海报新闻记者 赵恩 上海报道
“经济学家还没有找到一种可行路径来好好研究AI。AI对经济学家的冲击可能比对普通人的冲击还要厉害。”
日前，上海财经大学校长刘元春在2026外滩大会见解论坛上表示，与AI经济快速进入现实相比，经济学理解AI的速度明显更慢。
从ChatGPT出现后，全球企业财报电话会中有关AI和“AI颠覆”的讨论迅速增加。投资界、财经界几乎人人都在谈AI。这种热度并不罕见。刘元春援引技术革命史指出，一项新的技术范式出现时，最先发生的往往不是生产率突然提高，而是思想和社会预期先发生变化。大量讨论、资本进入，以及随之而来的金融热潮，本身就是技术革命早期的一部分。
但到了真正的经济学研究环节，问题开始变得困难。AI对经济的影响至少横跨宏观增长与生产率、劳动力市场与收入分配、产业组织与企业行为、创新与知识生产、经济测度与国民核算、公共政策以及开放经济等多个领域。
过去的经济学框架，很多建立在相对稳定的生产函数、企业组织和技术变化之上。AI却可能同时改变劳动、资本、知识生产甚至决策方式。因此，传统方法面对AI时，越来越容易出现一个问题：历史经验还能不能直接用于预测未来？
这种困境在生产率问题的研究上，表现得尤其明显。技术乐观主义者认为，AI和机器人可能带来极大规模的生产率跃升；较为谨慎的经济学家则认为，未来10年生产率虽然会改善，但幅度远没有技术界想象得那么巨大。
刘元春认为，这种分歧并不是简单的乐观和悲观之争。背后真正的问题在于：经济学还无法准确回答AI究竟能替代多少任务，能够在多大程度上增强劳动，能否加快科研创新，以及微观层面的效率提升最终如何汇总为宏观增长。甚至经济学最习惯的“把行业拆成任务，再判断哪些任务能被AI替代”的方法，本身也高度依赖研究者的主观假设。
这意味着，当技术范式本身发生快速变化时，仅仅依靠历史数据、传统模型和既有经验向未来外推，可能越来越不够。刘元春总结道，AI不仅在改变经济，也正在倒逼经济学更新自身的研究范式。
