【摘要】當前，服務業已成為我國國民經濟的第一大產業。一般認為，服務業容易受到“鮑莫爾病”的影響，其生產率較低，在經濟服務化的過程中，容易出現結構性減速。以生成式人工智能（AIGC）為代表的新一代人工智能將對服務業的生產模式、要素投入、技術進步、生產效率等產生巨大的影響，從而有可能治愈服務業的“鮑莫爾病”，提高全社會生產率，推動經濟持續增長。因此，在政策上應大力支持人工智能基礎技術的研發，鼓勵人工智能技術在服務業廣泛應用，并密切關注和防范人工智能廣泛應用帶來的問題和風險。

【關鍵詞】人工智能 “鮑莫爾病” 供給效率

【中圖分類號】TP18;F49 【文獻標識碼】A

近年來，我國服務業快速發展，占比持續上升，成為支撐經濟增長的重要動力。2012年中國服務業增加值占GDP比重達到45.5%，首次超過工業成為第一大產業，此后服務業占比持續提升，2015年這一數字首次超過50%。2015年—2019年，我國服務業對經濟增長的貢獻接近60%，位居第一，2022年我國服務業增加值達到638698億元，占GDP的比重為52.8%。服務業發展也得到了國家的高度重視，黨的二十大報告提出：“構建優質高效的服務業新體系，推動現代服務業同先進制造業、現代農業深度融合。”

然而，在服務業占GDP比重越來越高的情況下，各類生產要素不斷流向服務業領域。經濟學家認為，三次產業中，服務業由于受到“鮑莫爾病”的影響，其生產率較低，在經濟服務化的過程中，容易出現結構性減速。從根本上看，“鮑莫爾病”是因為服務業需要投入大量的人力資源，以面對面的方式完成，技術進步速度慢，難以實現工業化規模化生產。近年來，人工智能技術快速發展，以生成式人工智能（AIGC）為代表的新一代人工智能不斷取得突破，這將對服務業的生產模式、要素投入、技術進步、生產效率等產生巨大的影響，從而有可能治愈服務業的“鮑莫爾病”，提高全社會生產率，推動經濟持續增長。

什么是“鮑莫爾病”

二戰后，各個國家服務業占GDP的比重持續上升。對此，很多經濟學家提出了理論上的解釋。以鮑莫爾（Baumol, W.J.）為代表的經濟學家認為，服務業占GDP比重的上升，是因為服務業本身的生產率提升較慢，成本持續增加。在其開創性論文《非平衡增長的宏觀經濟學：城市危機剖析》中，鮑莫爾（1967）提出了一個兩部門非均衡增長模型，即由技術進步推動的生產率持續增長的“進步部門”和技術影響弱生產率低的“停滯部門”，假設勞動力可以在兩個部門之間自由流動，且社會對“停滯部門”所提供的服務缺乏需求價格彈性，那么，勞動力會持續流向生產率較低的“停滯部門”，這樣，“停滯部門”的單位產品成本不斷上升，產出價格越來越高，占GDP的比重越來越大，而整個國家的經濟增長速度則會持續下降，這被稱之為“鮑莫爾成本病”（Baumol's cost disease），簡稱“鮑莫爾病”。①在經濟現實中，很多服務行業以勞務產出的方式進行，需要提供者與消費者同時在現場完成，很難做到機械化、標準化、自動化，其生產效率提升緩慢，是鮑莫爾所提出的“停滯部門”的代表。

“鮑莫爾病”的理論提出之后，引發了大量爭議，而實證研究的結果也存在著顯著差異。一部分實證研究證明了“鮑莫爾病”的確存在。鮑莫爾（2012）指出，在美國，從1948年—1995年，外科醫療服務的名義價格以每年5.5%的速度遞增，病房成本以每年8.4%的速度遞增，每個學生的教育支出以每年7.4%的速度遞增，而同期消費者價格指數（CPI）的遞增速度卻低于4%。其他發達國家也有類似情況。價格的上升，造成了醫療服務與教育成為服務業內部成本增長最快的部門，其占GDP的比重也急劇上升。Anne-Kathrin Last和Heike Wetzel（2010）指出，對德國劇場表演的生產率進行了實證研究，他們使用隨機前沿方法，將全要素生產率（TFP）分解為兩個部分：第一，是否鮑莫爾的成本病模型在此部門有效；第二，效率進步能否補償成本病帶來的生產率負面影響。結果證明，隨著工資的增加，單位勞動力成本上升，這證實了成本病假說。而且，雖然劇院有著明顯的規模效應，但并不足以抵銷成本病帶來的非效率。從總體看，大部分經濟學家都認為“鮑莫爾病”在經濟中或多或少存在。2017年鮑莫爾去世時，芝加哥大學布斯商學院的美國經濟專家小組對一些著名經濟學家進行了調查，59%的受調查專家同意“鮑莫爾病”在現實生活中的確存在。

從我國的實際情況來看，服務業總體生產率較低，與第二產業相比有一定的差距。隨著數字技術在社會經濟生活中的持續擴散，服務業領域大量應用人工智能等數字技術，其生產效率有了大幅度提升，“鮑莫爾病”正在被治愈。Harry Greenfield（2005）指出，在300年前，四重奏只可能在一個小的沙龍表演，沒有擴音器，也沒有錄音設備。而今天這方面的效率有了很大的提升。他進一步指出，鮑莫爾的服務概念存在著合成謬誤，應將服務分為生產者服務與消費者服務，在信息革命的驅動下，生產者服務有著很高的技術進步率。因此，成本病應該已經治愈了。Jack E. Triplett和Barry P. Bosworth（2003）指出，在1995年之后，由于信息服務部門的勞動生產率增長要遠遠快于商品生產部門。如果從總產出水平來考察，在服務業內部的子行業中，數字化的經紀業與金融業的勞動生產率增長非常快。隨著人工智能等新一代數字技術在服務業領域全面滲透，服務業“鮑莫爾病”將被逐步治愈。

人工智能治愈“鮑莫爾病”的途徑

近年來，人工智能技術快速進步，在服務業等各行各業也有了廣泛應用。從以前的人工智能來看，主要是傾向于單一場景和技術的應用，例如，機器視覺廣泛應用于安防產業。而以生成式人工智能為代表的新一代人工智能，拓展了人工智能在產業應用的場景和深度，為治愈“鮑莫爾病”提供了更多的發展空間。咨詢公司埃森哲（Accenture，2023）認為，生成式人工智能模仿人類對話和決策的能力讓世界意識到人工智能的變革潛力，從而使人工智能在公眾廣泛采用方面出現了第一個真正轉折點。Korinek認為，由于ChatGPT和其他人工智能機器人使認知工作自動化，而不需要投資設備和基礎設施等物理資料，因此對生產力提高的影響可能比過去的技術革命要快得多。2023年世界經濟論壇的調查表明，大約75%的受訪公司預計在未來五年內廣泛采用人工智能技術。在已經使用ChatGPT等生成式人工智能的企業中，93%計劃讓它承擔更多工作。這將極大地提升服務業的勞動生產率。Brynjolfsson（2023）認為，生成式人工智能可以幫助企業擴展其產品并提高員工的生產力，而知識工作者和信息工作者也可以借助這些工具提升其勞動生產率，在十年內，生成式人工智能可以為美國的經濟增長增加數萬億美元。OpenAI的首席執行官Sam Altman（2021）則認為，隨著人工智能滲透到生產生活中，原來許多由勞動力成本決定的高價格產品或服務的價格會快速下降，從而使每個人都從中受益。他預測，在未來十年內，每個成年美國人每年能夠從人工智能的應用中獲得13500美元的利益。

服務業供給效率低下的一個重要原因是在服務環節中需要投入大量的人力資源，而人工智能的廣泛應用，能夠使很多服務環節由機器替代勞動力，從而使服務業減少對勞動力的依賴，效率得以快速提升。例如，新一代人工智能能夠廣泛應用到教育、金融和醫療等各個領域，提高這些行業的生產率。

從具體途徑來看，新一代人工智能可以作為員工的助理，提高工作效率，從而治愈這些工作中可能存在的“鮑莫爾病”。以ChatGPT為例，其使語言識別、交互、支持和個性化成為可能，將提升服務業的效率。一家提供就業服務的平臺（Glassdoor旗下的社交平臺Fishbowl）對1000家企業進行調查的結果顯示，近50%的企業表示已經在使用ChatGPT；30%表示有計劃使用。而在已經使用ChatGPT的企業中，48%已經讓其代替員工工作。ChatGPT的具體職責包括：客服、代碼編寫、招聘信息撰寫、文案和內容創作、會議記錄和文件摘要等。目前來看，ChatGPT的工作得到了公司的普遍認可，55%給出了“優秀”的評價，34%認為“非常好”，這為企業節省了成本。48%的受訪企業稱，自使用這款人工智能聊天程序以來，公司節省了超過5萬美元的費用，11%表示節省下來的費用高達10多萬美元。而一些測試發現，使用生成式人工智能能夠極大地提高文字寫作的效率（節省40%的時間且質量更高），還能夠極大地提高程序員的工作效率。Erik Brynjolfsson，Danielle Li和Lindsey R. Raymond（2023）研究了人工智能對客服工作的影響，在使用人工智能后，客服每小時可以成功解決的投訴數量增加了13.8%，而且成功解決的投訴份額略有增加，特別是對技能較低和經驗不足的員工，在使用人工智能之后，其效率提高幅度更大。Shakked Noy和Whitney Zhang（2023）發現，在市場營銷和人力資源等領域，在使用ChatGPT后，整體生產率有了大幅度提升，且對績效較差的員工有著更大的提升效應。

新一代人工智能還可能完全取代某些工作，從而提高整體經濟的效率。研究指出，新一代人工智能對80%的職業產生影響，作家、網絡和數字設計師、金融定量分析師、區塊鏈工程師等可能大部分被人工智能取代。根據高盛公司的一份研究報告，平均而言，人工智能可能會使18%的工作自動化程度更高乃至被機器取代，對高收入國家的影響更為顯著。以美國為例，將有15%—35%的工作被取代，包括辦公室、行政、律師等工作，這些工作被人工智能取代后，其效率將有大幅度提升。Gartner預計，到2025年，大型組織30%的營銷信息將由人工智能生成。到2030年，人工智能將完成電影90%的工作量（從文本到視頻）。勞動力替代還將產生結構轉換效應。麥肯錫全球研究所（McKinsey Global Institute，2018）指出，在人工智能的推動下，對工作的需求可能會從重復性任務轉向那些由社會和認知驅動并需要更多的數字技能的任務。勞動就業的結構轉換也將提高全社會的勞動生產率。

從典型行業來看，人工智能將使醫療、教育等鮑莫爾認為成本上升最快的行業效率提升。醫療領域是受“鮑莫爾病”影響的典型行業。Bobby J. Newbell（2007）認為：在醫療領域，決定生產率的內在因素，即詢問病史和各項檢查，受到技術進步的影響甚小，技術進步也基本上沒有提高護士更換繃帶的速度。醫療領域中人類互動的固有特性使得該行業的生產率沒有隨著技術進步而大幅度提升。隨著以生成式人工智能為代表的新一代人工智能在醫療領域的廣泛應用，醫療領域的“鮑莫爾病”有可能趨于緩解。Khanna和Narendra N.等（2022）通過經濟學分析發現，在診斷和治療中使用人工智能工具可以節省大量成本。一是解決醫療系統中的浪費問題。數據顯示，在美國花費的所有醫療保健資金中，幾乎有四分之一被浪費了，而人工智能通過對過度治療和不當醫療保健服務的治理，將減少醫療資金的浪費。二是提高疾病診斷、治療、護理、醫院管理等全過程的效率。人工智能在醫學影像（例如，引入AI分析系統的高級CT掃描、磁共振成像和超聲，可以更準確地執行重復、簡單的任務，減少醫療差錯，降低成本，并在出現嚴重情況之前促進早期診斷和干預）和疾病診斷（例如，更精準地發現疾病與輸入預測因子之間的非線性相關性）等方面已具有一定的效率優勢，而利用大數據和人工智能方法，能夠為患者提供快速而精準的護理。在治療方面，利用人工智能預測疾病預后和治療反應，將提高醫生在疾病治療方面的效率。三是人工智能能夠加快藥物研發。新藥開發的成本越來越高，時間越來越長，這被稱為Eroom定律（Eroom是Moore單詞反拼，意思是與摩爾定律相反，即反摩爾定律）。Gartner預計，在未來，將有超過30%的新藥物和材料將由生成式人工智能技術發現。人工智能算法能夠在短時間內評估數百萬種潛在藥物，預測其有效性，使藥物發現的時間從3—6年縮短至1—2年，成本也能夠快速下降。例如，Insilico公司的算法能通過閱讀醫學文獻來尋找潛在的蛋白質、細胞或病原體，以確定藥物研發方向。目前由該公司開發的一款完全由人工智能完成的用于特發性肺纖維化（IPF）的藥物已進入一期臨床試驗。

多國主管機構已開始批準人工智能產品正式進入醫療服務領域。據不完全統計，美國食品藥品監督管理局（以下簡稱FDA）已批準多種基于人工智能的醫療設備。例如，2017年1月，Arterys的醫學影像平臺獲得了美國FDA的批準，這是第一個用于臨床實踐的機器應用。它最初被批準用于心臟核磁共振圖像分析，現已被批準用于其他影像學設備。2018年4月，FDA批準了IDx-DR系統上市，這是FDA授權的第一個人工智能診斷系統，用于檢測診斷為糖尿病的成年患者（22歲及以上）的糖尿病視網膜病變。醫生只需要將患者的視網膜圖像上傳到云服務器，系統將自主給出篩查決策，即觀察隨訪還是進一步治療。Tractica預測，到2025年，醫療保健人工智能市場的收入機會將超過340億美元。其中，來自22個關鍵醫療保健人工智能用例的全球軟件收入將從2018年的5.117億美元增長到2025年的86億美元。

教育領域也深受“鮑莫爾病”的影響。在過去的50年間，教育行業的生產率提升并不明顯。一個經常被引用的案例是一位大學教授利用PowerPoint進行一個小時的課程講授，向他的學生傳達信息的速度并不比50年前使用幻燈機或黑板的講師快得多（Bobby J. Newbell, 2007）。然而，人工智能在教育領域的廣泛應用，可以為學生的學習活動和教師的教學活動提供有力的輔助和支持，從而提高教育的效率。生成式人工智能在以更具適應性和更加個性化的方式為學生學習提供智能化支持，人工智能和VR、AR等技術可以使學生們以體驗的方式進行學習，以游戲的方式身臨其境地與授課和書本的知識內容發生互動，從而使學生可以長期保持注意力的集中。相比傳統教育模式中只能通過教師的教學語言、圖片和文字來傳授知識，沉浸式學習所營造的體驗式的學習環境可以更好地幫助學生加深對知識的記憶和理解。在教學活動中，人工智能可以幫助教師進行寫作文本的檢查和評價，將教師從耗時費力的對文本的錯別字、標點符號和病句的檢查與校對工作中解放出來；也可以幫助教師進行教學內容的設置，提高教學的質量和效率。通過更為靈活和創新的方式，幫助教育工作者創建教學內容。這些工具可用于生成課程計劃、創建測驗和考試以及編寫教育材料，從而節省教育工作者的時間和精力，為學生提供引人入勝且行之有效的學習體驗。人工智能強大的語言翻譯功能，還可以消除教育活動中的語言障礙。這可以極大地緩解學生學習外語的困難，消除因語言不通而導致的信息傳遞壁壘和障礙，為學生提供理解不同語種的文本或語音材料的渠道，從而大大擴展信息和知識在整個世界范圍內的傳播和交流。

人工智能能夠提高科技研發的效率。研發服務既是服務業的重要組成部分，還對服務業效率的提升有著基礎作用。然而，由于科學技術研發的特點，使技術進步呈現出減速趨勢。Park和Michael等研究人員（2023）②通過對近年來全球的論文和專利進行定量分析發現，隨著時間的推移，突破性成果的數量在持續下降，而且這種下降不能被已發表科學質量、引文實踐或特定領域等因素的變化所解釋，深層次的原因是隨著知識存量的增加，科學家和發明家的知識面越來越窄。另一方面，過去幾個世紀的技術進步，已在容易突破的科技領域實現了突破，剩下的領域都是“硬骨頭”。而人工智能技術，是一種能夠幫助人類提高研發效率的“元技術”，Sam Altman認為，正是因為人工智能技術的進步與廣泛應用，我們將進入加速進步的“萬物摩爾定律”階段。通過廣泛應用人工智能，能夠突破技術進步減速趨勢，推動另一場科技革命。例如，生成式人工智能能夠理解科學論文與專利文獻，可以自己學習和積累知識，從而幫助科學家發現創新的可能方向和前沿領域。在數據處理方面，科研儀器和試驗設備正在產生前所未有的數據量，而各種日常生產和生活中也產生了海量數據，人工智能在處理海量數據方面具有獨特的優勢，從而實現以數據驅動科技研發的進步。

生成式人工智能的演進與廣泛應用，有可能突破波蘭尼悖論，從而打開人工智能應用的空間。哲學家邁克爾·波蘭尼在1964年提出了一個觀點，即“機器在某些特定領域擁有明顯優勢，而在另一些領域難以逾越人類”，這是因為“我們能比我們自身所意識到的知道更多”，在人類從事生產的過程中，即使是簡單的活動，實際上需要的理解力比我們預想的要多出很多，這類知識很難被機械、自動化或計算機所替代，被稱之為隱性知識。現階段，人工智能與人類各有優劣：機器更加理性和善于進行基于規則的分析，擁有人類無法企及的知識存儲量以及超越人類幾個數量級的計算能力，但同時也像個“聰明的白癡”，“在所有需要‘思考’的地方成功，卻在人與動物不需要思考的領域失敗”（計算機科學家唐納德·克努特語）。生成式人工智能在自然語言理解、情感交互等方面的突破，使其將打破波蘭尼悖論，推動服務機器人進入發展新階段。服務機器人能夠廣泛應用到家庭服務、醫療、餐飲、物流和酒店等領域，代替人類完成繁瑣而難以自動化的任務，減少這些行業對人力的依賴，從而提高生產效率。根據中國電子學會數據，2021年全球服務機器人市場規模達到172億美元，2017年—2021年復合增長率達27%。通過引進ChatGPT等生成式人工智能，將推動服務機器人的功能快速提升，并應用到更廣泛的領域。

服務業供給效率低下的另一個原因是供應鏈產業鏈既涉及到物，又涉及到人，完成最終服務的各個環節之間難以耦合，從而無法降低成本。而人工智能的廣泛應用，能夠推動服務業供應鏈全方位全鏈路數字化、智能化改造，將人、物、知識、技能、標準等整合在一起，并將這些資源進行智能組合，實現服務資源的匯聚、智能調度與優化使用，從而推動服務業供應鏈效率的提升，使自助服務與自動化和在線訪問相結合，重塑服務的生產和交付方式，推動自動化從后臺擴展到前臺。

人工智能能夠推動服務工業化，發揮規模經濟效應。服務業產生“鮑莫爾病”的一個重要原因是其需要面對面個性化完成，無法像工業產品一樣實現規模化生產和消費。隨著人工智能技術在服務業的滲透，“服務工業化”發展模式成為可能。在醫療行業，人工智能能夠將最優秀醫生的經驗進行匯聚，實現自動化診斷與治療，也可以為新入行的醫生提出有價值的診療建議，從而幫助這些醫生大幅度提高工作效率。人工智能在教育領域，能夠為教師在備課、作業批閱等環節提供大量效率工具。而對于服務機器人、自動駕駛等行業而言，能夠通過以商品替代服務，以工業化生產的方式治愈服務業領域的“鮑莫爾病”。

人工智能推動服務業強化商業模式創新，提高服務業供需匹配效率。很多服務產品無法被“擁有”，無法被儲存、帶走或以后使用，因此，存在供需匹配效率不高的情況，在不同時空的服務領域可能出現消費者排隊與資源閑置并存的現象，這造成了服務效率的降低。人工智能技術能夠優化企業的資源調度、利用與分配，使服務能力的時空分布更符合消費者的需求。對消費者而言，人工智能技術也能夠幫助消費者合理安排接受服務的時間與空間，從而提升消費者體驗。人工智能技術提供服務質量、交易匹配等方面的優勢，從而使點對點交易成為可能，推動“零工”和“共享”等商業模式創新，從而增加服務業資源供給的柔性。

發揮人工智能作用治愈“鮑莫爾病”的政策建議

從總體上看，人工智能在治愈“鮑莫爾病”方面表現出較大優勢，在未來也將有巨大的潛力。為了將這些優勢進一步發揮出來，需要在政策方面予以支持。

一是積極推動人工智能基礎研究。鑒于人工智能在社會經濟各個方面的應用潛力和對生產率提升的重要作用，有必要將人工智能技術研發提升到國家戰略高度。而人工智能的許多技術具有基礎性與通用性，因此，需將其作為基礎研究加以高度重視。各國政府也出臺了相應的政策，支持人工智能技術的研發。例如，2023年5月23日，美國宣布了一系列圍繞美國人工智能使用和發展的新舉措，以抓住人工智能帶來的新機遇。

人工智能的創新，不僅涉及技術創新，還涉及數據等方面的制度、商業模式、業態等創新，在政策方面必須多方協同，從而推動人工智能基礎研究的快速進步。

在數據方面，應以國家統籌的方式，建立優質內容收集整理機制，并將圖書、論文等優質內容數字化；推動不同平臺、不同App之間進行數據共享，從而為大模型發展提供優質數據。在企業數據方面，需要打通各個平臺、企業和部門之間的數據，建立高質量數據共享機制。以ChatGPT為代表的大模型的訓練需要大量高質量的數據，很容易出現數據饑餓（Data hunger）。由于模型的參數增加具有規模報酬遞減的現象，因此，高質量的數據將是訓練大模型的稀缺資源，共享核心數據集的政策將是未來提高研究生產力和以創新為導向的競爭的關鍵工具。從量上來看，根據《國家數據資源調查報告（2021）》，2021年全年，我國數據產量達到6.6ZB，占全球數據總產量（67ZB）的9.9%，僅次于美國（16ZB），位列全球第二。我國人工智能企業在發展過程中，利用人工標注的方式，儲備了豐富的數據。中文互聯網內容雖然不少，但存在數據割裂分散、高質量數據不多、對外開放度不夠等問題。經濟合作與發展組織（OECD）2023年的研究表明，漢語的高質量數據僅占全球的3.2%。③這與我國互聯網App化，各個平臺、企業乃至應用程序之間形成一個個“數據煙囪”有著直接關系。需要國家層面出臺推動數據共享的政策體系，尤其是需要在數據要素價值、隱私保護和數據共享之間，設計一條平衡的政策路徑，從而更高效地推動與個人隱私關系不大的高質量文本數據共享。

加大對人工智能研究的資金支持力度。從經濟學的角度來看，新一代人工智能技術能夠應用到社會經濟的各個領域，技術開發者對人工智能創新的跨領域應用，難以獲得相應的收益。尤其是當前人工智能技術處于快速發展階段，而先進入者對后進入者的研究具有跨期溢出效應。因此，在技術研究方面，開發者難以獲得技術的橫向與縱向溢出效益，私人最優水平的研發投資將小于社會最優水平的研發投入。增加政府投入，能夠補足私人投資的不足，從而推動人工智能技術快速進步。我國政府可考慮設立人工智能基礎研發基金，鼓勵科研機構、高校、企業、社會組織等持續參與到人工智能的研發過程中來。

二是鼓勵擴大人工智能應用場景。人工智能具有應用到服務業各個領域的巨大潛力，然而，作為一種新的技術，其應用場景的拓展，需要大量互補性資源的投入與配套政策的支持。

加大人工智能應用的互補性資源投入。人工智能的應用，需要在信息傳輸、終端設備、計算能力、基礎數據等方面投入大量互補性資源。對服務業而言，絕大部分企業都是中小微企業，缺乏應用人工智能技術的互補性資源。在政策上，支持擁有大量信息傳輸、終端設備、計算能力、基礎數據等各類互補性資源的企業將其資源以低價的方式開放給中小微企業；或者以政府采購的方式，將這些資源免費提供給中小微企業，使其以較低的成本和門檻就能夠使用人工智能技術，提高其運營效率。

建立人才培訓制度。人工智能的使用，需要有一定的知識資源。因此，需要加大人才培訓的投入，使企業儲備熟練使用人工智能的人才。值得注意的是，人工智能人才的培訓，重點應放在應用型人才方面，即能夠順利將人工智能技術應用到業務領域的人才，包括對企業現有員工的人工智能使用技能培訓，從而使企業樹立應用人工智能的意識。

三是注意防范人工智能在服務業領域帶來的潛在風險與問題。人工智能在服務行業的廣泛應用，可能帶來數據安全、網絡安全、內容安全等方面的潛在問題。在鼓勵人工智能廣泛應用的同時，要密切關注潛在的風險與問題。

（作者為中國社會科學院財經戰略研究院研究員、教授、博導，浙江金融職業學院電子商務與新消費研究院研究員）

【注：本文系中國社會科學院創新工程項目“防止資本無序擴張——基于數字平臺的理論與實證研究”（項目編號：2022CJYB03）的研究成果】

【注釋】

①Baumol, W J (1967), "Macroeconomics of unbalanced growth: The anatomy of the urban crisis", American Economic Review 57: 415-426.

②Park, Michael, Erin Leahey, and Russell J. Funk. "Papers and patents are becoming less disruptive over time." Nature 613.7942 (2023): 138-144.

③OECD (2023), "AI language models: Technological, socio-economic and policy considerations", OECD Digital Economy Papers, No. 352, OECD Publishing, Paris, https://doi.org/10.1787/13d38f92-en.

責編/周小梨 美編/楊玲玲

聲明：本文為人民論壇雜志社原創內容，任何單位或個人轉載請回復本微信號獲得授權，轉載時務必標明來源及作者，否則追究法律責任。