AI经济已开始，但增长的账还没算清

AI正在重塑经济，这件事在今天已经毋庸置疑。

真正让政策制定者、学者与产业界彻夜难眠的是下一道算术题：巨额资本开支砸向算力与模型后，能不能在宏观上沉淀为真实的生产率？供给大幅扩张之后，究竟是迎来繁荣还是陷入长期去通胀？当年轻人的“职业入口”被技术悄然收窄，我们如何避免重蹈历史上的“恩格斯停顿”？在全球博弈日趋复杂的当下，这套数字体系又该如何构建新的全球经贸规则？

这是2026 Inclusion·外滩大会《AI经济增长新范式与社会价值重构》见解论坛的核心关切。

9月9日，这场汇集上海财经大学校长刘元春、北京大学国家发展研究院院长黄益平、中国社会科学院大学教授江小涓、中金公司首席经济学家缪延亮，以及诺贝尔经济学奖得主托马斯·萨金特与产业界代表的论坛，不再停留在技术应用的功能性展示，而是从增长测算、通胀波动、岗位替代到跨境分工，直面同一个底层命题：AI究竟怎样从一个狂热的技术变量，收敛为一个健康、可持续的宏观经济变量？

01 AI经济已开始，但增长的账还没算清

“AI经济的新形态已经确立，但AI经济学还没有真正开始。”刘元春在开场抛出了一个具有代表性的冷思考。

技术革命的前期，往往伴随着狂热的思想碰撞与资本泡沫。全球财报电话会上AI被提及的频次呈几何级数跳升，芯片价格飞涨，围绕算力中心的基础设施投资狂飙突进，甚至直接拉动了近期的全球贸易与出口。但如果穿透微观喧嚣去看宏观基本面，分歧正在被急剧拉大。

商业机构给出的未来生产率预期令人振奋，麦肯锡、高盛等机构预测全要素生产率（TFP）年增幅可达3%；但在严肃的经济学界内部，保守阵营如MIT学者达龙·阿西莫格鲁（Daron Acemoglu）等人早期的测算模型中，AI未来十年对TFP的年均贡献甚至一度不足千分之几，几乎可以忽略。

为什么微观上人人都在用，宏观数据却迟迟看不到兑现？

黄益平提醒，今天我们极有可能正在经历技术经济学中典型的“索洛悖论”与“J曲线效应”。计算机在20世纪末普及初期，产出数据同样曾长期静默。一项颠覆性通用技术（GPT）进入真实产业体系，需要漫长的组织重塑、工艺适配、流程改造和人员培训，初期不仅难以直接带来产出井喷，反而可能背负沉重的调整成本。

萨金特也将当前AI发展阶段比作天文学上的“开普勒阶段”：AI已经能够从天文级的数据中精准拟合规律，但人类尚未完全理解和掌握其底层的经济与结构逻辑。