择"——前者不存在，后者大有可为。

第一，税制中性化。 目前多数国家的税收体系，对劳动力征税较重，而对资本支出（购买设备、软件）给予大量抵扣。这等于在制度层面补贴自动化。改革税制，使雇人与用机器的成本在税后层面趋于公平，是纠偏的第一步。

第二，研发激励转向。 政府资助的科研方向，应从"如何替代人类"转向"如何扩展人类的能力边界"。辅助医疗诊断而非替代医生、个性化教育工具而非替代教师——这类"人类互补型"AI值得优先投入。

第三，算法透明度与问责。 对社交媒体平台实施更严格的信息披露要求，打破算法黑箱，是保护公共讨论空间的必要手段。

第四，劳动者参与技术决策。 推动工人代表进入技术引入决策的流程，确保AI不仅是管理层降低成本的工具，也是提升工作质量的手段。

结语：技术是选择，而非命运

阿西莫格鲁三年研究的核心信息，可以被压缩成一句话：

我们正在走向的那个AI未来，不是技术决定的，而是我们选择的。

如果按照当前的惯性走下去，最可能的结局是：生产率小幅提升，收益高度集中，不平等进一步扩大，民主制度承受更大压力。

这不是灾难，但它远远低于AI本可以带来的潜力。

那个更好的结局——技术真正服务于大多数人的繁荣——并不遥远，但它需要清醒的判断、有力的制度，以及拒绝被技术乐观主义叙事完全淹没的勇气。

毕竟，工具从来不决定命运，使用工具的人才决定。

参考文献：

Acemoglu (2024) "The Simple Macroeconomics of AI", NBER w32487；

Acemoglu & Restrepo (2025) "Tasks At Work", NBER w32872；

Acemoglu & Johnson (2023) "Power and Progress"；Acemoglu (2025) "AI and Social Media: A Political Economy Perspective"