兰德公司揭示人工智能影响生产力增长的动态机制

2025年12月2日，美国兰德公司发布题为《人工智能影响生产力增长的动态机制》（The Dynamics Behind Artificial Intelligence's Impact on Productivity Growth）的文章，剖析AI对美国生产率的影响路径，指出AI对经济的影响集中在资本深化和劳动力质量改善方面，全要素生产率（TFP）增长尚不明显，呈现出通用型技术早期扩散的典型特征。文章强调AI的经济潜力实现需要大量补充性投资、组织重构和时间沉淀，联邦政策应聚焦于非国防领域以取得更大的社会回报。

一、研究方法创新：AI影响的路径分类

报告突破传统宏观分析的局限，构建了一个“劳动质量—资本深化—全要素生产率”三维框架，将AI的影响路径进行精细化分类。

1.劳动力质量路径

AI通过教育、职业培训或经验积累等增强劳动力产出能力。这包括两个子机制：一是现有工人利用AI工具提升产出效率；二是劳动力结构向高技能岗位转移。关键在于，AI可通过“知识捕获”功能，将顶尖员工的隐性知识转化为算法推荐，普惠新手员工，从而在宏观统计上表现为劳动力平均质量提升。

2.资本深化路径

企业对AI系统本身及对机器、软件等生产性资产的投资，使劳动者能利用更优质的工具工作，直接拉动生产率。2025年，AI相关投资对美国GDP增长的贡献已超越全部消费支出，显示出资本形成的爆发力。但资本深化并不总能转化为持续的效率提升。

3.全要素生产率（TFP）路径

TFP通常被认为是纯技术进步、创新和效率提升的衡量指标，即在投入不变的情况下获得更多产出。一项针对中国制造业的研究表明，AI渗透率每提升1%，企业级TFP将增长14.2%。不过，企业级TFP不等于宏观TFP，后者需要技术扩散和资源向高效企业再配置才能体现。

二、研究理论突破：生产力增长的定量测算

传统的生产力测量面临难以捕捉产品与服务质量提升、难以衡量服务部门产出、难以测度无形资本这三大核心挑战。针对此，报告采用增长核算（Growth Accounting）方法，利用美国劳工统计局和旧金山联储的季度数据，精确分解劳动生产率的增长来源。具体公式为：

劳动生产率增长=劳动质量改善+资本深化贡献+ TFP增长

研究数据显示，资本深化贡献率提升0.6个百分点，劳动质量提升0.2个百分点，TFP改善相对温和。

三、研究主要结论：AI正处于“资本深化主导”的早期扩散阶段

报告通过对2010—2019年（前生成式AI基准期）与2023年至今（生成式AI主流部署期）的对比分析，得出以下主要结论。

1. AI可通过赋能而非替代劳动者，有效提升整体生产力

AI作为效能增强器，能够显著增强劳动者的技能、知识与能力，并可能缩小技能差距。AI能够捕捉并传播顶尖从业者的隐性知识与最佳实践，作为高效的培训工具，提升劳动力平均技能水平，促进人力资本的结构性改善。

2. AI积累能提升劳动者产出的生产性资本资产

AI对生产性资本资产的提升主要体现为对硬件、基础设施及无形资本的大规模投资。2025年，与AI相关的投资占美国GDP增长的份额超过其全部消费支出，显示典型的资本积累模式正在形成，类似于信息技术革命早期所需的先期投入。

3. AI的长期影响在于提升整体要素生产率（TFP）

AI最重大的长期影响在于提升TFP，即通过技术进步与组织优化促进经济增长。研究显示，AI已在企业层面推动TFP增长，例如一项对中国制造业的研究数据显示AI渗透率每提高1%，可带动企业TFP上升14.2%。

4. AI的宏观影响以资本深化为主，TFP增长滞后

与生成式AI普及前的2010—2019年相比，2023年至今的数据显示：生产力增长主要由资本深化驱动，其年均贡献从约0.3%大幅跃升至0.9%；劳动力质量贡献也从0.2%提升至0.4%；而TFP仅呈现温和改善，尚未成为主要增长动力。

报告得出，AI作为通用型技术的地位尚未确立，其对生产力的影响面临四个显著挑战：一是许多AI服务以免费或捆绑形式提供，其经济价值在GDP核算中难以被完全捕捉；二是企业为有效采用AI所需进行的组织重组、人员培训和流程开发等关键投资，可能未被传统生产力统计所涵盖；三是AI的扩散路径可能偏离历史模式；四是AI尚未发展成真正的通用技术，其应用高度集中于信息业、科学与技术服务等少数行业。

四、核心政策建议：充分发挥联邦研发资金杠杆效应

报告在最后一章转向对宏观政策的探讨，提出联邦资金可以在促进生产力增长方面发挥维持互补研究、投资基础设施和劳动力培育、助力新技术转化等关键作用。自20世纪60年代以来，联邦研发支出占GDP比重显著下降，尽管私营研发有所增加，但两者投资重点不同：政府更专注于具有知识溢出效应的基础性研究，而私营部门往往对这些领域投资不足。

针对此，报告建议大幅增加非国防研发投入。非国防研发的社会回报率极高，可达140%至201%，远高于国防研发的平均水平，这种差异主要源于医疗、科学与能源等非国防研发更易产生广泛的知识扩散与应用创新。同时，尽管国防研发整体溢出效应较低，但其内部如DARPA约占国防研发支出的3%，成功催生了互联网、卫星导航、AI等具有军民两用价值的变革性技术，证明投资方式的选择比简单的部门归属更为关键：无论国防还是非国防研发，只要坚持以基础研究为导向、注重军民两用潜力、促进知识开放共享，都能实现显著的经济社会效益。 

参考文献：

[1] Tobias Sytsma. The Dynamics Behind Artificial Intelligence's Impact on Productivity Growth[EB/OL].[2025-12-29]. https://www.rand.org/pubs/perspectives/PEA4392-1.html#document-details.

[2] 财联社. “AI革命”=大规模失业？Palantir技术主管：AI正推动蓝领生产力繁荣！[EB/OL].[2025-12-29]. https://www.cls.cn/detail/2233118.