寓“投资于人”于“投资于AI”

人工智能：开启经济增长新周期的历史机遇

人工智能（AI）的突破日新月异，基于今天的情况都很难对明天做出准确预测，这同时也为我们提供了巨大的联想空间，我们可以多做一些时间上的思想穿越，多思考一些更为长远的问题。

今年“两会”期间，习近平总书记在参加江苏代表团审议时，对科技发展带来的民生问题提出了一系列课题，包括“积极主动解答如何实现高质量充分就业、如何增加城乡居民收入、如何进一步提升基本公共服务和社会保障水平等课题”。

人工智能既带来了前所未有的机遇，也带来了前所未遇的挑战。我们有希望借助AI开启一个经济增长的新周期，或者说一个超级周期，从而帮助我们解决一系列重大难题和堵点。但与此同时，所有的问题都不会自然而然地解决。因此，必须在政策层面进行相应的部署。

首先，中国经济尚有增长潜力可以挖掘。从长期经济增长的表现来看，它似乎带有某种周期性现象，即实际增长表现与潜在增长能力之间还存在一定差距。

我认为，最重要的是，我们应当把握机遇，进行大规模的人工智能投资。这里所说的“大规模投资”，涉及认识到投资规模有多大、通过哪些渠道投出去等。我们无法与美国简单比较，因为体制不同、所处环境也不同。但总体而言，我认为我们应当利用这一机会形成超级周期，其核心在于进行再平衡。

我设想的几个方面包括：再平衡的问题、重新估值的问题、提振需求的问题。比如，资产重估以提振股市和债市；产能再平衡以稳长期利率，促国内循环；提升产品和服务的价格及社会零售总额；重估经济增长潜力，动员以提升投资意愿；从金融杠杆角度保障信贷健康发展；有效实施宏观经济政策和产业政策，创造良好投融资环境及良性竞争环境。这一系列再平衡需要一个推动力，这个推动力就来自人工智能投资。

人工智能重振中国经济的两种方式

总体而言，人工智能可以通过供需两侧推动重振宏观经济。

首先是从供给侧入手，提高潜在增长率。人工智能具有提高劳动生产率和全要素生产率的极大可能性和确定性。这也要求破解“索洛悖论”，如果人工智能的应用仍然停留在新技术出现但生产率却没有提升的状态，就不可能创造出一个超级周期。

其次是从需求侧入手，提升生产者价格。在美国的大规模的甚至带有泡沫倾向的人工智能投资热潮中，人们担心的是通货膨胀。但对中国而言，人工智能的投资需求或许有助于提升生产者价格，从而缓解当前相对的低通胀状况。因此，我认为这是一个难得的机遇。

至于是否需要投资数据中心等基础设施，答案当然是肯定的。但我想强调的是，中国人工智能之所以能够进入全球第一梯队，最大的优势在于广泛的应用场景，而这些应用场景中有相当一部分集中在民生领域。这不仅仅是因为民生领域存在短板和堵点，更在于，人工智能如果不能优先进入民生领域，就会失去技术进步的意义，进而丧失发展潜力。

最近我们也看到，尽管美国通过大规模放松管制刺激了投资和技术发展，但与此同时，美国也开始关注与民生相关的问题，其他西方国家也是如此。例如，特朗普提到了所谓的“公关协助”；英国财政大臣强调人文关怀；以OpenAI为代表，大型科技企业提出“以人为先”。

我们提出了“人工智能+”行动，其中一个重要方向就是“+民生福祉”，并将“智能向善”从一开始就纳入产业政策。从这个意义上说，我们与其他国家相比的领先地位，也在于智能向善的远见和举国体制优势，在于更应突出民生领域的“投资于人”。

供给侧视角：提高全要素生产率的两条路径

接下来，我想探讨人工智能及其赋能和投资，在供给侧能够发挥什么样的作用。

中国改革开放以来，之所以能够实现高速增长并取得民生成就，背后的基本支撑是全要素生产率的提高，而且是一种超速、超大幅度提高。这种生产率提高之所以能够实现，是因为我们利用了劳动力大规模从农村向城市、从农业向非农产业转移的契机，同时带动其他要素进行了重新配置。

许多研究包括我们自己的分解研究发现，在高速增长时期，全要素生产率或劳动生产率的提升中，大约有一半的贡献来自于资源重新配置。这种重新配置是在人口红利条件下特有的，通过这种规模巨大的重新配置过程，我们实现了“急风暴雨式”的生产率提高。

图1  GDP增长率及构成

随着人口红利的消失，特别是劳动年龄人口和总人口出现负增长，劳动力变得短缺，资本回报率开始下降。资本回报率下降的根本原因在于，全要素生产率的增长速度已经放缓，并且仍在继续下降。

我们国内学者也做过一些估计，表明全要素生产率的增速明显放缓。由于没有看到最新的研究，我根据宾夕法尼亚大学世界数据库（Penn World Table）的数据展示最近的趋势，由此证明经济增长的堵点在于生产率。综合我自己的估算，全要素生产率增速的下降对潜在增长率下降的贡献大约在0.8到1个百分点之间。

在此背景下，随着劳动力短缺，资本边际报酬递减的规律开始显现，投资回报率下降也就在所难免。

总体而言，正是在资本和劳动力的相对稀缺性发生逆转的这些年，大约在2010年前后，我们经历了工资上涨加快、劳动报酬占比明显回升、收入分配状况有所好转，但同时资本回报率显著下降。

相应的结果就是：推动同样的、或者增量较小的经济增长，也需要更大规模的投资。我将GDP增长率与资本存量增长率的比值称为“GDP的投资弹性”，从中可以看到，这一比值从改革开放初期的1以上，到近年来明显降至0.6左右，凸显出投资回报率下降导致投资方向不明、投资意愿不足，并在去年出现了投资负增长的局面。我们自然希望打破这一局面。

过去我们一直在讲改革，通过各项改革带来改革红利，再将改革红利转化为全要素生产率的提高，进而提升潜在增长率。现在很自然地，人工智能应当成为一个新的机遇。

所以，我想探讨的是，人工智能在全要素生产率的提高中能够发挥什么作用。我把全要素生产率的提高归结为两个途径——实际上不是两条路径，而是两个同时发生的过程，这两个过程共同作用，便带来了全要素生产率的提升。

第一个途径是资源配置和重新配置。过去，我们主要是在农业与非农产业之间、城市与农村之间进行劳动力重新配置，以劳动力的流动和迁移为主要载体；未来的全要素生产率提升仍然来自于资源配置，但可能进入更深的层面，即在行业之间、企业之间进行配置。

在发达经济体中，资源配置的主要来源是企业之间，尤其是在同一行业的企业之间，这构成其全要素生产率的主要源泉。我们现在已经进入了这个阶段。利用人工智能，借助数据、编程和模型，可以将资源配置从过去的“试错”和“减材”模式——类似于3D打印——转变为“增材”模式，减少过程中的浪费，资源配置的颗粒度将明显缩小。与此类似，“边干边学”的时间损失也降低了。从这个意义上说，人工智能预期将极大地提升全要素生产率提高的能力。

但全要素生产率还有第二个途径（可以视为同一枚硬币的另一面），即必然伴随着创造性破坏。只有让生产率高的企业存活和发展，同时将生产率低的企业淘汰出局，资源配置效率才可能提高。这是一个必要条件，没有生死、没有进退，就不可能有全要素生产率的提升。

从这个意义上说，人工智能也会极大地加速这一过程。它的破坏是不讲情面的，是瞬间发生的。目前这一点可能还不特别突出，或者尚未引起足够关注，但我认为未来会非常严重。

这也带来了一个问题：人工智能在提高生产率的同时，会造成比较严重的破坏——破坏一些产能、一些企业、一些行业，接下来，一些岗位也会被破坏，劳动者也将面临冲击。

从这个意义上说，我们可能会面临双重效应。近年来，在经济增长速度有所下降的同时，我们已经难以分辨，在生产率提升中，创造性破坏的贡献与资源重新配置的贡献究竟孰大孰小。以逻辑进行推测，创造性破坏的作用可能会明显加大。

破解劳动生产率的“分式两难”

我们再进一步分析劳动生产率或全要素生产率的问题。劳动生产率天然存在一个两难困境，因为它是以一个分式表达的——即单位劳动投入所能产生的产出。这一分式本身就蕴含着悖论。

首先是分母效应。减少要素投入，特别是减少劳动力投入，即使产出不变，劳动生产率也会提高。但这必然带来一个后果，即就业的破坏。

虽然从长期来看，劳动生产率的提高本身会创造新的就业岗位，新的就业岗位在长期中是会被创造出来的，这也是技术进步的必然结果，然而，短期与长期之间存在矛盾。从历史经验看，相对于就业的创造，就业的破坏在时间上更早、速度上更快、在一定时间内甚至规模上更大。

因此，我们预计，就业所受的影响可能会呈现一个J型变化轨迹：短期下降的“钩子”已经出现。我们可以用每年新创就业岗位中被转化为实际净增就业的比例——即转化率或生存率——来衡量。

数据显示，自2000年以来，这一比例逐渐下降，近年来下降幅度更大。随着人工智能进一步开发与应用、渗透率不断提高，这一趋势还将加剧。这是一个确定的事实。而长期向上的部分，目前仍停留在理论层面，并非确定性结果。因此，我们需要争取尽可能好的结果。这就是分母效应所带来的矛盾。

图2 岗位生存率变化

与此同时，分子效应同样存在着悖论。通过提高全要素生产率，在总投入不变、不减少就业的前提下，着眼于提高产出和服务质量，可以产生分子效应。

分子效应的一个后果是：如果消费需求跟不上生产率的提高，产出的增长和服务的增长就会导致产业产能过剩，出现有效消费不足，甚至所谓的过度储蓄或过剩储蓄。

党的二十届四中全会提出要提高居民消费率。人们往往将居民消费率与“三驾马车”中居民消费对经济增长的贡献混为一谈，据此自然会认为，如果出口不可持续，投资也有所下降，那么居民消费的贡献就会自然提高，这似乎是一个自然而然的结果。

然而，仔细分析会发现，这两者是具有不同含义的概念。居民消费率与居民消费对经济增长的贡献是两回事，两者之间没有相关性。从图3可以直观地看到，居民消费率相对稳定，具有长期黏性，更多地与收入分配状况、劳动报酬占比或居民收入占比相关。因此，只有从社会政策入手，才有可能解决消费水平提升的问题，而不能单纯依靠宏观经济政策来刺激。

图3 居民最终消费率与居民消费增长贡献

遵循“投资于人”优先序

由以上分析可以得出一个简要的结论：我们应当遵循“投资于人”的方向，并从中寻找中国未来人工智能投资的重点领域。

作为一个从事理论研究的学者，我本人并不擅长对投资领域提出任何具体建议。我自己曾尝试列出一个清单，指出一些这样的领域，然后用DeepSeek与我列出的清单进行比较，结果大致相似。

不过，我们所说的“投资于人”，主要不是指市场投资，市场投资是其中的派生行为。“投资于人”本身的内涵是：以公共政策为导向的公共资金投资取向。概而言之，这个投资方向主要是从儿童到老人，覆盖“一老一小”全生命周期的基本公共服务。

能够将这些内容串联起来、影响最为显著的领域，目前看来就是照护经济。少子化和老龄化既需要公共投入的应对，也创造出大量产业机会。最新的时间使用调查表明，中国居民，特别是中国女性，家务负担非常重，其中包括照料老人和照顾孩子。这既涉及养老问题——老有所养，也涉及生育意愿。

在这一领域实现突破，大有可为。最简单的例子是，照料时间和家务劳动时间加在一起，几乎与就业时间相当。这意味着，如果将这部分无偿劳动转变为有偿劳动，既创造更多就业，降低了“三育”负担，提高老有所养满足度，还会被计入GDP，从而显著提高经济增长率，并重新估值整个经济增长的规模。

我举出照护经济这个例子，既不打算越俎代庖，也不想以偏概全，而是为了回答以下问题：人工智能时代的就业岗位从何而来。大家今天都在担心，人工智能替代了自己的岗位之后，我们今后还有没有事情可做？

可以重新思考一下“鲍莫尔成本病”这个概念。威廉·鲍莫尔观察到，一些行业劳动生产率始终较低，但对应的产品或服务仍有需求，因此这些行业和从业者仍然可以得到社会平均水平的报酬。

这个观察有助于我们转变思维范式，破除一个悖论——以往总是追求消除行业间、职业间的生产率差别，而差别几乎是永恒存在的。所以，这个理念和做法或许从来就是缘木求鱼。或许是随着人工智能时代来临，答案才水落石出：生产率不再是稀缺资源，也许到了不必尝试消除所有差别的时候。

图4 不同行业的劳动生产率

鲍莫尔本人最初是针对表演艺术领域提出这一概念，后来这一概念被引申到医疗、教育等领域。事实上，鲍莫尔在后期也认为，这不是一种“病”，而是一种发展方向。

未来，一个行业、一个职业、一个岗位，或者从事该岗位的人的收入，将越来越与个人劳动生产率和行业劳动生产率脱钩。只有脱钩，才能创造出新的行业，才能给人们带来更多新的需求和未来就业的可能性，才能让人生保有意义。否则，人工智能所替代的工作将使我们失去意义，我们也就不知道该如何生活了。因此，这个脱钩的前提，是分享劳动生产率所带来的红利。

从这个意义上说，“投资于人”的核心在于分享人工智能的红利，从根本上让人工智能向善，并走出一条新的道路。这条道路，各个国家都会探索。但对中国而言，我们拥有庞大的市场规模、庞大的人口规模以及庞大的老年人口，也存在让人工智能广泛应用的各种场景。因此，“投资于人”最有机会创造新的超级周期，也恰是探讨生产率红利全民分享途径的绝佳机会。

作者蔡昉系CF40学术委员会主席、中国社会科学院学部委员，本文为作者在2026·金融四十人年会暨闭门研讨会“开局之年：立新与重构”上的大会闭门研讨会“AI跃迁：宏观影响与治理”上所做的主题演讲。文章仅代表作者个人观点，不代表CF40及作者所在机构立场，未经许可不得转载。