AI 时代经济学理论还管用吗?

雨丝与语思 经济学迷思

2026外滩大会有两位诺贝尔经济学奖得主分享前沿思考，从经济学视角解读AI浪潮。 

    托马斯・萨金特认为，当下AI尚处在“开普勒阶段”，擅长从海量数据挖掘规律，“开普勒阶段”已能够从大量数据中找到规律，却还没有完全理解规律背后的结构，尚未理解现象背后底层原理，距离洞悉事物本质的“牛顿阶段” 还有距离。巨额投入并不自动等于高回报，面对AI，投资者、企业和政策制定者需要为未知留下空间。Thomas John Sargent是美国经济学家，2011年诺贝尔经济学奖得主，他是理性预期学派的领袖人物之一，在新古典宏观经济学体系的建立与发展中做出了杰出贡献，特别是在宏观经济模型中引入理性预期、动态经济理论与时间序列分析的结合等方面具有开创性意义。

另外一位诺奖得主菲利普·阿吉翁在2026外滩大会上指出，AI有望在未来十年推动生产率增速每年提升1.08个百分点，但他强调技术红利需要配套竞争政策、教育体系和劳动力市场改革才能充分释放。Philippe Aghion是法国经济学家，2025年诺贝尔经济学奖得主，与彼得·豪伊特共同创立“熊彼特增长范式”，提出“创造性破坏”理论，解释技术创新如何通过淘汰旧技术推动经济增长。Philippe Aghion把熊彼特的“创造性破坏”理论数学化了。他们构建了一般均衡框架，推导出稳态增长路径，用计量经济学验证了理论假说。有研究者认为，问题在于，当你把“创造性破坏”数学化的时候，你恰恰把真正的创造性破坏掉了。科斯把中国的改革称为“边缘革命”，从经济的边缘开始，来自社会底层的创造性实践。参与主体是农民、个体户、沿海商人。这些实践最初游离于体制边缘，却在政策缝隙中不断试错、积累经验，最终倒逼制度变革，形成不可逆转的市场化趋势。菲利普·阿吉翁在这一点上可能与科斯的想法也不一样。

    在这个大会上，上海财经大学校长刘元春教授给出一个很有代表性的判断，“AI经济的新形态已经确立，但AI经济学还没有真正开始。”

一、AI对经济学基本问题的挑战

   人工智能（AI）的快速发展正在从根本上动摇传统经济学的底层逻辑，对经济学的基本问题（即“生产什么、如何生产、为谁生产、由谁决策”）以及核心理论假设提出了系统性的挑战。主要体现在以下四个方面。

   （一）对“生产什么”与“如何生产”的挑战：稀缺性假设失灵与生产函数重构

    1.稀缺性假设的失灵。传统经济学以“资源稀缺”为逻辑起点，但AI时代呈现出“无形丰裕与有形稀缺并存”的双重结构。数据、算法、算力等新型无形资本具有非竞争性和零边际复制成本，打破了传统要素的稀缺约束和边际收益递减规律；而支撑AI运行的物理资源（如算力芯片、能源）则形成新的刚性约束，传统稀缺性理论面临解释困境。

    2.生产函数的重构。AI的可编程性使生产可能性边界（PPF）发生形态变化，同一套AI资源可近乎零成本转换生产方向，比较优势从先天禀赋转向后天提示。同时，AI的“超人理性”和智能调度能力（根据意图、上下文、成本动态配置资源）正在替代传统的价格机制，成为新的资源配置力量，改变了“如何生产”的微观逻辑。

   （二）对“如何生产”的挑战：理性人假设失效与决策主体异化

    1.理性人假设的失效。传统经济学以“有限理性”为基础，但AI智能体实现了近乎完美的理性决策（消除信息差、实时优化），甚至能模拟人类偏好进行策略调整。当AI替代人类进行经济决策（如高频交易、智能调度）时，经济选择的主体发生异化，传统经济学中“人类选择”的哲学根基（目的性、主观价值、成本体验）面临消解。

    2.生产可能性边界的突破。AI的指数级进步（缩放定律）和超线性增长打破了传统长期总供给曲线的固定边界，导致传统宏观模型（如菲利普斯曲线）的核心前提趋于崩塌，经济增长的核算（如全要素生产率）面临新的挑战。

   （三）对“为谁生产”的挑战：价值定价失效与分配矛盾加剧

   1.价值定价机制的颠覆。传统定价理论以“边际收益等于边际成本”为核心，但数据要素的交叠性、瞬时性以及算法黑箱（如动态定价、大数据杀熟）打破了定价的透明性原则，传统定价逻辑失效。价值源泉从人类劳动扩散到“人机协同”的智能涌现，价值测量变得情境依赖，传统价值理论面临重构。

    2.分配矛盾的加剧。传统分配理论以要素贡献为核心，但AI时代价值创造主体转向“人机协同”，算法设计者、数据提供者、算力支撑者的贡献难以量化拆分，导致财富分配向掌握算法与数据的少数主体集中，加剧了“数字鸿沟”和收入极化，传统分配理论难以有效解释和应对这一结构性变化。

   （四）对“由谁决策”的挑战：市场机制重构与治理困境

    1.市场机制的算法化。AI智能体（AI Agent）的自主决策和“算法合谋”正在重塑市场结构，传统的“看不见的手”部分被“算法之手”替代，市场失灵呈现新形态（如算法性信息不对称、数字卡特尔），挑战了传统反垄断理论和完全竞争市场理论。

    2.经济体制的演变。AI的智能调度机制（意图经济）正在重构企业组织形态，企业从固定的层级结构向动态能力网络转变，决策机制从“人定”向“机定”演变，对传统的产权理论、契约执行和宏观治理框架提出了新的要求。

    AI对经济学的挑战不仅是技术层面的，更是范式层面的，要求经济学在稀缺性理论、理性假设、价值分配和治理机制上进行系统性的理论重构。

 二、AI时代哪些经济学理论还管用？

    AI时代并未完全推翻传统经济学，而是对部分经典理论提出了挑战，同时凸显了部分理论的持久价值，并催生了新的经济学解释。

    以下按理论类别梳理AI时代依然“管用”或“依然具有解释力”的经济学理论，以及需要“升级”或“重构”的理论。

   （一）依然“管用”的经典理论（底层逻辑依然适用）

    1.交易成本经济学（科斯定理）

   ·管用原因：科斯认为企业存在是为了降低市场交易成本。AI大幅降低了市场交易成本（如智能匹配、智能合约）和内部协调成本，导致企业边界模糊（如“无头企业”、项目制协作网络）。该理论依然管用，因为它解释了AI时代企业形态的演变逻辑（即组织形态随“交易成本”的降低而动态调整）。

    2.自发秩序与分散知识理论（哈耶克理论）

    ·管用原因。哈耶克认为知识是分散的，价格体系是分布式信息传递机制。AI时代，分布式智能节点（AI Agent）通过递归回路自我协调，无需完全依赖中央计划，这与“自发秩序”的逻辑高度契合。该理论解释了AI时代去中心化组织（如DAO）和分布式智能的涌现机制。

    3.比较优势理论（李嘉图理论）

   ·管用原因：比较优势强调“机会成本”和“专业化”。AI虽然改变了竞争主体（人类与AI），但“比较优势”的逻辑依然适用：个人或企业应专注于AI难以替代的领域（如复杂情境判断、情感连接、跨领域创新），通过差异化优势获取价值。

    4.边际分析理论（微观经济学基础）

   ·管用原因。边际分析（边际收益等于边际成本）在AI时代依然有效，但适用范围有所变化。AI带来的“零边际成本”和“规模报酬递增”改变了部分行业的成本结构，但企业在做“边际决策”（如是否增加AI算力投入、是否扩大AI应用规模）时，仍需进行边际收益与边际成本的权衡。

    5.博弈论与机制设计理论

   ·管用原因。AI的普及带来了新的博弈场景（如人机博弈、平台与用户的博弈）和新的机制设计需求（如AI模型训练的数据激励机制、AI定价机制）。博弈论在分析AI时代的策略互动、平台垄断与反垄断问题上，依然具有强大的解释力。

    （二）需要“升级”或“重构”的理论（解释力受限，需结合AI特征调整）

    1.劳动价值论（传统）

    ·受限原因。传统理论认为价值由“社会必要劳动时间”决定，但AI生成内容（零边际成本）和“数据幽灵劳动”挑战了这一定价逻辑。

    ·重构方向。转向“场景效果定价”或“数据价值定价”，即价值取决于AI应用带来的实际效果（如转化率、诊断准确率）和数据要素的稀缺性。

    2.边际报酬递减规律

   ·受限原因。传统理论认为边际报酬会递减，但AI时代数据投入的边际报酬递增、网络效应带来的规模报酬递增，打破了这一规律。

   ·重构方向。需结合“规模报酬递增”和“正反馈循环”来重新评估AI驱动型企业的价值与定价。

   3.经济人假设（完全理性）

   ·受限原因。传统理论假设人是完全理性的，但AI时代“算法人”和“人机混合决策体”的介入，以及算法对偏好的重塑，使得理性假设不再完全适用。

   ·重构方向。需引入“有限理性”和“行为经济学”视角，结合算法对决策和偏好形成的内生影响进行分析。

    4.菲利普斯曲线（失业与通胀的负相关）

   ·受限原因。AI带来的生产率提升和岗位替代，导致“高失业”与“低通胀”可能同时并存，打破了传统的菲利普斯曲线形态。

   ·重构方向。需结合AI对生产率和劳动力市场的结构性影响，重新构建宏观经济的分析框架。

    AI时代，经济学中“成本-收益”分析、分布式协调逻辑、差异化竞争逻辑依然管用，但面对AI带来的“零边际成本”、“数据要素”和“算法决策”等新特征，经济学理论需要在底层假设和解释框架上进行适配与升级。

三、AI时代有哪些全新的经济学范式？

    AI时代正在深刻重构经济学的底层假设与分析范式，催生了多个全新的经济学分支与交叉范式。这些范式主要围绕“AI作为新型生产要素”带来的经济系统变革展开，从趋势上来看，目前可归纳为以下五个可能的方向。

    （一）智能经济学（宏观/产业范式）

    智能经济学是AI时代最宏观的范式，研究AI技术全面渗透国民经济后，整个经济系统的运行规律与宏观重构。

   ·核心关注。宏观核算（如“碳基GDP+数字福利账户”的核算重构）、宏观增长（AI对全要素生产率的非线性影响与滞后兑现）、宏观均衡（从稳定均衡转向多重均衡与长期非均衡）、宏观政策（AI对通胀、就业、分配及央行反应函数的影响）。

   ·分析框架。跨碳基（传统物理经济）与硅基（数字/智能经济）双部门分析，关注“算力投资—模型提升—数据回流—应用扩散”的AI循环。

   （二）智能体经济学（中观/组织范式）

   智能体经济学以具备自主感知、决策、执行能力的“智能体（Agent）”为基本经济单元，研究AI投入产出与组织重构。

   ·核心关注。智能体的成本归集（算力、模型、知识、智能体四层成本）、收益测算（任务成功率、人力替代率、ROI评估）、资源配置优化（有限AI预算的分配）及人机协同组织模式（如“人+智能体”的复合系统）。

   ·分析框架。将企业或组织视为“智能体工厂”，研究知识工厂、模型工厂、算力工厂的协同与价值闭环。

    （三）Token经济学（微观/计量范式）

    Token经济学将Token（大模型推理消耗的计量单位）重新定义为具有三重经济属性的“经济原语”，是AI经济的微观计量与定价范式。

   ·核心关注。Token作为生产要素（算力、电力、时间的计量）、交换媒介（AI服务的定价与计费，如按Token计费、峰谷分时计费）和记账单位（任务复杂度、系统成本的量化）。

    ·分析框架。通过“五级成本归因”（部门-场景-智能体-模型-知识）和“四工厂协同”（算力-模型-知识-智能体）实现微观成本与宏观价值的衔接。

    （四）数据与算力经济学（要素范式）

    AI时代打破了传统“劳动、资本、土地”的要素框架，形成了以数据、算力、算法为核心的新型要素范式。

   ·核心关注。稀缺性迁移（算力、高质量数据、注意力、可信验证成为新稀缺，而标准化认知劳动边际成本下降）；要素重构（智能资本兼具资本、劳动和全要素生产率属性，呈现非竞争性和规模报酬递增）；价值分配（数据反馈闭环、网络租金、能力租金的定价机制）。

   ·分析框架。从“要素加总”转向“任务和流程”分析，关注任务暴露度、流程嵌入度和反馈闭环。

    （五）AI驱动的经济学研究新范式（方法论范式）

   AI不仅改变了经济研究对象，也改变了经济学的研究方法，催生了新的研究范式。

   ·核心关注。从低维线性模型向高维非线性模型（机器学习）转变，解锁非结构化数据（如文本、图像）的研究价值，以及基于智能体（Agent）的建模（ABM）来模拟市场互动与政策效果。

   ·分析框架。从“解题”转向“提问”与“解释”，强调人机协同（AI负责数据清洗、估计，人负责问题提出、因果校验与跨域解释）。这些范式并非完全割裂，而是“宏观-中观-微观”的层层递进与融合，共同构成了AI时代经济学的新版图。

  （根据笔记和相关资料AI整理，图片根据内容提示由AI生成）

参考文献

   [英]罗纳德・哈里・科斯（Ronald H. Coase）/王宁.变革中国：市场经济的中国之路》（How China Became Capitalist）,徐尧/李哲民 译.中信出版社，2013.