蔡昉：为实施“人工智能+”创建良好制度环境

在人工智能全球迅猛发展的浪潮中，我国不仅居于技术发展最前沿的位置，更具有对这一颠覆性技术的迫切需求、广阔的应用场景和超大规模的市场空间。与以往技术变革不同，人工智能系统和模型不断推陈出新，通用人工智能也被预期很快实现，智能体可以自主执行几乎所有的人类任务。在这种背景下，我国既要始终坚守创新前沿，更要突出应用导向。国务院日前印发《关于深入实施“人工智能+”行动的意见》，以促进人工智能与科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作等六大重点领域的广泛深度融合为重点，旨在发挥我国独特优势，赋能高质量发展，是一项及时且重大的部署。

从高速增长转向高质量发展的中国经济，既越来越接近现代化的宏伟目标，也时时遇到“行百里者半九十”的难点，是一个充满发展中问题和成长中烦恼的过程。人工智能的强大赋能功能，可以大幅度增强破解现代化发展难题的能力。如何抓住人工智能与产业发展深度融合的发展机遇，应对前所未有的风险挑战，需要在实施“人工智能+”行动中把握正确技术发展和应用方向，形成一个确保智能向善的良好制度环境。

为实现合理经济增长提供新动能

随着我国人口进入负增长和中度老龄化阶段，传统人口红利加快消失，潜在增长率趋于下降，以出口和投资拉动为特征的传统需求结构难以支撑合意的经济增长速度。这些挑战增强了我国经济实现从高速增长到高质量发展转变的紧迫性，必须打破高质量发展的关键制约，保持经济在合理合意区间增长，分别从供给侧和需求侧开启新动能。人工智能与科技、经济、社会和治理等重点领域的深度融合，都将有助于新动能的产生。

从供给侧来看，在要素投入驱动传统动能趋于减弱的条件下，以技术创新和资源重新配置为源泉，全要素生产率的提高日益成为增长新动能。人工智能与产业发展的深度融合，可以在不增加要素投入的情况下，加快科技新成果的产生和应用，提高要素的质量，改善要素配置的效率，持续提高全要素生产率。人工智能在提高生产率方面，具有强大的能力和无尽的潜力，支撑和提高潜在增长率。以当前居于主流的大语言模型为例，基于数据训练、深度学习和推理能力，人工智能模型的应用能够以极大的幅度，加快各科技领域的试错、筛选和择优过程，更有效配置和使用资源要素，培养更多、更高质量的人力资源。

从需求侧来看，在加快转变发展方式、构建新发展格局的条件下，居民消费对于形成强大内需，支撑经济增长需求拉力的意义日益显著。人工智能与产业发展的深度融合，可引导大规模的智能设施投资需求。通过把生产率的提高转化为居民可支配收入的增长，同时促进收入更均等分配，城乡居民消费能力和消费意愿将得到显著提高。人工智能既可以通过效率优势创新产品功能和服务方式，消除现存的消费缺口，也可以通过拓展产品和服务的消费范围促进消费升级。例如，人工智能利用技术、效率和共享性优势，降低生育、养育、教育成本，以及努力做到老有所养、老有所为、老有所乐，都可以成为与产业融合的重要领域。

人工智能催化和赋能新质生产力，需要以必要的改革为前提，形成与这种崭新生产力形态相适应的生产关系。人工智能的健康发展，也有赖于在新发展理念引领下进行的体制机制创新。经营主体之间在技术创新和应用上的均衡性，既决定生产率提高的程度，也关乎生产率能否得到合理分享。人工智能健康发展的关键，一是把技术创新转化为生产率的提高，二是更高生产率得到充分均等的分享。与之相对应，一方面，着眼于创造要素充分流动和企业自由进退的市场环境，形成创新的优胜劣汰机制；另一方面，在城乡间、区域间、产业间构造均衡发展、均等分享的格局，实现人工智能向善目标。

技术创新和应用的民生目标

智能向善这个理念通常体现在目标和手段两个维度，衍生出亟待探讨的理论和实践问题。一方面，智能向善的目标包容多个层次，在最终极的层次上，人工智能的发展和应用，应该服务于更好造福人类这个目标；在一个更紧迫、作为起点意义的层次上，人工智能应该优先应用于改善民生、提高福祉。另一方面，智能向善的手段涉及当事人之间激励相容的问题，即如何让人工智能模型、系统、平台和代理的应用，能够像解决市场成本收益问题一样，破解公共政策制定和公共品供给中的外部性难题。

首先，应对结构性就业矛盾。我国劳动力市场的主要矛盾性质已经从总量性转变为结构性，人力资源的数量和素质都面临匹配困难，表现为区域间、产业间和岗位间存在错配的现象。这种就业矛盾涉及各种劳动力市场参与群体，分别表现为青年就业群体遭遇高失业率，大龄劳动者过早退出就业市场，新就业形态和灵活就业群体权益保障不足，农村转移劳动力流动性降低、流动范围缩小。上述种种表现，既阻碍劳动生产率的提高，也抑制就业质量的改善。人工智能的广泛应用可能产生双重效应，孰强孰弱取决于规制、激励和引导。一方面，新技术的应用既创造新岗位也破坏旧岗位，岗位创造往往少于和滞后于岗位破坏，根源也恰恰在于技能的供需不匹配。这就是说，人工智能应用会加剧结构性就业矛盾；另一方面，人工智能蕴含着破解就业难题的强大能力。例如，人工智能赋能人机协作，就会引导技术增强劳动者能力，避免劳动者岗位被替代。此外，只要让技术使用者具有像解决市场交易中支付问题那样的动机，新就业形态劳动者的社会保障和权益保护问题也不难攻克。

其次，显著缩小各类收入差距。在过去十几年中，我国收入分配状况有所改善，但不同类型的收入差距变化趋势产生差异。例如，在城乡收入差距仍在明显缩小的同时，居民可支配收入的基尼系数于2015年下降到谷底后，未再有显著的缩小。由于城乡收入差距是基尼系数的一个贡献因素，两个指标的分道扬镳，意味着有其他因素在阻碍基尼系数进一步降低。这个因素就是城镇居民收入基尼系数，一是城镇居民收入的不平等程度有所扩大，二是这个因素对整体基尼系数的贡献显著加大。城镇基尼系数扩大与结构性就业矛盾密切相关，也为人工智能潜在冲击敲响了警钟。智能向善在这个领域大有可为。通过人工智能赋能，改进劳动者技能、增强人力资本与人工智能互补性，在初次分配中仍有很大空间，既缩小资本收益与劳动报酬之间差距，也缩小人力资本禀赋不同劳动者之间的工资差距。

最后，促进人工智能红利的广泛分享。在初次分配领域缩小收入差距的效应，不足以把收入差距有效降低到期望目标。再分配机制不可或缺。人工智能与产业发展的深度融合，可望极大提高全要素生产率和劳动生产率，而这个生产率红利的广泛分享，即是智能向善的本质要求。从分享手段看，税收和转移支付这两种常规再分配方式，均可借助人工智能技术，在更高层次上实现效率和公平统一。鉴于人工智能的强大功能，还可以通过更有效率的方式，把公共品供给在水平、范围、质量和均等程度上都提升到更高层次，以贯穿全生命周期的基本公共服务，实现幼有所育、学有所教、劳有所得、病有所医、老有所养、住有所居、弱有所扶。

抓住发展机遇和应对风险挑战

像任何新技术的研究开发及应用一样，人工智能具有双刃剑性质。如何达到智能向善的结果，归根结底取决于规制引导应用方向，恰当应对潜在风险。具体来说，抓住人工智能带来的前所未有的发展机遇，积极应对其前所未有的风险挑战，需要以新发展理念为统领，在理论和实践的诸多方面做足准备。

首先，确保人工智能发展与社会目标严格对标。学术界一直存在的人工智能如何与人类伦理“对齐”的问题，迄今尚未能够清晰和具体地指出，应该要求谁做看齐的主体，以及应该向谁的价值观看齐。在中国的语境中，使用“对标”这个词语，更能突出目标导向和问题导向的性质。所谓对标，就是明确指出人工智能发展以培育新质生产力和改善民生福祉为目标；运用法律、规制和政策手段，规范和激励人工智能开发和应用的参与方，包括投资人、企业家、研发人员、实验室负责人，以及购买方或用户，以确保技术发展遵循有益于社会的方向，防止对社会、劳动者造成损害。例如，要做到岗位创造大于岗位破坏，应选择有助于人力资本与人工智能相互补充、协作而非竞争的领域，优先应用人工智能技术。

其次，塑造适应人工智能时代的人力资本培养模式。在人工智能及其自动化技术日益替代岗位的压力下，一方面，正如以往发生的颠覆性科技革命那样，劳动者技能仍是在个人层面上抵御就业冲击的重要屏障；另一方面，劳动力市场对技能的需求呈现出新的特征，对人力资本培养模式提出挑战。技能需求新特征中最突出的一点，就是技术迭代、知识更新、技能升级，岗位更替越来越快，无论学历高低都不再保证提供劳动力市场所需技能。人力资本培养必须贯穿整个工作生命周期。整体而言，大龄劳动者遭遇技能折旧的冲击，既非个人之咎，也非一己之力所能应对，举办在职培训项目、构建和维护终身学习体系，应该作为政府的责任。

最后，以更普惠的社会保障兜底和改善民生。在创造性破坏过程中，创造性和破坏性是互为条件的。因此，无论是事前要求人工智能发展和应用对标社会目标，还是加强劳动者技能和适应力抵御就业冲击，都无法避免也不应放弃这种优胜劣汰的奖惩机制。鉴于在技术创新和应用过程中充满生死攸关的抉择，每个竞争参与者的理性行为，也难免造成“合成谬误”。以社会保障体系为中心，构建起牢固的社会保护网，既以兜底保障的方式对冲人工智能的就业冲击，也利用人工智能达到的生产率提高，确保科技创新和经济发展的成果得到广泛分享。■

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。

纽约联储调查：短期通胀预期上升 受访者对找工作信心下降　　根据纽约联储的消费者预期调查，8月份消费者对未来一年通胀率的预期从3.09%上升至3.2%。　　根据该报告：　　“认为失业后能找到工作的受访者占比大幅下降5.8个百分点至44.9%，为该指标自2013年6月开始统计以来的最低读数”