题 目：经济学视角下的人工智能(AI):稀缺性转移与人类的挑战

来源：张晓晶,李晶晶.经济学视角下的人工智能(AI):稀缺性转移与人类的挑战[J].财政研究,2025,(07):3-17.

核心观点：

经济学的诞生与发展，根植于资源的稀缺性这一基本现实。正如罗宾斯（2000）的经典定义所指出的：经济学是研究人类行为与稀缺资源（具多种用途）之间关系的科学。没有稀缺性，便不存在选择问题，经济学亦无由存在。从历史的宏观尺度看，稀缺要素的核心地位从未停留在同一维度，而是伴随技术突破与制度创新不断转移。这种稀缺要素的历时性更替，改变了经济增长的内在机制与约束条件，甚至驱动了经济学理论范式演进。

（一）前工业社会：土地的稀缺性

在农业主导的前工业社会中，土地是最核心的生产要素。土地供给由自然条件决定，且随着人口增长，其人均可得性持续下降，使得土地成为相对稀缺要素。土地稀缺通过价格机制转化为垄断收益，进而产生租金。正如地租理论所揭示的，当土地的边际生产力下降时，肥沃土地便能获取差额地租，体现了土地所有者对稀缺资源的控制权。

从供需两端来看，有限的土地供给与不断上升的人口（粮食）需求之间的矛盾，构成了经济增长的刚性约束。土地刚性供给与农业技术的提升，虽带来人均资源的短暂提升，但伴随而来的人口增长，逐渐将新增盈余全部吸纳，使得经济回归原有的人均贫困水平，构成典型的“马尔萨斯陷阱”

（二）工业社会：资本与劳动的稀缺性

工业革命的爆发改写了“土地主导”的稀缺格局。第一次工业革命之后，蒸汽动力、机械化生产等技术革命极大提升了生产率，使经济步入人均GDP 持续增长的时代。在工业社会，资本和劳动逐渐成为经济增长中关键的稀缺要素。从资本视角看，资本投入从初期的短缺状态向持续扩张转变，进而成为工业产出的关键驱动力。与前工业时代相比，工业化对机器设备、厂房和基础设施的需求呈快速增长，资本投入成为扩张产出的关键要素。资本投入越多、设备越精良，单位劳动产出越高，资本积累因而成为工业经济增长的直接驱动力。然而，按照索洛增长的理论，当资本存量扩大到一定程度，其边际产出会递减，资本积累对增长的推动作用趋于放缓，使得稳态条件下人均产出仅受“技术”的影响。从劳动视角看，劳动存在着数量供应与技能结构双重约束。

工业体系既需要大规模劳动力供给，又不断提升对劳动者技能水平的要求。低技能岗位在流水线与机械面前逐渐被替代，而高技能技术工人与工程师却出现结构性短缺，即劳动数量增长未必转化为等比例的有效劳动供给，技能稀缺成为制约技术扩散与资本回报的另一瓶颈。

上述分析表明，工业社会的增长表现为，资本扩张奠定规模基础，高技能劳动力进而吸收与迭代技术创新，而技术创新则在边际产出递减出现时打开新的生产可能边界。然而，工业社会也暴露增长的瓶颈：一是新古典经济学所强调的资本报酬递减，使新增投资拉动效应日益缩小；二是高技能劳动力供给滞后。上述增长约束的存在，使得有形资本难以维系增长的边际效益。在此背景下，非竞争性的无形资本（如知识、人力资本等）开始取代边际报酬递减的有形资本，成为新的稀缺生产要素。这一转折奠定了进入后工业时代后“稀缺性转移”的历史逻辑。

（三）知识经济时代：无形资本重要性提升

20 世纪下半叶以来，全球经济逐步迈入以知识和信息为主导的新阶段，传统工业体系开始向服务化、数字化和智能化方向演进。在这一阶段，信息通信技术（ICT）的快速发展不仅催生了全新的产业形态，也改变了经济运行的底层逻辑。知识、技术等无形资本逐渐替代传统有形要素，成为推动增长的关键资源。例如，内生增长理论将技术进步从外生给定转变为经济体系内部决定，明确将具有显著的非竞争性、非排他性“知识”视为一种特殊的生产要素。

伴随知识经济的兴起，无形资本日益取代传统物质资本，成为推动经济增长的核心动力。20 世纪80 年代到世纪之交，信息通信技术的快速普及为知识资本的大规模积累提供了重要平台，也显著放大了知识溢出效应。1980—2000 年期间，全球人均GDP 年均增长率达到1.58%，明显高于第二次工业革命时期（1870—1950 年）。该阶段增长率提升不仅源于新兴技术的广泛应用，也体现了知识资本和技术溢出效应的放大。

进入21 世纪后，随着人工智能、大数据、云计算等新兴技术的发展，无形资本的重要性进一步凸显。2000—2022 年全球人均GDP 年均增速达2.40%，该阶段增速已经超过早期工业化阶段。这反映出经济增长所依赖的稀缺要素可能再度发生结构性转移，从土地到资本，再到知识、数据等，要素结构演变影响着经济增长的主路径，也预示着AI 时代新的稀缺瓶颈正在形成。

（四）AI 时代：稀缺性问题的再思考

人工智能的兴起并非割裂于知识经济的发展脉络，而是其自然演进与深化。进入21 世纪后，随着生成式模型、深度学习和大规模语言模型等技术的突破，数据、算法与算力等非物质性生产资料逐渐取代传统要素，成为支撑经济活动的关键要素。这一转变不仅丰富了无形资本的内涵，更改变了稀缺性的结构性基础。

人工智能融合“自动化—生成—优化”的能力，使数据具备了更强的可编程性与经济价值，算法则成为组织认知与决策的核心工具，算力逐渐成为智能系统运行不可或缺的关键资源。与传统生产要素相比，这些新型无形资本具有高度的非物质性、可扩展性与网络外部性，通常表现出显著的非竞争性与规模效应。更重要的是，它们依赖于不断积累与优化的反馈机制，在使用过程中不仅不会贬值，反而可能持续增强其边际效用。这种特性使得无形资本在AI 时代获得了与传统物质资本截然不同的经济地位，逐渐成为新一轮资源结构重组的核心驱动力量。

 （四）AI增长潜力的机制

人工智能的核心特征在于，通过无形资本（如数据、算法和算力等）与有形资本（如芯片、数据中心等算力基础设施）的深度融合，打造出能够广泛承担劳动任务并具备生成内容、优化决策与控制实体设备的智能系统。从广义上讲，AI 不仅包括具备生成、推理与学习能力的大语言模型（如ChatGPT、DeepSeek）及其支撑技术（如云计算、预测优化算法等），还包括工业机器人和嵌入式智能实体等。

1.优化知识获取机制，缓解高技能劳动力稀缺性。

在传统经济增长模式下，知识和技能的获取高度依赖于个体经验积累，这个过程往往伴随着高教育成本、长期经验投入以及制度性进入壁垒。这使得高技能劳动力成为知识经济时代增长的核心瓶颈，限制了技术进步的扩散速度和经济增长的广度。然而，AI 尤其是生成式AI 大模型（如GPT、DeepSeek 等）的出现，正在显著改变这种状况。

首先，AI 具备“知识资本化”能力。大量过往依赖个体经验积累的隐性知识（tacit knowledge），如今可以通过AI模型进行结构化提取并广泛复制。例如，医生的诊断路径、科研人员的实验设计思路等专业性知识，可通过AI系统在用户之间实现共享与迁移。这意味着，AI 技术降低了获取复杂知识的门槛，使大量原本未受完整培训的劳动者也具备执行高技能任务的能力。其次，AI 有助于人力资本供给的扩大。AI 所实现的知识复制与再利用，打破了传统人力资本“不可复制”的特性，使得知识本身具备了接近于“公共品”的属性。

2.重构任务空间，拓宽劳动与资本应用边界。

AI 技术推动经济增长的另一机制，在于其对任务空间的重塑能力。AI不仅能替代原有任务，更能不断拓展新的任务边界，由此打开经济增长的新空间。这种增长并非来源于单纯的效率提升，而是通过引入全新的生产活动与价值创造路径，实现结构性扩张。一方面，AI 改变了任务与要素的匹配方式，重构了生产结构。过去，认知类、高技能任务高度依赖个体经验与训练，形成了增长中的稀缺瓶颈。AI系统（尤其是生成式AI）的广义认知能力，使诸如文本生成、图像识别、逻辑推理等任务由人机协同或AI主导完成，将这些高附加值任务从个体知识中“解放”，转化为可复制、可部署的系统性要素。这种任务外包式的调整，提高了认知型劳动的供给弹性，拓宽了资本与劳动的应用空间，增强了经济系统对高价值任务的承载能力。另一方面，AI所创造的新任务与新岗位，能够为经济系统注入新增长源泉。这类任务不只是对传统岗位的延伸，而是在AI作为生产工具或协同主体参与下，衍生出的全新劳动形式，如AI训练数据管理、模型微调服务等。这些任务具备较高技术含量与网络依赖，具备强烈的外部性与递增报酬潜力。新任务的扩展，不仅提升了总劳动投入的“有效性”，也带动了配套服务、技能培训、技术集成等新兴产业链条的发展。

3.网络效应与规模经济，新型无形资本崛起。

      在传统新古典增长理论（如Solow模型）中，资本积累最终面临边际报酬递减（即每增加一单位资本所带来的产出增量会不断下降）的困境，这成为经济增长的重要制约因素。AI带来的新型无形资本（特别是数据、算法和算力）重要性不断提升，呈现出与传统有形资本显著不同的回报结构，且这一增长效应相对于电力或互联网而言，外部性和正反馈机制更强、影响范围更广。首先，AI系统本身及其关键投入（数据、算法、算力）具有强烈的非竞争性和非排他性特征。AI模型一旦训练完成（高固定成本），几乎可以无限次地服务用户而不会“消耗”自身（低边际成本）。正因如此，AI 的边际生产率可能在一定阶段表现为递增效应。其次，AI的发展高度依赖网络外部性与正反馈机制。一方面，AI 模型的性能随用户规模和应用场景数量的提升而显著增强，即更多用户输入使模型持续迭代优化，进而吸引更大规模用户群体。另一方面，AI平台与生态的扩展极大提升了创新扩散速度和范围，例如，主流云AI平台使得全球数百万企业和开发者能实时获取最新算法和算力，从而形成网络效应下的指数级增长。最后，作为潜在的通用目的技术，AI能够与其他新兴技术（如大数据、物联网、生物科技等）结合，并通过平台扩散机制，在多个行业与应用领域中叠加放大其影响力。上述特征使得AI产业及其带动的相关产业能够持续吸引资本、人才和创新资源，实现技术和经济的协同增长。