夜雨聆风
AI会带来繁荣,还是带来更大的撕裂?——听北大黄益平教授《如何影响宏观经济》有感|合肥观察·08
会场在安徽北京大学校友会国家发展研究院分会成立大会上。
这样的场合，很有分量。既有校友之间的情感脉络，也有国发院一以贯之的国家智库意识。台下坐得很满，空气里有一种大会特有的秩序感。黄益平教授开口，那种秩序感里，又多了一层真正的思想密度。
黄益平教授演讲题目叫《AI如何影响宏观经济》。
题目看上去很学术。
屏幕上先后出现的，是生产率、汇率、通胀、货币政策、收入分配、工业革命这些词。
教授谈的已经不是哪个模型更强，哪个工具更快，哪个产品更像风口，而是更深处的事情：AI开始往一国经济的总账里走了。
这才是眼下最值得认真讨论的部分。
这些日子，关于AI的讨论几乎铺天盖地。
企业在接入，地方在布局，资本在下注，媒体在追问，所有人都在谈效率、成本、应用、商业化。
热闹是有的，焦虑也很真实。
可热闹之外，更大的问题始终摆在那里：
AI到底会给宏观经济带来什么？它会不会像蒸汽机、电力、互联网那样，把一个时代的底层逻辑慢慢推开，逼着原有的很多公式重新改写？
黄益平教授这场主旨演讲，讲的就是这一层。
我印象很深的第一部分，是关于生产率。
过去这些年，全球经济一直有一道很难跨过去的坎：增长放缓，生产率提升不够有力。
资金不少，技术也一直在进步，可真正能写进总量、写进国家竞争力、写进居民收入的那部分效率提升，并没有想象中那么轻松。
AI被寄予厚望，说到底，就是希望它能扮演下一台发动机。
问题也随之而来：它究竟只是帮助企业做得更快一点、更省一点，还是会像历史上的几次大技术革命那样，推动生产函数本身发生变化？
教授展示了几组不同研究机构和学者的判断。有乐观的，也有谨慎的。对未来增速的估计高低不一，背后的意思却很一致：
AI已经不是一个边缘变量，它正在进入宏观经济的中心地带。
它能带来多大变化，还需要时间检验；它会带来变化，几乎已经没有悬念。
一家企业引入AI，最先感受到的是流程缩短、人工节省、响应更快。
一个行业大规模引入AI，接下来就会碰到更大的东西：单位成本变化、资本开支变化、岗位结构变化、竞争格局变化。
宏观层面：增长率会不会被抬起来，贸易结构会不会被改写，货币政策会不会被逼着重新校准，收入分配会不会被重新切开。技术的故事，写到后面，终究会写进经济学。
演讲中有一页PPT：全球鸿沟还是趋同？
这句问得很准。
技术不会像雨一样平均落在每一块土地上。工业革命没有做到，互联网没有做到，AI大概率也做不到。
谁拥有更强的算力，谁有更完整的数据体系，谁有更多高水平人才，谁的制度更能承接创新，谁就更有机会把AI尽快变成自己的生产率红利。
反过来，基础设施薄弱、数字能力不足、教育和制度支撑跟不上的地方，即便也能接触AI，真正能转化出来的收益也会相差很远。
这样一来，AI带来的，很可能既有增长，也有分化。
世界未必会因为AI变得更平。
相反，某种“核心—边缘”的结构，也许会愈发明显。
半导体、云服务、大模型、先进算力网络，这些关键能力，正在向少数几个技术高地集中。
未来全球经济的竞争，很可能越来越像楼层竞争：有人已经住进楼里，有人还在楼外徘徊，有人手里有钥匙，有人还在找入口。
这一点一旦往深处想，就会知道它不只是技术问题，也不只是产业问题。它会进入国际政治经济，会进入货币体系，会进入资本市场，会进入一个国家对自己位置的判断。
技术高地和制度高地，在AI时代极可能重新绑定。
谁先占住这个位置，谁就更容易在下一轮竞争里掌握主动。
黄益平教授讲到汇率：
传统国际经济学里，有一条很多人熟悉的逻辑：生产率提升快的国家，贸易部门更强，非贸易品价格会上去，实际汇率也会偏强。
过去很多人理解工业强国、出口优势、货币位置，就是沿着这条线索去想。
AI时代，情况可能开始变化。
因为AI首先大幅提升效率的领域，未必是传统意义上的制造业，反而可能是一大批服务部门。法律、教育、医疗、设计、咨询、研发、编程辅助，这些原本国际贸易程度较低、价格更坚硬的服务活动，随着AI深入，很可能出现更快的成本下行。
逻辑一旦转过去，很多旧判断就要松动。
人们原来习惯从制造业去理解竞争力，去理解强货币、强出口、强工业的关系。
AI把服务效率大幅抬升以后，一些国家的价格结构、实际汇率走势、外部竞争力判断，都有可能被重估。
台上谈到“逆巴拉萨—萨缪尔森效应”时，
我脑子里一直在转一个念头：
过去那套看上去很稳定的公式，接下来可能不够用了。技术并没有大声宣告旧世界结束，它只是悄悄改了参数，等人们回过神来，很多推导已经不再成立。
这就是AI最有力量、也最让人不安的地方。它不满足于在原有棋盘上多下一颗子，它会慢慢去换棋盘。
接下来讲到通胀和货币政策。
短期之内，AI自动化大概率会压低成本，带来通缩压力。企业流程更短了，人工成本更低了，响应更快了，单位产品和服务的边际成本往下走，价格自然会受到压制。
可时间稍微拉长一些，又复杂起来。
生产率提升之后，收入和需求未必停在原地；围绕AI本身展开的芯片、算力中心、能源、基础设施投资，又会形成新的需求拉力。
这样一来，价格路径并不会简单地一路下行。某些阶段，甚至可能先压后抬。
这对央行意味着什么？意味着难度更大。
原来盯住通胀、增长和就业，已经不轻松。
AI插进来之后，政策判断又多了一层巨大的不确定性。
它是在替代劳动，还是在增强劳动？它会先推高资产价格，还是先改变实体投资？它形成的通缩压力是暂时的，还是会拖出更长的尾巴？这些问题，靠旧经验越来越难一眼看透。
今后的货币政策，光看CPI、PPI、失业率，很可能不够，还得看技术扩散路径、产业资本开支、劳动市场重构速度，甚至看一国制度能不能跟上技术。
可整场演讲里，真正压住人心的，还是收入分配。
所有人都知道，这件事一旦从宏观层面落下来，落到的就是每个人的岗位、工资、职业路径和家庭账本。
过去谈技术替代，大家先想到的大多是体力劳动、重复劳动、流水线岗位。
AI碰到的是另一块腹地——认知劳动。
法律、咨询、客服、内容整理、初级编程、数据分析、研究支持，这些原本带着一些“脑力安全感”的工作，现在都要重新面对技术的逼近。
与此同时，AI又会给另一部分人带来非常强的加成。一个中等水平的设计师、分析师、医生、研究员，接上AI之后，效率可能迅速被抬高。
新人与熟手之间的差距，个人和组织之间的关系，职业晋升的传统阶梯，都可能跟着变形。
这件事真正锋利的地方，在于它切入了中产阶层最倚重的那层壁垒。
黄益平教授在演讲中提到一个判断，我觉得极其重要：
AI让智能从稀缺走向过剩，而很多现行制度，仍然建立在“认知稀缺”的前提上。
今天的工资体系、教育体系、职业体系、晋升体系，说到底都默认一件事：人类的判断、归纳、分析、表达，是稀缺的，因此值得支付较高溢价。
大模型出现之后，其中一部分能力开始变得可复制、可调用、可扩展。技术变了，制度还没跟上，这中间一定会有摩擦。
很多人感受到的焦虑，根子其实就在这里。不是单纯怕工具更强，而是原来支撑自己位置的那套价值秩序，开始晃动了。
所以，AI时代最难的问题，并不在技术本身，而在分配机制。
生产率上去了，工资不见得同步上去。
企业利润可能变厚，劳动收入占比未必跟着改善。
资本会更快积累，劳动有可能更快分化。
一个社会若没有能力把技术红利重新组织、重新分配，增长和冷感就可能一起上升，效率和不安也可能同时扩散。
历史上每一次重大技术革命，最后都会把制度逼出来。
蒸汽机之后，有了工会、劳动立法、现代城市治理；
电力普及之后，工业组织和公共服务体系跟着重写；
互联网大规模进入生活之后，平台规则、数据规则、市场监管也不断重构。AI这一轮，也不可能例外。
它后面一定会逼着各国去碰那些更难啃的问题：税制怎么调，教育怎么改，社保怎么接，劳动政策怎么修，技术收益如何在资本、企业和劳动之间重新划分，年轻人的第一次就业如何托住。
这场主旨演讲，它讨论的，表面上是AI和宏观经济，往深处走，其实是在追问一件事：
当技术开始重排旧秩序，一个国家有没有能力及时调整自己的制度，接住技术带来的红利，也接住技术带来的冲击。
这个问题，比某一年多增长几个百分点重要得多。
以后人们也许未必记得某张PPT上的具体数字，却会记得，今天这个问题是从什么时候开始真正变得尖锐的：
当AI不再只是一个工具，不再只是一个产品，不再只是一个热词，它开始进入总量，进入分配，进入汇率，进入通胀，进入国家竞争力，进入每个人日常生活的底层逻辑。
也正因此，在安徽北京大学校友会国家发展研究院分会成立大会上听黄益平教授讲这件事，感觉格外有意思。
校友组织的成立，原本就是人与人、人与思想重新连接的一个节点。黄益平教授这场演讲，让这个节点又多了一层现实意义：
今天真正值得被认真讨论的，已经不是AI会不会改变工具和行业，而是它会不会重写一个时代的经济秩序。
技术的变化，最后都会写进制度。
宏观经济的变化，最后都会落到人的处境。
未来的竞争，表面上看是模型、芯片、算力、数据，往深处走，拼的还是谁更早看见秩序在动，谁更早动手调整制度，谁能让技术红利不要只停在账面上。
真正大的变化，它最后一定会进入一国的总账，也会进入每个人的日常。
✍️
📬 点击关注，一起思考时代与命运。