外滩大会理性思辨：AI新经济该由谁来检验？

全球对AI的疯狂投入迅速吃掉了互联网大厂本来十分充裕的自由现金流，甚至进入一个需要举债发展AI基础设施的阶段；另一方面，为什么在大语言模型渗透率实现速度远快于上一轮互联网和PC渗透率的前提下，AI对经济的贡献却迟迟无法体现在宏观数字中？似乎将再现上一次互联网革新时代尴尬的“索洛悖论”；AI所创造的价值增量，未来是会流向资本，还是能促进新的分配模式、让普通劳动者和社会消费者扩大收入？围绕这些争议性话题的观点碰撞本身就带有独立的思辨性。

AI正在改变经济，这件事已几乎没有争议，真正有争议的是下一步：巨额投入之后，能不能变成持续的生产率？效率提高之后，会不会形成新的需求和就业？增长红利能否变成普通人的收入？教育、社会保障和全球规则如何跟得上？这是2026 Inclusion·外滩大会《AI经济增长新范式与社会价值重构》见解论坛的核心关注。

9月9日，这场汇集诺贝尔经济学奖得主托马斯·萨金特，北京大学国家发展研究院院长黄益平，上海财经大学校长刘元春，中国社会科学院大学教授江小涓，中金公司首席经济学家缪延亮，以及产业界、投资界嘉宾，从生产、投资、就业、教育和全球化等角度，讨论同一个问题：AI怎样从技术变量，变成真正的经济变量？

AI经济已开始，但增长的账还没算清

刘元春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。”

问题首先出在生产率上。几乎所有人都相信AI会提高效率，但“提高多少、什么时候体现、通过什么路径体现”，分歧巨大。刘元春认为，判断AI是不是泡沫，最终还是要回到一个朴素的问题：今天形成的算力、模型和基础设施，能不能沉淀成真实生产能力。

黄益平也提醒，技术热度不等于宏观增长已兑现。计算机时代曾出现“索洛悖论”——技术应用已经铺开，生产率数据却没有马上明显提高。AI今天也可能面对类似的时间滞后。

萨金特则把这种不确定性说得更直接。他把今天的AI比作“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。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。

论坛上的第一个判断因此很清楚：AI的方向可能是确定的，但增长的幅度、节奏和分配方式，远没有确定。

从“投AI”到“AI赚钱”，核心是创造新需求

如果说前几年AI经济最明显的特征是资本性支出，那么下一阶段真正要看的，是应用。

蚂蚁集团CEO韩歆毅提出，AI经济不能只依靠资本投入，AI应用也不能止步于存量提效。如果只是把原来的流程做得更快，却没有创造增量需求，最终可能出现供需失衡和投入产出不匹配。企业需要从“降本增效”走向“价值创造”，用AI创造新供给、激活新需求。

蚂蚁集团研究院院长李振华也把问题落到了商业闭环上。他认为，当前AI投资呈现明显分化，上游算力投资回报相对清晰，中游大模型和下游应用仍承受较大商业化压力，“AI的故事能否讲下去，取决于应用能否真正创造产业价值。”

北京大学赵波则从增长机制出发认为，AI正在降低专业技能获取成本、扩大市场参与主体，并降低创新试错成本。换句话说，AI真正的经济价值，不只是让原来的人把原来的事做快一点，而是能不能让过去太贵、太难、无法规模化的事情，第一次变得可做、可买、可交易。AI新经济的关键词，正在从“效率”转向“增量”。

隔空回应马斯克之问

随着AI带来的生产率提高，一个更尖锐的问题也随之出现：如果机器能生产更多，人有没有足够的收入去消费？

黄益平把这个问题概括为“供强需弱”。如果AI一边增强供给能力，一边冲击部分就业、扩大资本与劳动之间的回报差距，那么需求未必能和生产能力同步增长。“供强需弱”甚至可能变成长期问题，进而改变经济增长范式。

缪延亮从通胀角度给出了相似观察。他判断，AI短期可能因为算力、存储等瓶颈推高部分价格，但长期随着生产率提升和劳动替代效应增强，去通胀压力可能更强。背后的逻辑同样指向收入分配：如果更多收入流向资本、劳动收入占比下降，总需求就可能受到抑制。

关于的就业讨论，也没有只停留在“AI会不会抢饭碗”。陆铭隔空回应了马斯克之问，他认为，“人工智能不会取代就业，也不会取代职业，它只会取代能力。”标准化、重复、可编码的“机能”更容易被机器接手，而理解力、沟通力、共情力、组织力和价值判断等“人能”会变得更重要。

邢自强则提醒，长期有新岗位，不等于短期没有阵痛。这轮AI扩散可能比过去工业革命快得多，“新岗位的创造，赶不上对旧有岗位的蚕食和冲击”完全可能发生，一些入门级岗位可能率先减少。

黄益平因此提到第一次工业革命后的“恩格斯停顿”：产出快速增长，工人工资却曾长期停滞。历史说明，生产率增长不会自动变成劳动者收入增长。所谓“就业优先”，不是让AI少做一点，而是让更多人因为AI能做得更多。

AI新经济，最后要拼人的能力和制度能力

就业问题再往前一步，就是年轻人的教育。香港科技大学（广州）协理副校长熊辉提出，今天不少教育仍集中在知识记忆、标准答案和反复训练，而这些恰恰是机器越来越擅长的事情。AI可以“平知识的权”，却不会自动“平能力的权”。当人人都能调用相似的大模型，真正拉开差距的可能变成提问、判断、经验、品位和0到1的创新能力。

陆铭把这些能力称为“人能”。沈艳则提醒，AI时代也不能简单否定“博闻强识”，知识积累和创造力并不矛盾。几位嘉宾的讨论，共同指向一个问题：AI时代不是不要知识，而是不能只有知识。

而当视野从个人转向企业，江小涓认为，AI又在改变另一套规则。她提出，AI是一种“生而为全球”的创新。越来越多模型、产品和服务，从诞生第一天起就面对全球市场。相应地，全球竞争也不再只是企业之间的竞争，而是进一步延伸到产业生态、制度开放、合规能力和国际规则。

“企业创立之初，必须搭建全球合规体系。”江小涓表示，AI时代的企业要从一开始就把全球市场、全球规则纳入产品和商业模式设计。

讨论最终又回到一个更基础的问题：AI创造出来的生产率，怎样变成真正的经济增长。韩歆毅认为，AI经济不能只依靠资本投入，企业也不能停留在“降本增效”。在他看来，新的需求形成之后，还需要进一步解决一个问题：AI创造的增长，如何转化为更多就业和收入机会，形成“投资—收入—消费”的新循环。

黄益平也从分配角度提醒，生产率提高，并不意味着劳动者收入会自动同步提高。所谓“就业优先”，不是让AI少做一些，而是让更多人因为AI能做得更多。这也是韩歆毅给出的衡量标准：“AI的价值最终要由真实增长来检验，也要由更多人的获得感来衡量。”