算力消除了递减收益，GDP 增长为何依然很难冲上两位数

伦敦政治经济学院经济学教授 Ben Moll 与芝加哥大学布斯商学院教授 Alex Imas 于 2026 年 9 月 9 日发表长文 《Will AI soon lead to double-digit growth?》，从宏观增长理论出发，评估前沿人工智能对经济总量的拉动节奏。1 两位作者认同技术团队正在实现认知能力的飞跃，但论证未来 10 到 15 年内发达经济体实现年均 10% 以上 GDP 增长的概率极低，4% 到 5% 是更符合实际生产规律的基准预期。为了确立这一判断的约束力，作者在公开市场设立了对赌：到 2033 年为止，美国人均实际 GDP 增长率在任何单个年份均保持在 15% 以下。2

硅谷技术管理者与部分投资人近期频繁给出极端乐观的宏观预测。Anthropic 首席执行官 Dario Amodei 预计人工智能可将年增长率推升至 10% 到 15%；Leopold Aschenbrenner 在长文《Situational Awareness》中提出未来十年增长率可达 30% 以上；研究员 Sholto Douglas 则公开建议把经济总量每年翻倍纳入 2030 年代的认知模型。1

作者指出，评估这类预期时应当优先计算全社会财富的绝对总量水平，再由总量推算对应的年复合增速，避免被单个百分比数字误导。假定一个经济体在 15 年后让居民实际财富翻倍，对应的年化实际增长率为 4.7%。发达国家若能将长期增速从现有的约 2% 提升至 4% 到 5%，经济总量的累积扩张规模便已达到历史罕见的水平。

年化两位数的增长率对应着极其激进的总量跃升。如果年增长率达到 16.6%，全社会实际 GDP 在 15 年后将扩大至目前的 10 倍，在 30 年后将扩大至目前的 100 倍。若将经济增速推升至每年翻倍，则意味着每隔 12 个月生产规模整体扩充一倍。这类关于两位数增长的预测代表着对生产体系在极短周期内完成百倍级扩张的断言。

标准宏观经济学理论并不排斥两位数甚至更高的增长率。作者在标准教材所用的索洛模型基础上，引入 Zeira 以及 Acemoglu 与 Restrepo 的任务型生产函数。34

在这个框架下，全社会的总产出由一系列不同任务共同完成。部分任务只能由人类劳动者承担，部分任务可以由机器代劳，机器能够承担的任务份额记为 $\alpha$。在常规经济结构中，$\alpha$ 处于 0 到 1 之间，总产出对资本积累存在收益递减。因为机器无法替代全部人类工序，人类劳动构成了生产扩张的硬瓶颈，经济增长最终受限于技术进步的自然速度。

当自动化程度彻底拉满，即 $\alpha$ 升至 1 时，机器完全接管了所有任务。生产函数退化为产出与资本存量呈线性关系的 AK 模型，资本积累的边际收益递减彻底消除。机器直接生产物质产品，产出的物质产品又可以毫无阻碍地投资为更多机器。

在作者设定的基准数值实验中，假定初始资本份额为三分之一，年增长率为 2%，储蓄率为 20%。当假定可自动化任务份额在 2025 至 2045 年间从三分之一提升至 100% 时，模型中的 GDP 增长率在 2035 年达到 12.5%，在 2045 年达到 20%。如果进一步引入研发活动自动化，由机器替代人类研究人员进行知识探索，新思想的产生便直接与资本存量挂钩，从而在模型中诱发出资本产出与知识存量互为杠杆的超指数增长反馈。

作者指出，上述数学推导能够成立，完全建立在一套由五项严苛前提构成的联合假设之上。这五项前提在现实世界中很难同时兑现。

理论模型假设机器在 2035 年前接管全社会三分之二的任务。历史实证经验表明，技术能力的出现与通用技术在实体产业中的扩散速度存在显著脱节。

经济学家 Jones 与 Tonetti 的实证核算表明，近两个世纪以来全球任务自动化的平均推进速度约为每年 2%，该速度从未将经济长期增速推升至远高于 2% 的区间。5 电气化技术在工厂普及耗时约 40 年才在制造业统计数据中显现出生产率红利。新技术早期部署往往伴随互补资产重组与组织摩擦，形成 Brynjolfsson 所定义的“生产率 J 曲线”，企业需要率先经历效率停滞期。6

现代经济仅有约三分之一的工时属于能够在计算机屏幕前完成的认知或远程工作，另外三分之二分布在矿山、建筑工地、重型机械、餐饮后厨、医院与养老看护等实体物理场景。要让机器人在十年内接管大部分实体生产，需要全球制造业设计、制造、安装并日常维护数以十亿计的通用具身机器人，而硬件机械的迭代速度受到物理世界的严格制约。

全自动化的过渡轨迹还会引发剧烈的社会分配冲突。在索洛模型的理论模拟中，劳动份额将从 67% 骤降至个位数，劳动者实际工资短期内跌至基准水平之下。现实中的民主社会与工会组织会出台政治干预，医疗、教育、住房、法律等强监管行业同样会建立准入壁垒以减缓替代冲击。

模型假设消费者对被机器替代的商品保持恒定支出。现实消费结构受到鲍莫尔成本病（Baumol's cost disease）的根本约束：当某种工序因技术进步而生产成本大幅下降时，其价格迅速走低，消费者的实际支出会自发转向那些难以被机器替代、供给依旧稀缺的人类活动，导致自动化产业在整体 GDP 中的产值占比不断收缩。

这种非自动化短板主要由三类实体要素构成：

第一类是任务交织的复合型工作（Messy jobs）。工作不是独立可拆卸任务的机械拼盘，而是需要本地隐性知识、即时问责与现场协调的任务复合体。Luis Garicano 团队指出，医学放射科读片早在多年前便被预测会被算法取代，但放射科医师的招聘需求依然健康，原因在于医生必须对患者综合病史研判、跨学科会诊与最终法律责任整体兜底。7

第二类是关系型商品（Relational goods）。在这类服务中，人类提供者自身就是产品价值不可分割的组成部分。心理咨询师、护士、中小学教师、护理员、神职人员以及现场表演者均属于这一范畴。随着全社会因科技进步变得更加富裕，居民在人际关怀与情绪陪伴上的开销比例反而持续攀升。8

第三类是关键物理要素的建造上限。模型将消费品无损转化为资本资产，现实中的大规模计算则需要占用物理土地、清洁水源、百万千瓦级变电站、高压输电走廊以及超高精度光学透镜。高压输电网的规划审批与互联通常需要数年甚至十余年周期，重工业基础设施建设无法脱离工程实物的物理交付进度。

索洛模型假设全部新增产出都会被市场自发吸收，企业维持恒定的再投资比例。在现实经济循环中，激进的自动化进程将大量要素报酬从边际消费倾向较高的普通雇员转移给边际消费倾向较低的资本所有者。

资本回报的大幅增加容易削弱全社会对终端日常消费品的大规模有效购买力。商业机构通常按照对终端消费需求的预期来建设产能。当企业觉察到大众购买力无法匹配机器的无限产出时，企业便会调低资本支出预算，进而造成算力设备与工厂设施闲置，形成负向循环。

高度依赖自动化系统的宏观经济极易遭受网络安全冲击。风险路径包含自主智能体执行偏离预设边界，以及黑客利用大模型对关键基础设施发起协同渗透。

国际货币基金组织与英格兰银行行长 Andrew Bailey 分别指出，前沿人工智能正在从底层重塑网络攻击的响应速度、波及范围与系统性金融风险。在电网、供水、航空调度与金融清算网络遭遇技术攻击后，安全故障会倒逼前沿模型企业暂停前沿系统的训练与外围部署，从而阻断算力转化为生产力的正向闭环。

经济总量若要实现每年翻倍的增长，必须依赖研发活动的全面机器化，使新思想的生产速度直接追踪硬件资产规模。然而 Bloom 等经济学家的实证研究证实，在过去数十年间，各主要科技领域的研发生产率始终处于下行区间，探索全新突破所需要的资金与研究人员规模呈指数级膨胀。9

即便人工智能能够提升人类研究员的工作效率，标准半内生增长模型表明，这主要带来生产率水平的阶段性位移，不会永久改变长期增速。从基础科学的理论发现到最终转化为实际经济产出，中间还存在极长的物理验证与合规测试阶段。人工智能在实验室内设计出的全新生物分子或复合材料，仍需要耗费数年进行人体临床试验与工业生产线建造，2028 年形成的新理论往往要到 2040 年代才能反映在实际 GDP 数据中。

乐观论者常将算力扩充类比为向经济体系注入海量额外劳动力。作者指出，这一类比忽略了人类劳动力与合成智能之间的三种本质结构差异：

第一，人类工人天生具备环境适应能力，既能处理抽象运算，也能完成搬运、维修与情感沟通等杂乱工序；算力系统目前主要在文字、代码等认知符号层面扩张，对实体经济中的物理操作和本地责任无能为力。

第二，新增人类雇员只需要利用现有的工位、工具与常规生活设施即可参与生产；人工智能的大规模推理与模型演进则深度依赖变压器、电网扩容与高密度散热机房，这些物理资本的扩张周期以年为单位。

第三，人类工人获得劳动报酬后，会把薪酬支出分散到住房租金、农产品、医疗与交通等各个国民经济门类，形成完整的内需循环；人工智能本身不产生消费行为，产生的利润全部流向模型公司与计算设备投资者，缺少消化下游供给的消费端闭环。

两位作者强调，全篇分析针对的是官方核算的实际 GDP 指标（measured GDP）。实际 GDP 按照各类商品在居民支出中的金额权重进行加权汇总。当技术革新使某种数字产品成本趋近于零时，该产品在经济总支出中的比重随之萎缩，导致其后续的巨大产能扩张在账面 GDP 统计中只占据极小的分量。

以即时通信软件与数码影像为例，免费通信软件取代付费国际长途短信，智能手机相机取代专业数码相机，消费者的账面金钱支出明显下降，但获得的实际生活效用大幅增加。Brynjolfsson 等学者通过选择实验测算，美国消费者每年从生成式人工智能对话工具中获得的真实价值超过 1700 亿美元，达到其实际支付订阅费用的十倍以上。1

这种统计口径决定了账面 GDP 会低估技术带来的消费者剩余。一个实现 4% 到 5% 账面年增长的经济体，其实质社会福利的跃迁速度可能远远高于以往历史时期的同等增速。

作者总结道，未来 10 到 15 年内实现双位数经济增长，需要同时满足机器接管全社会绝大部分物理任务、消费者在大幅降价后依然将巨额开支留在自动化领域、投资与消费循环保持紧密咬合、无重大安全事故打断部署，以及基础科研成果实现零时滞产业转化。

这些假设在现实经济运作中只要遭遇部分摩擦，整体增长曲线便会迅速回落至非自动化部门的演进节奏。技术扩散的速度取决于整个生产网络中最脆弱的瓶颈，而非算力系统单点智力的提升幅度。