【摘要】當(dāng)前，服務(wù)業(yè)已成為我國國民經(jīng)濟的第一大產(chǎn)業(yè)。一般認為，服務(wù)業(yè)容易受到“鮑莫爾病”的影響，其生產(chǎn)率較低，在經(jīng)濟服務(wù)化的過程中，容易出現(xiàn)結(jié)構(gòu)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(wù)業(yè)的生產(chǎn)模式、要素投入、技術(shù)進步、生產(chǎn)效率等產(chǎn)生巨大的影響，從而有可能治愈服務(wù)業(yè)的“鮑莫爾病”，提高全社會生產(chǎn)率，推動經(jīng)濟持續(xù)增長。因此，在政策上應(yīng)大力支持人工智能基礎(chǔ)技術(shù)的研發(fā)，鼓勵人工智能技術(shù)在服務(wù)業(yè)廣泛應(yīng)用，并密切關(guān)注和防范人工智能廣泛應(yīng)用帶來的問題和風(fēng)險。

【關(guān)鍵詞】人工智能 “鮑莫爾病” 供給效率

【中圖分類號】TP18;F49 【文獻標(biāo)識碼】A

近年來，我國服務(wù)業(yè)快速發(fā)展，占比持續(xù)上升，成為支撐經(jīng)濟增長的重要動力。2012年中國服務(wù)業(yè)增加值占GDP比重達到45.5%，首次超過工業(yè)成為第一大產(chǎn)業(yè)，此后服務(wù)業(yè)占比持續(xù)提升，2015年這一數(shù)字首次超過50%。2015年—2019年，我國服務(wù)業(yè)對經(jīng)濟增長的貢獻接近60%，位居第一，2022年我國服務(wù)業(yè)增加值達到638698億元，占GDP的比重為52.8%。服務(wù)業(yè)發(fā)展也得到了國家的高度重視，黨的二十大報告提出：“構(gòu)建優(yōu)質(zhì)高效的服務(wù)業(yè)新體系，推動現(xiàn)代服務(wù)業(yè)同先進制造業(yè)、現(xiàn)代農(nóng)業(yè)深度融合。”

然而，在服務(wù)業(yè)占GDP比重越來越高的情況下，各類生產(chǎn)要素不斷流向服務(wù)業(yè)領(lǐng)域。經(jīng)濟學(xué)家認為，三次產(chǎn)業(yè)中，服務(wù)業(yè)由于受到“鮑莫爾病”的影響，其生產(chǎn)率較低，在經(jīng)濟服務(wù)化的過程中，容易出現(xiàn)結(jié)構(gòu)性減速。從根本上看，“鮑莫爾病”是因為服務(wù)業(yè)需要投入大量的人力資源，以面對面的方式完成，技術(shù)進步速度慢，難以實現(xiàn)工業(yè)化規(guī)?；a(chǎn)。近年來，人工智能技術(shù)快速發(fā)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(wù)業(yè)的生產(chǎn)模式、要素投入、技術(shù)進步、生產(chǎn)效率等產(chǎn)生巨大的影響，從而有可能治愈服務(wù)業(yè)的“鮑莫爾病”，提高全社會生產(chǎn)率，推動經(jīng)濟持續(xù)增長。

什么是“鮑莫爾病”

二戰(zhàn)后，各個國家服務(wù)業(yè)占GDP的比重持續(xù)上升。對此，很多經(jīng)濟學(xué)家提出了理論上的解釋。以鮑莫爾（Baumol, W.J.）為代表的經(jīng)濟學(xué)家認為，服務(wù)業(yè)占GDP比重的上升，是因為服務(wù)業(yè)本身的生產(chǎn)率提升較慢，成本持續(xù)增加。在其開創(chuàng)性論文《非平衡增長的宏觀經(jīng)濟學(xué)：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(shù)進步推動的生產(chǎn)率持續(xù)增長的“進步部門”和技術(shù)影響弱生產(chǎn)率低的“停滯部門”，假設(shè)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(wù)缺乏需求價格彈性，那么，勞動力會持續(xù)流向生產(chǎn)率較低的“停滯部門”，這樣，“停滯部門”的單位產(chǎn)品成本不斷上升，產(chǎn)出價格越來越高，占GDP的比重越來越大，而整個國家的經(jīng)濟增長速度則會持續(xù)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(jīng)濟現(xiàn)實中，很多服務(wù)行業(yè)以勞務(wù)產(chǎn)出的方式進行，需要提供者與消費者同時在現(xiàn)場完成，很難做到機械化、標(biāo)準(zhǔn)化、自動化，其生產(chǎn)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(fā)了大量爭議，而實證研究的結(jié)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(yī)療服務(wù)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(xué)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(shù)（CPI）的遞增速度卻低于4%。其他發(fā)達國家也有類似情況。價格的上升，造成了醫(yī)療服務(wù)與教育成為服務(wù)業(yè)內(nèi)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(chǎn)率進行了實證研究，他們使用隨機前沿方法，將全要素生產(chǎn)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(chǎn)率負面影響。結(jié)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(guī)模效應(yīng)，但并不足以抵銷成本病帶來的非效率。從總體看，大部分經(jīng)濟學(xué)家都認為“鮑莫爾病”在經(jīng)濟中或多或少存在。2017年鮑莫爾去世時，芝加哥大學(xué)布斯商學(xué)院的美國經(jīng)濟專家小組對一些著名經(jīng)濟學(xué)家進行了調(diào)查，59%的受調(diào)查專家同意“鮑莫爾病”在現(xiàn)實生活中的確存在。

從我國的實際情況來看，服務(wù)業(yè)總體生產(chǎn)率較低，與第二產(chǎn)業(yè)相比有一定的差距。隨著數(shù)字技術(shù)在社會經(jīng)濟生活中的持續(xù)擴散，服務(wù)業(yè)領(lǐng)域大量應(yīng)用人工智能等數(shù)字技術(shù)，其生產(chǎn)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(shè)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(wù)概念存在著合成謬誤，應(yīng)將服務(wù)分為生產(chǎn)者服務(wù)與消費者服務(wù)，在信息革命的驅(qū)動下，生產(chǎn)者服務(wù)有著很高的技術(shù)進步率。因此，成本病應(yīng)該已經(jīng)治愈了。Jack E. Triplett和Barry P. Bosworth（2003）指出，在1995年之后，由于信息服務(wù)部門的勞動生產(chǎn)率增長要遠遠快于商品生產(chǎn)部門。如果從總產(chǎn)出水平來考察，在服務(wù)業(yè)內(nèi)部的子行業(yè)中，數(shù)字化的經(jīng)紀(jì)業(yè)與金融業(yè)的勞動生產(chǎn)率增長非?？?。隨著人工智能等新一代數(shù)字技術(shù)在服務(wù)業(yè)領(lǐng)域全面滲透，服務(wù)業(yè)“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(shù)快速進步，在服務(wù)業(yè)等各行各業(yè)也有了廣泛應(yīng)用。從以前的人工智能來看，主要是傾向于單一場景和技術(shù)的應(yīng)用，例如，機器視覺廣泛應(yīng)用于安防產(chǎn)業(yè)。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(chǎn)業(yè)應(yīng)用的場景和深度，為治愈“鮑莫爾病”提供了更多的發(fā)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(xiàn)了第一個真正轉(zhuǎn)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(shè)備和基礎(chǔ)設(shè)施等物理資料，因此對生產(chǎn)力提高的影響可能比過去的技術(shù)革命要快得多。2023年世界經(jīng)濟論壇的調(diào)查表明，大約75%的受訪公司預(yù)計在未來五年內(nèi)廣泛采用人工智能技術(shù)。在已經(jīng)使用ChatGPT等生成式人工智能的企業(yè)中，93%計劃讓它承擔(dān)更多工作。這將極大地提升服務(wù)業(yè)的勞動生產(chǎn)率。Brynjolfsson（2023）認為，生成式人工智能可以幫助企業(yè)擴展其產(chǎn)品并提高員工的生產(chǎn)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(chǎn)率，在十年內(nèi)，生成式人工智能可以為美國的經(jīng)濟增長增加數(shù)萬億美元。OpenAI的首席執(zhí)行官Sam Altman（2021）則認為，隨著人工智能滲透到生產(chǎn)生活中，原來許多由勞動力成本決定的高價格產(chǎn)品或服務(wù)的價格會快速下降，從而使每個人都從中受益。他預(yù)測，在未來十年內(nèi)，每個成年美國人每年能夠從人工智能的應(yīng)用中獲得13500美元的利益。

服務(wù)業(yè)供給效率低下的一個重要原因是在服務(wù)環(huán)節(jié)中需要投入大量的人力資源，而人工智能的廣泛應(yīng)用，能夠使很多服務(wù)環(huán)節(jié)由機器替代勞動力，從而使服務(wù)業(yè)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(yīng)用到教育、金融和醫(yī)療等各個領(lǐng)域，提高這些行業(yè)的生產(chǎn)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(wù)業(yè)的效率。一家提供就業(yè)服務(wù)的平臺（Glassdoor旗下的社交平臺Fishbowl）對1000家企業(yè)進行調(diào)查的結(jié)果顯示，近50%的企業(yè)表示已經(jīng)在使用ChatGPT；30%表示有計劃使用。而在已經(jīng)使用ChatGPT的企業(yè)中，48%已經(jīng)讓其代替員工工作。ChatGPT的具體職責(zé)包括：客服、代碼編寫、招聘信息撰寫、文案和內(nèi)容創(chuàng)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(yōu)秀”的評價，34%認為“非常好”，這為企業(yè)節(jié)省了成本。48%的受訪企業(yè)稱，自使用這款人工智能聊天程序以來，公司節(jié)省了超過5萬美元的費用，11%表示節(jié)省下來的費用高達10多萬美元。而一些測試發(fā)現(xiàn)，使用生成式人工智能能夠極大地提高文字寫作的效率（節(jié)省40%的時間且質(zhì)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(shù)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(jīng)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(fā)現(xiàn)，在市場營銷和人力資源等領(lǐng)域，在使用ChatGPT后，整體生產(chǎn)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(yīng)。

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(jīng)濟的效率。研究指出，新一代人工智能對80%的職業(yè)產(chǎn)生影響，作家、網(wǎng)絡(luò)和數(shù)字設(shè)計師、金融定量分析師、區(qū)塊鏈工程師等可能大部分被人工智能取代。根據(jù)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(yù)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(chǎn)生結(jié)構(gòu)轉(zhuǎn)換效應(yīng)。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(fù)性任務(wù)轉(zhuǎn)向那些由社會和認知驅(qū)動并需要更多的數(shù)字技能的任務(wù)。勞動就業(yè)的結(jié)構(gòu)轉(zhuǎn)換也將提高全社會的勞動生產(chǎn)率。

從典型行業(yè)來看，人工智能將使醫(yī)療、教育等鮑莫爾認為成本上升最快的行業(yè)效率提升。醫(yī)療領(lǐng)域是受“鮑莫爾病”影響的典型行業(yè)。Bobby J. Newbell（2007）認為：在醫(yī)療領(lǐng)域，決定生產(chǎn)率的內(nèi)在因素，即詢問病史和各項檢查，受到技術(shù)進步的影響甚小，技術(shù)進步也基本上沒有提高護士更換繃帶的速度。醫(yī)療領(lǐng)域中人類互動的固有特性使得該行業(yè)的生產(chǎn)率沒有隨著技術(shù)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(yī)療領(lǐng)域的廣泛應(yīng)用，醫(yī)療領(lǐng)域的“鮑莫爾病”有可能趨于緩解。Khanna和Narendra N.等（2022）通過經(jīng)濟學(xué)分析發(fā)現(xiàn)，在診斷和治療中使用人工智能工具可以節(jié)省大量成本。一是解決醫(yī)療系統(tǒng)中的浪費問題。數(shù)據(jù)顯示，在美國花費的所有醫(yī)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(dāng)醫(yī)療保健服務(wù)的治理，將減少醫(yī)療資金的浪費。二是提高疾病診斷、治療、護理、醫(yī)院管理等全過程的效率。人工智能在醫(yī)學(xué)影像（例如，引入AI分析系統(tǒng)的高級CT掃描、磁共振成像和超聲，可以更準(zhǔn)確地執(zhí)行重復(fù)、簡單的任務(wù)，減少醫(yī)療差錯，降低成本，并在出現(xiàn)嚴(yán)重情況之前促進早期診斷和干預(yù)）和疾病診斷（例如，更精準(zhǔn)地發(fā)現(xiàn)疾病與輸入預(yù)測因子之間的非線性相關(guān)性）等方面已具有一定的效率優(yōu)勢，而利用大數(shù)據(jù)和人工智能方法，能夠為患者提供快速而精準(zhǔn)的護理。在治療方面，利用人工智能預(yù)測疾病預(yù)后和治療反應(yīng)，將提高醫(yī)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(fā)。新藥開發(fā)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(yù)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(shù)發(fā)現(xiàn)。人工智能算法能夠在短時間內(nèi)評估數(shù)百萬種潛在藥物，預(yù)測其有效性，使藥物發(fā)現(xiàn)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(yī)學(xué)文獻來尋找潛在的蛋白質(zhì)、細胞或病原體，以確定藥物研發(fā)方向。目前由該公司開發(fā)的一款完全由人工智能完成的用于特發(fā)性肺纖維化（IPF）的藥物已進入一期臨床試驗。

多國主管機構(gòu)已開始批準(zhǔn)人工智能產(chǎn)品正式進入醫(yī)療服務(wù)領(lǐng)域。據(jù)不完全統(tǒng)計，美國食品藥品監(jiān)督管理局（以下簡稱FDA）已批準(zhǔn)多種基于人工智能的醫(yī)療設(shè)備。例如，2017年1月，Arterys的醫(yī)學(xué)影像平臺獲得了美國FDA的批準(zhǔn)，這是第一個用于臨床實踐的機器應(yīng)用。它最初被批準(zhǔn)用于心臟核磁共振圖像分析，現(xiàn)已被批準(zhǔn)用于其他影像學(xué)設(shè)備。2018年4月，F(xiàn)DA批準(zhǔn)了IDx-DR系統(tǒng)上市，這是FDA授權(quán)的第一個人工智能診斷系統(tǒng)，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(wǎng)膜病變。醫(yī)生只需要將患者的視網(wǎng)膜圖像上傳到云服務(wù)器，系統(tǒng)將自主給出篩查決策，即觀察隨訪還是進一步治療。Tractica預(yù)測，到2025年，醫(yī)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(guān)鍵醫(yī)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(lǐng)域也深受“鮑莫爾病”的影響。在過去的50年間，教育行業(yè)的生產(chǎn)率提升并不明顯。一個經(jīng)常被引用的案例是一位大學(xué)教授利用PowerPoint進行一個小時的課程講授，向他的學(xué)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(lǐng)域的廣泛應(yīng)用，可以為學(xué)生的學(xué)習(xí)活動和教師的教學(xué)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(yīng)性和更加個性化的方式為學(xué)生學(xué)習(xí)提供智能化支持，人工智能和VR、AR等技術(shù)可以使學(xué)生們以體驗的方式進行學(xué)習(xí)，以游戲的方式身臨其境地與授課和書本的知識內(nèi)容發(fā)生互動，從而使學(xué)生可以長期保持注意力的集中。相比傳統(tǒng)教育模式中只能通過教師的教學(xué)語言、圖片和文字來傳授知識，沉浸式學(xué)習(xí)所營造的體驗式的學(xué)習(xí)環(huán)境可以更好地幫助學(xué)生加深對知識的記憶和理解。在教學(xué)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(biāo)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(xué)內(nèi)容的設(shè)置，提高教學(xué)的質(zhì)量和效率。通過更為靈活和創(chuàng)新的方式，幫助教育工作者創(chuàng)建教學(xué)內(nèi)容。這些工具可用于生成課程計劃、創(chuàng)建測驗和考試以及編寫教育材料，從而節(jié)省教育工作者的時間和精力，為學(xué)生提供引人入勝且行之有效的學(xué)習(xí)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(xué)生學(xué)習(xí)外語的困難，消除因語言不通而導(dǎo)致的信息傳遞壁壘和障礙，為學(xué)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(nèi)的傳播和交流。

人工智能能夠提高科技研發(fā)的效率。研發(fā)服務(wù)既是服務(wù)業(yè)的重要組成部分，還對服務(wù)業(yè)效率的提升有著基礎(chǔ)作用。然而，由于科學(xué)技術(shù)研發(fā)的特點，使技術(shù)進步呈現(xiàn)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(fā)現(xiàn)，隨著時間的推移，突破性成果的數(shù)量在持續(xù)下降，而且這種下降不能被已發(fā)表科學(xué)質(zhì)量、引文實踐或特定領(lǐng)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(xué)家和發(fā)明家的知識面越來越窄。另一方面，過去幾個世紀(jì)的技術(shù)進步，已在容易突破的科技領(lǐng)域?qū)崿F(xiàn)了突破，剩下的領(lǐng)域都是“硬骨頭”。而人工智能技術(shù)，是一種能夠幫助人類提高研發(fā)效率的“元技術(shù)”，Sam Altman認為，正是因為人工智能技術(shù)的進步與廣泛應(yīng)用，我們將進入加速進步的“萬物摩爾定律”階段。通過廣泛應(yīng)用人工智能，能夠突破技術(shù)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(xué)論文與專利文獻，可以自己學(xué)習(xí)和積累知識，從而幫助科學(xué)家發(fā)現(xiàn)創(chuàng)新的可能方向和前沿領(lǐng)域。在數(shù)據(jù)處理方面，科研儀器和試驗設(shè)備正在產(chǎn)生前所未有的數(shù)據(jù)量，而各種日常生產(chǎn)和生活中也產(chǎn)生了海量數(shù)據(jù)，人工智能在處理海量數(shù)據(jù)方面具有獨特的優(yōu)勢，從而實現(xiàn)以數(shù)據(jù)驅(qū)動科技研發(fā)的進步。

生成式人工智能的演進與廣泛應(yīng)用，有可能突破波蘭尼悖論，從而打開人工智能應(yīng)用的空間。哲學(xué)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(lǐng)域擁有明顯優(yōu)勢，而在另一些領(lǐng)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(chǎn)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(yù)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?，F(xiàn)階段，人工智能與人類各有優(yōu)劣：機器更加理性和善于進行基于規(guī)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(shù)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(lǐng)域失敗”（計算機科學(xué)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(wù)機器人進入發(fā)展新階段。服務(wù)機器人能夠廣泛應(yīng)用到家庭服務(wù)、醫(yī)療、餐飲、物流和酒店等領(lǐng)域，代替人類完成繁瑣而難以自動化的任務(wù)，減少這些行業(yè)對人力的依賴，從而提高生產(chǎn)效率。根據(jù)中國電子學(xué)會數(shù)據(jù)，2021年全球服務(wù)機器人市場規(guī)模達到172億美元，2017年—2021年復(fù)合增長率達27%。通過引進ChatGPT等生成式人工智能，將推動服務(wù)機器人的功能快速提升，并應(yīng)用到更廣泛的領(lǐng)域。

服務(wù)業(yè)供給效率低下的另一個原因是供應(yīng)鏈產(chǎn)業(yè)鏈既涉及到物，又涉及到人，完成最終服務(wù)的各個環(huán)節(jié)之間難以耦合，從而無法降低成本。而人工智能的廣泛應(yīng)用，能夠推動服務(wù)業(yè)供應(yīng)鏈全方位全鏈路數(shù)字化、智能化改造，將人、物、知識、技能、標(biāo)準(zhǔn)等整合在一起，并將這些資源進行智能組合，實現(xiàn)服務(wù)資源的匯聚、智能調(diào)度與優(yōu)化使用，從而推動服務(wù)業(yè)供應(yīng)鏈效率的提升，使自助服務(wù)與自動化和在線訪問相結(jié)合，重塑服務(wù)的生產(chǎn)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(wù)工業(yè)化，發(fā)揮規(guī)模經(jīng)濟效應(yīng)。服務(wù)業(yè)產(chǎn)生“鮑莫爾病”的一個重要原因是其需要面對面?zhèn)€性化完成，無法像工業(yè)產(chǎn)品一樣實現(xiàn)規(guī)?；a(chǎn)和消費。隨著人工智能技術(shù)在服務(wù)業(yè)的滲透，“服務(wù)工業(yè)化”發(fā)展模式成為可能。在醫(yī)療行業(yè)，人工智能能夠?qū)⒆顑?yōu)秀醫(yī)生的經(jīng)驗進行匯聚，實現(xiàn)自動化診斷與治療，也可以為新入行的醫(yī)生提出有價值的診療建議，從而幫助這些醫(yī)生大幅度提高工作效率。人工智能在教育領(lǐng)域，能夠為教師在備課、作業(yè)批閱等環(huán)節(jié)提供大量效率工具。而對于服務(wù)機器人、自動駕駛等行業(yè)而言，能夠通過以商品替代服務(wù)，以工業(yè)化生產(chǎn)的方式治愈服務(wù)業(yè)領(lǐng)域的“鮑莫爾病”。

人工智能推動服務(wù)業(yè)強化商業(yè)模式創(chuàng)新，提高服務(wù)業(yè)供需匹配效率。很多服務(wù)產(chǎn)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(wù)領(lǐng)域可能出現(xiàn)消費者排隊與資源閑置并存的現(xiàn)象，這造成了服務(wù)效率的降低。人工智能技術(shù)能夠優(yōu)化企業(yè)的資源調(diào)度、利用與分配，使服務(wù)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(shù)也能夠幫助消費者合理安排接受服務(wù)的時間與空間，從而提升消費者體驗。人工智能技術(shù)提供服務(wù)質(zhì)量、交易匹配等方面的優(yōu)勢，從而使點對點交易成為可能，推動“零工”和“共享”等商業(yè)模式創(chuàng)新，從而增加服務(wù)業(yè)資源供給的柔性。

發(fā)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(xiàn)出較大優(yōu)勢，在未來也將有巨大的潛力。為了將這些優(yōu)勢進一步發(fā)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(chǔ)研究。鑒于人工智能在社會經(jīng)濟各個方面的應(yīng)用潛力和對生產(chǎn)率提升的重要作用，有必要將人工智能技術(shù)研發(fā)提升到國家戰(zhàn)略高度。而人工智能的許多技術(shù)具有基礎(chǔ)性與通用性，因此，需將其作為基礎(chǔ)研究加以高度重視。各國政府也出臺了相應(yīng)的政策，支持人工智能技術(shù)的研發(fā)。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(fā)展的新舉措，以抓住人工智能帶來的新機遇。

人工智能的創(chuàng)新，不僅涉及技術(shù)創(chuàng)新，還涉及數(shù)據(jù)等方面的制度、商業(yè)模式、業(yè)態(tài)等創(chuàng)新，在政策方面必須多方協(xié)同，從而推動人工智能基礎(chǔ)研究的快速進步。

在數(shù)據(jù)方面，應(yīng)以國家統(tǒng)籌的方式，建立優(yōu)質(zhì)內(nèi)容收集整理機制，并將圖書、論文等優(yōu)質(zhì)內(nèi)容數(shù)字化；推動不同平臺、不同App之間進行數(shù)據(jù)共享，從而為大模型發(fā)展提供優(yōu)質(zhì)數(shù)據(jù)。在企業(yè)數(shù)據(jù)方面，需要打通各個平臺、企業(yè)和部門之間的數(shù)據(jù)，建立高質(zhì)量數(shù)據(jù)共享機制。以ChatGPT為代表的大模型的訓(xùn)練需要大量高質(zhì)量的數(shù)據(jù)，很容易出現(xiàn)數(shù)據(jù)饑餓（Data hunger）。由于模型的參數(shù)增加具有規(guī)模報酬遞減的現(xiàn)象，因此，高質(zhì)量的數(shù)據(jù)將是訓(xùn)練大模型的稀缺資源，共享核心數(shù)據(jù)集的政策將是未來提高研究生產(chǎn)力和以創(chuàng)新為導(dǎo)向的競爭的關(guān)鍵工具。從量上來看，根據(jù)《國家數(shù)據(jù)資源調(diào)查報告（2021）》，2021年全年，我國數(shù)據(jù)產(chǎn)量達到6.6ZB，占全球數(shù)據(jù)總產(chǎn)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(yè)在發(fā)展過程中，利用人工標(biāo)注的方式，儲備了豐富的數(shù)據(jù)。中文互聯(lián)網(wǎng)內(nèi)容雖然不少，但存在數(shù)據(jù)割裂分散、高質(zhì)量數(shù)據(jù)不多、對外開放度不夠等問題。經(jīng)濟合作與發(fā)展組織（OECD）2023年的研究表明，漢語的高質(zhì)量數(shù)據(jù)僅占全球的3.2%。③這與我國互聯(lián)網(wǎng)App化，各個平臺、企業(yè)乃至應(yīng)用程序之間形成一個個“數(shù)據(jù)煙囪”有著直接關(guān)系。需要國家層面出臺推動數(shù)據(jù)共享的政策體系，尤其是需要在數(shù)據(jù)要素價值、隱私保護和數(shù)據(jù)共享之間，設(shè)計一條平衡的政策路徑，從而更高效地推動與個人隱私關(guān)系不大的高質(zhì)量文本數(shù)據(jù)共享。

加大對人工智能研究的資金支持力度。從經(jīng)濟學(xué)的角度來看，新一代人工智能技術(shù)能夠應(yīng)用到社會經(jīng)濟的各個領(lǐng)域，技術(shù)開發(fā)者對人工智能創(chuàng)新的跨領(lǐng)域應(yīng)用，難以獲得相應(yīng)的收益。尤其是當(dāng)前人工智能技術(shù)處于快速發(fā)展階段，而先進入者對后進入者的研究具有跨期溢出效應(yīng)。因此，在技術(shù)研究方面，開發(fā)者難以獲得技術(shù)的橫向與縱向溢出效益，私人最優(yōu)水平的研發(fā)投資將小于社會最優(yōu)水平的研發(fā)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(shù)快速進步。我國政府可考慮設(shè)立人工智能基礎(chǔ)研發(fā)基金，鼓勵科研機構(gòu)、高校、企業(yè)、社會組織等持續(xù)參與到人工智能的研發(fā)過程中來。

二是鼓勵擴大人工智能應(yīng)用場景。人工智能具有應(yīng)用到服務(wù)業(yè)各個領(lǐng)域的巨大潛力，然而，作為一種新的技術(shù)，其應(yīng)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(yīng)用的互補性資源投入。人工智能的應(yīng)用，需要在信息傳輸、終端設(shè)備、計算能力、基礎(chǔ)數(shù)據(jù)等方面投入大量互補性資源。對服務(wù)業(yè)而言，絕大部分企業(yè)都是中小微企業(yè)，缺乏應(yīng)用人工智能技術(shù)的互補性資源。在政策上，支持擁有大量信息傳輸、終端設(shè)備、計算能力、基礎(chǔ)數(shù)據(jù)等各類互補性資源的企業(yè)將其資源以低價的方式開放給中小微企業(yè)；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(yè)，使其以較低的成本和門檻就能夠使用人工智能技術(shù)，提高其運營效率。

建立人才培訓(xùn)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(xùn)的投入，使企業(yè)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(xùn)，重點應(yīng)放在應(yīng)用型人才方面，即能夠順利將人工智能技術(shù)應(yīng)用到業(yè)務(wù)領(lǐng)域的人才，包括對企業(yè)現(xiàn)有員工的人工智能使用技能培訓(xùn)，從而使企業(yè)樹立應(yīng)用人工智能的意識。

三是注意防范人工智能在服務(wù)業(yè)領(lǐng)域帶來的潛在風(fēng)險與問題。人工智能在服務(wù)行業(yè)的廣泛應(yīng)用，可能帶來數(shù)據(jù)安全、網(wǎng)絡(luò)安全、內(nèi)容安全等方面的潛在問題。在鼓勵人工智能廣泛應(yīng)用的同時，要密切關(guān)注潛在的風(fēng)險與問題。

（作者為中國社會科學(xué)院財經(jīng)戰(zhàn)略研究院研究員、教授、博導(dǎo)，浙江金融職業(yè)學(xué)院電子商務(wù)與新消費研究院研究員）

【注：本文系中國社會科學(xué)院創(chuàng)新工程項目“防止資本無序擴張——基于數(shù)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(zé)編/周小梨 美編/楊玲玲

聲明：本文為人民論壇雜志社原創(chuàng)內(nèi)容，任何單位或個人轉(zhuǎn)載請回復(fù)本微信號獲得授權(quán)，轉(zhuǎn)載時務(wù)必標(biāo)明來源及作者，否則追究法律責(zé)任。