外滩大会激辩AI新经济：未来人类的比较优势会是什么？

【大河财立方 记者 陈薇 文图】AI正在改变经济，这件事几乎没有争议，真正有争议的是下一步。

9月10日，以“共创AI新经济”为主题的2026 Inclusion·外滩大会在上海举行，经济学家、产业领袖与教育者围绕同一个问题交锋：万亿资本砸下去，AI能否变成持续的生产率？

争论并未止步于增长账本。当“效率”逻辑触及边界，AI的关键词正转向“增量”；当机器接管标准化任务，人的比较优势开始体现在理解力、判断力等维度。

技术突破并不必然带来增长

围绕AI的经济前景，最乐观的测算来自诺贝尔经济学奖得主、法国经济学家菲利普·阿吉翁。

他在演讲中指出，仅考虑AI对商品和服务生产中任务的自动化，未来十年AI就有望使生产率增速每年额外提高0.68个百分点；若进一步计入AI促进新想法产生的作用，潜在提升合计约1.08个百分点，影响或超过IT革命。

“0.68个百分点只是一个下限。”他说。

但在场的多数经济学家更强调不确定性。诺贝尔经济学奖得主托马斯·萨金特把今天的AI比作“开普勒阶段”：已能从大量数据中找到规律，却尚未理解规律背后的结构，巨额投入并不自动等于高回报。

北京大学国家发展研究院院长黄益平则援引计算机时代的“索洛悖论”提醒，技术应用铺开与生产率数据改善之间存在时间滞后，技术热度不等于宏观增长已兑现。

“AI经济的新形态已经确立，但AI经济学还没有真正开始。”上海财经大学校长刘元春列举了学界测算的巨大分歧，从Acemoglu的每年约0.07至0.1个百分点，到OECD研究的0.25至0.6个百分点，再到部分研究的0.5至1.3个百分点。

分歧的根源在于研究者对“哪些任务可被AI经济化替代”的假设差异极大，因此对各类预测大可不必全信，关键要看清测算背后的假设与方法。

从效率到增量，AI新经济的关键词变了

此前，在谈及AI价值的时候，关注更多的是效率提升，但现在这个逻辑变了。

蚂蚁集团CEO韩歆毅表示，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的问题。”他说，AI要创造新供给、激活新需求才更有价值。

蚂蚁集团研究院院长李振华则更关注商业闭环。当前AI投资明显分化，上游算力回报相对清晰，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。”他说。

北京大学赵波则从增长机制来看AI真正的价值。在他看来，AI不只是让原来的人把原来的事做快一点，而是让过去太贵、太难、无法规模化的事情，第一次变得可做、可买、可交易。

可以看出，AI新经济的关键词，正在从效率转向增量。

至于备受关注的AI泡沫之争，刘元春认为，即便高估值包含投机成分，只要它维持足够长时间，就可能刺激算力、数据中心、大模型等实体资本大规模投入。

“有泡沫不可怕。”他以互联网泡沫为例指出，真正的问题是，在泡沫期间形成的算力、模型和基础设施，最终能不能沉淀成真实生产能力。

AI时代，人该修炼什么

机器越来越能干，人靠什么立足？

“人工智能不会取代就业，也不会取代职业，它只会取代能力。”上海交通大学教授陆铭说，标准化、重复、可编码的“机能”更容易被机器接手，理解力、沟通力、共情力、组织力和价值判断力等“人能”，在AI时代反而会变得更加重要。

任务越非标准化，人的比较优势反而越明显。技术不是简单把“人”从生产中拿走，而是在重新划分人和机器各自更适合做什么。

在AI原生的工作方式上，香港科技大学（广州）协理副校长熊辉把AI时代的劳动者称为“超级个体”：过去一个人主要依靠自己的时间完成工作，未来一个人可能同时调动多个智能体和机器完成任务。

工作的价值也因此改变：从“我能做多少”，转向“我能不能让AI做得更好，以及我能不能判断它做得对不对”。当人人都能调用相似的大模型，真正拉开差距的，是提问能力、判断能力、经验、品味和从0到1的创新。

这种转变也打开了新的职业空间。北京大学赵波指出，AI正在降低专业技能获取成本、扩大市场参与主体、降低创新试错成本——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。

这意味着更多人可以借AI进入过去进不去的领域，做过去做不了的事。而要抓住这些机会，阿吉翁提醒，关键在于让人“学会如何学习”，持续适应技术和工作的变化；“我们比以往任何时候都更需要提升手工劳动以及软技能的价值。”

教育需要让人学会如何学习

就业问题再往前一步，就是教育问题。

香港科技大学（广州）协理副校长熊辉指出，今天不少教育仍集中在知识记忆、标准答案和反复训练上，而这些恰恰是机器越来越擅长的事情。

但现场也不乏不同的声音，北京大学沈艳提醒，不能简单否定“博闻强识”，知识积累与创造力并不矛盾。AI时代不是不要知识，而是不能只有知识。

阿吉翁则表示，应保留一部分完全不使用AI的学习过程，让学生能够独立阅读、计算和思考。“如果放任AI被滥用，我们可能会看到整整一代人既不会独立计算，也无法专注阅读。”他说，教育更重要的是让人学会如何学习，从而持续适应技术与工作的变化。

此外，熊辉也表示，教育还必须回应“超级个体”这一全新劳动形态。未来，越来越多场景一个人可能同时调动多个智能体和机器完成任务，这意味着学校不仅要培养个人能力，更要培养人与AI协作的能力。

如何拆解复杂目标，如何为AI分配适合它的子任务，如何整合多源输出并做出最终决策。未来的职场精英，不是单科满分的学生，而是能够横跨技术、商业与人文领域，指挥一支“硅基团队”的指挥官。

责编:金怡杉 | 审校:牛尚 | 审核:李震 | 监审:古筝