共计 3942 个字符，预计需要花费 10 分钟才能阅读完成。
在过去一年半，AI 的重要性似乎被无限放大，然而，我们却很少看到它所创造的显著经济价值，也未曾深切感受到其对现有经济结构产生的冲击。相反，一系列由 AI 引发的现实问题被推到台前，如“一路狂飙的 AI，为何商业化不顺？”“AI 会取代人类的工作吗？”“大模型训练高投入低回报的困境如何破解？”
此前，众多 AI 技术从业者和资本市场投资人都未能解答这些疑问。近期，与三位经济学家展开了对话，他们分别是美国经济学家、诺贝尔经济学奖得主 Thomas J. Sargent，前蚂蚁金服首席战略官陈龙，以及清华大学中国经济思想与实践研究院研究员刘培林。从他们那里了解到，AI 技术虽新，但在经济史上有迹可循，其发展中遇到的问题并非全新，在以往技术革命中已有解法。只是 AI 从业者普遍从技术视角理解商业，而忽视了从商业视角理解科技。
一、AI 浪潮对经济的影响
小饭桌：相比以往技术变革，这一波 AI 技术浪潮给经济带来的影响有何不同？
Sargent：多年前人们讨论“软件能否取代人类”，如今则是“AI 能否取代人类”。但实际上，软件和 AI 都只是工具。例如，当下直接让 AI 解数学难题是无法完成的，需要专家引导方向。所以，若要更多地使用 AI 工具，就需了解更多专业领域知识，如此一来，AI 便不会替代人类。
小饭桌：作为经济学家，如何看待过去一年半 AI 的迅猛发展，有哪些比较惊喜的地方？
陈龙：一方面，我们见识了 AI 惊人的技术，总感觉它会颠覆一切；另一方面，直至如今，我们几乎未曾看到来自 AI 的颠覆式商业创新。
小饭桌：为什么技术够好，却难以形成颠覆式商业创新？
陈龙：应从商业视角理解科技，而非从科技视角理解商业，二者截然不同。如今许多人谈论 AI 时，多从科技视角出发，缺乏经济和商业视角。实际上，换个角度看会有很大不同。过去十年，全世界见证了诸多商业失败案例，如元宇宙、区块链等。并非这些技术没有未来，而是在商业和经济层面，应思考技术本质是什么、技术的商业本质是什么、技术与商业结合会产生什么、影响的边界及环节是什么。当前此类讨论过少，大部分讲 AI 的人只是 AI 技术的兴奋者，兴致勃勃。但正如元宇宙、区块链给我们的教训，技术成立并不意味着商业成功。
二、大模型投入产出与应用领域
小饭桌：开发大模型耗资巨大，可给企业带来的经济效益却很有限，如何看待投入和产出的不匹配？
陈龙：这可视为两场战争。大模型最烧钱的阶段是初始的模型训练，后续推理使用所需资金量相对较小。所以，竞争最强大底层模型的公司确实需要大量资金训练，这无可厚非。另一方面，许多应用大模型的公司前期投入不多，却发展得风生水起。例如，不少公司将大模型落地到产业，让客户看到效率提升并愿意为之买单，基本不亏钱、不烧钱。如果说去年是底层大模型元年，今年是产业大模型的落地之年，明年可能会有更多消费侧、个人侧 AI 应用崛起，随着这个节奏，投入将看到回报。另外，虽然目前 80% 的产业利润、收益被芯片公司和云计算公司拿走，大模型公司收益较少，但十年之内大部分收益会被产业应用、用户获取。所以，寻找 AI 落地，将其作为商业要素在自身产业和场景内找到价值，才是未来的必然之路。大家不应被头部的大模型竞赛吸引，毕竟头部玩家数量有限，很多应用领域大有可为，且无需大量资金投入。许多大模型企业应成为大模型应用企业，通过与产业数据和 know-how 结合，体现自身价值。
小饭桌：大模型可能会率先在哪些行业得到应用？
刘培林：大模型已在创造巨大应用价值。以自身为例，以往写英文文章，英语水平一般的情况下，需先写好初稿再找专业翻译公司润色。现在，将内容喂给 AI 模型，几乎瞬间就能完成润色，且翻译准确、用词考究。所以，翻译行业，包括同声传译，可能很快会被 AI 取代。作为研究经济的人员，以往写宏观经济形势分析，要专门建立数据库、对比数据后得出结论。个人积累的数据远不如大模型丰富，未来大模型用于金融分析将大行其道，虽不能说会完全替代金融分析师，但至少会对该行业产生巨大冲击。作为大学研究人员，面对 AI 也有危机感，因为在知识广度上，不如人工智能，教课可能也竞争不过 AI，所以也可能面临失业冲击。未来各行各业都可能要运用人工智能，学会与之共处。
三、AI 对就业市场的影响
小饭桌：现在有一种担忧是 AI 越来越强，可能会取代很多人的工作，经济学家是否有这个担忧？
刘培林：经济学家研究经济史发现，每一次技术浪潮出现时，大家都会有类似担忧——新技术会导致大量失业。比如“sabotage”这个词，本义是“将木鞋扔进机器”，现在代指“暗中破坏，怠工”，其背景是工业革命早期，工人们觉得自己的生计被工业自动化威胁，不满流水线生产，便将木鞋扔进机器使其停止工作。但如今工业自动化的好处有目共睹。参考历史，AI 技术浪潮已无法逆转，必须接受并适应它。从长期来看，不必过于担忧，未来新创造的就业门类和岗位会超过被替代的。在浪潮冲击的中短期，要有政策储备帮助个人适应冲击，个人也要努力学习新技能。
小饭桌：那人工智能将如何影响我们的就业市场？是会带来更多工作机会，还是消灭一些工作机会？
刘培林：短期内，肯定有一批人因来不及学习人工智能技能而受到冲击，就业岗位被替代，这就是替代效应。但人工智能也会催生出许多新行业，这便是就业创造效应。长期来看，是创造效应大于替代效应，还是替代效应大于创造效应，难以确定。但新技术浪潮无法阻挡，只能去拥抱。或许可以乐观一些，现在一些发达国家正在探索“无条件基本收入”政策（政府拿出一部分税收平均发给人民，无需任何条件与资格）。假如人工智能发展到最终能替人类完成所有工作，那我们就无需担忧工作，在家享受无条件基本收入和闲暇即可。
小饭桌：到时大家应该担忧什么？
刘培林：上世纪 30 年代，凯恩斯做了一次演讲，题目是“我们孙辈的经济前景”。他预测百年后，物质生活资料供给问题将被彻底解决，或者至少可望获得解决，届时人类将无需再为物质生活发愁。当人类从物质生活资料短缺的束缚中解放出来后，真正的问题将是如何优雅地打发闲暇时光，如何生活得更明智而惬意。如果经过二三十年发展，社会生产效率和能力因 AI 赋能得到质的飞跃，迎来人们不用干活的时代，那么，也许届时真正要发愁的就是如何优雅地打发闲暇时光。可以做一个思想实验：设想我们天天无需工作就有吃有喝，如何让自己不无聊并非易事。这种情况下，我们都得思考如何让生活更加明智而惬意这样的哲学问题。曾经有科学家做过小鼠实验，当物质约束不再是问题后，小鼠出现倦怠、躺平，甚至对生育这种最本能的需求也失去兴趣，这也是个大问题。
四、AI 创业公司获利与商业循环
小饭桌：现在大模型几乎所有利润都被英伟达和微软等少数巨头占据，AI 创业公司获利有限，该如何形成新的商业循环，让更多人参与进来？
刘培林：如何打破巨头垄断暂无确切答案。参考商业史，打破巨头垄断是个渐进过程。比如阿里最初将“双十一”搞得声势浩大，但挣的钱都用于购买服务器、数据库等。后来阿里自己创新，逐步做出了阿里云，才逐渐摆脱对巨头的依赖。如今中国的大模型和云计算一样，本质上“技不如人”。按照目前主流技术路线追赶是必要的，但如果一直扮演技术追随者，行业利润被分走也在所难免。作为技术外行，觉得若能找到细分领域，积累有壁垒的专业数据，加上一定而非很强的算力，也许不用大量资金投入就能产生不错效果，这也是一种挣钱方式。不过，正如清华大学的张钹院士和北京大学鄂维南院士所期待的，如果中国科研机构和企业能通过 AI 底层理论突破，形成不同于目前主流的新技术路线，让大模型用更少数据、更少算力、更少能源消耗，进行更可控、更安全的运算和分析，自然就能赚大钱。
五、AI 对经济结构的改变
小饭桌：随着人工智能进入各行各业，将如何改变我们现有的经济结构？
刘培林：经济结构的改变是个漫长过程，难以预测。例如，汽车刚发明时，在纽约街上，马车在前，汽车不能摁喇叭，否则易惊马引发安全事故。在马车占主导的经济模式下，汽车要给马车让步。但如今，汽车已全面取代马车，经济结构、规章制度自然发生了变化，而这些变化在当时是难以想象的。
小饭桌：随着以人工智能为代表的新技术快速变化，政策制定者、市场侧应该如何调整，减少可能的消极影响？
Sargent：回顾工业革命，也是用机器代替很多人力劳动，AI 虽新，但逻辑类似。比如我的父亲曾是保险公司职员，计算机出现后，他的工作内容被彻底改变。在这个变革过程中，人们会根据自身技能去做其他事情，整个市场会形成新的市场机制，让大家根据技能找到新工作。也就是说，新技术出现时，会有新型企业入驻，工人也会找到方式培养新技能，将原来过剩的劳动力引入市场重新应用。所以，变革是个自然过程。就像在 AI 出现之前，没人知道它会对我们产生如此大影响。随着科技发展，不断有新想法、新创新产生，哪个想法会实现、哪个会带来革命性变化，并非事先预定好的。中国过去 40 年的发展就是企业家不断创新的自然过程。
六、大模型训练的能耗问题
小饭桌：从可持续发展角度，大模型训练带来的高能耗问题，是否会阻碍其进一步发展？
刘培林：能耗问题需从更高维度看待。大模型训练本身确实带来高耗能问题，但随着技术迭代，训练能耗会逐步降低。更关键的是，大模型可能会让全社会的能耗降低。例如，微软、谷歌等巨头通过大模型做出更智能化的产品，使知识能免费或低成本扩散到各行各业，各行业变得更加智能，减少大量无谓浪费，从而降低全社会能源消耗。在设计领域，原先设计飞机零部件需工程师靠经验用穷举法多次实验选优，这是资源浪费。现在通过大模型能直接推算出最优解，节约了巨大成本和能耗。就像大模型所依靠的 Scaling Law（标度定律）一样，随着数据规模增大，推算效果越来越好，未来全行业单位知识获得所消耗的能量应是递减而非递增。
