AI技術(shù)擴(kuò)散過程中的時(shí)滯效應(yīng)與資源錯(cuò)配如何解釋當(dāng)前的生產(chǎn)率悖論？

AI技術(shù)對生產(chǎn)率的長期提升作用在短期內(nèi)受到多重因素的制約，形成了所謂的“生產(chǎn)率悖論”。首先，時(shí)滯效應(yīng)是核心解釋之一。通用技術(shù)如電力、半導(dǎo)體從發(fā)明到全面釋放生產(chǎn)率紅利往往需要數(shù)十年，期間需經(jīng)歷配套的組織變革、人力資本積累和技術(shù)擴(kuò)散。AI作為通用技術(shù)，其初期應(yīng)用常伴隨流程重構(gòu)和學(xué)習(xí)成本，導(dǎo)致生產(chǎn)率呈現(xiàn)J曲線特征，即初期可能下降，隨后才進(jìn)入快速提升階段。微觀數(shù)據(jù)顯示，早期采用AI的企業(yè)在經(jīng)歷短期調(diào)整后，長期生產(chǎn)率增速顯著高于未采用者。

其次，資源錯(cuò)配導(dǎo)致生產(chǎn)率提升集中在頭部企業(yè)。新技術(shù)的收益往往首先被具備規(guī)模優(yōu)勢、高勞動(dòng)生產(chǎn)率和較高薪資水平的企業(yè)獲取，如金融、信息通信等行業(yè)。這種結(jié)構(gòu)性分化使得宏觀層面的生產(chǎn)率提升缺乏廣泛的行業(yè)基礎(chǔ)，部分行業(yè)甚至未感知到明顯變化。此外，測量誤差也起到一定作用，傳統(tǒng)國民經(jīng)濟(jì)核算體系難以充分捕捉AI帶來的無形資產(chǎn)價(jià)值和效率改善，導(dǎo)致對AI生產(chǎn)率的貢獻(xiàn)被低估。

盡管存在上述障礙，學(xué)術(shù)界主流觀點(diǎn)仍認(rèn)為AI將在長期帶來生產(chǎn)率提升，預(yù)計(jì)2030年前后效應(yīng)將顯著顯現(xiàn)。貨幣政策在應(yīng)對這一轉(zhuǎn)型期時(shí)，應(yīng)重視微觀數(shù)據(jù)，區(qū)分結(jié)構(gòu)性調(diào)整與周期性波動(dòng)，維持相對寬松以支持技術(shù)擴(kuò)散，同時(shí)警惕資產(chǎn)泡沫風(fēng)險(xiǎn)。