诺奖得主警告：AI并非经济奇点万能药，鲍莫尔病或是增长终极瓶颈？| AI新闻

type

status

date

slug

summary

创造性破坏：AI时代的创新双刃剑

菲利普·阿吉翁与彼得·霍伊特（Peter Howitt）因其对“创造性破坏”理论的数学建模而荣获诺贝尔奖。该理论的核心是：创新既是创造性的，也是破坏性的。当新技术、新产品诞生时，必然会淘汰那些技术落后的旧企业和旧模式。

这在今天的AI时代体现得淋漓尽致。从大模型 (LLM) 重塑内容创作，到AI工具优化软件开发，无数行业正在经历深刻的变革。然而，这种破坏性力量也带来了巨大的社会挑战。既得利益集团可能会为了维护自身地位而阻碍创新，如果不能妥善引导这种矛盾，经济增长的引擎本身就可能熄火。正如诺奖评委会所警示的，我们必须维护创造性破坏的运行机制，否则社会将陷入停滞。

AI是延续而非奇点：自动化进程的新篇章

在许多技术乐观主义者眼中，AI是前所未有的革命性力量。但阿吉翁认为，我们应将AI置于一个更宏大的历史背景下审视。他指出，AI本质上是持续了200多年的自动化进程的最新形态。

从工业革命的蒸汽机、珍妮纺纱机，到后来的电力和计算机，自动化一直在逐步替代人类的体力与脑力劳动。AI的独特之处在于，它开始涉足过去被认为是人类专属的非程序化、高技能领域，如自动驾驶、医疗诊断和科学研究。

将AI视为自动化进程的延续，而非一个凭空出现的“奇点”，能让我们借助过去两百年的经济历史数据和经验，更理性地预测其未来影响，而不是陷入毫无根据的幻想。

“鲍莫尔成本病”：增长的无形枷锁

这是阿吉翁对“AI经济奇点论”最核心的反驳。“鲍莫尔成本病”（Baumol's Cost Disease）理论指出，一个经济体的整体增长率，最终并非由生产率最高的部门决定，而是受到生产率增长最慢的部门（即“瓶颈环节”）的拖累。

我们可以想象一个简单的场景：即使AI让信息处理、软件编写等99%的任务实现了近乎零成本和无限的生产力，但如果剩下1%的关键任务，如物理世界的资源开采、能源生产、高端制造或需要人类情感互动的护理服务，其效率提升缓慢，那么整个经济的增长速度就会被这1%的瓶颈所限制。

谷歌DeepMind的AGI政策专家Séb Krier进一步阐释，即使未来实现了能够完成所有人类任务的AGI，鲍莫尔病的逻辑依然成立。届时，“难以改进”的瓶颈将从人类认知任务，转变为受物理规律限制的任务。经济增长的速度将不再取决于AGI“思考”得有多快，而在于它改造和操控物理世界的速度有多快。这意味着，后AGI时代不一定等于后稀缺时代，经济的成本和价值将高度集中在那些受物理条件约束的领域。

反驳之声：AI研发能否打破增长魔咒？

当然，并非所有人都同意这种略显悲观的看法。来自MIT等机构的研究者提出了一个截然不同的模型。他们认为，由AI增强的研发（AI-augmented R&D）模式可能足以克服鲍莫尔病带来的阻力。

传统观点认为，创新的速度主要取决于研究人员的数量。但新观点指出，AI驱动的研发更依赖于资本投入，而非劳动力，而资本是可以无限积累的。例如，DeepMind的CEO哈萨比斯就曾表示，AI很快能将新药发现的周期从数年缩短到几个月。

如果这种模式能推广到所有科学和技术领域，每个研究人员的生产力将得到永久性提升，从而带来科技进步速度的永久性加快，最终直接推动整体经济增长率实现翻倍甚至更高。这是一个关于AI变现和推动社会进步的乐观愿景。

结论：增长的未来取决于能否攻克“瓶颈”

综合来看，关于AI能否带来“经济奇点”的辩论远未结束。新晋诺奖得主阿吉翁的理论为我们提供了一个冷静而深刻的警示：我们不能忽视经济体中那些最难啃的“硬骨头”。决定未来经济增长高度的，或许不是AI能飞多高，而是我们能否提升整个社会生产力版图中的那块“短板”。

无论是受物理规律限制的物理瓶颈，还是需要资本密集投入才能突破的研发瓶颈，未来的道路都充满挑战。持续关注前沿的AI日报和深度分析，是理解这场变革的关键。想获取最新、最全的AI门户资讯，深入了解ChatGPT、Claude等大模型的最新动态与Prompt技巧，欢迎访问 https://aigc.bar，与我们一同探索人工智能的未来。