近期人工智能技術加快發展，研究普遍認為，人工智能很可能成為繼機械化（蒸汽機發明為標誌）、電氣化（內燃機和電力使用為標誌）、信息化（計算機和互聯網的應用為標誌）之後的新一輪技術革命的標誌性技術之一。怎麼看待這一過程的宏觀影響？

首先，對總量經濟增長來說，人工智能未來的大規模應用可能會帶來潛在增長率的上升。人工智能具有滲透性、協同性、替代性、創造性等四項特徵。滲透性可引致關聯產業鏈的發展；協同性可以提升勞動、資本、技術等要素之間的匹配度；替代性可以減少老齡化、少子化對於經濟供給端的約束；創造性可以帶來更密集的知識和技術要素生產，以上均有利於經濟增長。

需要注意的是，按照現有GDP（國內生產總值）核算體系，在人工智能未來的大規模應用中，現實的勞動生產率與實際增長率可能階段性下降，因為人工智能必將導致一些商品與服務被替代掉，而新創造出的產品與服務，其增加值可能還無法核算，不能反映計入GDP中。因此，人工智能測算方面的低估或也將使勞動生產率和GDP增長率初期不一定會正向變化，需同步創新核算體系。

其次，對於產業結構來說，人工智能一則在供給端會帶來自身龐大的產業鏈譜系的形成，數據、算法、算力等三項基礎要素的迭代將推動行業的發展；二則在需求端會通過「人工智能＋」，帶來對傳統行業的創造性改造，無論是C端、B端還是G端都會有無數的應用場景；三則在流通端它還會通過對生產方式、商業渠道、居民生活半徑、生活方式等環節的傳遞，對於社會經濟結構帶來更深遠的影響。

對於中國式現代化的「並聯式」發展思路來說，人工智能的出現，確實增加了工業化、信息化、城市化同步推進的合理性，但與此對應，一些關鍵技術的突破，以及國家級算力平台的建設就相對更為關鍵。

其三，對就業來說，人工智能對總量失業率的影響取決於「替代效應」（Displacement Effect）與「創造效應」（Creation Effect）的相對大小。過去兩個多世紀的經驗表明，並無證據支持總量失業率隨技術進步而長期增加，這就是技術革命的「總量就業中性」假說。

但上述研究是基於長期視角，短期就業影響仍可能會是顯性的。OpenAI（2023）的研究顯示，大約80%的美國工作崗位當中，至少有10%的工作任務受到GPT的影響；大約19%的工作崗位至少有50%的工作任務受到影響。同時，經驗研究顯示（Goos，2014）在工業信息化時代，ICT帶來的技術進步導致了就業結構改變，出現了工作「極化」現象（Job Polarization），即不可替代的高端與低端服務的就業比重會上升，中間常規性、程序化的工作比重減少，存在被替代的趨勢。這一效應值得繼續研究，比如對於中國經濟的「工程師紅利」來說，其中創造性的部分會相對價值更大。

約束全球通脹上行

其四，對於通脹來說，人工智能一則整體會提升供應端效率、增加供應能力、減少信息不對稱、提升供求匹配度；二則會減少對人工的依賴、降低服務端的邊際成本，這些邏輯長期來看將對總通脹水平形成約束。瑞典中央銀行（Sveriges Riksbank）在其2015年的貨幣政策報告專欄中曾研究數字化與通脹的關係，指出過去三十餘年全球低通脹或與信息革命以來的數字技術及其在經濟各方面的應用有關。

最後，人工智能技術下的算力提升與數據中心維護都將消耗龐大電力，這將加大能源壓力，或將驅動能源與資源品價格進一步上漲。來自谷歌（Google）的數據表明人工智能每年消耗谷歌公司約2.3太瓦時的電量，大約相當於亞特蘭大這樣大小的城市中所有家庭每年的電力。中國工程院院士、紫金山實驗室主任劉韻潔指出隨着人工智能技術的快速發展，對算力的需求越來越大，2021年全國數據中心耗電量達2166億度，碳排放達到1.35億噸，電力成本佔總成本的60%到70%。丹麥哥本哈根大學基於其開發的Carbontracker估算「在微軟超算數據中心中使用英偉達GPU訓練GPT-3模型，按照美國平均碳強度計算，將消耗大約19萬千瓦時的電，產生85000kg二氧化碳當量排放，相當於歐洲一輛汽車行駛70萬公里產生的排放量」。這樣的測算不一定完全客觀，但它提示人工智能的能源消耗較大。