AI正在改变经济，这件事已几无争议。真正有争议的，是下一步——巨额算力投入持续加码，究竟能带来多大的生产率提升？供给能力大幅增强后，需求能否跟上？全球化竞争格局还将发生哪些改变？
9月9日，在2026 Inclusion・外滩大会“AI经济增长新范式与社会价值重构”论坛上，多位经济学家与产业领袖从生产、投资、就业、教育和全球化等角度，展开了一场关于AI新经济的深度对话。讨论的核心问题是：AI怎样从技术变量，变成真正的经济变量？
AI新经济已然开始
但增长的账还没算清楚
论坛上，上海财经大学校长刘元春给出一个很有代表性的判断：“AI经济的新形态已经确立，但AI经济学还没有真正开始。”
问题首先出在生产率上。几乎所有研究者都认同，AI已经开始改变经济，但“提高多少、什么时候体现、通过什么路径体现”，分歧巨大。
麻省理工学院经济学教授德隆·阿西莫格鲁的看法略显悲观，他认为未来10年AI对全要素生产率的贡献每年约为0.07至0.1个百分点；经合组织的一项研究给出的结果为每年0.25至0.6个百分点；也有研究测算达到0.5至1.3个百分点。商业机构则普遍更为乐观。
为什么分歧会如此之大？刘元春认为，一个重要原因是研究者对AI可经济化落地任务的假设差异极大。但更深层的问题在于，经济学家并不一定真正了解产业中具体的工艺、流程以及任务结构。一旦对“哪些任务可以被AI替代”的假设不同，最后得到的宏观增长结果就会相差很大。因此，他提醒，对于目前各种关于AI生产率的预测，“大可不必全信”，更重要的是看清测算背后的假设和方法。
至于AI泡沫，刘元春认为，“有泡沫不可怕”。他以互联网泡沫为例分析说，资产价格的剧烈调整并没有阻止互联网技术继续发展，也没有抹去此前形成的基础设施和企业能力。因此，判断今天AI投资是不是泡沫，最终还是要回到一个朴素的问题：今天形成的算力、模型和基础设施，能不能沉淀成为真实的生产能力。
北京大学国家发展研究院院长黄益平也提醒，技术热度不等于宏观增长已兑现。理解AI对经济的影响，不能只看技术本身，还要观察技术如何真正进入经济体系。
黄益平认为，今天观察AI，可能也面临计算机时代曾出现过的“索洛悖论”——技术应用已经铺开，生产率数据却没有马上明显提高……他对AI提高生产率相对乐观，但同时提醒：并不是使用了AI，经济和生产率就会立刻大幅增长。巨额AI投资最终是转化为持续的生产率提升，还是可能形成泡沫，仍需要持续观察。
诺贝尔经济学奖得主托马斯·萨金特则把这种不确定性说得更直接。他把当下的AI比作“开普勒阶段”：已能够从大量数据中找到规律，却还没有完全理解规律背后的结构。巨额投入并不自动等于高回报，面对AI，投资者、企业和政策制定者需要为未知留下空间。
论坛上的第一个判断因此很清楚：AI的方向可能是确定的，但增长的幅度、节奏和分配方式，远没有确定。
从“投AI”到“AI赚钱”
关键是创造新需求
如果说前几年AI经济最明显的特征是资本开支，那么下一阶段真正看重的，是应用。
当前，全球正在进行一轮规模空前的AI基础设施投资。仅亚马逊、微软、谷歌和Meta四家公司，2026年计划投入的资本开支合计就超过7000亿美元。蚂蚁集团首席执行官韩歆毅提出，AI经济不能只依靠资本投入，这些资本投入只有转化为未来持续性的产出和价值，才有可能带来真正的长期经济增长。
同时，AI应用也不能止步于存量提效。“如果AI只是停留在单纯的提效和替代式应用，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。因此，企业需要从降本增效走向价值创造，用AI创造出更多新的供给，激活更多新需求，形成更丰富的智能经济新业态。”
北京大学国家发展研究院副教授赵波从增长机制出发认为，AI正在降低专业技能获取成本、扩大市场参与主体，并降低创新试错成本。换言之，AI真正的经济价值，不只是让原来的人把原来的事做快一点，而是能不能让过去太贵、太难、无法规模化的事情，第一次变得可做、可买、可交易。AI新经济的关键词，正在从“效率”转向“增量”。
不过，随着AI带来生产率的提高，一个更尖锐的问题也随之出现：如果机器能生产更多，人们还有没有足够的收入去消费？
黄益平把这个问题概括为“供强需弱”。如果AI一边增强供给能力，一边冲击部分就业、扩大资本与劳动之间的回报差距，那么需求未必能和生产能力同步增长。"供强需弱"可能只是一个阶段性、局部性的现象，也可能出现"范式性的转变"，黄益平坦言目前没有答案。但如果未来需求不足从短期问题变成持续性问题，公共政策所面对的任务也将发生变化。
“过去，宏观经济政策更多是在处理短期需求不足，通过政策调整推动供需重新平衡。但如果需求不足与技术进步、就业结构和收入分配长期交织在一起，那么传统的短期调节思路可能就需要扩展。”黄益平说。
中金公司首席经济学家缪延亮也从通胀角度给出了相似观察。他判断，AI短期可能因为算力、存储等瓶颈推高部分价格，但长期随着生产率提升和劳动替代效应增强，去通胀压力可能更强。背后的逻辑同样指向收入分配：如果更多收入流向资本、劳动收入占比下降，总需求就可能受到抑制。
韩歆毅认为，AI创造的增长，要转化为更多就业和收入机会，形成“投资—收入—消费”的新循环，需要在资本和劳动之间形成更均衡、更公平的分配，并完善相应的分配和社会保障机制。一方面，企业要把复杂的模型能力转化为低成本、易使用、能够直接解决实际问题的产品，降低个人和中小企业使用AI的门槛；另一方面，也要通过教育和职业培训提升人的能力，在人机协作中更好发挥判断力、创造力等优势。同时，还需要完善二次分配机制，建立适配的社会保障措施，为劳动者度过AI转型期、重新参与新经济循环提供支撑。
这也是论坛上所形成的一个共识，当技术不断突破供给能力的上限，经济发展的核心问题，可能逐渐从工业革命时代的“如何生产得更多”，扩展到“当生产能力越来越强，如何让更多人从增长中有所获得”。
AI新经济
最后拼的是人的能力和制度能力
关于就业的讨论，并没有只停留在“AI会不会抢饭碗”。
上海交通大学安泰经济与管理学院讲席教授陆铭隔空回应了“马斯克之问”。他认为，人工智能不会取代就业，也不会取代职业，它只会取代能力。标准化、重复、可编码的“机能”更容易被机器接手，而理解力、沟通力、共情力、组织力和价值判断等“人能”会变得更重要。
摩根士丹利中国首席经济学家邢自强则提醒，长期有新岗位，不等于短期没有阵痛。这轮AI扩散可能比过去工业革命快得多，“新岗位的创造，赶不上对旧有岗位的蚕食和冲击”完全可能发生，一些入门级岗位可能率先减少。
黄益平因此提到第一次工业革命后的“恩格斯停顿”：产出快速增长，工人工资却曾长期停滞。历史说明，生产率增长不会自动变成劳动者收入增长。所谓“就业优先”，不是让AI少做一点，而是让更多人因为AI能做得更多。
就业问题再往前一步，就是年轻人的教育。香港科技大学（广州）协理副校长熊辉提出，今天不少教育仍集中在知识记忆、标准答案和反复训练，而这些恰恰是机器越来越擅长的事情。AI可以“平知识的权”，却不会自动“平能力的权”。当人人都能调用相似的大模型，真正拉开差距的可能变成提问、判断、经验、品味和从0到1的创新能力。
几位嘉宾的讨论，共同指向一个问题：AI时代不是不要知识，而是不能只有知识。
AI新经济的全球竞争
更是从“拼模型”走向“拼体系”
当视野从个人转向企业层面，中国社会科学院大学教授江小涓认为，AI又在改变另一套规则。她提出，AI是一种“生而为全球”的创新。越来越多模型、产品和服务，从诞生第一天起就面对全球市场。相应地，全球竞争也不再只是企业之间的竞争，而是进一步延伸到产业生态、制度开放、合规能力和国际规则的全方位体系竞争。
江小涓指出，过去，中国企业的全球化往往是一个渐进过程。企业先通过引进技术、消化吸收和自主创新建立能力，在国内市场完成产品验证和规模化，等到具备一定竞争力之后，逐步进入海外市场。她将这种模式总结为“继起的全球化”。
这一路径正在发生改变，推动变化的主要有三重因素：科技创新能力增强、产业竞争力提升，以及AI技术发展。
江小涓认为，随着越来越多中国产业进入全球前沿，企业面对的已经是“无人区”——没有成熟技术可以继续引进和模仿，只能自己研发，而一旦处在技术前沿，创新天然就面向全球竞争。AI又进一步降低了技术全球应用的成本。与制造业时代产品先在国内做强、再进入海外市场不同，大模型等AI产品往往在发布之时就已经面向全球。
“生而为全球”也意味着企业不能等到准备出海时，才开始补强全球化能力。“企业创立之初，必须搭建全球合规体系。”江小涓表示，AI时代的企业要从一开始就把全球市场、全球规则纳入产品和商业模式的设计之中。
企业从诞生之初就面向全球，也要求制度与政策同步调整。江小涓表示，首先要继续推进制度型开放。在产权保护、产业补贴、环境标准、劳动保护、政府采购、电子商务、金融等领域，要与高水平国际经贸规则“相通相容”。“原生全球化时代，需要新的理念、制度和政策。更加开放、竞争合作和互利共赢，不是来自外部的附加要求，而是当技术和产品开始‘生而为全球’后，一个创新经济体自身发展的需要。”