2026人工智能与大分流

人工智能与大分化经济顾问委员会2026年1月1

简介几个世纪以来，世界上大多数经济体的增长速度都相似地缓慢。然而，随着工业革命的发生，“大分化”出现了，导致工业化国家相对于世界其他地区的增长速度加快。1

人工智能（AI）是一项具有变革潜力的技术，经常与工业革命相比较。然而，我们正目睹着各国在人工智能投资、绩效和采用指标上的明显领导者。特朗普政府通过加速创新、基础设施发展和放松管制，为美国的AI主导地位奠定基础，同时通过技术出口建立全球主导地位。如果人工智能革命与工业革命一样具有变革性，我们应该期望这将导致第二次大分化吗？当然，人工智能的未来影响是不确定的，因此在这篇论文中，我们关注今天可以看见和测量的经验数据。我们从回顾人工智能引领经济增长的潜力分析（第2节）开始，然后讨论人工智能对GDP和劳动力的影响估计。认识到这些影响是不确定的，因此需要持续监测，在第3节中，我们强调用于跟踪投资、绩效和人工智能采用的飞速发展速度的指标。然后，我们讨论不同国家在这些指标上的进展情况（第4节）。变化的惊人速度不能过分强调；这些指标中的许多每几个月就翻一番，每年都增长许多倍。这意味着未来的人工智能很可能与今天的人工智能非常不同。我们通过回顾特朗普总统为确保美国继续引领人工智能所采取的行动（第5节）来结束。正如总统所说：“美国是人工智能竞赛的发源地。作为美国总统，我今天在此宣布美国将赢得这场竞赛。”

22

未来展望过去25年中，随着世界上最富有的国家的增长速度低于许多发展中国家，出现了巨大的趋同。然而，基于大型语言模型(

LLM）的生成式人工智能的出现，将在美国引发新一轮深刻的经济转型，并承诺大幅提高生产力和增长。随着人工智能技术更多地融入到工作中，经济学家正在重新评估国内生产总值（GDP）的长期预测。然而，这段创新时期也并非没有复杂性。在本报告中，我们专注于对结构趋势进行长期分析，因为当然并非所有人工智能相关的投资都会盈利，并且短期总是包含着大幅波动的可能性。经济顾问委员会

11

肯尼斯·波默朗兹，

大分流：中国、欧洲与近代世界经济之形成(普林斯顿大学出版社，2000),https://www.j/stable/j.ctt7sv802“特朗普推动美国在人工智能领域的领导地位”社论,2025,/a/trump-advances-us-leadership-in-ai/8050987.html

2.1

人工智能背景近几年来，人工智能的能力和术语都发生了飞速发展，所以我们首先回顾人工智能领域中的几个关键术语。人工智能可以指代各种各样的计算机系统，从像深蓝这样的下棋计算机到像ChatGPT这样的生成式人工智能。在人工智能的大部分历史中，人工智能只能在一组相对较小的选项中做决策。最近对人工智能的兴趣激增与“生成式”人工智能的兴起相吻合，之所以如此称呼是因为它们能够“生成”文本、图像或视频。“大型语言模型”是能够创建文本的生成式人工智能。3

它们之所以“大”，是因为它们有数十亿个参数，之所以“语言”，是因为它们在大量用自然语言书写的文本上进行了训练。4

5

自主型人工智能是一类生成式人工智能的子集，它不仅仅是内容创作，还能够执行操作以达成目标。

6理解人工智能智能的一个框架从两个维度来看：

(1)

它执行不同任务的能力：从写文章，到识别图片中的物体，到编写计算机代码，到解决数学问题；

(2)人工智能在该任务上的能力与人类水平的智能相比如何。当今的人工智能系统具有“专门化”

（或“狭窄”）的智能，因为尽管它们可能在特定任务上超越人类（没有人能像计算器那样快速乘法），但人工智能无法执行人类能执行的所有任务。人类能够执行各种各样的不同任务。因此，我们说人类具有“通用”智能，而当前的AI（包括ChatG

PT和代理型AI）具有“专门化”智能。通用人工智能（AGI）将是一种假想的AI，能够执行人类所能执行的所有智力任务，7

但是，通用人工智能（AGI）的精确定义备受争议，并且某些定义仅要求AGI能够执行“许多但不全部”的人类任务。人工智能超级智能（ASI），有时也简称为“

超级智能”，是指智能水平超越人类的人工智能。8

agi与超级智能之间的界限同样存在争议，部分原因在于这些术语涵盖了人工智能的不同方面：“agi”和“专门人工智能”描述了人工智能可以执行任务的普遍性，而“超级智能”描述了人工智能在这些

任务上的能力。然而，如果“仅仅”的agi能够以计算机速度执行所有人类任务，那么它就已经是超级智能了。但是考虑到语义上的分歧，值得注意的是，

openai、anthropic、xiai、meta和谷歌都旨在创造通用人工智能或超级智能。9

10

11

12

133“什么是大型语言模型（LLM）？”

云flare

,/learning/ai/what-is-large-language-model/4“什么是大型语言模型（LLM）？”

云flare

,https://w/learning/ai/what-is-large-language-model/5“什么是大型语言模型（LLM）？”

IBM,/think/topics/large-language-models6“什么是代理式人工智能？”

谷歌云,/discover/what-is-agentic-ai7“什么是通用人工智能？”

谷歌云,

https://cloud.goog/discover/what-is-artificial-general-intelligence8“什么是通用人工智能？”

谷歌云,/discover/what-is-artificial-general-intelligence

9“为通用人工智能及其未来发展制定计划,”OpenAI

,2023年2月24日

https://openai.com/index/planning-for-agi-and-beyond/

10

亚历克斯·希思，“马克·扎克伯格的新目标是创造通用人工智能”

The

Verge,2024年1月18日,https://www.the/2024/1/18/24042354/mark-zuckerberg-meta-agi-reorg-interview11

埃隆·马斯克（@elonmusk

），“我现在认为@xAI有通过@Grok5达到AGI的机会。以前从没想到。”

X,2025年9月17日,/elonmusk/status/196820237227616302912SarahPerkel，“Anthropic首席执行官表示AGI是一个营销术语，下一个人工智能里程碑将类似于“数据中心里的天才之国””商业内幕，2025年1月22日

https://ww

/anthropic-ceo-calls-agi-marketing-term-2025-113安卡·德拉甘等，《迈向负责任的AGI之路》谷歌深度思维,

2025年4月2日

,https://deepmind.google/discover/blog/taking-a-responsible-path-to-agi/经济顾问委员会

2这让我们对该报告的分析提出了一个重要的注意事项：人工智能经济分析的局限性。正如汉森（2001年）所指出的，能够完成所有人类任务的人工智能将导致绝对爆炸性的增长，并带来一个与我们今天所看到截然不同的世界。因此，通用人工智能（AGI，包括经济和其他方面）的影响是一个值得进一步研究的重要课题，但通常超出了我们当前分析的范畴，该分析专注于“窄”或“专门”的人工智能。2.2

人工智能对GDP的影响经济学家通常认为一个经济的生产力来自于三个因素：劳动的数量、资本的数量和全要素生产率（TFP）。

TFP是衡量一个经济效率和科技进步的指标。TFP的上升表明一个经济在使用同等数量劳动和资本的情况下生产了更多的商品和服务，或者用更少的投入获得相同产出。14

这项效率的提高是长期经济增长和生活水平提高的关键驱动力。15

对于那些资本存量已经很高的富裕国家，如美国，经济增长主要来自提高全要素生产率。16

17

18全要素生产率的提高最终会转化为更高的总经济产出，即GDP。然而，新技术的效果会有时间滞后，因为企业必须首先成

功采用新技术并调整其运营。19

20世纪90年代的大部分生产力提升源自于20世纪70年代和80年代发生的科技投资。20

大萧条期间发生的类似技术投资在20世纪50年代和60年代取得了成果。

21

因此，尽管TFP是一个重要的指标，但它不是AI对美国经济影响的先行指标。相反，研发支出22

23

例如，

AI-人工智能及其企业的产出是技术进步的早期指标。相关的研发活动在最终的创新被广泛采用并对宏观经济产生影响之前就已经发生了。大量近期研究尝试量化人工智能对GDP水平的影响。这些研究产生了广泛的估计范围：人工智能可能使GDP增长1%至45%以上。这一广泛范围反映了围绕人工智能经济特性存在的高度不确定性。然而15罗伯特·齐梅克“全要素生产率IMF,2024年9月/en/Publications/fandd/issues/2024/09/back-to-basics-total-factor-productivity-robert-zyme

k

16

罗伯特·夏克顿，《从历史视角看全要素生产率增长》国会预算办公室

,2013年3月,/sites/default/files/113th-congress-2013-2014/workingpaper/44002_TFP_Growth_03-18-2013_1.pdf

17

爱德华·C·普雷斯科特，“需要：一个全要素生产率理论”国际经济评论

,

1998年8月,

/stable/2527389

18

斯科特·A·沃尔拉，“‘经济增长的‘成分’是什么？”

圣路易斯联邦储备银行

,2013年9月1日,/publications/one-economics/2013/09/01/what-are-the-ingredients-for-economic-growth

19唐文杰、王通、徐文欣，“是早是晚？新技术引入中采纳时机的作用。”生产与运营管理2022年4月

https:///doi/epdf/10.1111/poms.13637?

msockid=28439e724fd560f012f588f14e1861b720

小罗杰·W·弗格森和威廉·L·瓦谢尔，“政府部门经济学卓越讲座：从前期的生产力繁荣中汲取的教训”经济学视角杂志,2004,/boarddocs/speeches/2004/20040707/attachment.pdf

21

小罗杰·W·弗格森和威廉·L·瓦谢尔，“政府部门经济学卓越讲座：从前期的生产力繁荣中汲取的教训”经济学视角杂志

,2004,https://www.federalreserve.gov/boarddocs/speeches/2004/20040707/attachment.pdf

22

路易莎·R·布兰科、吉·顾和詹姆斯·E·普赖格。“研发对美国各州经济增长和生产力的影响，”南方经济杂志，2016年1月,https://onlineli/doi/abs/10.1002/soej.12107

23

周延春，莊浩群，以及蕭本明.b.“信息技术对全要素生产率的影响：审视外部性和创新，”国际生产经济学杂志,2014年12月,/science/article/abs/pii/S092552731400261814罗伯特·齐梅克“全要素生产率IMF,

2024年9月https:///en/Publications/fandd/issues/2024/09/back-to-basics-total-factor-productivity-robert-zyme

k经济顾问委员会

3值得注意的是，仅2025年上半年，人工智能相关投资就使GDP增长了1.3个百分点的年化率。

24

25

和近期，回顾工业革命时期铁路投资的规模，似乎排除了最低的几个估计。关于人工智能对GDP影响的中间估计值包括牛津经济学院（8年后增长1.8%至4%）、麦肯锡（长期增长2.4%至4.1%）和高盛（10年后增长7%）。高估计值包括普华永道（10年后增长8%至15

%）和Aldasoro等人撰写的BIS学术论文（对于假设所有经济部门都将至少受到人工智能一定程度影响的他们的方法，10年后增长20%至45%）。Alonso等人有广泛的估计范围（4.7%至19.5%），反映了人工智能将更多地替代技术型还是非技术

型劳动力（后者会导致差异并因此产生美国的最高端增长估计）。为了比较，2010年的ITIF研究表明，信息技术革命使美国GDP增长了约14%。26

27这些估计都假设人工智能可以部分但不能完全替代人类劳动：在人工智能可以完成所有人类任务的情况下，资本成为劳动力的替代品，经济增长增加到每年45%（参见汉森，2001年）。24

Rui

M.Pereria等人，《内战前美国铁路与经济增长》，第5页威廉玛丽学院经济系,

2014年12月,/wp/cwm_wp153.pdf25

请注意，此1.3%的AI值是人工智能投资对GDP水平的影响，即使在获得该投资的任何生产率收益之前也是如此。CEA工作人员未能找到铁路在工业革命期间的这

一确切统计数据，但美国对铁路的投资从1830年的GDP的0.2%增长到1839年的0.9%，到1854年达到GDP的2.6%的最大值（Pereria等人,2024）。26

罗伯特·D·阿特金森等，《

.Com25年后的互联网经济》信息技术与创新基金会,2010年3月,https://www2./2010-25-years.pdf27itif表示2万亿美元。该报告于2010年初发布。2009年美国gdp为14.5万亿美元，参见“国内生产总值”。FRED,2025年12月23日,https://f/graph/?

g=1Pw1E经济顾问委员会

4注释：除Hanson（2001）外，这些都是人工智能对GDP水平的影响，而不是GDP增长率。2.3

人工智能之前的国际经济增长即使人工智能出现之前，不同国家可能也处于不同的增长路径上，美国展现潜在国内生产总值加速增长，而欧洲和中国增长放缓。

37

对于欧洲与美国而言，这主要归因于结构性因素，例如美国的生产力增长更强（尤其是在科技领域）以及美国更好的商业环境。38

对中国而言，经过数十年的快速增长，其增长现在正在放缓，变得更像新兴市场。39人工智能驱动的增长可能对中国尤其重要，因为他们的快速增长近年来已经放缓到与其他新兴市场更加可比的水平。与中国的相似之处，人工智能驱动的增长可能对欧洲尤其重要。尽管中国的崛起是21世纪反复出现的一个地缘政治故事之

一。st29“生成式人工智能对未来生产力增长的预期影响”宾夕法尼亚大学沃顿商学院，2025年9月8日，/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth

30“howgenai将如何改变世界经济”牛津经济学

,2024年5月8日,https://www.oxfordeconomics.com/resource/how-genai-will-change-the-world-economy/#:~:text=G

enerative%20AI%20has%20the%20potential,demand%2C%20adding%20to%20cost%20pressures

31

“生成式人工智能的经济潜力：下一个生产力前沿”

麦肯锡,2023年6月14日,

/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier

32

克里斯蒂安·阿隆索等，《人工智能革命将引发巨大分化吗？》货币经济学杂志，2022年4月

/science/article/abs/pii/S0304393222000162

33“生成式人工智能可能使全球GDP增长7%。”

高盛,2023年4月5日,https://www.gol/insights/articles/generative-ai-could-raise-global-gdp-by-7-percent34“运动中的价值,”PWC

,2025年4月29日

,

/bm/en/press-releases/value-in-motion.html

35

伊纳基·阿尔达索等，《人工智能对产出和通胀的影响》国际清算银行，2024年4月，https://w/publ/work1179.pdf

36罗宾·汉森，“鉴于机器智能的经济增长”乔治·梅森大学,2001,

/~rhanson/aigrow.pdf

37

皮埃尔-奥利维尔·古尔因什阿斯，“在一个周期结束时，另一个周期又在日益加剧的分歧中开始”

IMF

,2025年1月17日,https://www.im/en/Blogs/Articles/2025/01/17/as-one-cycle-ends-another-begins-amid-growing-divergence

38

皮埃尔-奥利维尔·古尔因什阿斯，“在一个周期结束时，另一个周期又在日益加剧的分歧中开始”IMF

,2025年1月17日,https://ww/en/Blogs/Articles/2025/01/17/as-one-cycle-ends-another-begins-amid-growing-divergence研究对GDP的影响等级时间范围区域阿塞莫格鲁

(2024)

280.9%至1.6%10年美国宾夕法尼亚大学沃顿商学院预算模型

(2025)291.5%10年美国牛津经济学（2024）

301.8%至4%8年美国麦肯锡（2023）

312.4%至4.1%长期全球阿隆索等

(2022)

324.7%至19.5%长期美国高盛

(2023)

337%10年全球普华永道(2025)341至15%10年全球阿尔达索罗等人（2024）3520%至45%10年美国汉森（2001）

36≥45%见注释全球经济顾问委员会

539

皮埃尔-奥利维尔·古尔因什阿斯，“在一个周期结束时，另一个周期又在日益加剧的分歧中开始”

IMF

,2025年1月17日,

https://ww/en/Blogs/Articles/2025/01/17/as-one-cycle-ends-another-begins-amid-growing-divergence28

达龙·阿西莫格鲁，“人工智能的简单宏观经济学”

国家经济研究局,2024年5月,/system/files/working_papers/w32487/w32487.pdf表1：人工智能对GDP水平的影响估计世纪，另一个较少讨论，尽管可能同样重要，的是欧洲的衰落。欧盟40

这不是仅仅因为高已从1980年占世界GDP的27%下降到2025年的仅14%。不仅是新兴市场增长率，德国和许多其他欧盟国家的增长率也低于其他发达经济体。这一趋势在人工智能领域仍在持续，欧盟在各项人工智能指标上都落后于美国和中国。例如，2013年至2024年间，美国累积的私营人工智能投资超过4700亿美元，而所有欧盟国家加起来的投资总额约为500亿美元。

41认识到人工智能对未来增长的关键作用，美国和许多我们的盟友已经42

帕克斯里卡

通过“Pax

Silica”（硅谷和平），美国人工智能供应链国际合作伙伴关系团结起来。成员范围从像日本这样的主要上游半导体设备制造商，到像卡塔尔这样的下游数据中心投资者。

43

这个多元化的群体因对人工智能和技术的前瞻性观点而团结在一起。因此，

Pax

Silica成员的增长速度比同行快两倍以上也就不足为奇，在2022年第四季度ChatGPT发布和2025年第三季度最新数据之间，它们的平均实际GDP增长率为2.5%，而G7国家的平均增长率则为1.

1%。442.4

人工智能对劳动的影响与杰文斯悖论现有证据显示人工智能的就业效应呈现混合图景。

Brynjolfsson等(2025)表明，在人工智能暴露的职业（如计算机编程和客户服务）中，初入职场者的就业率正在下降。

45

其他研究表明，人工智能接触与当前失业率之间没有相关性。46

还有研究发现，虽然就业在人工智能可以直接替代人类劳动的行业中下降，但人工智能的暴露实际上会增加依赖人工智能能力的任务的行业的就业。47

尽管当前人工智能的影响，总体失业率仍(约翰斯顿和马克里迪斯,2025).

目前在2025年12月为4.4%。48在短期内，如果人工智能提高了劳动效率，那就减少了为生产既定数量产出所需的劳动力数量，可能会降低就业。但历史先例表明，效率提升往往能增加（而非减少）该资源的总利用率——这种现象被称为杰文斯悖论。

49

杰文斯悖论发生时，如果一项技术进步减少了对特定应用所需资源（如劳动力）的数量，这实际上会导致该资源的整体使用量随着使用扩展到新的应用而增加。为了使杰文斯悖论发生，从而使就业随着人工智能的采用而增加，必须满足三个条件：首先，人工智能必须显著提高工人生产力；其次，40基于PPP的GDP，世界份额IMF,2025,/external/datamapper/PPPSH@WEO/EU/CHN41

亚历克斯·豪格，“发达经济体中人工智能竞争的现状”美联储体系,2025年10月6日,/econres/notes/feds-notes/the-state-of-ai-competition-in-advanced-economies-20251006.html#:~:text=US%20private%20investment%

20in%20AI,10

42“PaxSilica,”美国国务院,2025,/pax-silica43“美国欢迎卡塔尔签署PaxSilica宣言”美国国务院,2025,/releases/office-of-the-spokesperson/2026/01/the-united-states-welcomes-qatars

-signing-of-pax-silica-declaration

44

阿拉伯联合酋长国除最后一个季度外，均包含在所有季度的平均值中，因为该数据尚未发布。 45

埃里克·布赖约夫森等，“矿井里的金丝雀？关于人工智能近期就业效应的六点事实”，2025年8月26日，/wp-content/uploads/2025/08/Canaries_BrynjolfssonChandarChen.pdf46

玛莎·吉贝尔等，“评估人工智能对劳动力市场的影响：现状”，预算实验室，2025年10月1

日，/research/evaluating-impact-ai-labor-market-current-state-affairs47

安德鲁·C·约翰斯顿和克里斯托斯·马克里迪斯，“生成式人工智能对劳动力市场的影响：人工智能接触的差异分析，”

SSRN

,2025年7月31日

,

https:///sol3/papers.cfm?abstract_id=5375017

48“经济新闻稿”美国劳工统计局，2025年11月20日，

/news.release/empsit.nr0.htm49

BlakeAlcott

，“杰文斯悖论，”环境经济学,2005年7月1日,/science/article/abs/pii/S0921800905001084经济顾问委员会

6由此产生的成本节约必须转化为更低的价格；并且，第三，较低的价格必须比效率提升减少的单位劳动需求更快地增加消费者需求。50尽管这些条件看似很强硬，但杰文斯悖论已在许多不同领域观察到。杰文斯在1865年首次描述了这一悖论，当时煤炭和钢铁引擎效率的提高实际上增加了对煤炭、钢铁和其他资源的需求。51

在农业中，提高灌溉效率可能会增加用水量。52

节能照明的改进增加了对灯泡的需求量以及照明用电量。

53

杰文斯悖论甚至发生在看似与生产无关的领域：道路容量的增加会增加路上的驾驶员数量。

54

55

56

并且具体到人工智能和工作，放射科医生可能也面临着类似的情况，这是一个曾经被预测将被人工智能取代的工作。

57

但如今就业率正处历史高位。58从长远来看，关键问题是将人工智能与之前颠覆性技术进行比较和对比。历史类比表明，颠覆性技术（蒸汽动力、电力、计算机、互联网等）最终会带来更多的就业机会和收入。

59

如果人工智能技术要么发展出自主性（以便它能够像人类一样独立工作），要么在不会产生新的劳动力需求的情况下显著提高工人生产力，那么它就可能是个例外（Ayres，1990；Donaldson，2018；Feigenbaum和Gross，2024）。60

61

62

63

但过去技术变革的一般先例是它们创造了各种新领域。1860年，美国43%的就业人口从事农业，而2015年则只有1.2%。64

在那个时代，出现了大量新的职业，其中许多依赖于新技术。现

在，大多数56

徐文台和章鸿亮,\"高速公路拥堵基本定律的再审视：来自日本国家高速的实证\城市经济学杂志,2014,/a/eee/juecon/v81y2014icp65-76.html 57希思科特·鲁斯文和克里斯托夫·阿滕，“观点：人工智能生产力不会使受雇放射科医生受益”欧洲放射学杂志

人工智能

,2025年9月https://www.sciencedirect.c

om/science/article/pii/S305057712500031358迪娜·穆萨，“人工智能不会取代放射科医生”

理解人工智能，2025年10月1日，https://www.understandin/p/ai-isnt-replacing-radiologists59

克尔斯滕·霍特以及等人，《技术与就业：系统文献综述》，技术预测与社会变革,2023年9月,/science/article/pii/S0040162523004353

60

罗伯特·U·艾尔斯，“技术转型与长波。第一部分，”

技术预测与社会变革1990年3月

https://www./science/article/abs/pii/004016259090057361

彼得·古姆贝尔等，《历史能告诉我们关于技术和工作的什么？》,麦肯锡全球研究院，2018年2月16日，/featured-insights/future-of-work/what-can-history-teach-us-about-technology-and-jobs

62

Davedonaldson，“大英帝国的铁路：估算交通基础设施的影响”

美国经济评论

，2018年4月，/articles?id=10.1257/aer.20101199

63詹姆斯·菲根鲍姆和丹尼尔·P·格罗斯，《应自动化之召：劳动力市场如何适应电话操作的机械化》《经济学季刊》,2024年2月26日,https://academic.oup.c

om/qje/article/139/3/1879/7614605

64

乔尔·A·埃尔维，“美国职业结构的变化：1860年至2015年，”

克利夫兰联邦储备银行,2019年6月26日,

/publications/economic-commentary/2019/ec-201909-changes-in-us-occupational-structure51

BlakeAlcott，“杰文斯悖论，”环境经济学,2005年7月1日,/science/article/abs/pii/S0921800905001084 52王艳云等，“基于水足迹的中国天山区农业节水Jevons悖论的验证”农业水资源管理

,2020年9月1日,/10.1016/j.agwat.2020.10616353德博拉·迪巴尔，“杰文斯悖论：节能照明的案例”

中量级,2025年2月22日/babson-germany/jevons-paradox-the-case-of-energy-efficient-lighting-1d682483d7ab

54

吉勒斯·杜兰东和马修·A·特纳，“道路拥堵的基本法则：来自美国城市的证据，”

美国经济评论,2011年10月6日,/articles?id=10.1257/aer.101.6.261655

肯特·海梅尔，“如果你建造它，他们会驾驶：测量城市地区车辆旅行的诱导需求，”运输政策,2019,/a/eee/trapol/v76y2019icp57-66.html经济顾问委员会

750

格雷格·罗萨尔斯基，“为什么人工智能界突然痴迷于一个160年前的经济学悖论”NPR,2025年2月4日,

/sections/planet-money/2025/02/04/g-s1-46018/ai-deepseek-economics-jevons-paradox当前的工人在

1940

年以来创造的岗位上工作，从“风力涡轮机技术员”到“软件开发人员”到“纺织化学家”到“心理健康顾问。”653个关键指标进行跟踪理解人工智能的一个最重要要点，是关注其进展和变化的tốcđộ。用于训练人工智能模型的计算机算力并非每年仅翻一番：自2010年以来，它66

同样，顶尖人工智能公司的营收正增长三倍年均增长约4倍。每年，并且预计未来增长速度将比谷歌、亚马逊或微软的

快速增长阶段更快（见图5和图7）。由于这些指标中的许多都在几个月内翻一番，每年都会增长很多倍，这意味着人工智

能带来的变化可能非常迅速。类似于市场分析师监测住房启动或制造业产出以预测更广泛的经济健康状况，

一组特定的指标可以揭示AI在美国经济中日益增长的影响力。AI对GDP的影响体现在总要素生产力的变化中，因此我们首先强调这一衡量标准。但是，由于总要素生产

力是一个滞后指标，我们考虑其他作为AI影响先行指标的度量。这些度量跟踪AI相关投资的扩大规模、AI能力的加速以及AI的日益广泛应用，共同作为AI革命的晴雨表。

67

这些指标相互关联：投资是公司投入资源以推进技术的直接信号，这导致模型性能提升和单位成本降低。在更低的成本下获得更好的能力会推动人工智能的使用，这体现在人工智能公司的收入中。我们从讨论美国的这些指标开始，然后转向跨国分析。3.1

全要素生产率人工智能之所以对增长至关重要，是因为它对全要素生产率具有潜在的巨大影响。但以往的技术革命与生产率的关系却很复杂。计算机曾经只是占用整个房间的巨型机，但现在可以放入你的口袋。1987年，经济学家罗伯特·索洛曾著名地揶揄道：“你随处可见计算机时代，却看不到它在生产率统计中的表现。”

68对计算机似乎没有影响的解释范围从时间滞后，到经济学家无法衡量它们的实际效益，到有人声称计算机实际上并不提高生产力。

69

因此，虽然人工智能对全要素生产率的影响可能是关键问题，但我们还需要依靠其他指标。66

哈米·塞维利亚和爱德华·罗尔丹，“边界人工智能模型的计算能力每年增长4-5倍”Epoch

AI

,2024年5月28日,https://epoch.ai/blog/training-compute-of-frontier-ai-models-grows-by-4-5x-per-year

67对于其他关于AI领先指标列表，请参阅

https://epoch.ai/blog/what-will-ai-look-like-in-2030

或第19页附录中/system/files/working_papers/w34256/w34256.pdf

68

罗伯特·M·索洛，“我们最好小心点，”

纽约时报书评

，1987年7月12日，http://digamo.free.fr/solow87.pdf69

杰克·E·特里普莱特，“索洛生产率悖论：计算机对生产率有什么影响？”布鲁金斯学会,

1999年3月1日,

/articles/the-solow-productivity-paradox-what-do-computers-do-to-productivity/经济顾问委员会

865

大卫·奥托尔等,\"新前沿：新工作的起源和内容，1940-2018\《经济学季刊》,2024年3月15日

,https://acad/qje/article/139/3/1399/76301873.2

投资对人工智能生态系统的投资是巨大的，无论是针对模型本身还是周边基础设施。3.2.1

人工智能模型人工智能模型表现出一种可预测的趋势，即随着开发者增加模型参数数量、训练数据集规模以及用于训练模型计算机能力的提升，模型性能会提高。这种被称为“扩展定律”的经验关系使得模型开发者无需完全依赖于基础科学突破，仅通过投入更多资源即可提高其人工智能模型性能。在许多其他领域也存在类似的经验关系，例如摩尔定律，该定律指出集成电路上的晶体管数量每两年翻一番。由于扩展定律并非自然法则，而是观察到的经验关系，它们有朝一日可能会终结。但它们已定义了当前的深度学习时代，自2012年以来，用于训练计算机模型所需的计算量增加了超过10亿倍（见图1）。70图1：用于训练人工智能模型的计算量grok

4GPT-4GPT-3175BHyperCLOVA204BGPT-2（

355M）20162018

2020

2022

2024

20261E+271E+261E+251E+241E+231E+221E+211E+201E+191E+181E+172012AlphaGo粉丝2014训练计算量(FLOP)来源：Epoch

AI。注意：训练计算（FLOP）指的是训练人工智能模型所使用的浮点运算次数。为了满足这些需求，已经投入了惊人的资金。到2024年，全球企业人工智能投资达到了2520亿美元。仅生成式人工智能就同比增长了19%，达到了340亿美元。71

这经济顾问委员会

970“AI模型”Epoch

AI

,2026年1月6日

,

https://epoch.ai/data/ai-models71

全球私人AI投资达历史新高，增长26%斯坦福大学以人为本人工智能研究所

,2025,/ai-index/2025-ai-index-report/economy世界美国欧洲中国2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

2023

2024160140120100806040200来源：Quid；美国劳工统计局；我们世界中的数据。备注：该图表仅包括私人资金超过150万美元的私营公司。从2016年到2024年，训练（构建）

一个AI模型的能源和摊销硬件成本每年平均增长2.4倍，而云计算成本（见图3）每年平均增长2.5倍。73

由于近十年来成本每年翻倍，2025年7月发布的AI模型Grok4的训练成本约为4.9亿美元。74投资已集中在美国，该국가在2024年有940亿美元的私营部门人工智能投资（见图2）。72图2.私有AI公司的外部融资数十亿美元73本·科蒂埃等，“训练前沿AI模型需要多少成本？”Epoch

AI,2024年6月3日

,https://epoch.ai/blog/how-much-does-it-cost-to-train-frontier-ai-models

74詹姆斯·桑德斯等，“训练Grok4付出了什么？”

Epoch

AI,2025年9月12日

,https://epoch.ai/data-insights/grok-4-training-

resources

72私有不高于150万美元的AI公司外部融资”

我们的世界数据2025,/grapher/private-investment-in-artificial-intelligence?time=earliest..202

4经济顾问委员会

10Llama3.1-405BGPT-4OpenAI五2016

201720182019202020212022202320242025BLOOM-176B

Xception100K10K1000100101B1亿10M1M来源：Epoch

AI。说明：估计的云计算成本是历史云租赁成本和训练芯片时长的乘积。这些成本是模型最终训练运行的成本。持续的模型训练投资尽管成本不断上升，表明了开发更强大和复杂的AI系统的承诺。全球有很多投资指标，因此关于投资的进一步讨论，请参阅第4.1节的跨国比较。3.2.2

人工智能基础设施仅因人工智能技术的日益普及，2025年数据中心及相关设备的投资已超出模型训练投资，大幅增长。2025年上半年，美国的信息处理设备与软件投资年增长率达28%，较2024年的5.5%年增速有所上升。75

换句话说，在2025年第二季度，这项投资已经比2024年底高出1250亿美元以上（按年计算）。76

信息处理设备和软件占美国所有投资的四分之

一。77

一个已经很大的类别正在以非常快的速度增长，这意味着现在人工智能正在推动美国GDP的投资驱动型飙升（而不是由消费或不可持续的政府支出驱动的飙升）。经济顾问委员会

1176“信息处理设备和软件的私人固定投资,”FRED

,2025年12月23日,

/series/A679RC1Q027SBEA 77“固定私人投资”FRED

,2025年12月23日,

https://fred.st/series/FPI图3.训练人工智能模型的云计算成本成本（2023年美元，对数刻度）75

实际私人固定投资：信息处理设备和软件的私人固定投资

FRED

,2025年12月23日,

https://fred.stlouisfed.org/series/A679RL1Q225SBEA

3.3

性能持续对人工智能的投资提高了人工智能模型的性能，包括它们解决不同任务的能力、它们可以成功执行的任务长度以及降低每个“token”的成本78由人工智能模型生成。我们认为有两个性能指标：基准分数和每个令牌的成本。3.3.1

提高基准分数基准是一组标准化任务，旨在评估特定的AI能力，例如推理、编码或语言理解。随着LLM变得更有能力，它们在旧的基准上

达到了近乎完美的分数，这种现象被称为“基准饱和”。79

例如，2023年至2024年，

AI在计算机编程基准SWE-bench上的

表现从4%跃升至72%。

80在研究生级别问答、高等数学以及各种其他学术科目的基准测试中，已经发生了类似的现象。

81然而，虽然前沿人工智能在许多考试和任务上远胜于人类，但目前最佳的AI代理在将更长的行动序列组合在一起时往往遇到困难。因此，它们目前无法独立完成实质性项目，甚至无法完全替代低技能的基于计算机的工作，例如远程执行助理。

82

但这意味着模型能够完成的任务长度是理解人工智能能力的有益视角。

83

人工智能能够成功完成任务的任务长度也在增加，过去6年每隔7个月翻一番。84

这意味着AI能够越来越独立地管理规模越来越大的项目，从而完成越来越复杂的任务。81“AI指数报告2025,”斯坦福大学以人为本人工智能研究所,2025,/ai-index/2025-ai-index-

report/technical-performance

82“衡量AI完成长任务的能力”

METR,2025年3月19日,

/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/?_hsenc=p2ANqtz-9DUIqNn6Sek19FuCpx_RpDPVQ1MzwEpE1LBhfSBDbnvo0lK4U1jwTw9gyqXi8HIAeXmW0X

83“衡量AI完成长任务的能力”METR,2025年3月19日,

/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/?_hsenc=p2ANqtz-9DUIqNn6Sek19FuCpx_RpDPVQ1MzwEpE1LBhfSBDbnvo0lK4U1jwTw9gyqXi8HIAeXmW0X

84“衡量AI完成长任务的能力”METR,2025年3月19日,

/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/?_hsenc=p2ANqtz-9DUIqNn6Sek19FuCpx_RpDPVQ1MzwEpE1LBhfSBDbnvo0lK4U1jwTw9gyqXi8HIAeXmW0X78

人工智能模型将你给它们的文本分解成单个标记，因此标记是衡量人工智能模型处理数据量的指标。79

DouweKiela等人，“Dynabench：重新思考NLP

中的基准测试”

计算语言学协会,2021年4月,/figure/Benchmark-saturation-over-time-for-popular-benchmarks-normalized-with-initial_fig1_35122191480“AI指数报告2025,”斯坦福大学以人为本人工智能研究所,2025,/ai-index/2025-ai-index-report/technical-performance经济顾问委员会

1265432102019202020212022202320242025来源：METR。3.3.2

每个token的成本下降“token”是LLM输入的基本单元，例如一个单词或数字。每个token的成本降低使AI更加经济实惠。这可能是由于更小、更高效的模型（软件）或更好的硬件。85

根据型号，价格每年至少下降9倍，最高可达每年900倍。863.4

采用与使用由于人工智能能力的提高和成本的下降，人工智能的使用已遍布整个经济。这可以通过前沿人工智能公司的收入、人工智

能在商品和服务生产中的使用，以及越来越多使用人工智能的美国人来追踪。3.4.1

收入人工智能公司经历了迅速但并非前所未有的增长，但它们的未来增长可能超过所有历史记录。初创公司通常可以看到爆炸性增长，截至2024年下半年，

OpenAI、Anthropic和谷歌DeepMind每年的收入增长率都超过了3倍（见图5）。87ClaudeOpus4.5GPT5.1编码器最大grok4Gemini2.5

Pro

预览深度求

R1达芬奇002

GPT3.5Turbo指令kimi

k2

思考图4.人工智能能够以50%成功率完成的软件工程任务长度人类工程师任务时长（小时）86本·科蒂尔等，“不同任务中的LLM推理价格迅速下降但不均衡，”Epoch

AI,2025年3月12日

,https://epoch.ai/data-insights/llm-inference-price-trends87

本·斯诺丁等，“2023-2024年主要人工智能公司总收入增长了近9倍，”Epoch

AI

,2025年4月3日

,

https://epoch.ai/data-insights/ai-companies-revenue经济顾问委员会

1385

bencottier等，“llm推理价格在不同任务上迅速但不平等地下跌，”Epoch

AI,2025年3月12日

,https://epoch.ai/data-insights/llm-inference-price-tren

dsGPT2OpenAI

Anthropic谷歌深度思维百万（

美元

）250020001500100050002023-H1

2023-H2

2024-H1

2024-H2来源：Epoch

AI；The

Information；Business

Insider；The

New

York

Times；The

Wall

Street

Journal。注意：Google

DeepMind收入数据是基于移动应用使用情况和网络流量估算的。这比市场平均水平快得多：标普500公司在2024年第四季度的混合年同比增长率为10.3%。88

但目前AI公司的发展速度可与谷歌和优步等顶尖科技独角兽在其高速增长初期的速度相媲美（见图6）。

89

所以，虽然这种增长令人印象深刻（亚马逊只有两年达到了这种收入增长水平），90

这并非前所未有的。88“标普第四季度2024年收益分析”康塞洛,2025,https:///reports/sp-q4-24-earnings-analysis/

89格雷格·伯恩汉姆，“OpenAI预计收入增长创历史新高”Epoch

AI,2025年10月15日,https://epoch.ai/gradient-updates/openai-is-projecting-unprecedented-reven

ue-growth

90

亚马逊(AMZN)

的收入公司市值

,2025,/amazon/revenue/#:~:text=-,Annual%20revenue,-Year经济顾问委员会

14图5.对公众销售AI产品的收入，按公司分类5莫德纳001

2

3

4

5年收入达到10亿美元以来的年数谷歌优步OpenAI雪佛龙25201510源：

EpochAI。然而，可能史无前例的是AI公司未来的增长。例如，尽管存在怀疑，

OpenAI声称它在2026年至2028年期间的收入将大致每年翻一番。91

92

为了尝试理解这一说法，将这一增长与之前大型科技独角兽的历史增长进行比较是有帮助的；OpenAI的收入增长将远高于这些之前大型科技独角兽的增长率（见图7）。93图6.OpenAI实际收入与其他历史上快速增长的收入对比数十亿美元30

92格雷格·伯恩汉姆，“OpenAI预计收入增长创历史新高”Epoch

AI

,2025年10月15日,https://epoch.ai/gradient-updates/openai-is-projecting-unprecedented-reven

ue-growth

93格雷格·伯恩汉姆，“OpenAI预计收入增长创历史新高”Epoch

AI,2025年10月15日,

https://epoch.ai/gradient-updates/openai-is-projecting-unprecedented-reven

ue-growth经济顾问委员会