AI生产率悖论解析：通用技术时滞与货币政策应对

AI的技术属性界定与当前表现

学术界普遍将人工智能视为具备通用技术特征的科技进步，其兼具“发电机型”通用技术与“发明方法的发明”双重属性。作为通用技术，AI在经济各部门间呈现广泛扩散潜力，核心技术随时间持续改进，并能催化大量衍生创新。数据显示，2023年以来美国劳动生产率已显著高于疫情前趋势水平，主要由资本深化和劳动质量提升驱动，全要素生产率提升相对温和，这一结构特征符合通用技术扩散早期的典型表现。

长期生产率提升的两派观点

关于AI能否带来长期生产率提升，学界存在分歧。以Gordon为代表的“技术进步放缓论”认为，第二次工业革命后的新技术难以复制电力时代的持久红利，AI作为“信息”而非“能源”，且面临教育水平平台期等逆风，难以支撑长期高增长。另一派则基于“索洛生产率悖论”和J曲线效应，认为AI作为通用技术将在长期带来提升，但早期受时滞效应、资源错配和测量误差影响，宏观数据表现不显著。

时滞效应与资源错配机制

时滞效应是解释当前悖论的主流视角。通用技术从突破到全要素生产率增长峰值通常需经历组织变革、人力资本积累等漫长周期。微观调查证实，AI应用初期因流程重构和学习成本可能导致生产率短期下降，随后进入J曲线上行阶段。资源错配方面，新技术收益往往集中于头部企业或特定高技能群体，导致宏观层面生产率提升缺乏广泛的行业基础，呈现高度的结构性分化。

预测时点与货币政策启示

历史规律显示，通用技术滞后时长逐渐缩短，目前研究普遍预测AI对生产率提振效应最显著的时期在2030年前后。面对转型期的结构性变化，货币政策应更关注微观调查数据以捕捉早期信号，区分结构性错位与周期性疲软。学界建议维持相对宽松的货币政策以支持新技术扩散，容忍阶段性通胀，同时需警惕因过度乐观引发的资产泡沫风险。