AI經濟學-讀書筆記
這本書是中國國際金融股份有限公司（簡稱「中金公司」）中金研究部著作的。「中金公司」成立於1995年，而中金研究院成立於 2020 年 11 月，定位於新型智庫，以服務公共政策研究與決策為導向，聚焦經濟金融領域，把握前沿行業動向，搭建中國與世界的交流紐帶。
中金公司研究部立足於服務國內外投資者，憑藉廣泛的覆蓋範圍、嚴謹的研究方法、獨立客觀的態度、透徹前瞻的觀點，在國內外市場確立了國際水準研究機構的地位，在客戶中贏得了「中國專家」的聲譽。
中金研究院與中金公司研究部優勢互補，共同服務國家戰略，支持公司業務發展。
本書從算力層、模型層、應用層三個維度，對 AI 相關經濟問題進行了系統研究，深入探討本輪AI 進步的生產力特點及其對生產關係的衝擊，圍繞宏觀含義、產業影響、治理挑戰等問題，提供系統性、前瞻性、趨勢性的經濟分析。
宏觀層面：AI對經濟增長與結構的影響
我們知道人工智能已經進入到了模擬人類的智能行為和思維過程。人類智能具有感知、學習、推理、決策、創造等多種能力，人工智能試圖通過計算機算法和模型來實現這些功能。
例如，圖像識別技術模擬了人類視覺系統對圖像的感知和理解能力，能夠識別圖像中的物體、場景等信息；自然語言處理技術則模擬了人類的語言理解和生成能力，使計算機能夠與人類進行自然流暢的對話。
但從現在來看，人工智能已經不僅僅能夠做到這些，通用模型已經賦予了人工智能更強的融合潛力。
- 經濟增長潛力
AI被視為新一輪通用技術（GPT），可能通過全要素生產率（TFP）提升推動長期經濟增長。比如AI對歷次工業革命中蒸汽機、電力等技術的經濟貢獻。從而預測AI可能在10-20年內將全球年均GDP增長率提高0.5-1.5個百分點。
比如，OpenAI的ChatGPT,其全球用戶數在產品推出5天內破百萬，不到三個月就破億。這也體現了AI技術已經出現了較為確定的市場需求；其次，AI相關企業的盈利也顯著提升，OpenAI從2022年的2億美元提升到了2023年的20億美元。
通過這些數據微軟在2024年5月宣布將AI助手Copilot全面融入到Windows操作系統，並與合作夥伴戴爾、惠普、聯想和三星等合作推出了一系列搭載高性能AI處理器的PC設備。
所以，AI促進經濟增長已經是現實。而且AI既可以替代部分勞動力（尤其是重複性工作），也可能通過降低生產成本、創造新需求（如智能服務）擴大經濟規模。因此，導致了勞動力市場產生了變革。
- 勞動力市場變革
首先是就業結構的重塑，高技能崗位需求增加，而中低技能崗位面臨自動化風險，可能加劇收入不平等。
比如，一名平面設計師創建一個動漫角色大約需要1小時，其時薪可能超過100美元，而人工智能完成相同的任務可能只需要0.01美元和1秒。
你可能會問，那我們訓練人工智能也需要成本啊，這樣不是也不划算。書中說了，人工智能培訓成本並不高，智能成本下降是核心，對經濟與社會影響深遠。
比如，GPT-3水平的生成式模型的訓練成本從2020年的460萬美元下降至2022年的45萬美元，年將約70%等等。由此，可以看出訓練AI的成本會越來越低。
那麼， 對於普通崗位的人來說，就會面臨失業的風險。就業結構會進行調整，一方面，一些傳統的基礎任務相關崗位可能會減少，如簡單的數據錄入員崗位，如客服，會計，辦公室行政人員，銷售，甚至於計算機編程，這些崗位以後都將陸續淘汰。因為AI可以更高效地完成這些任務。
另一方面，會催生與元任務管理、AI系統維護和優化等相關的新興崗位，如AI倫理顧問、元任務流程設計師等。
那麼我們應該怎麼辦呢？報告建議我們可以通過教育轉型（如STEM和跨學科培養）緩解結構性失業。
其次，是人機協作模式。AI會輔助人類決策（如醫療診斷、金融分析），提升勞動生產率。
- 資本與投資轉向
AI驅動無形資產投資（數據、算法、算力）占比上升，傳統物質資本（如廠房、設備）重要性相對下降。政府需調整政策，鼓勵對AI基礎設施（如5G、雲計算）的投資。
比如，谷歌一直致力於算法研發，在人工智能領域投入了大量資金。谷歌每年在研發方面的支出高達數十億美元，其中很大一部分用於算法研究和技術創新。其旗下的DeepMind團隊開發的AlphaGo算法就是一個典型案例。AlphaGo通過深度學習算法，在圍棋領域取得了突破性的成就，戰勝了世界頂尖棋手。
谷歌對算法研發的巨額投資不僅提升了自身在人工智能領域的競爭力，還推動了整個行業的發展。AlphaGo的成功展示了深度學習算法在複雜問題求解方面的巨大潛力，吸引了更多資本和人才湧入該領域。
此外，谷歌的算法技術還廣泛應用於搜索引擎、廣告投放、語音識別等多個業務領域，為公司帶來了巨大的商業價值。
產業篇：AI對各行業的差異化影響
AI對各行業的滲透差異明顯不同，在高滲透行業。
像金融（風控、投顧）、醫療（影像識別、藥物研發）、製造業（智能質檢、供應鏈優化）等數據密集型領域受益顯著。
比如，在藥物發現階段，AI可以通過分析海量的分子結構數據，預測藥物的有效性和安全性，大大縮短研發周期。例如，BenevolentAI公司利用AI技術，在藥物研發過程中對疾病機制進行深度分析，加速新藥的研發進程。但在臨床試驗階段，由於涉及到人體倫理、嚴格的監管要求等，AI的滲透速度就相對較緩。
那在低滲透行業：農業、建築業等物理操作複雜的領域進展較慢，但機器人技術可能突破瓶頸。
- 企業競爭格局
擁有數據和算力優勢的科技巨頭（如谷歌、騰訊）可能進一步擴大市場勢力，中小企業依賴AI雲服務降低技術門檻。
比如，平安保險的轉型路徑。在保險業務方面，利用人工智能技術進行風險評估和精準定價。通過分析海量客戶數據，包括客戶的健康狀況、消費習慣、信用記錄等，能夠更精準地評估風險，制定個性化的保險產品和價格。如平安健康險推出的部分產品，根據客戶的健康數據為其定製保費和保障範圍。
在客戶服務上，平安的智能客服系統可以快速解答客戶的常見問題。該系統基於自然語言處理技術，能夠理解客戶的諮詢意圖，提供準確的答案，提高了客戶服務效率。
- 產業鏈重構
AI推動全球價值鏈（GVC）向數字化服務和本地化生產（如3D打印）傾斜，可能削弱傳統低成本勞動力優勢。
比如，谷歌旗下的Waymo是自動駕駛領域的先驅。Waymo的自動駕駛汽車利用AI算法處理來自攝像頭、雷達和激光雷達等傳感器的數據，實現車輛的自主導航、避障等功能。其AI系統可以不斷學習不同的路況和駕駛場景，提高自動駕駛的安全性和可靠性。目前，Waymo已經在部分地區開展了商業化的自動駕駛出租車服務。
治理層面：政策與倫理挑戰
在治理層面，需要從三點出發：
- 監管框架構建
需平衡數據開放（促進AI訓練）與個人隱私保護（如GDPR合規）。
比如，蘋果公司。用戶數據控制權方面：蘋果公司在其iOS系統中積極踐行GDPR的要求。例如，蘋果為用戶提供了詳細的隱私設置選項，用戶可以自主選擇哪些應用可以訪問他們的數據，如位置信息、通訊錄等。這體現了GDPR中用戶對自己數據控制權的原則。
當蘋果收集用戶數據時，它會明確告知用戶數據的用途，並且在很多情況下需要用戶明確同意。例如，對於一些個性化廣告服務，蘋果會詢問用戶是否願意提供相關數據用於廣告投放目的，如果用戶不同意，蘋果不會強制收集這些數據用於該目的。
數據安全保護方面.蘋果採用了多種加密技術來保護用戶數據。其設備上的數據加密使得即使設備丟失或被盜，沒有用戶的授權，他人也很難獲取其中的數據。這種對數據安全的重視符合GDPR對數據保護的要求，確保用戶數據在存儲和傳輸過程中的安全性。
- 全球治理協作
AI技術的地緣競爭（中美歐）可能引發標準分裂，報告呼籲建立國際規則（如AI武器限制、數據跨境流動協議）。AI生成內容（如繪畫、文本）的版權歸屬問題。
- 社會公平與倫理
建議對機器人徵稅或實施「AI紅利」分配機制，緩解收入差距。禁止AI在醫療、司法等高風險領域的完全自主決策，保留人類監督權。
總結
《AI經濟學》的核心觀點是：AI將深刻重塑經濟範式，但其效益取決於技術突破、產業適配性和治理有效性三者協同。報告強調，政策制定者需前瞻性布局（如數字基建投資、終身教育體系），以最大化AI的社會福利。
