AI经济学-读书笔记
这本书是中国国际金融股份有限公司（简称“中金公司”）中金研究部著作的。“中金公司”成立于1995年，而中金研究院成立于 2020 年 11 月，定位于新型智库，以服务公共政策研究与决策为导向，聚焦经济金融领域，把握前沿行业动向，搭建中国与世界的交流纽带。
中金公司研究部立足于服务国内外投资者，凭借广泛的覆盖范围、严谨的研究方法、独立客观的态度、透彻前瞻的观点，在国内外市场确立了国际水准研究机构的地位，在客户中赢得了“中国专家”的声誉。
中金研究院与中金公司研究部优势互补，共同服务国家战略，支持公司业务发展。
本书从算力层、模型层、应用层三个维度，对 AI 相关经济问题进行了系统研究，深入探讨本轮AI 进步的生产力特点及其对生产关系的冲击，围绕宏观含义、产业影响、治理挑战等问题，提供系统性、前瞻性、趋势性的经济分析。
宏观层面：AI对经济增长与结构的影响
我们知道人工智能已经进入到了模拟人类的智能行为和思维过程。人类智能具有感知、学习、推理、决策、创造等多种能力，人工智能试图通过计算机算法和模型来实现这些功能。
例如，图像识别技术模拟了人类视觉系统对图像的感知和理解能力，能够识别图像中的物体、场景等信息；自然语言处理技术则模拟了人类的语言理解和生成能力，使计算机能够与人类进行自然流畅的对话。
但从现在来看，人工智能已经不仅仅能够做到这些，通用模型已经赋予了人工智能更强的融合潜力。
- 经济增长潜力
AI被视为新一轮通用技术（GPT），可能通过全要素生产率（TFP）提升推动长期经济增长。比如AI对历次工业革命中蒸汽机、电力等技术的经济贡献。从而预测AI可能在10-20年内将全球年均GDP增长率提高0.5-1.5个百分点。
比如，OpenAI的ChatGPT,其全球用户数在产品推出5天内破百万，不到三个月就破亿。这也体现了AI技术已经出现了较为确定的市场需求；其次，AI相关企业的盈利也显著提升，OpenAI从2022年的2亿美元提升到了2023年的20亿美元。
通过这些数据微软在2024年5月宣布将AI助手Copilot全面融入到Windows操作系统，并与合作伙伴戴尔、惠普、联想和三星等合作推出了一系列搭载高性能AI处理器的PC设备。
所以，AI促进经济增长已经是现实。而且AI既可以替代部分劳动力（尤其是重复性工作），也可能通过降低生产成本、创造新需求（如智能服务）扩大经济规模。因此，导致了劳动力市场产生了变革。
- 劳动力市场变革
首先是就业结构的重塑，高技能岗位需求增加，而中低技能岗位面临自动化风险，可能加剧收入不平等。
比如，一名平面设计师创建一个动漫角色大约需要1小时，其时薪可能超过100美元，而人工智能完成相同的任务可能只需要0.01美元和1秒。
你可能会问，那我们训练人工智能也需要成本啊，这样不是也不划算。书中说了，人工智能培训成本并不高，智能成本下降是核心，对经济与社会影响深远。
比如，GPT-3水平的生成式模型的训练成本从2020年的460万美元下降至2022年的45万美元，年将约70%等等。由此，可以看出训练AI的成本会越来越低。
那么， 对于普通岗位的人来说，就会面临失业的风险。就业结构会进行调整，一方面，一些传统的基础任务相关岗位可能会减少，如简单的数据录入员岗位，如客服，会计，办公室行政人员，销售，甚至于计算机编程，这些岗位以后都将陆续淘汰。因为AI可以更高效地完成这些任务。
另一方面，会催生与元任务管理、AI系统维护和优化等相关的新兴岗位，如AI伦理顾问、元任务流程设计师等。
那么我们应该怎么办呢？报告建议我们可以通过教育转型（如STEM和跨学科培养）缓解结构性失业。
其次，是人机协作模式。AI会辅助人类决策（如医疗诊断、金融分析），提升劳动生产率。
- 资本与投资转向
AI驱动无形资产投资（数据、算法、算力）占比上升，传统物质资本（如厂房、设备）重要性相对下降。政府需调整政策，鼓励对AI基础设施（如5G、云计算）的投资。
比如，谷歌一直致力于算法研发，在人工智能领域投入了大量资金。谷歌每年在研发方面的支出高达数十亿美元，其中很大一部分用于算法研究和技术创新。其旗下的DeepMind团队开发的AlphaGo算法就是一个典型案例。AlphaGo通过深度学习算法，在围棋领域取得了突破性的成就，战胜了世界顶尖棋手。
谷歌对算法研发的巨额投资不仅提升了自身在人工智能领域的竞争力，还推动了整个行业的发展。AlphaGo的成功展示了深度学习算法在复杂问题求解方面的巨大潜力，吸引了更多资本和人才涌入该领域。
此外，谷歌的算法技术还广泛应用于搜索引擎、广告投放、语音识别等多个业务领域，为公司带来了巨大的商业价值。
产业篇：AI对各行业的差异化影响
AI对各行业的渗透差异明显不同，在高渗透行业。
像金融（风控、投顾）、医疗（影像识别、药物研发）、制造业（智能质检、供应链优化）等数据密集型领域受益显著。
比如，在药物发现阶段，AI可以通过分析海量的分子结构数据，预测药物的有效性和安全性，大大缩短研发周期。例如，BenevolentAI公司利用AI技术，在药物研发过程中对疾病机制进行深度分析，加速新药的研发进程。但在临床试验阶段，由于涉及到人体伦理、严格的监管要求等，AI的渗透速度就相对较缓。
那在低渗透行业：农业、建筑业等物理操作复杂的领域进展较慢，但机器人技术可能突破瓶颈。
- 企业竞争格局
拥有数据和算力优势的科技巨头（如谷歌、腾讯）可能进一步扩大市场势力，中小企业依赖AI云服务降低技术门槛。
比如，平安保险的转型路径。在保险业务方面，利用人工智能技术进行风险评估和精准定价。通过分析海量客户数据，包括客户的健康状况、消费习惯、信用记录等，能够更精准地评估风险，制定个性化的保险产品和价格。如平安健康险推出的部分产品，根据客户的健康数据为其定制保费和保障范围。
在客户服务上，平安的智能客服系统可以快速解答客户的常见问题。该系统基于自然语言处理技术，能够理解客户的咨询意图，提供准确的答案，提高了客户服务效率。
- 产业链重构
AI推动全球价值链（GVC）向数字化服务和本地化生产（如3D打印）倾斜，可能削弱传统低成本劳动力优势。
比如，谷歌旗下的Waymo是自动驾驶领域的先驱。Waymo的自动驾驶汽车利用AI算法处理来自摄像头、雷达和激光雷达等传感器的数据，实现车辆的自主导航、避障等功能。其AI系统可以不断学习不同的路况和驾驶场景，提高自动驾驶的安全性和可靠性。目前，Waymo已经在部分地区开展了商业化的自动驾驶出租车服务。
治理层面：政策与伦理挑战
在治理层面，需要从三点出发：
- 监管框架构建
需平衡数据开放（促进AI训练）与个人隐私保护（如GDPR合规）。
比如，苹果公司。用户数据控制权方面：苹果公司在其iOS系统中积极践行GDPR的要求。例如，苹果为用户提供了详细的隐私设置选项，用户可以自主选择哪些应用可以访问他们的数据，如位置信息、通讯录等。这体现了GDPR中用户对自己数据控制权的原则。
当苹果收集用户数据时，它会明确告知用户数据的用途，并且在很多情况下需要用户明确同意。例如，对于一些个性化广告服务，苹果会询问用户是否愿意提供相关数据用于广告投放目的，如果用户不同意，苹果不会强制收集这些数据用于该目的。
数据安全保护方面.苹果采用了多种加密技术来保护用户数据。其设备上的数据加密使得即使设备丢失或被盗，没有用户的授权，他人也很难获取其中的数据。这种对数据安全的重视符合GDPR对数据保护的要求，确保用户数据在存储和传输过程中的安全性。
- 全球治理协作
AI技术的地缘竞争（中美欧）可能引发标准分裂，报告呼吁建立国际规则（如AI武器限制、数据跨境流动协议）。AI生成内容（如绘画、文本）的版权归属问题。
- 社会公平与伦理
建议对机器人征税或实施“AI红利”分配机制，缓解收入差距。禁止AI在医疗、司法等高风险领域的完全自主决策，保留人类监督权。
总结
《AI经济学》的核心观点是：AI将深刻重塑经济范式，但其效益取决于技术突破、产业适配性和治理有效性三者协同。报告强调，政策制定者需前瞻性布局（如数字基建投资、终身教育体系），以最大化AI的社会福利。
