楊虎濤

(中南財經(jīng)政法大學(xué)經(jīng)濟(jì)學(xué)院,湖北 武漢 430073)

近年來，人工智能(Artificial Intelligence,AI)技術(shù)得到了快速發(fā)展與廣泛應(yīng)用。斯坦?！?017年人工智能指數(shù)報告》顯示，全球人工智能領(lǐng)域創(chuàng)業(yè)公司數(shù)量自2000年以來已增加了14倍，風(fēng)險投資資本金額自2000年以來增加了6倍，由論文發(fā)表量、課程注冊學(xué)生數(shù)、風(fēng)險資本投資測算的綜合人工智能活力指數(shù)自2000年來增長了6倍以上。2013年以來，僅在美國，需要人工智能技能的工作比重就增長了4.5倍[1]。

作為一種可替代人類體力乃至腦力勞動的技術(shù)革命，人工智能的快速發(fā)展引起了廣泛的關(guān)注。樂觀者普遍認(rèn)為，隨著人工智能的發(fā)展，人類將很快進(jìn)入奇點時代，進(jìn)入馬克思所說的“自由人的自由發(fā)展”的階段，凱恩斯[2]的“100年內(nèi)解決經(jīng)濟(jì)問題”“經(jīng)濟(jì)問題將不再是人類的永恒問題”的預(yù)言將很快成真。而悲觀者則認(rèn)為，人工智能對經(jīng)濟(jì)增長的影響不會太顯著，索洛悖論(Solow Paradox)將再次呈現(xiàn)，人工智能引發(fā)的就業(yè)和收入分配的沖擊反而更值得擔(dān)憂。例如，F(xiàn)rey和Osborne[3]的研究指出, 美國經(jīng)濟(jì)中將有47%的就業(yè)會因人工智能及其相關(guān)領(lǐng)域的進(jìn)步而自動化，涉及金融市場交易、律師助理工作、會計、駕駛等多個行業(yè)。而James等[4]對美國2 000個工作類別的考察也同樣表明，現(xiàn)有的人工智能技術(shù)可以替代其中45%的工作。

從經(jīng)濟(jì)學(xué)而非未來學(xué)和倫理學(xué)的角度考察，對人工智能發(fā)展及其影響的判斷不可避免地涉及如下問題：第一，人工智能是否意味著奇點臨近？第二，人工智能是否是一種新的通用技術(shù)，如果是，它的擴(kuò)散過程與之前的通用技術(shù)有何不同？第三，無論是奇點臨近還是歷史上一種通用技術(shù)的擴(kuò)散，人工智能的發(fā)展對就業(yè)和收入分配的影響如何？第四，對于中國而言，人工智能的機(jī)遇是什么？本文擬對上述問題進(jìn)行嘗試性探討。

一、人工智能：強(qiáng)與弱

在人類發(fā)展的歷史上，從狩獵采集社會轉(zhuǎn)入農(nóng)業(yè)社會，以及從農(nóng)業(yè)社會轉(zhuǎn)入工業(yè)社會，是兩次奇點式發(fā)展，而進(jìn)入工業(yè)社會以來，則經(jīng)歷了五次技術(shù)長波，即始于1771年的工業(yè)革命，始于1829年的蒸汽機(jī)與鐵路時代，始于1875年的鋼鐵電力與重化工時代，始于1908年的石油、汽車與大規(guī)模生產(chǎn)時代和始于1971年的信息技術(shù)時代。而對人工智能，第一個必須做出的判斷是，它究竟是一個新的技術(shù)長波的起點，抑或只是上一波信息技術(shù)浪潮的一個小波，還是一個類似于農(nóng)業(yè)革命和工業(yè)革命那樣的奇點時代的標(biāo)志？

如果人工智能引發(fā)的只是前者，則我們可以將其視為一個工業(yè)革命以來自動化程度提升的延伸，它僅僅是漫長自動化過程中的最新浪潮。自工業(yè)革命以來，技術(shù)進(jìn)步的突出特征是人體力的節(jié)約和肢體的延伸。在信息技術(shù)發(fā)展之前，這一過程的主要特征是逐步機(jī)械化和自動化，信息革命以來，這種自動化進(jìn)程的變化則集中體現(xiàn)在標(biāo)準(zhǔn)化上，而人工智能只是通過高度的標(biāo)準(zhǔn)化(歸類、識別與預(yù)測)進(jìn)一步促進(jìn)了機(jī)械化和自動化程度的提升。如果人工智能引發(fā)的只是進(jìn)一步的自動化、標(biāo)準(zhǔn)化和機(jī)械化，那么隨之而來的一系列問題則是，人工智能是不是一種類似于蒸汽機(jī)、計算機(jī)那樣的通用技術(shù)？如果是，在人工智能對應(yīng)的技術(shù)范式內(nèi)，哪些是關(guān)鍵要素或核心投入，哪些是生產(chǎn)關(guān)鍵要素或核心投入的動力部門(Motive Branches)，哪些是支柱部門(Carrier Branches)或主導(dǎo)部門(Leading Sectors)？與這些判斷相對應(yīng)的問題則是戰(zhàn)略性新興產(chǎn)業(yè)識別、收入分配和就業(yè)沖擊等。但是，無論人工智能是一個新的技術(shù)長波的起點，抑或只是以計算機(jī)為代表的第五次技術(shù)長波的一個小波，它對經(jīng)濟(jì)的結(jié)構(gòu)性影響都是毋庸置疑的，只是程度和規(guī)模的差異，但它不會是一種文明類型的質(zhì)變。

如果人工智能可以引發(fā)如庫茲韋爾預(yù)言的奇點，則意味著一種新的文明、生活方式和社會將因此而重構(gòu)。維基百科對技術(shù)奇點的解釋是：認(rèn)為未來將要發(fā)生一件不可避免的事件──技術(shù)發(fā)展將會在很短的時間內(nèi)發(fā)生極大而接近于無限的進(jìn)步。當(dāng)此轉(zhuǎn)折點來臨的時候，舊的社會模式將一去不復(fù)返，新的規(guī)則開始主宰這個世界。而后人類時代的智能和技術(shù)我們根本無法理解，就像金魚無法理解人類的文明一樣[5]。易言之，人工智能對應(yīng)的是文明質(zhì)變。在這一觀點中, 人工智能的進(jìn)步不僅是技術(shù)進(jìn)步的延續(xù),更是技術(shù)革新的顛覆性高潮——它可能導(dǎo)致歷史進(jìn)程與以前的創(chuàng)新浪潮的影響明顯不同,巴拉特[6]稱之為 “我們的最終發(fā)明”。在這一判斷下，重要的社會經(jīng)濟(jì)問題不僅是就業(yè)沖擊和收入分配問題，更是科技倫理、人類文明生存和延續(xù)這類問題。

判斷是否為奇點，一個重要的標(biāo)準(zhǔn)是人口和經(jīng)濟(jì)是否會呈現(xiàn)跳躍式增長。兩個奇點時代的突出標(biāo)志是，人口和經(jīng)濟(jì)產(chǎn)出在短時間內(nèi)呈現(xiàn)跳躍式增長。如果人工智能引發(fā)的并不是奇點式增長，而只是一個新的技術(shù)長波，那么可以預(yù)見的是，在未來相當(dāng)長的一段時期內(nèi)，由于索洛悖論的存在，經(jīng)濟(jì)增長率會處在一個相對較低的水平。[注]按照麥迪森的統(tǒng)計，雖然1950—2003年經(jīng)歷了數(shù)次技術(shù)浪潮，但經(jīng)濟(jì)增長相對穩(wěn)定，Hanson[7]稱之為“巨大的技術(shù)變化并不會在經(jīng)濟(jì)增長的數(shù)據(jù)上留下明顯的印記,短期的加速增長不一定必然歸因于某種技術(shù)發(fā)展”。而如果人工智能引發(fā)的是奇點式增長，那么在庫茲韋爾預(yù)言的時間節(jié)點2045年來臨之后，人類社會的人口和經(jīng)濟(jì)將呈現(xiàn)出一種爆發(fā)式的雙增長。按照技術(shù)奇點的加速度理論，這種增速將遠(yuǎn)超過前兩次奇點時代。在第一次奇點時代之前的狩獵采集社會，人口數(shù)量從1萬人擴(kuò)張到400萬人歷時200萬年。進(jìn)入農(nóng)業(yè)社會之后，人口和產(chǎn)出大約每900年翻一番, 比以前快了250倍。進(jìn)入工業(yè)社會之后，產(chǎn)出則每隔15年翻倍，比前一奇點時代快了60倍。Hanson[7]根據(jù)這一速度推測，認(rèn)為如果人工智能是新奇點的話，那么當(dāng)前的15年翻倍的速度將迅速提升到1個月乃至1周內(nèi)翻倍，兩年內(nèi)增長100萬倍。這樣的速度和規(guī)模當(dāng)然是一種顛覆性的文明質(zhì)變。

奇點論者的奇點依據(jù)首先在于庫茲韋爾關(guān)于科技增長以幾何級數(shù)進(jìn)行的結(jié)論，也即“加速度回報定律”，這也符合早期新制度主義者的工具組合原理，即技術(shù)越多，組合可能性就越多，技術(shù)進(jìn)步速度就越快。從技術(shù)層面上判斷，奇點論的依據(jù)在于，人工智能不是對人的體力的節(jié)約，而是智力的替代，人工智能早期投入雖然巨大，但擴(kuò)散和復(fù)制成本快速遞減，隨著學(xué)習(xí)時間和學(xué)習(xí)內(nèi)容的累積，智能水平也呈指數(shù)式發(fā)展。這種加速在技術(shù)上之所以可能，還因為計算生產(chǎn)率的持續(xù)快速增長。統(tǒng)計表明，標(biāo)準(zhǔn)計算的費用在1940—2012年以平均每年53%的速度下降。如果高量子比特計算成為可行, 計算將基本上是免費的, 對人工智能的限制將主要是軟件和工程。而量子計算機(jī)、云計算、物聯(lián)網(wǎng)、機(jī)器學(xué)習(xí)以及納米技術(shù)和生物技術(shù)的進(jìn)展一旦聚合起來，就會導(dǎo)致更快的加速度發(fā)展，最終引發(fā)技術(shù)奇點，完成從人工智能向超級智能(Superintelligence)的轉(zhuǎn)變, 此時，“智力比在幾乎每個領(lǐng)域中最好的人腦都要聰明, 包括科學(xué)創(chuàng)造力”[8]。

歷史上，類似的奇點預(yù)測曾出現(xiàn)過多次。例如，1958年，西蒙等就預(yù)測 “十年之內(nèi)，數(shù)字計算機(jī)將發(fā)現(xiàn)并證明一個重要的數(shù)學(xué)定理”；1965年，西蒙又進(jìn)一步預(yù)言“二十年內(nèi)，機(jī)器將能完成人能做到的一切工作”；1967年，明斯基也預(yù)言過“一代之內(nèi)……創(chuàng)造‘人工智能’的問題將獲得實質(zhì)上的解決”；1970年，明斯基又?jǐn)嘌浴霸谌桨四甑臅r間里我們將得到一臺具有人類平均智能的機(jī)器”[9]。但迄今為止，這些預(yù)言仍然還只是預(yù)言。其原因在于，無論是奇點預(yù)測，還是西蒙和明斯基的預(yù)測，都建立在“強(qiáng)人工智能可行”的基礎(chǔ)上，而當(dāng)前的人工智能發(fā)展仍屬于數(shù)據(jù)+統(tǒng)計模型的弱人工智能。

按照是否具有人類思考和認(rèn)知能力，人工智能可以分為替代計算、預(yù)測和搜索的弱人工智能和具有人類思考和認(rèn)知能力的強(qiáng)人工智能。而人工智能的研究進(jìn)展至今仍集中在弱人工智能領(lǐng)域，而本質(zhì)是數(shù)據(jù)+統(tǒng)計模型這一60年來未曾改變的基礎(chǔ)，其之所以在近年來在識別、預(yù)測等領(lǐng)域取得突飛猛進(jìn)的發(fā)展，只是得益于杰弗里等人對深度學(xué)習(xí)的推進(jìn)。弱人工智能和強(qiáng)人工智能的差異在于：前者只需要機(jī)器像人類一樣執(zhí)行(Perform as Humans)，為此只需要機(jī)器學(xué)習(xí)，最終產(chǎn)生輸入—輸出行為，且遵循“有多少人工有多少智能”的邏輯；而后者則需要使機(jī)器像人類一樣思考(Think as Humans)，其需要的原理是人類大腦的結(jié)構(gòu)和工作模式，其最后產(chǎn)生的結(jié)果并不是人工智能，而是智能人工(IA)。而在強(qiáng)人工智能發(fā)展的方向上，正如Hanson指出的那樣，我們無法理解大腦的運作，因而只能模仿大腦進(jìn)行全腦仿真。即對真正的人腦進(jìn)行掃描以得到足夠詳細(xì)的信息, 并確定每個神經(jīng)元的確切位置和類型, 例如，樹突、軸突和突觸。然后使用神經(jīng)元組件將輸入信號轉(zhuǎn)換為輸出信號的模型, 構(gòu)建一個特定大腦的計算機(jī)模型。如果模型、掃描和構(gòu)建足夠精確, 最終的模擬應(yīng)該與原始大腦具有相同的輸入—輸出行為。盡管現(xiàn)有研究已在模擬神經(jīng)元研究方面取得了不少進(jìn)展，但由于人類的神經(jīng)元多達(dá)千億，模擬大腦的實現(xiàn)無疑極為困難，“莫拉維克悖論”(Moravec’s Paradox)——計算機(jī)可以替代復(fù)雜計算卻永遠(yuǎn)無法模仿感知和運動——和“波蘭尼悖論”——我們知道的超過我們能表達(dá)的——仍構(gòu)成強(qiáng)人工智能發(fā)展的重大障礙。因此，Hanson判斷：“我們還有很遠(yuǎn)的距離”！[注]2017年底，英特爾宣布進(jìn)行Intel Loihi神經(jīng)元芯片研究，整個芯片上共有超過13萬個神經(jīng)元和1.3億個突觸連接，能夠根據(jù)環(huán)境變化即時編程，進(jìn)行“自學(xué)習(xí)”。英特爾“模糊地表示”，這一芯片的能效達(dá)到了傳統(tǒng)人工智能芯片的1 000倍。更為重要的是，由于我們?nèi)匀粺o法理解人腦的運作模式，即使在計算意義上達(dá)到模擬人腦要求，我們也不知道究竟會發(fā)生什么。從這一根本性的約束上說，強(qiáng)人工智能突破的奇點時代距離我們?nèi)院苓b遠(yuǎn)。

二、通用技術(shù)與索洛悖論

盡管如此，不可否認(rèn)的是，弱人工智能時代已經(jīng)日益趨近。對于這種人工智能的發(fā)展，聯(lián)合國2017年發(fā)布的《新技術(shù)革命對勞動力市場和收入分配的影響》報告中就判斷，人工智能和歷史上的蒸汽機(jī)、電力、計算機(jī)一樣，是一種通用技術(shù)(General Purpose Technology，GPT)[10]。雖然它的技術(shù)基礎(chǔ)是上一次信息技術(shù)浪潮的延伸，但其特點是屬性上完全不同的技術(shù)和能力，因而完全可能構(gòu)成一個新的技術(shù)長波的標(biāo)志。如果說奇點革命是一次大的新陳代謝，前奇點時代的生產(chǎn)方式和相關(guān)知識大部分都?xì)w于無用，那么作為一種新通用技術(shù)的弱人工智能則更多地表現(xiàn)為對傳統(tǒng)部門的重構(gòu)，一如之前的任何一種通用技術(shù)的產(chǎn)生一樣，索洛悖論將再現(xiàn)一次，短期內(nèi)人工智能對經(jīng)濟(jì)增長的貢獻(xiàn)不會有太多地超出預(yù)期的表現(xiàn)。

所謂索洛悖論是指：除了關(guān)于生產(chǎn)率的統(tǒng)計數(shù)據(jù)領(lǐng)域外，在其他領(lǐng)域，我們處處可見計算機(jī)的身影。這一IT投資與生產(chǎn)率之間的非顯著相關(guān)性也被戈登和查斯曼等所觀察到。不僅索洛等觀察到的20世紀(jì)70年代和80年代如此，而且統(tǒng)計也表明，即使在進(jìn)入互聯(lián)網(wǎng)技術(shù)快速發(fā)展的20世紀(jì)90年代以后，大部分美國人的實際收入仍停滯不前，生產(chǎn)率增長緩慢甚至減速。這一現(xiàn)象也發(fā)生在經(jīng)濟(jì)合作與發(fā)展組織其他國家和大型新興經(jīng)濟(jì)體中。2005—2016年美國的總勞動生產(chǎn)率年增長率僅為 1.3%,不到1995—2004年2.8%年增長率的一半，而發(fā)達(dá)經(jīng)濟(jì)體的勞動生產(chǎn)率年增長率在2005年以來一直在下降并保持著低位水平。在經(jīng)濟(jì)合作與發(fā)展組織的數(shù)據(jù)中，如果將2008—2009年危機(jī)期間的增長率排除在總數(shù)之外，30個國家中的28個國家仍然表現(xiàn)出生產(chǎn)率減速[11]。Brynjlofsson等[12]的研究也指出，自動駕駛技術(shù)將使美國的司機(jī)數(shù)量減少200萬人，但勞動生產(chǎn)率每年僅會提升0.2%。不僅學(xué)者，政府也對人工智能促進(jìn)經(jīng)濟(jì)發(fā)展的前景持相對保守的態(tài)度，盡管在過去5年時間里美國人工智能發(fā)展迅猛，但美國國會預(yù)算辦公室仍將美國勞動生產(chǎn)率增長預(yù)測從2016年1.8%降低到2017年的1.5%。

對于索洛在1987年提出的計算機(jī)技術(shù)與生產(chǎn)率悖論，Triplett[13]曾將其歸結(jié)為多個因素，例如，計算機(jī)產(chǎn)業(yè)規(guī)模小、測度錯誤、學(xué)習(xí)成本和時滯、通用技術(shù)的固有本性、利潤再分配問題和管理不當(dāng)?shù)?。而Brynjlofsson等[12]則指出，人工智能仍將出現(xiàn)和計算機(jī)一樣的索洛悖論，原因有以下四點：第一，錯誤希望，意指技術(shù)進(jìn)步與預(yù)期的背離，即技術(shù)進(jìn)步本身無法達(dá)到預(yù)期效果，錯誤預(yù)期主要來自于實驗室階段、中試階段的成果與最終大規(guī)模應(yīng)用之間的技術(shù)—應(yīng)用鴻溝。第二，錯誤度量，即新技術(shù)紅利已經(jīng)發(fā)生，但卻無法得到精準(zhǔn)測度，在這種情形下，事實上是效用及其組合本身已經(jīng)發(fā)生了改變，但在統(tǒng)計數(shù)字方面得不到明顯的體現(xiàn)，例如，許多新技術(shù)(智能手機(jī)、在線社交網(wǎng)絡(luò)和可下載媒體) 盡管發(fā)展迅速，也為消費者提供了大量新的效用，但這些技術(shù)由于相對價格較低且只占國內(nèi)總產(chǎn)值的一小部分，因而在統(tǒng)計數(shù)據(jù)上并不明顯。第三，再分配效應(yīng)，即雖然新技術(shù)提高了少數(shù)行業(yè)和少數(shù)企業(yè)的效率，但大部分行業(yè)和企業(yè)效率改進(jìn)不明顯甚至下降，因而總勞動生產(chǎn)率改進(jìn)不明顯。與此同時，新技術(shù)在孕育新部門的同時也帶來了舊部門的衰落，而弱人工智能的主要應(yīng)用也集中在預(yù)測、搜尋和廣告推送這幾個有限的領(lǐng)域內(nèi)，對總生產(chǎn)率的提升貢獻(xiàn)并不大。第四，也是最為重要的原因，在于通用技術(shù)的實施和重組滯后，因為作為一種通用技術(shù)，人工智能的經(jīng)濟(jì)效應(yīng)需要很長時間才能表現(xiàn)出來，其主要原因在于：第一，新技術(shù)本身需要規(guī)模拉動，進(jìn)而才能產(chǎn)生多部門的聚合效應(yīng)。第二，新技術(shù)所涉及的各個部門之間需要互補(bǔ)性的投資。第三，通用技術(shù)需要組織重構(gòu)，這也需要較長的時間和大量的調(diào)整成本。

歷史地看，工業(yè)革命以來，每一次通用技術(shù)都曾經(jīng)經(jīng)歷這樣的滯后階段。通用技術(shù)的確會成為生產(chǎn)力的重要推動力，但它不會在到達(dá)時立即提供生產(chǎn)率增益。技術(shù)史表明，多種新技術(shù)的“并存但不爆發(fā)”往往會持續(xù)很長時間。只有各種新舊力量之間產(chǎn)生關(guān)聯(lián)性，才會產(chǎn)生集中性的爆發(fā)并擴(kuò)散到傳統(tǒng)行業(yè)，進(jìn)而徹底引發(fā)技術(shù)經(jīng)濟(jì)范式的切換。煤和鐵在第一次工業(yè)革命之前已經(jīng)有了悠久的歷史，是蒸汽機(jī)啟動了三者之間的良性循環(huán)轉(zhuǎn)而成為鐵路時代的動力；內(nèi)燃機(jī)和汽車在第二次工業(yè)革命之前也存在了很久，是石油啟動了三者之間的良性循環(huán)，構(gòu)成了大規(guī)模生產(chǎn)的動力；交流電誕生于19世紀(jì)末期，但作為集中分布式能源影響到工廠的空間布局結(jié)構(gòu)，則經(jīng)歷了近半個世紀(jì)的時間；晶體管、半導(dǎo)體在20 世紀(jì)早期就存在，20世紀(jì)50年代就見證了集成電路和計算機(jī)的出現(xiàn)，但直到1971 年的微處理器登場，才啟動了信息技術(shù)時代；20世紀(jì)90年代初出現(xiàn)了互聯(lián)網(wǎng)熱潮，但電子商務(wù)直到20年之后才開始大規(guī)模興起，這一過程滯后不僅是因為組織調(diào)整和模式重構(gòu)需要成本和時間，更重要的是，需要等待其他互補(bǔ)性技術(shù)發(fā)展引起共振。

簡言之，一種新的通用技術(shù)一直要等到足夠的互補(bǔ)技術(shù)在效能和規(guī)模上達(dá)到全面耦合之后，其應(yīng)用價值才真正在總體經(jīng)濟(jì)數(shù)據(jù)中全面表現(xiàn)出來。在這一過程中，廉價的關(guān)鍵投入(鐵、電、石油、芯片、存儲器)是引發(fā)各技術(shù)系統(tǒng)自增強(qiáng)效應(yīng)的“引爆點”，而各技術(shù)系統(tǒng)所對應(yīng)的市場規(guī)模則決定了這種自增強(qiáng)形成的速度和強(qiáng)度。在歷次技術(shù)浪潮中，隨著技術(shù)系統(tǒng)的日漸復(fù)雜化，自增強(qiáng)涉及的子系統(tǒng)越來越多，也越來越復(fù)雜，通用技術(shù)的擴(kuò)散所歷經(jīng)的時間也越來越長，這也就是為什么“潛在的重組越深遠(yuǎn), 技術(shù)的最初發(fā)明與其對經(jīng)濟(jì)和社會的全面影響之間的時滯就越長”[13]。在第一次工業(yè)革命中，只需要煤、鐵、蒸汽機(jī)三者之間形成自增強(qiáng)系統(tǒng)，就可以迎來機(jī)械力的普遍增長。而在第二次工業(yè)革命中，則需要鋼、鐵路、內(nèi)燃機(jī)、石油和汽車之間形成自增強(qiáng)系統(tǒng)，進(jìn)而作為一種新的技術(shù)范式蔓延到傳統(tǒng)部門，從而使經(jīng)濟(jì)發(fā)生徹底的結(jié)構(gòu)性變遷。人工智能作為一種新的通用技術(shù)，其涉及的自增強(qiáng)系統(tǒng)無疑要比之前任何一種通用技術(shù)都要廣泛，而其涉及的重構(gòu)的傳統(tǒng)部門數(shù)量和類別也要遠(yuǎn)超以前任何一個時代，因而總時滯會更長。

如果人工智能是一種通用技術(shù)的話，那么這一時代的關(guān)鍵投入是什么？按照“最被需要”這一標(biāo)準(zhǔn)，人工智能本身就構(gòu)成關(guān)鍵投入。但值得注意的是，人工智能具有與之前任何一種通用技術(shù)不一樣的特征——其本身很難被理解為一種類似鐵、石油、芯片一樣的有形產(chǎn)品，按照里夫金的能源+通訊定義新時代的標(biāo)準(zhǔn)，人工智能既不是一種能源，也不是一種通訊，它只是算法+數(shù)據(jù)，但它的效能又依賴于高速微型芯片，如果僅有算法和數(shù)據(jù)，但缺乏處理能力，人工智能仍不能達(dá)成；如果有處理能力，但缺乏算法和數(shù)據(jù)，人工智能也不能實現(xiàn)。因此，人工智能時代的關(guān)鍵投入不同于之前任何一個時代，它應(yīng)由算法+數(shù)據(jù)+芯片三者共同構(gòu)成一種復(fù)合型的關(guān)鍵投入，這三個部門共同構(gòu)成動力部門，而以這些關(guān)鍵投入為基礎(chǔ)所刺激出來的快速增長部門，例如，機(jī)器人、自動駕駛等則構(gòu)成支柱部門或主導(dǎo)部門。

三、人工智能如何影響就業(yè)？

作為一種拓展自動化、機(jī)械化和標(biāo)準(zhǔn)化的技術(shù)體系，人工智能的發(fā)展并不會像想象的那樣，對就業(yè)市場產(chǎn)生巨大沖擊，導(dǎo)致嚴(yán)重的失業(yè)。事實上,機(jī)械化和自動化的歷史，是不斷的技術(shù)進(jìn)步乃至一個技術(shù)范式對另一種技術(shù)范式不斷替代的歷史，新技術(shù)雖然在舊的生產(chǎn)范式內(nèi)通過去技能化擠出勞動力，但并沒有減少對勞動力的總體需求，恰恰相反，與技術(shù)范式的不斷切換相伴隨的是對勞動力需求的擴(kuò)大和更高的實際工資。經(jīng)濟(jì)學(xué)家普遍認(rèn)為，在人工智能的沖擊下，結(jié)構(gòu)性失業(yè)無疑會發(fā)生，但長期內(nèi)就業(yè)總量、甚至勞動收入份額都不會出現(xiàn)下降，真正值得擔(dān)心的是，人工智能的擴(kuò)散所構(gòu)成的主要經(jīng)濟(jì)挑戰(zhàn)將是收入分配的不平等。

雖然新技術(shù)會造成對傳統(tǒng)技術(shù)條件下某些特定工作的替代，但這種替代效應(yīng)會受到來自多方面的反制力量的沖抵。Acemoglu和Restrepo[14]將這種反制力量分為四種：

第一種反制力量是生產(chǎn)率效應(yīng)。生產(chǎn)率效應(yīng)可以表現(xiàn)為對自動化部門勞動力需求的增加, 或者是對非自動化部門勞動力需求的增加。兩者都可以抵消新技術(shù)的勞動替代效應(yīng)。前一種情形體現(xiàn)為，隨著自動化部門效率的提升，該部門產(chǎn)品或服務(wù)的相對價格會下降，從而引發(fā)更大的需求，進(jìn)而引起該部門本身的規(guī)模擴(kuò)張，從而吸納更多的勞動力。經(jīng)典的例證就是自動取款機(jī)的廣泛使用，它的推廣并未減少對柜員需求數(shù)量，相反引起了銀行在更大范圍內(nèi)開設(shè)分支機(jī)構(gòu)，從而最終在總量上吸納了更多的就業(yè)。[注]Bessen[15]的研究結(jié)果表明，自20世紀(jì)70年代末期發(fā)明自動取款機(jī)以來，1980—2010年美國的銀行出納員就業(yè)人數(shù)實際上從50萬人增加到約55萬人，因為自動取款機(jī)通過降低運營銀行分支機(jī)構(gòu)的成本，間接增加了對柜員的需求。后一種情形則體現(xiàn)為，自動化部門效率的提升導(dǎo)致該部門對上游部門(原材料或服務(wù))產(chǎn)生更大的需求，從而引發(fā)了相關(guān)部門的擴(kuò)張和雇傭勞動的增加，經(jīng)典的例證就是飛梭的發(fā)明，雖然飛梭在生產(chǎn)現(xiàn)場減少了織布工的數(shù)量，但其引發(fā)的對紗線、紡紗機(jī)和精梳機(jī)的需求則在總體上極大地促進(jìn)了相關(guān)部門的就業(yè)。因而從生產(chǎn)率效應(yīng)的意義上說，新技術(shù)對勞動力的替代效應(yīng)不值得擔(dān)憂，真正值得擔(dān)憂的是生產(chǎn)率效應(yīng)是否足夠大。

第二種反制力量是資本積累效應(yīng)。即自動化意味著更大的資本需求，也意味著更大規(guī)模的資本積累，這一過程本身也會提高對勞動力的需求。我們可以將資本積累效應(yīng)理解為人工智能部門本身快速擴(kuò)張過程中所產(chǎn)生的對特定勞動力的持續(xù)需求，即部門本身所創(chuàng)造的勞動力需求。2017年領(lǐng)英《全球AI領(lǐng)域人才報告》表明，在全球范圍內(nèi)，通過領(lǐng)英平臺發(fā)布的人工智能職位數(shù)量從2014年接近5萬個增長到2016年超過44萬個，人工智能人才需求3年翻了8倍[16]，騰訊研究院的數(shù)據(jù)也表明，僅在中國，截至2017年6月592家人工智能公司約有39 200位員工，但人才缺口仍高達(dá)兩倍。

第三種反制力量來自自動化程度深化，更具體地說，是來自自動化進(jìn)程加深過程中的生產(chǎn)率效應(yīng)。若自動化技術(shù)是勞動節(jié)約型的，當(dāng)然會產(chǎn)生很強(qiáng)的勞動替代效應(yīng)；但若自動化的深化過程是資本節(jié)約型的，即提高已經(jīng)自動化的生產(chǎn)任務(wù)中機(jī)器的生產(chǎn)率，在這種情形下，自動深化過程會提高資本生產(chǎn)率，但對勞動的替代效應(yīng)并不明顯，此時自動化程度的加深則通過生產(chǎn)率效應(yīng)發(fā)揮對對沖的抵消作用。例如，數(shù)控機(jī)床對傳統(tǒng)機(jī)床而言就是一種自動深化，它對在位工人的工作性質(zhì)和內(nèi)容產(chǎn)生影響，但對工人數(shù)量減少的影響并不顯著，但數(shù)控機(jī)床通過生產(chǎn)率效應(yīng)在本企業(yè)、本行業(yè)乃至相關(guān)企業(yè)和行業(yè)中創(chuàng)造了更多的勞動力需求。由于自動化進(jìn)程一旦啟動，就會有不斷優(yōu)化和深化的空間，因而這種自動深化帶來的新增就業(yè)也構(gòu)成了反制新技術(shù)替代效應(yīng)的一種主要力量。

第四種反制力量則來自于新工作創(chuàng)造，它也是最為重要和最為根本性的力量。Acemoglu和Restrepo[14]強(qiáng)調(diào)，創(chuàng)造新的、勞動密集型的工作，尤其是勞動力相對于資本而言具有相對優(yōu)勢的工作，可能是在快速自動化過程中反沖抵消新技術(shù)替代效應(yīng)的最主要力量。如果說自動化具有替代效應(yīng), 那么新工作創(chuàng)造則具有一種恢復(fù)效果。工業(yè)化的歷史表明，工業(yè)化不僅是一個自動化和機(jī)械化程度不斷提高的歷史，也是一個人類分工和職業(yè)類別深化擴(kuò)張的歷史。紡織、冶煉、農(nóng)業(yè)的自動化與機(jī)械化進(jìn)程也對應(yīng)著管理、財務(wù)、銷售、廣告和咨詢等行業(yè)的產(chǎn)生，Acemoglu和Restrepo[14]的研究也表明，1980—2010年新工資類別的產(chǎn)生解釋了一半左右的就業(yè)增長。而埃森哲的研究報告也認(rèn)為，人工智能已經(jīng)產(chǎn)生了許多新的工作類別，涉及智能培訓(xùn)、系統(tǒng)建構(gòu)與監(jiān)護(hù)、個性化教育、醫(yī)療保健和設(shè)計等。

長期來看，Acemoglu和Restrepo[14]所強(qiáng)調(diào)的這種新工作創(chuàng)造的另一個重要意義，在于它遏制了勞動力在國民收入中份額的下降趨勢，而生產(chǎn)率效應(yīng)、資本積累效應(yīng)和自動化加速效應(yīng)雖然可以產(chǎn)生抵消效應(yīng), 但它們是邊際效應(yīng)遞減的，其最終擴(kuò)張和吸納就業(yè)的能力會趨于衰減，則持續(xù)的、不可逆的自動化仍將最終減少勞動收入份額。而唯有創(chuàng)造新的勞動密集型工作,尤其是不斷創(chuàng)造出勞動力相對于機(jī)器具有相對優(yōu)勢的經(jīng)濟(jì)活動和職業(yè)類別，才能真正遏制和抵消勞動力收入份額的下降趨勢。在工業(yè)化以來的數(shù)百年時間里，之所以并未出現(xiàn)勞動力收入占國民收入比重的劇烈下降，其根源就在于這種創(chuàng)造新職業(yè)效應(yīng)的存在。而Nordhaus[17]則從另一個角度指出，人工智能時代的就業(yè)和勞動收入份額不會構(gòu)成實質(zhì)性的危險，其原因在于人工智能時代，“鮑莫爾成本病”仍將持續(xù)發(fā)揮作用，只要信息產(chǎn)品和非信息產(chǎn)品之間不能完全替代，就會有新的部門以更強(qiáng)的能力吸收勞動力。

盡管人工智能從長期來看不會構(gòu)成對勞動力就業(yè)和勞動力收入份額的毀滅性沖擊，但不可否認(rèn)的是，在短期內(nèi)，由于新技術(shù)的要求與現(xiàn)有勞動力技能之間的差異，這種沖擊仍需要社會付出巨大的調(diào)整代價?？焖僮詣踊瘺_擊下的勞動力市場調(diào)整過程將會非常緩慢，人力資本的浪費將不可避免，這將集中體現(xiàn)在直接受到人工智能技術(shù)沖擊和替代效應(yīng)最為顯著的行業(yè)。只有在教育和培訓(xùn)改善了人力資本的結(jié)構(gòu)之后，這種調(diào)整才會結(jié)束。歷史上這種調(diào)整的漫長記錄不勝枚舉：英國工業(yè)革命期間，雖然新技術(shù)不斷引進(jìn)，并最終導(dǎo)致了勞動力需求和工資的上升, 但這一過程卻導(dǎo)致了后來數(shù)十年的長期工資停滯、貧困擴(kuò)大和生活條件下降。這即是工業(yè)革命的恩格爾停頓(Engels’ Pause)[18]，直到大眾教育和其他人力資本投資提升以及改善了勞動力技能之后, 這種恩格爾停頓現(xiàn)象才消失。同樣的情形也出現(xiàn)在19世紀(jì)末和20世紀(jì)初的美國，當(dāng)時由于美國農(nóng)業(yè)自動化水平大幅度提高，大批農(nóng)業(yè)生產(chǎn)者面臨失業(yè)窘?jīng)r，美國為此推行了長達(dá)數(shù)十年的高中運動(High School Movement)，規(guī)定每個美國人在年滿16歲之后才能離開學(xué)校進(jìn)入社會工作，這一過程不僅投入了大量的教育建設(shè)資金，也讓大量農(nóng)村勞動力失去了經(jīng)濟(jì)收入，但這一過程最終極大地提高了美國勞動力的質(zhì)量，為隨后的經(jīng)濟(jì)快速崛起提供了優(yōu)質(zhì)而充裕的勞動力資源[19]。

正如Korinek和Stiglitz[20]所指出的，人工智能真正的挑戰(zhàn)在于對收入不平等的影響。他們將這一原因主要歸結(jié)為創(chuàng)新租金分布的不平等。聯(lián)合國研究報告也特別強(qiáng)調(diào)，人工智能對全球價值鏈的沖擊，將使落后國家更難實現(xiàn)向上的突破和發(fā)展，新的技術(shù)革命將會使制造業(yè)和參與全球價值鏈的成果變得更加集中，從而限制落后國家的結(jié)構(gòu)轉(zhuǎn)型。而Autor[19]對歐洲16個國家的研究也表明，自20世紀(jì)90年代的互聯(lián)網(wǎng)高潮以來，1993—2010年歐洲16國均出現(xiàn)了收入極化現(xiàn)象，即低教育水平、勞動密集型和高教育水平、智力和技術(shù)密集型的工作職位呈現(xiàn)兩極增長，但中等收入的就業(yè)崗位則呈現(xiàn)不同程度的下降。雖然在每一次技術(shù)浪潮下，隨著勞動力結(jié)構(gòu)的調(diào)整，都不可避免地出現(xiàn)這種結(jié)構(gòu)性極化現(xiàn)象，但值得重視的是，在之前任何一次技術(shù)浪潮下，勞動者均是作為純粹的勞動力參與新的分工體系，而在人工智能浪潮中，是整個社會為人工智能提供了數(shù)據(jù)基礎(chǔ)，是在整個社會成員巨量的歷史累積數(shù)據(jù)和不斷更新的現(xiàn)實數(shù)據(jù)的基礎(chǔ)上，人工智能的搜尋、預(yù)測和判斷才成為可能。因此，如何使人工智能的創(chuàng)新盈余普惠更多人，是政府公共部門尤其是稅收立法部門應(yīng)該重點關(guān)注的問題。

四、人工智能時代的中國優(yōu)勢

2017年7月，國務(wù)院發(fā)布了《新一代人工智能發(fā)展規(guī)劃的通知》，確立了“三步走”的目標(biāo)：到2020年，人工智能總體技術(shù)和應(yīng)用與世界先進(jìn)水平同步；到2025年，人工智能基礎(chǔ)理論實現(xiàn)重大突破、技術(shù)與應(yīng)用部分達(dá)到世界領(lǐng)先水平；到2030年，人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，人工智能核心產(chǎn)業(yè)規(guī)模超過1萬億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過10萬億元。而普華永道則預(yù)測，到2030年，中國的人工智能產(chǎn)業(yè)規(guī)模將達(dá)到7萬億美元，將會是美國的兩倍，成為世界第一人工智能大國。而從現(xiàn)有的公司數(shù)量和融資規(guī)模上看，中國人工智能已經(jīng)形成和美國二強(qiáng)爭霸的格局。根據(jù)Venture Scanner的數(shù)據(jù)，截至2017年6月底，全球?qū)I(yè)從事人工智能的初創(chuàng)企業(yè)總數(shù)達(dá)到2 542家。中美兩國占據(jù)全球人工智能初創(chuàng)企業(yè)總數(shù)的2/3，其中，美國約1 100家，中國約600家。中國人工智能在2017年上半年的融資額已經(jīng)超過150億元，累積融資額攀升到635億元，占據(jù)全球融資總額的33.2%，超過除美國外其他國家的總和。

中國成為世界第一人工智能國有無可能？按照新熊彼特學(xué)派的觀點，后發(fā)國家的技術(shù)追趕存在著兩種機(jī)會窗口：第一種機(jī)會窗口只與傳統(tǒng)產(chǎn)業(yè)相關(guān)，而與新技術(shù)革命和新興產(chǎn)業(yè)無關(guān)，這種機(jī)會窗口同時意味著高的資本準(zhǔn)入門檻和知識門檻，以及逐步飽和和收益遞減的產(chǎn)品市場。而第二種機(jī)會窗口則與激進(jìn)的新技術(shù)革命相關(guān)，后來者剛開始并不是新技術(shù)的最初發(fā)明者，但在一種新的技術(shù)長波啟動之初，先進(jìn)國家和后發(fā)國家基本處在同一起跑線上，實驗室知識而非企業(yè)默會知識構(gòu)成起始階段新技術(shù)的知識特征，后發(fā)國家可以通過自主創(chuàng)新等措施和國內(nèi)市場規(guī)模等條件占據(jù)技術(shù)革命的制高點，因此，技術(shù)經(jīng)濟(jì)范式的切換可以為后發(fā)國家實現(xiàn)技術(shù)追趕提供第二種機(jī)會窗口。而且由于組織和用戶對傳統(tǒng)技術(shù)經(jīng)濟(jì)范式的路徑依賴弱，后發(fā)國家在新技術(shù)經(jīng)濟(jì)范式出現(xiàn)初期反而具有后發(fā)優(yōu)勢。具體到中國，改革開放四十年來，我們以模仿者和跟隨者的方式比較完整地經(jīng)歷了第五次技術(shù)長波的導(dǎo)入期和拓展初期，這一過程使中國形成了完整的產(chǎn)業(yè)鏈、世界工廠的生產(chǎn)能力和一定的技術(shù)能力，在環(huán)境、資源和勞動力成本約束下，這一積累基礎(chǔ)本身已經(jīng)面臨著很強(qiáng)的升級壓力，這就客觀上構(gòu)成了對人工智能這一新的通用技術(shù)的強(qiáng)大的創(chuàng)新需求。

從歷次技術(shù)長波的歷史觀察中可知，在一個新的技術(shù)長波進(jìn)入導(dǎo)入期之后，一國能否成功地保持新技術(shù)長波中的領(lǐng)先地位或?qū)崿F(xiàn)趕超，取決于兩個因素：第一，能否在關(guān)鍵投入即動力部門中取得領(lǐng)先地位。第二，能否快速地讓動力部門、主導(dǎo)部門和引致部門[注]引致部門(Induced Sector)指的是受技術(shù)經(jīng)濟(jì)范式引導(dǎo)出的伴生部門。之間形成利潤和生產(chǎn)率提升的正反饋。而這兩種因素既取決于技術(shù)能力(知識積累)，也取決于生產(chǎn)能力(規(guī)模經(jīng)濟(jì))和生產(chǎn)體系的多樣化程度(網(wǎng)絡(luò)經(jīng)濟(jì))。從中美兩國人工智能的發(fā)展現(xiàn)狀看，中國的快速發(fā)展主要集中在規(guī)模優(yōu)勢主導(dǎo)的應(yīng)用層，尤其是消費類終端或服務(wù)，而在技術(shù)層，即人工智能通用技術(shù)平臺的發(fā)展上，中國在計算機(jī)視覺與圖像、智能機(jī)器人和自然語言處理等領(lǐng)域也有很好的表現(xiàn)，但在包含人工智能芯片、算法和數(shù)據(jù)的基礎(chǔ)層上，中國則弱于美國，與美國各大人工智能公司都有自己的人工智能芯片相比，中國目前僅有百度公司擁有自己的芯片DuerOS。由于基礎(chǔ)層是長期發(fā)展的支持，因此，一個普遍的擔(dān)憂是，中國在基礎(chǔ)層無法趕超美國，并將直接制約技術(shù)層和應(yīng)用層的發(fā)展。最終，中國將成為人工智能大國，但仍非人工智能強(qiáng)國。

雖然中國目前在芯片和技術(shù)平臺上處于劣勢，但正如前文所述，人工智能時代的關(guān)鍵投入是一種芯片、算法和數(shù)據(jù)的復(fù)合型投入，這三者互為依存，脫離任何一種都無法提供“智能”。目前，中國人工智能基礎(chǔ)層的落后主要集中在芯片領(lǐng)域，但由于人工智能仍處于技術(shù)浪潮的導(dǎo)入期，芯片上的落后仍有趕超時間，而且從人工智能的發(fā)展趨勢看，量子芯片必然成為未來的主流。而在量子芯片層次上，中美其實同樣處于第二種機(jī)會窗口的起點。而在算法領(lǐng)域，通用的算法是一種公開知識，深度學(xué)習(xí)模型的擴(kuò)散就是如此，而具體的算法則構(gòu)成各人工智能公司的機(jī)密核心，但由于數(shù)據(jù)正義和數(shù)據(jù)隱私的要求，在公眾壓力和政府立法部門的干預(yù)下，這種具體的算法也越來越面臨著開放的壓力，例如，2018年5月25日生效的歐盟《統(tǒng)一數(shù)據(jù)保護(hù)條例》就規(guī)定，所有算法必須解釋其輸出原理[21]。但是數(shù)據(jù)，不僅會成為一種壟斷性資產(chǎn)，也是一種不可轉(zhuǎn)移的資產(chǎn)，這種不可轉(zhuǎn)移性源于數(shù)據(jù)必須和數(shù)據(jù)的產(chǎn)生主體時刻關(guān)聯(lián)，一旦脫離這種關(guān)聯(lián)性，即時數(shù)據(jù)就成為無根之木，無源之水。而在數(shù)據(jù)方面，依托龐大的人口規(guī)模和用戶市場，中國具有無法替代的規(guī)模優(yōu)勢。截至2017年6月，中國網(wǎng)民規(guī)模達(dá)到7.5億，是美國人口的兩倍，互聯(lián)網(wǎng)普及率為54.3%，移動寬帶用戶總數(shù)達(dá)到10.4億，4G用戶總數(shù)達(dá)到8.9億，網(wǎng)民使用手機(jī)上網(wǎng)的比重高達(dá)96.3%，移動互聯(lián)網(wǎng)規(guī)模居于全球絕對領(lǐng)先地位。在數(shù)據(jù)生成和數(shù)據(jù)用戶上，這一龐大的規(guī)模必然為人工智能時代的關(guān)鍵投入之一——數(shù)據(jù)——提供持續(xù)而堅實的基礎(chǔ)。

一旦在基礎(chǔ)層構(gòu)成競爭力，那么借由龐大市場規(guī)模構(gòu)成的規(guī)模經(jīng)濟(jì)和產(chǎn)業(yè)部門的多樣性[注]對第二產(chǎn)業(yè)出口產(chǎn)品多樣性的測算結(jié)果顯示：除2007—2009年受國際金融危機(jī)的影響而出現(xiàn)產(chǎn)品多樣性指數(shù)的下滑，2000—2013年第二產(chǎn)業(yè)大多數(shù)產(chǎn)品的出口多樣性在波動中穩(wěn)步上升[22]。形成的網(wǎng)絡(luò)經(jīng)濟(jì)，就將使人工智能的生產(chǎn)關(guān)鍵投入的動力部門、主導(dǎo)部門和引致部門之間形成不可逆的正反饋效應(yīng)。龐大的市場規(guī)模意味著單位成本的降低，使新技術(shù)更容易得到市場回報，進(jìn)而激勵企業(yè)投入研發(fā)，而產(chǎn)業(yè)部門的多樣化則有助于形成新技術(shù)經(jīng)濟(jì)范式下的技術(shù)耦合和互補(bǔ)效應(yīng)，促進(jìn)新技術(shù)的擴(kuò)散與技術(shù)經(jīng)濟(jì)范式的形成。而包括美國在內(nèi)的西方發(fā)達(dá)國家在第五次技術(shù)長波后期都不同程度地經(jīng)歷了去工業(yè)化的過程，其部門間的需求引致創(chuàng)新力有限將會構(gòu)成制約其人工智能產(chǎn)業(yè)發(fā)展的主要因素。因此，人工智能這一新的通用技術(shù)不僅為中國實現(xiàn)趕超提供了第二種機(jī)會窗口，而且在這一通用技術(shù)的基礎(chǔ)層、技術(shù)層和應(yīng)用層上，中國也完全有抓住這一機(jī)會窗口的能力和基礎(chǔ)。當(dāng)前最為重要的，不僅是要加大芯片的研發(fā)投入，實現(xiàn)《中國制造2025》中2025年芯片自給率達(dá)到50%的目標(biāo)，而且更要促進(jìn)中國數(shù)據(jù)市場的發(fā)展和產(chǎn)業(yè)協(xié)同效應(yīng)的發(fā)揮，以及通過教育和相關(guān)培訓(xùn)為人工智能提供充裕的人才儲備。