30 秒看懂
Tyler Cowen 和 Alex Imas 认为,AI 可以取得显著进步,却不一定立即带来显著的 GDP 增长。技术进步越快,其他进展较慢的瓶颈可能越早显现;价格下降也会让衡量出的经济价值转向仍然稀缺的部分。Imas 说,AI 智能体之间的协作若取得重大突破,情况可能改变,因为如今的系统面对的竞争对手是有组织的人类团队,而不是平均水平的个人。两人都看到了劳动者面临的转型风险,同时也期待 AI 带来普通 GDP 无法完全衡量的收益。
- 1基准测试进步不等于有经济价值的工作Imas 说,模型能力进步迅速,包括在定义不够明确的任务上,但仍需问每一代模型究竟能完成哪些有价值的工作。
- 2进步越快,其他瓶颈可能越早显现Cowen 因数学领域的进展而调高了对进步速度的预期,但认为制度和其他行业仍限制 AI 收入与生产率的增长速度。
- 3持续两位数增长需要苛刻条件Imas 说,爆发式增长模型要求创新避免收益递减。Cowen 认为,严重衰退后的暂时性两位数增长有可能出现,但他不看好这一结果。
- 4自动化产品变便宜后,经济权重转向瓶颈Imas 认为,价格下降可能使自动化行业在衡量产出中的份额缩小,而稀缺、增长缓慢的活动变得更加重要。
- 5AI 智能体必须协作,才能与人类组织竞争Imas 说,企业会汇集不同专长的人。他的研究表明,如果智能体无法有效协作,仅达到个人平均能力不足以带来巨大的经济转型。
- 6协作技术突然突破可能给劳动者转型带来压力Imas 担心快速变化会让劳动者来不及寻找新岗位。Cowen 则指出另一个转型问题:雇主目前还不容易识别谁能适应 AI。
- 7收益可能流向仍然稀缺的资源,不一定自动流向资本Cowen 区分了资本能做更多工作与资本所有者获得垄断收益。两人讨论了能源和土地等可能的瓶颈,同时指出 AI 本身也可能改变稀缺性。
要点建议
- 技术能力与经济整体应用的速度可能截然不同。
- Imas 认为,对企业层面的转型而言,AI 智能体之间的协作可能比单独的基准测试分数更重要。
- 自动化使产品变便宜时,衡量出的价值可能转向自动化程度较低的瓶颈。
- Cowen 期待 AI 带来显著收益,但认为美国持续实现两位数增长的可能性不大。
- 用 GDP 之外的福利指标衡量廉价数字服务和更长寿命等收益。
- Imas 担心突如其来的转型会超过劳动者寻找新工作的速度;Cowen 则强调识别 AI 技能的难度。
按章节阅读整理后的全文
快速发展的能力遭遇缓慢变化的制度
Imas 看到模型能力加速进步,并追问每个版本能完成哪些有经济价值的任务。Cowen 说,技术快速变化可能使其他瓶颈显现。
Erik Torenberg 问,近期 AI 快速进步的证据是否应该改变人们的预期。Alex Imas 说,能力提升无可否认:模型发布更加频繁,从回答问题的聊天机器人到能够完成工作的智能体,这一转变正在体现为实际生产率。
Imas 说,最近的 METR 报告没有让他的看法发生很大变化,因为他此前已经看到过相关证据。他关注的是哪些领域会出现陡峭的进步曲线,以及这些进步如何相互关联。定义不明确或难以验证的工作也可能得到改善,但提速可能更困难。
作为经济学家,Imas 想知道每一代新模型能完成哪些上一代无法完成、又具有经济价值的任务。基准测试可以大幅提升,现实产出却未必同样迅速变化,尽管他认为现实经济已经在加速。
Tyler Cowen 说,一处进步加快,可能只是让另一个瓶颈更早显现。他们于 2026 年 11 月 11 日录制节目;他说,自 8 月以来自己的看法有所改变,尤其是因为数学领域的进展,而这一领域可能较少受到人类环节的限制。
Cowen 说,最近一周他对快速起飞的速度略微更加悲观。他提到制度方面的不确定性和市场信号,包括市场对 Anthropic 可能上市的预期波动;在他看来,这些信号不像是对最快情景的直接预言。
当有人预测领先 AI 公司的收入会达到极高水平时,Cowen 会问,其他哪些行业会增长到足以支持这些支出。他总体上仍看好 AI,但比起最激进的局部预测,他更信任整体仍显正常的市场信号。
Imas 同意,买家最终必须看到足够的生产率提升,才能支付迅速增长的 AI 服务费用。他还指出价格竞争:智能体系统消耗大量 token,而他引用的数据显示,token 使用量大幅增长时,收入却相对平稳。
Cowen 预计选举和可能出台的监管会减慢一些数据中心项目,但不会让整个行业停止。他说,得克萨斯州的选举结果令他意外,而更广泛的政治变化大体接近他的预期。
什么条件会带来爆发式经济增长?
Imas 解释持续两位数增长所需的苛刻条件。两位经济学家都强调稀缺投入和缓慢变化的制度的重要性。
Torenberg 问,正常增长与两位数增长的世界会有什么区别。Imas 提到一些经济模型:持续的爆发式增长需要苛刻条件,尤其是不能有太多瓶颈,而且新想法的产出要有足够强的回报。
Imas 解释说,如果一项突破以递增的速度催生更多突破,增长就可能加速,而不是遭遇收益递减。他认为现有证据仍偏向收益递减:获得更多智能仍需要投入越来越多资源。他补充说,未来的反馈循环可能改变这一点。
Cowen 举了小型石油生产国圭亚那高速增长的例子,也提到衰退、战争或疫情后的暂时性反弹。他认为,美国在严重冲击之后叠加 AI 的推动,有可能在某一年达到 10% 的增长,但他不会押注这一结果,而且反弹成分将是暂时的。
机器人可能将 AI 引入实体生产,但 Cowen 预计部署需要时间。无人驾驶汽车说明了这种延迟:技术已经在一些地方可用,但扩展到更多地区和市场需要更久。他认为市场估值并不表明未来几年会出现 20% 的增长。
Imas 提出,广泛自动化未必会在统计上带来爆发式增长。机器人使某种产品更便宜后,该产品在支出中的份额可能缩小;经济权重会转向仍然稀缺且增长较慢的商品和服务。
Cowen 补充了视角差异。对经济学家来说,数百年的增长与生产率数据印象深刻;对乐观的技术人士来说,关于当前突破的直接交流可能更有感召力。两者都有信息,但他更重视历史记录。
Cowen 预计 AI 的应用会比以往技术转型更快,但政府、学校、大学和受监管的医疗行业说明,改变仍然困难。监管是障碍之一,组织惯性也是障碍;经济中有很大一部分并不像初创公司那样运作。
用市场产出之外的指标衡量福利
他们认为 GDP 仍然有用,但更便宜的数字产品和更长寿命带来的福利,并不能完全由它体现。
被问及总统应该如何衡量 AI 对社会繁荣的贡献时,Imas 说,分歧未必在于模型能力本身,而在于这些能力如何影响复杂经济。GDP 在历史上与福利水平的关联相当好,但技术变化可能拉大两者的差距。
数字娱乐和其他产品即使变得廉价或免费,仍能提供价值。Imas 提到一些研究:用基于调查的指标补充 GDP,估算人们从这些产品中获得多少收益,包括统计增长适中但福利大幅提高的情况。
Cowen 补充了寿命因素。多活几年可能以复杂的方式影响 GDP 总量和人均 GDP,但这些额外生命的价值不等同于任何一个指标。他预计,随着 AI 进步,GDP 的衡量方式需要改善,但短期内仍是有用且被低估的统计指标。
Torenberg 问,实体技术的进展是否回应了过去关于原子世界进步落后于软件的担忧。Cowen 预计实体领域最终会突破,但他说,无人驾驶汽车覆盖的人口仍然很少,因此迄今对福利的贡献有限。
Cowen 说,无人驾驶汽车能够运行本身是真实进步,但判断更广泛的停滞期是否结束,还要看部署程度。这一区分也是他对机器人发展速度较为谨慎的原因。
通过激励和制衡实现对齐
Cowen 和 Imas 借鉴委托代理理论与机制设计,强调除了研究模型对齐,还需要制衡和激励。
Torenberg 问及 Hugging Face 事件,以及它是否改变了两人对智能体集群或安全的看法。Cowen 说,这一结果并不令他惊讶:委托代理理论早已说明,委托人很难通过任何契约完全控制代理人。
Imas 对比了两种实现对齐的方式:一种试图让单个模型拥有与部署者相同的偏好;另一种借助机制设计,即使代理人自身目标不同,也能通过激励和约束让它按照委托人的利益行事。
Cowen 将其比作政治中的制衡:人们不必与州长拥有相同偏好,也可能生活在运转良好的政府之下。他认为,公司的内部安全工作比社交媒体上呈现的公开讨论更加务实。
Cowen 还指出,恶意的人可能指示 AI 系统伤害他人。在这种情况下,他说,系统可能正在服从操作者,却给其他人带来损失。Imas 把这一事件看作一连串人为错误,也认为组织可以借此学习并改善环境。
对于 AI 相关死亡即将成为主要死因的预测,Cowen 强烈反对。两人都没有把单一事件看作足以解决更广泛安全问题的证据。
协作、就业与智能体经济
Imas 认为,要与人类组织竞争,关键不仅是提高单个智能体的成绩,还要改善协作。两位经济学家讨论了劳动转型和实际应用障碍。
Imas 概述了一篇关于如何组织智能的理论论文。人们经常用单个人类来评估单个智能体,但经济中真正的竞争对手往往是组织:人们分工,并结合各自的比较优势。
论文考虑了一种最低限度的 AGI:在各项任务上达到人类平均水平。Imas 说,即便如此,也不一定立即改变产出,因为组织良好的团队可以把每项工作交给尤其擅长的人,而不是依靠平均水平的劳动者。
论文确实发现,更便宜的生产可能影响工资。Imas 认为,要实现更大规模的经济转型,智能体需要彼此协作。他说,许多所谓的集群主要是在并行处理任务,一些协作测试中,一个智能体甚至比两个分工的智能体表现更好。
Imas 认为,如果智能体的协作能力提高,可行的企业组织形式可能发生巨大变化。他并不声称知道主要障碍是什么;一种可能是,模型在预训练后的阶段还没有接受足够的协作训练。
Imas 担心,协作能力若突然突破,工资和就业变化的速度可能超过劳动者进入新行业的速度。即使新岗位仍会出现,重新匹配的延迟也可能造成大量失业,并对劳动参与产生持久伤害。他将对这种情景的担忧与对其概率的判断区分开来。
Cowen 的相关担忧是,雇主缺少衡量一项新技能的可靠信号:谁能够适应并善用 AI?学校、成绩和面试等传统指标并不完美;在出现更好的评估方法前,劳动者与岗位的匹配可能需要更长时间。
尽管存在转型风险,Cowen 仍预计会出现许多新项目和工作,对劳动市场总体持乐观态度。他说,就像以往贸易和工业转型一样,扰动会发生,其中一些目前还看不到。
被问及智能体之间交易是否会爆发时,Cowen 说要看基数。他不认为智能体很快会占 GDP 的 10%;即便五年内达到 1.5%,活动规模也会非常大,不过他强调这只是被要求作出猜测时给出的估计。
Imas 指出实际障碍:网站围绕人类用户设计,而且彼此不同;如果智能体反复为用户选择不好的飞机座位,可能失去用户信任。平台也有动机抵制绕开其向购物者推销方式的外部智能体。
Cowen 举了个人例子:他不把日程管理交给智能体,因为自己记下计划有助于记忆。即使智能体能力大幅提高,他也可能仍然喜欢自己做这一步;这样的习惯也可能成为瓶颈。
政治可能减缓极端转型
Cowen 预计,尽管存在政治反对,许多数据中心仍会建设。Imas 说,政治反应本身会改变技术部署的路径。
谈到 AI 政治和数据中心,Cowen 预计一些地区会拒绝项目,成本也会提高,但美国有许多州和地方政府,因此许多项目仍会继续。他认为,强硬的政治言论与政府最终允许的事情之间有差距。
Imas 说,政治反应取决于经济发展的路径。就业和增长良好时,阻力可能有限;如果极端的经济转型开始发生,极端的政治反应也可能随之出现并加以约束。后来观察的人可能会因这种反馈看到较慢的变化。
Torenberg 问,近期例子是否显示政治支出存在局限。Cowen 说,竞选资金研究者早已发现,除了某些地方选举,单纯花钱并不能可靠地买到想要的政治结果。他把这也视为制衡的例子。
两位经济学家如何走进这一领域
Imas 回忆自己如何从计划学医转向经济学;Cowen 将自己对 AI 的兴趣追溯到观察计算机学习国际象棋。
Cowen 问 Imas 是如何成为经济学家的。Imas 说,自己作为来自德涅斯特河沿岸地区的难民来到美国,在资源有限的环境中长大,最初选择医学预科,因为他知道医生这一职业。
一门经济学入门课激发了他的兴趣,但他仍继续准备申请医学院。后来阅读 Cowen 的 Marginal Revolution 博客,以及听 Richard Thaler 讲经济学,让他看到这个领域可以研究更广泛的问题。他放弃学医,进入加州大学圣迭戈分校。
Cowen 问摩尔多瓦是否应该成为罗马尼亚的一部分;Imas 说他认为应该,也预计会发生,同时指出这一观点可能有争议。他将自己的回答与该地区的历史以及语言和文化的相似性联系起来。
Imas 接着问 Cowen 为什么很早就关注 AI。Cowen 回忆,自己年轻时下国际象棋,曾看到一台名为 Tinkerbell 的计算机与人对弈。棋手明白这项游戏需要直觉,因此看到机器不断进步后,更容易想象其他直觉领域也会出现类似进展。
Imas 说,用可验证反馈训练的系统未必会永远局限于显然容易检查的任务:更好的验证器可能让更多工作变得可以评估。Cowen 认为,只要投入一些努力并听取诗人的意见,AI 两年内就能写出伟大的诗歌;他也称赞当前模型对古典音乐的推荐。
资本、稀缺性与模拟的局限
几位嘉宾讨论分配、快速起飞预测,以及为什么模拟可能无法取代真实实验。他们对究竟哪些资源会保持稀缺持谨慎态度。
话题转向 AI 是否会使经济活动从劳动转向资本。Imas 说,这是一种可能的情景,但另一种可能是出现新岗位,而这些岗位因稀缺而有价值。尚待回答的问题是:这样的岗位有多少,能否支撑整个经济。
Cowen 区分了资本变得能够完成更多工作,与特定资本所有者获得持久的垄断收益。他说,重大技术往往让消费者受益,尽管这种历史不能保证 AI 也会如此。
两位经济学家再次谈到稀缺性。Cowen 说,能源或土地可能获得收益,但 AI 也可能降低能源、海水淡化或土地改造的成本。Imas 同意稀缺出现在哪里很重要,而具体答案很难预测。
Torenberg 介绍了 AI 重度用户的另一种看法:他们认为需求超过供给,并提到一个新的基础设施基金。他承认这种看法依赖一个假设,即更广泛的使用最终必须带来足够的商业价值,以证明大幅增加的支出合理。
Cowen 称赞 Leopold Aschenbrenner 的《Situational Awareness》是一篇重要的公共作品,但不同意其中关于快速起飞的假设。特别是,他怀疑模拟通常能否取代实体实验,尽管它在某些领域能够提供帮助。
Imas 补充说,预测必须考虑系统会如何响应变化。他提到卢卡斯批判:在一组条件下估计出的关系,可能在政策或行为变化后不再有效。
Cowen 认为 Robin Hanson 的《The Age of Em》很能激发思考,但他说自己长期以来都预计,AI 会先于全脑模拟出现,如果全脑模拟最终能够实现的话。这本书对他仍是有价值的思想来源。
被问及近期围绕 Nvidia 的不确定性时,两人再次强调制度制衡。Imas 预计供应链和结构性力量会保持韧性;Cowen 说,即便中期影响会逐渐消退,某些融资角色在经济下行时也可能受到削弱。
Cowen 看好生物技术,但因为监管和实验需求,预计其进展缓慢。Imas 对更好的结构模型感到兴奋,包括能帮助研究者理解机制、而不只是预测结果的数字孪生。
在高等教育和经济学中开展实验
两人都欢迎高等教育进行更多实验。他们预计经济学思维仍有助于理解制度和 AI 系统。
谈到高等教育,Cowen 呼吁更多实验、衡量和持续投资,欢迎尝试不同模式的新机构。Imas 预计传统高等教育会在某些方面收缩,但他看好长期创新,同时承认这些机构变化缓慢。
Imas 认为,经济学工具对 AI 问题仍有价值,从激励与对齐,到政治反馈和预测的局限都是如此。Cowen 设想,经济学家会用 AI 填补知识空缺,同时将一套共同工具应用于整个社会科学,管理智能体来研究更广泛的问题。
同频道的其他文章
16:19EN → 简体中文
46:06EN → 简体中文
46:11EN → 简体中文
56:06EN → 简体中文
59:06EN → 简体中文
48:39EN → 简体中文