伍晓鹰 | AI：一个新的“索洛悖论”？

来源：【北大国发院】

引言

如果说 AI 是这个时代最具革命性的通用技术，那么它究竟可能如何改变GDP 增长和收入分配？为何经济学界对 AI 的预期远不如市场叙事那般澎湃？我们是否正在面对一个新的 “索洛悖论”？—— 就像大约四十年前，诺贝尔经济学奖得主罗伯特・索洛（Robert Solow）[1]对已经兴起了约 20 年的计算机所作的评论那样：“计算机无处不在，唯独看不到它们出现在生产率统计中。” 他的质疑因此也被称为 “计算机生产率悖论”。

在经济增长以及生产率国际比较领域，北京大学国家发展研究院伍晓鹰教授是最资深的学者之一。他现在担任国发院的 “增长实验室” 主任，也是国际麦迪森项目委员会委员。在加入国发院之前他是日本一桥大学经济学的终身教授，曾经担任亚洲 KLEMS 生产率学会第五届主席，国际收入与财富学会第 28 届理事，美国世界大型企业联合会（The Conference Board, TCB）的高级学术顾问和 TCB 中国中心经济研究部主任。

在 “2025 罗汉堂 - 北大国发院数字经济年会” 上，伍晓鹰教授以 “AI：一个新的索洛悖论？” 为题，基于他多年在增长研究上的思考和发现，提醒我们，当技术革命遇上不当的制度安排和扭曲的资源配置时，其所得可能会小于所失，其潜在经济价值可能会在相当程度上被 “蒸发”，从而加剧 “索洛悖论”。

以下是伍晓鹰教授的演讲全文：

大家早上好。很高兴今天能和大家聚在一起，围绕 AI 技术与经济增长这一话题作些交流和分享。我想抛出和讨论一个极具挑战性的问题：AI 是否是一个新的 “索洛悖论”？

我将从一个增长经济学者的视角出发，根据国际数据和我对信息技术对中国经济增长与生产率变化的影响的估计结果，提出关于 AI 及相关产业政策的一些问题。当然，我今天所谈的都只是一些初步想法，希望后面能跟各位进行更深入的交流和讨论。

01

从“索洛悖论”讲起

1987 年，诺贝尔经济学奖得主罗伯特・索洛在一次访谈中提出了一个发人深省的观察：“计算机无处不在，唯独看不到它们出现在生产率统计中。” 这句看似讽刺却意味深长的话，后来被学界广泛引用，成为著名的 “索洛悖论”。它揭示了当时信息技术革命中一个令人困惑的现象：在信息通信技术蓬勃发展并快速普及时，整体经济的生产率却未出现与之相称的跃升。

这一悖论可通过图一（引自 Erik Brynjolfsson 的研究）直观呈现：自 20 世纪 60 年代以来（过程中也有 1970 年代初 “石油危机” 造成的短暂影响），尽管计算机及相关信息技术（IT）被日益应用于经济活动，而且 IT 资本在固定资本的占比不断提升，但与之相关的劳动生产率却长期处于停滞状态。

图一：Brynjolfsson（1993）诠释的“索洛悖论”：

固定资本设备中计算机比重 vs. 白领职工劳动生产率 | 来源：Brynjolfsson, E. (1993). The Productivity Paradox of Information Technology. Communications of the ACM, 36 (12), 67-77.

自 “索洛悖论” 提出以来，不同学科领域的学者围绕这一现象展开了广泛研究和讨论，并从不同视角提出了四种学术界普遍接受的解释。

第一种解释是测量误差（mismeasurement），认为计算机技术进步并非没有带来生产率提升，而是尚未能够被现有统计系统在投入、产出、价格诸方面被准确辨认，从而被纳入现有增长核算框架中。

第二种是时间滞后（time lags），即计算机技术的生产率效果具有时滞性，不会反映在当期的经济指标之中。

第三种解释是再分配效应（redistribution effect），强调计算机技术在催生新产业、新职业的同时，可能导致旧产业、旧职业的萎缩甚至消亡，当两者完全抵消时，就不会有生产率效果。

第四种解释聚焦于制度和组织层面的 “管理不当”(mismanagement), 认为在制度尚未适应技术变革的情况下，其潜在价值可能因资源错配、激励失衡或治理滞后而难以释放。

需要指出的是，后三种解释在一定程度上存在交叉重叠，因为无论是新旧产业之间的结构调整，还是制度和规则的演进与适配，其影响往往具有滞后性，需经历一定的时间才能在宏观层面显现。

如果总结一下，当年关于计算机生产率的 “索洛悖论” 包含了两个主要因素，一个是测算，另一个是结构。关于前者，计算机硬件的测算问题较容易解决，但是软件直到 2008 年才被作为固定资产有条件地纳入联合国的国民账户体系（SNA）。至于后者，它因技术和制度的交错关系而产生，本质上取决于政府可以在多大程度上容忍市场因新技术而产生的资源重新配置的需要，因此会影响资源配置效率。

02

考虑要素投入与产出的行业异质性是破解“索洛悖论”的关键

作为经济学者，尤其是专注于研究经济增长与生产率的学者，我们无法仅凭故事、轶事（anecdotes）或少数成功案例，来推断技术对整体经济的影响。

传统的索洛模型将技术视为外生变量（exogenous），并假设行业是同质的（homogeneous），而且面对相同的要素成本，这显然不符合现实。要准确的测算全要素生产率（TFP），我们需要一个系统性的分析框架，遵循理论 - 方法 - 测算-数据一致的原则，解决因技术不同而产生的要素投入与产出的行业异质性及其变化问题，将其纳入增长核算体系中。

图二：Jorgenson 的APPF-Domar增长核算模型肯定了1970s-1980s期间“索洛悖论”的存在及其在1990s中后期的消失 | 来源: Jorgenson, D.W. (2001). Information Technology and the U.S. Economy. American Economic Review, 91 (1), 1-32.

在这一方面，戴尔・乔根森（Dale Jorgenson）[2]无疑是最具代表性的经济学家之一。

乔根森教授对索洛模型进行了开创性的拓展，并在与兹维・格瑞里奇斯（Zvi Griliches）的合作研究中 (1967)，提出了 “总量生产可能性边界法（APPF）”, 又将其与和 “多玛加总法（Domar Aggregation）[3]”相结合，为测算和分解生产率的衡行业量与来源，以及资本和劳动在行业间重新配置的效率分解提供了全新的分析工具。

在乔根森教授 2001 年发表于《美国经济评论》（AER）的一项研究中，如图二所示，他通过将 GDP 增长拆分为不同投入要素的贡献 —— 包括劳动、IT 资本和非 IT 资本 —— 发现 “索洛悖论” 在 20 世纪 70 年代至 90 年代初期表现尤为突出：尽管 IT 投资已经开始显著增长，但其对生产率提升的贡献极其有限。然而，他证明，到了自 90 年代中后期起，由 IT 资本驱动的全要素生产率对 GDP 增长的拉动作用才开始凸显，“索洛悖论” 也就似乎不再成立而得以破解。

03

AI技术是不是“索洛悖论”的一个新例？

回到今天大家最关切的问题：AI 是不是 “索洛悖论” 的一个新例？我的回答是肯定的。

短短几年时间，男女老幼人人都在谈论 AI，似乎 AI 技术已经被应用于很多行业了。但大家应该看到了，无论是中国经济还是世界经济的增长速度一直都在放缓，很多深层的结构问题恰恰因此而浮现。对整个宏观经济可以使用不同方法进行分析和测算，尽管结果不尽相同，但是基本上都不令人乐观，至今还没有看到理论逻辑通常告诉我们的，因为经济放缓，竞争压力增大，全要素生产率开始显现改善的迹象。

图三显示，全球主要经济体 G20 的劳动生产率增长从 2008 年的接近 3.5%，降至 2023 年的 2%，与此同时，这些经济体的全要素生产率增长却从全球金融危机前的约 1.1% 一下子跌入负值区间，然后按照年平均值计算一直徘徊于零增长。

图三：是什么导致了最近15年全球增长放缓与TFP停滞？是技术引起的新“索洛悖论”还是产业政策竞赛？| 来源: Bart van Ark, Klaas de Vries, and Dirk Pilat: Are Pro-Productivity Policies Fit for Purpose? Productivity Drivers and Policies in G-20 Economies. The Productivity Institute, Manchester University, 2023 Working Paper No. 038

在图三中，Ark et al.(2023) 使用了美国世界大型企业联合会（TCB）的 TED（Total Economy Database）数据库对全球和 G20 整体经济的全要素生产率进行了估计。如图所示，在最近十五年左右的时间里，全球主要经济体的全要素生产率基本上处于下降或停滞的状态。

这一现象肯定不能简单归因于我们正在被技术革命所带来的一个新的 “索洛悖论” 所困扰。一个反倒应该引起人们注意的、同时发生的现象，是全球主要经济体都在积极推动以 AI 和其他尖端技术为核心的产业政策，而且这已经在中国、美国和主要欧洲国家之间形成了前所未有的一种 “产业政策竞争” 态势。可以认为由此导致的资源错配，可能同样是导致生产率放缓或停滞的重要原因之一。

因此，近期出现的生产率下降究竟是各国产业政策竞争带来的资源错配所致，还是 AI 技术导致的新 “索洛悖论” 所致，答案并不明晰。

也许有人会说我们应该从一个超越生产率的意义上看待 AI 技术。的确，从一个人类可以普遍受益的大众知识传播工具的角度看，AI 是人类继语言、文字、造纸、印刷后的又一次颠覆性的革命 —— 如果这不是最后一次。从这个意义上说，AI 的影响可能或最终肯定要超越通常经济学意义上的生产率问题。但是，回到经济问题上来， 特别是考虑到经济政策，AI 的影响还是要被限制在市场可以定价的经济活动范围内，对其评价还必须是一个生产率评价。

04

启发：从ICT的角度观察中国经济的资源错配

现在我们把目光转向中国，借助我们的研究团队基于 KLEMS 原则（即 Jorgenson 的生产率测算原则）构建的《中国经济分行业生产率数据库》（CIP/China KLEMS），来探讨 AI 可能对中国经济的潜在影响。

虽然这样的探讨还只是间接的，但它是一个必要的起点，因为要理解 AI 对任何一个经济体的影响，首先必须回溯其技术基础 —— 信息通信技术（ICT）在增长和 TFP 上的表现。我们的焦点仍然是全要素生产率，但是以 ICT 作为观察角度，在解决了要素的投入和产出的行业异质性后，以 ICT 相关性对行业重新分组。显然，AI 使生产过程中原有的异质性变得更加复杂了 —— 抱歉，这里我必须要使用这样拗口的技术词汇，因为主流文献中的各种 “TFP 研究” 完全忽略了这个问题，一直在用假设的同质性及由此得出的严重有偏的结果误导我们。

表一：行业/行业组对中国经济GDP增长的贡献1992-2023：一个ICT视角（GDP增长率：% p.a.；行业贡献：百分点）| 来源: David T. Liang and Harry X. Wu, “Revisiting the Role of ICT in China's Growth”, IDE Discussion Paper Vol. 883, 2023 (IDE/JETRO: Institute of Developing Economies, Japan Economy and Trade Organization); 国发院增长实验室update（2025）

今天没有时间和必要去深入探讨复杂的数据问题，让我们直接进入估计结果。就 ICT 这个话题，这是我们团队最新也是最好的结果。

首先让我们使用表一报告的结果来观察 ICT 对中国经济增长的贡献，再依据表二的数据观察它对中国经济全要素生产率的贡献。表一显示，自 20 世纪 90 年代以来，ICT 相关产业已成为推动中国经济增长的重要引擎。数据显示，ICT 对 GDP 增长的贡献率从 90 年代的约 50%，上升至中国加入 WTO 后的 65%。即使在经历了全球金融危机和国内经济增速放缓的双重冲击下，ICT 的相对贡献仍不断攀升。特别是在 2018 至 2023 年期间，尽管整体经济增速持续放缓（注意我们的价格双平减结果显示这个期间的 GDP 平均年增长率已经降至 3.7%），ICT 产业对 GDP 增长的贡献率却跃升至 85%。

这就是说这个时期的中国经济增长几乎完全依靠 ICT 相关的经济活动。那么，随之而来的一个重要的问题就是，这些在最近十年维持中国经济增长中举足轻重的 ICT 经济活动有效率吗？

表二：行业/行业组对中国经济TFP增长的贡献1992-2023：一个ICT视角（整体TFP增长率：% p.a.；行业贡献：百分点）| 来源：同表一

根据 Jorgenson 模型，我们可以推导计算出不同行业对整体经济全要素生产率（TFP）增长的贡献（因篇幅所限我们暂且跳过要素贡献的分析）。表二给出的估计结果呈现一个很明显的趋势：ICT 相关行业中的 ICT 制造业组始终是效率最高的经济部门。

其中，ICT 生产部门对 TFP 的年均贡献为 0.4 个百分点，而 ICT 密集使用的制造业组更高，达到了 0.9 个百分点。在非 ICT 密集使用的行业中，对整体 TFP 增长贡献最大的也是制造业组，达到了 0.7 个百分点。相比之下，一些服务业和非市场化服务部门对整体经济 TFP 增长造成了显著的拖累，分别为 - 0.4 和 - 0.7 个百分点。

然而，非常值得注意的是，密集使用 ICT 行业中的服务业组也损害了整体经济 TFP 的增长（-0.5）。这似乎表明大量增加 ICT 的使用并没有改善服务业的效率。总体而言，如此大且持续的行业间 TFP 差异，反映了增长与效率之间的结构性脱节，也揭示出一个深层问题：要素在行业间的配置在很大程度上并未遵循市场竞争逻辑，可能受到了政策、结构性壁垒等多重因素的扭曲或干扰。如果深入观察并量化，就必须结合另外一个重要指标，那就是要素再配置的 TFP 效果，列在表二的最后两行。让我们用下面的图四来观察和讨论这个问题。

图四所描绘的中国整体经济 TFP 走势更为直观，其中表现最为亮眼的时期出现在 2001 年中国加入世界贸易组织之后七年的 “黄金期”，该时期的 TFP 年均增速高达 2.1%，显著高于此前两个分期。20 世纪 90 年代的 TFP 增长虽然有限，但仍然保持正向。然而，自全球金融危机以来，中国经济的 TFP 增速转为负值。值得注意的是，虽然 TFP 自 2010s 起继续恶化，ICT 制造部门的效率却在改善。

这一趋势背后的原因值得探讨：究竟是 AI 导致新的 “索洛悖论”，还是强化 AI 及其他尖端技术快速发展的产业政策所导致的资源错配牺牲了效率？

图四：到底是什么在影响中国经济的全要素生产率（TFP）1992-2023：是资源在行业内部的使用效率？还是资源在行业之间的配置效率？| 来源：同表一

图五: 中国整体经济长期全要素生产率（TFP）指数1978-2023：行业内部效率 vs. 行业间资源配置效率表现 | 来源：同表一

图五绘制的过去 45 年中国整体经济全要素生产率（TFP）指数曲线有助于我们结合改革政策的演变，在一个宏观经济波动背景下观察中国经济效率的长期变化。

和图四一样，整体经济 TFP 可以进一步被分解为两个效应：一个是 “行业内部效应（within effect）”，即 “多玛加总” 的各产业内部的生产率变化；另一个是 “行业间效应（between effect）”，指资源在行业之间的重新配置所引起的生产率变动。其中，理解劳动力的重新配置效应相对容易：在发展中国家的工业化进程中，劳动力从传统农业向制造业和现代服务业的转移，往往伴随着显著的生产率提升。

不过我们的研究发现，自 2000 年代初以来，这种劳动力结构转移带来的生产率红利已基本上释放殆尽，所以其相应的 “行业间效应” 趋于停滞。然而，最值得关注的还是自 2000 年代初以来一直下降的资本重新配置效应，它与我们当下广泛讨论的资本回报迅速下降，产能过剩日益严重的现象应该不是简单的巧合。

05

下一步该怎么走？

最后说几句。新技术的商业喧嚣与宏观经济指标的沉寂之间的鲜明对比可能会令许多人感到困惑，甚至沮丧。但我希望 “索洛悖论” 所揭示的道理能够让人们回到现实中并冷静下来。一方面，测算新技术的经济学和统计学的挑战将永远存在；另一方面，谁也无法保证新技术只带来创造性而不会有毁灭性。这些都不是单靠 “政策发力” 就可以解决的，就像 “产业政策竞赛” 的结果完全可能是效率损失，而不是技术进步，因为创新来自于市场而不是权力。

我们从 ICT 技术的角度对中国经济增长和 TFP 表现的分析已经预示了，政策工具如果使用不当肯定会损害生产率，特别是那些严重干预资源配置的政策。我觉得认识中国经济的真问题以接受 AI 时代的巨大挑战和不确定性，既考验经济学者的学术良知，也考验政策制定者的政治智慧。

谢谢大家！

注：

[1] 罗伯特·索洛，1924 年 8 月出生于美国纽约的布鲁克林，分别于 1947 年、1949 年和 1951 年从哈佛大学获得学士、硕士和经济学博士学位。在肯尼迪总统时期，任白宫首席经济顾问。在约翰逊总统时期，任收入委员会主席。作为一名经济学家，索洛的研究成果主要表现在资本理论和经济增长理论上。1987 年，因其在研究经济增长与社会福利等方面所做出的特殊贡献而获诺贝尔经济学奖。研究之外，索洛也启蒙了一代又一代经济学大师。他的学生中有四位也获得了诺贝尔经济学奖，包括阿克洛夫（George Akerlof）、戴蒙德（Peter Diamond）、诺德豪斯（William Nordhaus）和斯蒂格利茨（Joseph Stiglitz）。

[2] 戴尔·乔根森，1933 年出生于美国蒙大拿州的博兹曼,于 1959 年获哈佛大学经济学博士学位。1959—1969 年期间,他执教于加利福尼亚大学伯克利分校,并于 1963 年成为该校教授。从 1969 年起任哈佛大学经济学教授。1971 年，乔根森以其在新古典投资理论和经济发展理论上的贡献而荣获美国经济协会约翰·贝茨·克拉克奖（俗称“小诺贝尔经济奖”。入选的条件为“四十岁以下的美国经济学者，并在经济学思想与知识上提供了卓越的贡献”）。乔根森教授曾分别于 1987 年及 2000 年担任世界计量经济学会和美国经济学会主席。乔根森教授在 2010 年倡议发起了 World KLEMS 研究联盟，旨在基于增长核算框架，推动和促进世界各国经济增长和生产率的分析，将生产率的测算纳入国民经济核算体系中（System of National Accounts），其核心是建立一个更为详细的产业层面的投入、产出和生产率的数据库，并通过统一的概念体系、分类标准与核算方法，实现数据在跨国与跨时间比较中的一致性与可比性。

[3] 在传统的总量生产函数法下，总附加值是总资本和总劳动的函数，这一方法隐含地否定了行业的异质性，假设部门之间可完全替代，具有相同的劳动力价格和资本价格，而且引进了以不变价格计算的固定权重偏差。总量生产可能性边界法（APPF）则放松了总量生产函数的存在假设，并假定附加值在产业间非完全替代。而多玛加总法（Domar Aggregation）则是对于产业特定生产率的简单加权加总。总量生产函数法下得到的全要素生产率增长，可以分解为多玛加权加总法下获得的部门增长、部门间附加值的再分配、以及部门间劳动和资本的再分配。

相关阅读：

黄益平：AI 正在重新定义金融市场的基本规则吗？

黄非：当下AI进化周期中的共识和非共识

张宏江：从可持续的规模定律到智能体经济，意味着什么？

张维迎：未来的本质——人工智能为何无法超越人类智能？

张阔：全球贸易最大的变化到底是什么？

本文来自【北大国发院】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。

ID：jrtt