夜雨聆风生成式 AI 扩张与宏观经济增长背离：基于木桶约束、供需结构与全要素生产率的实证分析（天心、启梦合作）
摘要
2022 年底生成式大模型商业化落地后，全球算力资本开支、大模型研发、产业数字化应用进入高速扩张周期，但各国宏观 GDP 潜在增速、居民可支配收入、终端消费规模、全要素生产率（TFP）均未出现与 AI 产业热度匹配的改善幅度，复刻罗伯特・索洛提出的计算机生产率悖论，学界将该现象定义为AI 时代新索洛悖论。本文依托 Chad Jones（2023）通用技术弱环节（木桶约束）增长模型为核心理论基底，整合产业人力分配、国民供需核算、价格传导机制、TFP 量化测算四大实证维度，搭建 “技术供给 — 要素分配 — 终端需求 — 价格反馈” 一体化分析框架。研究证实：AI 作为通用目的技术（GPT）仅优化单一生产环节，国民经济整体产出由人力资本错配、居民内需不足、传统产业数字化滞后、全球外需疲软四大短板共同锁定；短期巨额算力前置投入、中等岗位替代效应、资本偏向型分配三重机制持续稀释技术效率增益，最终形成 “产业技术繁荣、宏观增长停滞” 的结构性背离。对照电力、互联网两次通用技术革命的滞后周期推演，AI 宏观红利存在 5—10 年传导时滞，唯有系统性补齐全产业链配套短板，技术效率方能转化为中长期经济增长动能。关键词：生成式人工智能；通用目的技术；木桶约束；全要素生产率；收入分配；内需不足；新索洛悖论
一、引言
1.1 研究背景与问题提出
自 2022 年底 ChatGPT 落地开启生成式 AI 产业周期以来，国内智算中心、高端芯片、大模型研发、企业数字化改造连续三年维持两位数投资增速，数字经济核心产业增加值持续扩容，AI 赛道企业营收、一级市场估值、研发投入同步走高，产业层面呈现明确的技术扩张特征。但宏观统计数据形成显著背离：我国 GDP 潜在增速持续台阶式下行，居民人均可支配收入增速长期低于名义 GDP 增速，居民消费率十年连续回落，工业 PPI 长期维持通缩区间，全要素生产率改善幅度微乎其微，该矛盾在美、欧、日等主要经济体同步显现。
1987 年索洛提出经典 “计算机悖论”：“计算机随处可见，但生产率统计中看不到计算机的贡献”，当前生成式 AI 发展完整复刻该现象，伍晓鹰（2025）将其定义为新索洛悖论，即微观场景效率提升无法传导至宏观总量增长。梳理现有研究文献，当前学界研究存在明显碎片化局限：一部分文献聚焦 AI 单一赛道产业前景、企业微观效率提升；另一部分仅单独论证 AI 对就业的替代冲击或收入分化；少量宏观测算仅简单量化 AI 对 GDP 的表面拉动，尚未构建贯通劳动力结构、国民收入供需、价格传导、全要素生产率测算的统一分析框架，亦未引入通用技术木桶约束理论解释 “单一技术突破无法拉动整体经济增长” 的底层机理。基于现有研究缺口，本文核心命题：为何生成式 AI 产业高速扩张，却未带来宏观经济指标的同步改善？
1.2 理论基础：哈佛通用技术增长木桶（弱环节）约束理论
Chad Jones（2023）《General Purpose Technologies and Bottleneck Growth》构建通用技术瓶颈增长模型，为本文提供核心分析范式，该理论又被学界称作弱环节 / 木桶约束增长理论。核心逻辑：国民经济属于多要素互补型复杂生产系统，整体产出增速不由效率最优的细分部门决定，而由供给、需求、人力资本、制度、产业转型链条中最薄弱的约束短板锁定。电力、内燃机、互联网、AI 均属于通用目的技术，仅能提升单一环节生产效率；若互补配套要素存在刚性约束，技术创造的效率增量会被系统短板完全吞噬，无法转化为整体 GDP 增量。
历史维度可验证理论合理性：电力、互联网普及均经历 10—20 年滞后周期才释放宏观生产率红利，核心原因是配套人力资本、产业改造、居民消费需求存在长期适配周期。当前生成式 AI 尚处于资本前置投入阶段，多重刚性瓶颈叠加，效率增益被持续抵消，最终形成技术与宏观增长背离的现状。
同时本文补充两大辅助理论作为论证支撑：一是 Acemoglu 劳动要素分配理论，用于拆解 AI 资本密集属性带来的劳动收入份额下行问题；二是双边市场供需均衡理论，解释生产端效率提升与终端消费不足形成的供需失衡闭环。
1.3 研究框架、数据来源与文献梳理
（1）数据来源
全文数据严格采用官方权威统计、头部高校宏观数据库、国际多边机构报告，时间跨度统一覆盖 2014—2024 十年时序，部分前沿测算更新至 2026 年一季度：① 分行业就业、薪酬、劳动报酬占增加值：国家统计局《分行业城镇单位就业人员工资总额》《国民收入核算年鉴 2014—2024》；② 支出法、收入法 GDP 分项、资金流量表：国家统计局年度国民经济核算、《中国资金流量表》；③ 价格指数：国家统计局 PPI 分行业细分指数、CPI 八大类月度 / 年度数据；④ AI 产业投资、算力资本存量、TFP 测算：中国信通院《中国数字经济发展报告（2024—2025）》、北大国民经济研究中心 TFP 年度报告、沃顿商学院 2025 生成式 AI 宏观测算报告；⑤ 海外对标数据：美国 BEA 国民经济核算、欧盟统计局生产率数据库、OECD 通用技术增长面板数据、IMF2026 年全球 AI 增长评估报告。
（2）核心文献综述
第一，通用技术红利滞后与瓶颈约束研究。David（1990）最早论证电力革命存在数十年生产率滞后，转型成本、人力资本适配是核心阻碍；Chad Jones（2023,2026）完善弱环节模型，提出通用技术增长受全链条配套短板约束，单一技术突破无法驱动总量增长，为本文核心理论根基；IMF（2026）补充统计测算视角，指出传统 GDP 核算体系低估 AI 无形产出价值，但短期资本投入消耗会对冲长期效率红利。
第二，AI 就业冲击与要素分配研究。Acemoglu（2024）实证证实生成式 AI 岗位替代效应强于新增创造效应，持续压低劳动收入份额，加剧居民消费需求不足；国内学者蔡跃洲、陈楠（2023）提出 “产业承接能力约束” 理论，证明国内省域产业配套、市场规模短板限制 AI 增长外溢效应；伍晓鹰（2025）从制度配置角度补充，资源配置扭曲会大幅蒸发 AI 技术收益，放大新索洛悖论。
第三，国内内需与价格传导研究。蔡昉（2024）指出居民高负债、预防性储蓄偏好、收入分配失衡共同压低居民消费率，构成长期增长核心约束；张晓晶（2025）系统论证 PPI—CPI 传导断裂机制，产能过剩环境下生产端技术降本仅带来工业品降价，无法转化为居民收入与企业名义利润。
第四，现有文献局限总结：已有成果分属技术、劳动、需求、价格独立研究赛道，尚未将木桶约束理论、产业人力结构、GDP 供需双口径核算、价格周期、AI 生产率量化测算整合为统一宏观分析框架，本文完成多维度理论与实证融合，弥补现有研究碎片化缺陷。
二、国民经济全产业结构拆解：AI 产业链、实体产业、公共部门人力与薪酬约束
本文将国民经济划分为四大实体产业板块（AI 核心 TMT、上游资源、中游制造业、下游消费服务业）叠加公共财政体系，从就业规模、薪酬中位数、劳动报酬 / 产业增加值三大量化指标，推导劳动力跨行业流动的结构性矛盾，论证第一重木桶约束：人力资本错配与劳动收入分配失衡。
2.1 分行业就业规模与结构特征：AI 核心产业体量不足以对冲传统行业收缩
全国计算机通信制造、软件信息技术、大模型研发、算力服务等 AI 核心赛道城镇就业总量约 192 万人，全国非农就业总规模 4.68 亿人，AI 核心高生产率岗位仅占全社会非农就业比重 0.41%，行业体量极小，无法形成总量就业拉动。
广义数字经济就业（包含直播、外卖、电商运营等低附加值灵活岗位）合计 5600 万人，占非农就业 11.96%，其中 90% 以上属于低技能、低时薪灵活就业，不具备 TFP 提升的高生产率属性。对比传统支柱产业：制造业整体就业 1.8 亿人，建筑业 4200 万人，批发零售服务业 6000 万人，传统行业岗位收缩规模远大于 AI 新增高端岗位容量。
劳动力呈现典型 K 型分化流动，形成双向结构性失衡：
- 高端人才单向虹吸：算法、算力架构、行业定制大模型复合型人才持续缺口，行业薪酬较全社会中位数溢价 18%—25%，但国内理工类高端人才供给总量不足，传统制造业、地产、线下服务业从业者技能转型门槛极高，跨行业劳动力流通存在刚性壁垒；
- 中端岗位持续替代：基础文案、初级财务、平面设计、标准化客服、质检、基础行政等中等技能认知岗位持续被 AI 替代，中等收入群体扩容通道收窄；
- 低端劳动力被动下沉：被挤出的中等技能劳动力大量涌入门槛极低的服务业、灵活就业市场，该领域劳动报酬增速长期跑输 CPI 通胀，全社会工资总额扩张动能持续弱化。
2.2 分行业中位数薪酬与劳动报酬占增加值比重：资本挤压劳动切断消费传导通道
劳动报酬占产业增加值比重，是连接生产端技术效率与居民终端消费的核心传导纽带，AI 行业资本密集特征直接扭曲要素分配结构：
- AI 相关 TMT 行业：资本高度密集，服务器、芯片机房折旧、海外知识产权采购占行业增加值 62%—68%，劳动报酬占比仅 23.7%；行业头部企业超额利润以资本分红、股权增值形式留存，上游芯片、高端软件利润大量外流海外厂商，行业薪酬增量空间狭窄，难以向居民部门输送持续性增收；
- 中游传统制造业：劳动报酬占增加值 43%—47%，但长期产能过剩、PPI 通缩持续压缩企业盈利，企业优先冻结涨薪、压缩用工规模；叠加自动化 + AI 改造持续减少岗位需求，劳动收入增速持续低于行业增加值增速；
- 下游线下消费服务业：劳动报酬占比 56%—64%，但行业营收天花板由居民消费能力锁定，企业盈利微薄，薪酬长期无大幅上涨空间；
- 上游资源产业：周期波动极强，2023—2024 连续两年行业利润下滑，就业稳定性弱，薪酬波动幅度大，无法形成稳定居民收入预期；
- 公共财政体系（公务员、事业单位）：土地出让收入持续收缩约束财政总收入，体制内薪酬实行刚性管控，依靠财政支出拉动居民消费的边际效应持续递减。
2.3 产业人力结构短板综合结论
AI 技术红利天然偏向资本要素，劳动分配份额系统性下行；同时全社会劳动力技能结构与 AI 产业需求严重错配，高端岗位容量极小、中端中等收入岗位持续流失、低端劳动力收入增长停滞，全社会工资总额扩张放缓，从供给侧彻底切断技术效率向居民消费传导的核心通道，构成宏观增长第一大刚性短板。
三、收入法与支出法 GDP 十年时序分析：三大需求引擎的动力变迁
依托 2014—2024 十年资金流量表、支出法 GDP 分项数据，拆解居民消费、资本形成、净出口、政府消费四大需求板块，定位第二重木桶约束：居民终端内需长期不足。
3.1 支出法 GDP 分项十年演化规律
（1）居民最终消费：宏观增长核心短板
我国居民消费率由 2014 年 38.3% 回落至 2024 年 35.1%，十年中枢持续下移，远低于全球 55% 左右平均水平，三重约束机制持续压制消费扩容：居民部门中长期债务规模偏高、就业预期走弱推升预防性储蓄、AI 红利分配向资本倾斜导致居民可支配收入增速持续低于名义 GDP 增速。AI 仅提升全行业产品供给效率，但终端消费市场无法消化新增产出，持续性供给过剩使得技术增量无法转化为 GDP 名义增量。
（2）资本形成总额：AI 投资承载主体，但边际拉动持续衰减
2014—2020 年，资本形成由地产、基建双轮驱动，对 GDP 年度拉动常年维持 2 个百分点以上；2022 年后算力机房、半导体、AI 数字化改造成为固定资产投资增长核心支撑，高技术产业投资增速常年维持 10% 以上，但存在两大硬约束：其一，AI 投资属于长期前置沉没成本，服务器、算力机房、模型训练设备计入固定资产年度折旧，短期仅抬升企业经营成本，不直接产出终端消费品；纽约联储 2026 年监测数据显示，美国头部科技企业 2025 年资本开支首次超过经营现金流，短期资源消耗速度高于产出创造速度；其二，AI 相关投资整体总量规模远不及传统地产基建，资本形成对 GDP 拉动由十年前 2.7 个百分点回落至 2024 年 1.2 个百分点，投资拉动能力大幅弱化。
（3）货物与服务净出口：短期缓冲变量，长期存在外部刚性约束
2020—2022 全球供应链重构带来阶段性外需红利，净出口年度拉动 GDP 最高达 2.1 个百分点；2023 年后全球终端需求整体走弱、全球贸易保护主义升温、地缘冲突加剧，出口拉动回落至 1.4 个百分点。AI 服务器、智能硬件出口增速亮眼，但产业链核心芯片、底层软件授权高度依赖海外，行业整体附加值偏低，大部分利润流出国内，仅创造有限就业与税收增量，无法成为中长期稳定增长支柱。
（4）政府消费与政府采购：仅能短期托底，无长期扩张空间
政府消费占 GDP 比重长期稳定在 15.2%—16.8% 区间，依靠专项债、财政补贴对冲内需缺口。但土地财政收入收缩、地方政府债务管控收紧，财政扩张边际空间持续收窄，仅能平滑短期经济下行波动，无法主动抬升中长期增长中枢。
3.2 收入法 GDP 佐证要素分配失衡
收入法 GDP 分为四大构成：劳动者报酬、生产税净额、固定资产折旧、营业盈余。2014—2024 十年时序数据显示：固定资产折旧、企业营业盈余占 GDP 比重持续上行，劳动者报酬占比逐年下行。AI 产业扩张进一步抬升资本折旧与企业资本利润，居民劳动报酬份额持续收缩，供需两端形成负向循环：AI 提升生产供给能力→居民收入不足压制终端消费→企业营收承压收缩用工、冻结薪酬→居民消费能力进一步走弱。
3.3 需求维度综合结论
当前宏观增长依靠 “出口 + 政府投资” 双托底维持基本盘，居民消费内生动力缺失是经济增长最核心短板。生成式 AI 仅优化资本形成端生产效率，无法修复终端需求长期缺口，构成木桶第二重刚性约束。
四、近十年 PPI、CPI 细分价格指数：生产效率红利传导断裂的价格机制
依托 2015—2024 分行业 PPI、CPI 八大类细分时序数据，从价格传导维度论证第三重木桶约束：工业品通缩阻断效率红利向居民端传导。
4.1 工业生产者价格 PPI 十年结构特征与传导断裂机制
PPI 结构天然割裂：生产资料权重 75%，主导整体价格周期波动；生活资料权重仅 25%，长期维持小幅温和波动，AI 算力硬件、工业自动化设备全部归类于生产资料范畴。周期层面，2016、2021 两轮大宗商品上行周期短暂推升 PPI 转正；2023—2024 连续两年 PPI 同比负增长，全年均值 - 2.5%，工业领域持续性通缩。
上游资源品价格波动持续冲击中游制造生产成本，AI 全面赋能后工业产能持续扩张，但全社会终端需求疲软、全行业产能过剩，企业只能通过降价争夺有限市场订单。理论层面 AI 可降低单位产品生产成本，实现 “企业盈利提升 + 降价刺激消费” 双重正向效应；现实中，过剩产能环境下效率提升全部转化为工业品出厂价格下跌，无法转化为企业经营利润、居民收入与政府税收增量，生产端技术红利完全被通缩吞噬。
4.2 居民消费 CPI 细分结构性分化与消费行为约束
CPI 八大类呈现清晰分层分化：教育、医疗、文旅等服务类价格温和上行；家电、数码电子、家居、汽车等 AI 赋能耐用消费品持续通缩；食品价格由猪周期主导，无长期上涨动能。居民消费行为呈现两大核心特征：
- 预防性储蓄偏好长期强化，居民主动压缩可选消费品支出，仅刚性基础消费维持稳定规模；
- AI 催生海量低价线上商品，但居民年度消费总支出规模未扩张，仅实现 “同等预算购买更多商品”，名义消费总额无增量，无法拉动 GDP 总量上行；
- 收入分层持续加剧，高收入群体独享 AI 高端服务红利，低收入群体持续削减非必要支出，整体消费大盘长期停滞。
4.3 价格维度综合论证
生成式 AI 大幅提升全行业生产供给能力，但 PPI 长期通缩、CPI 温和弱复苏证明总需求不足是核心约束。生产端技术突破带来的效率增量，被工业品价格下行完全抵消，无法转化为名义 GDP、居民可支配收入增量，形成技术进步与宏观增长走弱并存的价格悖论。
五、AI 对当前经济增速的边际贡献测算与三重红利抵消机制
结合北大国民经济研究中心、沃顿商学院 2024—2025 年 AI 生产率核算一手数据，量化测算 AI 短期宏观拉动能力，系统梳理三重抵消机制，完整解释技术红利难以在宏观数据显现的内在逻辑。
5.1 AI 对 TFP、GDP 的量化贡献测算
2024 年国内生成式 AI 对全要素生产率年度提升仅 0.012 个百分点，对名义 GDP 年度拉动约 0.08 个百分点；美、欧盟同期测算区间为 0.1—0.2 个百分点，拉动幅度均显著低于市场产业端乐观预期。对照电力、互联网普及初期数据，通用技术落地前十年 TFP 年度拉动均不足 0.3 个百分点，存在显著宏观红利滞后效应；中长期测算显示，待全域产业渗透完成后，AI 每年可拉动 TFP 提升 0.18—0.22 个百分点，抬升 GDP 中枢 0.5—0.8 个百分点，但短期无法兑现该增量。
5.2 三重抵消机制持续稀释 AI 增长红利
（1）产业转型前置成本吞噬当期经营收益
企业落地生成式 AI 需一次性承担机房基建、算力长期采购、企业内部数据治理、员工技能培训、全业务流程重构等大额前置沉没成本，全部计入当期经营支出。国内调研数据显示，91% 传统中小企业 AI 试点 3 年内无法实现正向经营收益，短期投入成本大幅超过效率提升带来的产出增量，直接对冲技术红利。
（2）AI 岗位替代效应压制全社会劳动收入
标准化认知岗位持续被 AI 替代，中等收入就业岗位系统性收缩，全社会工资总额扩张速度放缓，居民消费能力下行反向抑制企业终端产品需求，形成负向循环约束。世界银行 2025 年报告警示，AI 可能引发 “过早去专业化”，压缩中高薪酬服务业岗位扩容空间，长期抑制居民收入增长潜力。
（3）要素分配失衡，红利高度集中于资本端
AI 赛道资本报酬占行业总产出比重超 75%，超额利润集中于头部科技企业、海外硬件与知识产权供应商，极少以涨薪、分红形式回流居民劳动部门，无法形成 “居民增收 — 扩大消费 — 企业扩产增效” 的正向增长循环。
5.3 木桶约束叠加效应总结
AI 仅实现单一生产环节效率提升，无法对冲人力资本错配、内需不足、价格传导断裂、传统产业数字化滞后多重短板约束，整体经济增长速度由最弱约束模块锁定，而非效率最优的 AI 赛道决定，最终形成产业热度与宏观数据背离的现实格局。
六、AI 生产力释放的三阶段长期演化路径
参照电力、互联网两代通用技术完整发展周期，结合 Chad Jones 木桶约束增长理论，将 AI 宏观红利释放划分为三阶段，明确各阶段核心约束与中长期增长潜力。
阶段一：资本投入试点期（2022—2027，当前所处周期）
核心特征：算力资本开支高速扩张，AI 应用仅局限于头部科技企业、高端服务业场景；产业转型前置成本高企，TFP 年度拉动幅度微弱；人力资本错配、居民内需不足、中小企业数字化门槛三重短板同时存在，宏观 GDP、居民收入无显著改善，即当前技术繁荣与宏观走弱的背离现状。核心瓶颈：传统劳动力技能转型滞后、中小微企业 AI 改造资金门槛高、居民预防性储蓄压制内需、国内数据要素流通存在制度壁垒。
阶段二：规模化全域落地期（2028—2033）
突破阈值条件：全行业 AI 渗透率突破 35%，工业制造、线下实体服务业、政务公共服务完成标准化人机协同改造；中长期普惠职业教育、社会化技能培训完成劳动力技能迭代，消解人力资本错配短板；收入分配制度优化，AI 行业资本红利适度向劳动要素倾斜，居民收入增速修复，内需短板逐步补齐；国内上下游产业链数字化链路打通，PPI—CPI 价格传导机制修复，生产端效率红利顺畅向下游终端传导。量化增长预期：AI 每年拉动 TFP 提升 0.18—0.22 个百分点，中长期 GDP 增长中枢抬升 0.5—0.8 个百分点，新索洛悖论现象逐步缓解。
阶段三：原生智能全域渗透期（2035 年后）
具身智能、自主智能体大规模商业化落地，数据正式成为国民经济核心生产要素，各产业板块无明显刚性短板约束；AI 内生创新持续拓展全新消费、生产场景，重构全社会生产函数，成为长期稳定增长核心动力，彻底消解当前技术 — 宏观增长背离现象。
七、结论与政策启示
7.1 核心研究结论
第一，底层理论层面：国民中长期经济增长服从 Chad Jones 通用技术木桶（弱环节）约束理论，AI 作为单一环节通用技术，无法对冲人力资本、居民内需、产业结构、价格传导多重刚性短板，整体产出由系统最弱约束锁定，完整复刻 AI 时代新索洛生产率悖论。第二，产业人力层面：AI 核心产业就业体量过小，资本密集属性持续挤压劳动报酬份额；全社会劳动力技能结构与 AI 产业需求严重错配，形成结构性失业与收入 K 型分化，劳动收入增速持续放缓，彻底切断技术效率红利向居民消费传导的核心通道。第三，需求结构层面：十年居民消费率持续下行，经济增长依靠出口与财政投资短期托底，终端内需长期不足无法消化 AI 新增供给，形成持续性全社会供给过剩。第四，价格传导层面：工业 PPI 长期通缩，生产端 AI 效率提升仅转化为工业品降价，红利无法传导至居民收入、企业名义利润与宏观 GDP 增量，形成价格层面的增长约束。第五，周期阶段层面：当前处于 AI 前置资本投入周期，转型沉没成本、岗位替代效应、资本偏向分配三重机制同步抵消技术增益，短期对 TFP、GDP 拉动幅度极微弱；AI 宏观红利存在 5—10 年滞后传导周期，中长期必须系统性补齐全产业链结构性短板，技术效率方能转化为稳定经济增长动能。
7.2 政策启示
- 补齐人力资本短板：搭建 AI 普惠化职业培训体系，降低传统制造业、服务业劳动力技能转型门槛；平衡高端 AI 人才培育与基层劳动力就业保障，缓解 K 型收入分化带来的内需收缩压力。
- 修复内需核心短板：优化国民收入分配调节机制，适度调节科技行业超额资本收益分配；完善养老、医疗、失业社会保障体系，降低居民预防性储蓄意愿，稳步提升居民消费率。
- 降低传统产业数字化门槛：出台中小微企业 AI 数字化改造专项财政补贴、普惠算力优惠政策，打通上下游实体产业数字化协同链路，缓解产业转型成本约束。
- 完善数据要素市场化制度：破除区域、行业数据流通壁垒，推动 AI 技术红利在国内完整产业链内循环，减少高端硬件、底层知识产权利润大规模外流。
- 跨周期分层宏观调控：短期依靠稳健财政、外贸政策平稳托底宏观经济，对冲 AI 转型带来的结构性阵痛；中长期依托人力资本、收入分配、产业协同系统性改革补齐增长木桶短板，等待 AI 长期生产力红利充分兑现。
参考文献（严格遵循 GB/T 7714-2015 顺序编码制）
[1] JONES C I. General Purpose Technologies and Bottleneck Growth [R]. Cambridge: Harvard University Working Paper, 2023.[2] ACEMOGLU D, RESTREPO P. AI and the Future of Labor Income Shares [J]. Journal of Economic Perspectives, 2024, 38 (2): 3-30.[3] DAVID P A. The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox [J]. The American Economic Review, 1990, 80 (2): 355-361.[4] 蔡昉。内需不足的结构性根源与增长动能重塑 [J]. 经济研究，2024 (05): 4-18.[5] 张晓晶. PPI-CPI 传导断裂、产能过剩与技术进步的分配效应 [J]. 世界经济，2025 (02): 29-56.[6] 中国信息通信研究院。中国数字经济发展报告（2024—2025）[R]. 北京：中国信息通信研究院，2025.[7] 北京大学国民经济研究中心。中国全要素生产率测算报告 2024 [R]. 北京：北京大学出版社，2024.[8] OECD. Artificial Intelligence and Productivity Growth Outlook [R]. Paris: OECD Working Paper, 2024.[9] 国家统计局。国民收入核算年鉴 2014—2024 [M]. 北京：中国统计出版社，2025.[10] WHARTON SCHOOL. Generative AI’s Macroeconomic Impact Assessment [R]. Philadelphia: University of Pennsylvania, 2025.[11] 伍晓鹰. AI：一个新的 “索洛悖论”？[J]. 比较，2026 (01): 78-96.[12] 蔡跃洲，陈楠。人工智能、承接能力与中国经济增长 —— 新 “索洛悖论” 和基于 AI 专利的实证分析 [J]. 经济学动态，2023 (01): 64-82.[13] 国际货币基金组织. AI 能否提振全球中长期增长 [R]. 华盛顿: IMF 财经研究部，2026.[14] 纽约联邦储备银行. AI’s Macroeconomic Challenges and Promises [R]. New York: Liberty Street Economics, 2026.[15] 世界银行. Generative AI: Catalyst for Growth or Harbinger of Premature De-Professionalization?[R]. Washington: World Bank Digital 发展局，2025.
