AGI的经济政策

# 通用人工智能的经济政策 来源：https://institute.deepmind.com/essays/economic-policy-for-agi/ 关于人工智能将如何影响就业和经济的担忧（https://x.com/davidshor/status/2033906956524458129）正在社会各阶层中日益凸显，成为一个重大议题。它已成为政治候选人和年轻一代最关心的问题之一——这一切甚至发生在人工智能的影响在大多数经济数据（https://hai.stanford.edu/ai-index/2026-ai-index-report/economy）中显现之前。 过去几年，人工智能能力已极大提升，且丝毫没有放缓的迹象。一个注入了通用人工智能（AGI）的未来经济——即能够执行至少达到普通人水平的认知任务的先进人工智能系统——可能带来巨大益处，包括改善健康、增加休闲时间以及提升生活水平。然而，对人工智能经济影响的担忧也合乎情理。历史上，重大技术变革曾提升了（https://www.aeaweb.org/articles?id=10.1257/aer.89.2.150）*长期*生活水平，为人类带来了我们祖先无法想象的繁荣与健康。但在*短期内*，重大变革也往往导致（https://www.aeaweb.org/articles?id=10.1257/jep.33.2.3）许多人薪资降低、掏空区域经济并加剧不平等（https://academic.oup.com/qje/article-abstract/118/4/1279/1925105?redirectedFrom=fulltext）。 换言之，许多经历过技术转型的人在其所处的创新时期受到了伤害（https://ehes.org/2021/03/03/optimism-or-pessimism-a-composite-view-on-english-living-standards-during-the-industrial-revolution/#:~:text=This%20is%20the%20result%20of%20a%20steep,by%205%20years%20between%201760%20and%201800.）。问题是：这次我们能否在保留技术进步益处的同时，减少或避免此类伤害？ 历史上，各国在（https://academic.oup.com/oxrep/article-abstract/37/4/824/6423487?redirectedFrom=fulltext&login=false）充分管理生产力提升型经济转型方面一直举步维艰。在工业革命和20世纪早期，政策往往是在冲击和破坏发生之后才出台，实施再分配干预措施。在某些情况下，这可能是由于制度不完善和数据获取不足。而在另一些情况下，响应迟缓则是出于过早制定技术调整政策的顾虑。 以往的冲击与AGI在重要方面也有所不同。与以往自动化常规工作并创造新行业的技术不同，AGI通过自动化智能本身，可能实现对认知工作更全面的自动化。这将有可能超越社会适应变化的能力。 然而，正因为AGI自动化了“智能”的组成部分，其广泛传播的经济影响非常不确定。一方面，AGI的经济收益和破坏可能无法如预期般实现。另一方面，它也可能更类似于人们熟知的——尽管仍然非常显著的——以往技术冲击，即破坏了部分工作，但最终创造了新的工作。事实上，自工业革命以来，劳动力在经济中一直保持相对恒定的力量——这与持续不断的（https://www.aeaweb.org/articles?id=10.1257/jep.33.2.229）大规模劳动力替代预测相悖——且经济学家目前并未看到（https://www.economist.com/finance-and-economics/2026/09/04/the-jobs-apocalypse-is-postponed-an-ai-jobs-boom-is-here?utm_campaign=r.the-economist-sunday-today&utm_medium=email.internal-newsletter.np&utm_source=salesforce-marketing-cloud&utm_term=9/6/2026&utm_id=2228385）系统性就业或工资影响的确凿证据。然而，在另一个极端，AGI能力广泛而灵巧的特性可能标志着与以往技术的决裂，降低对大多数认知职业的人类劳动力的需求。 在这种不确定性中，至少有几个理由让我们希望社会这次能够更好地管理破坏性的技术冲击。过去，政策制定者受到的限制比现在更多，其所在的机构也更弱且知识储备不足。社会科学在理解技术冲击如何展开以及如何衡量新创新对劳动力市场的影响方面已取得长足进步。我们对政府可用的政策工具包及其如何（https://www.brookings.edu/articles/fed-response-to-covid19/#:~:text=Easing%20Monetary%20Policy.%20Federal%20funds%20rate%3A%20The,to%20a%20range%20of%200%25%20to%200.25%25.）快速扩展也有了更多了解。 由于我们可能无法预先确定哪种AGI经济情景会实现——或其时间尺度——因此，制定与明确的经验触发器挂钩的灵活经济政策应对措施就显得非常重要。这种方法可以帮助我们避免行动过晚，无法缓冲真正的破坏，或过早过度反应，导致干预措施弊大于利。要制定此类政策，我们需要克服三个挑战。 第一个挑战是我们缺乏细致且及时的劳动力市场数据。平台使用指标（https://ai.google/static/documents/GoogleATLASv1.pdf）无法告诉我们人工智能如何改变净就业情况，职场实地实验很少能推广到宏观经济层面，而官方行政数据集（https://www.nber.org/papers/w33777）可能滞后于现实世界的破坏。关于当前统计数据和新指标（例如消费者对人工智能的需求以及采用瓶颈）的更好数据，可能有助于我们理解政府应如何应对AGI可能带来的前景。第二个挑战是确定*哪些*政策能够真正广泛分配AGI的益处，同时确保人们蓬勃发展并对其生活拥有自主权。第三个挑战是，目前没有一个通用标准来评估一项潜在政策干预措施相对于另一项的强弱，也无法基于社会关心的一系列标准化维度进行比较。这包括关于何时部署任何特定政策反应的明确的数据指示。 为了帮助填补这一空白，我们引入了一个统一的框架，从四个维度评估潜在政策： 1. **福祉与韧性**：政策对物质生活水平、意义与目标以及整体经济稳定性的影响。 2. **自主与发声权**：政策对个人经济选择、对人工智能驱动收益的直接所有权以及民主参与的影响。 3. **可行性与效率**：政策的政治支持度、民众认可度、经济成本、行政简便性、推行速度以及制度就绪度。这包括政策是否为AGI赋能的经济增长创造条件。 4. **对潜在AGI经济未来的持久性**：政策在温和干扰、广泛替代和彻底经济转型等不同情景下的适用性。 基于这个标准，我们结合了人工文献综述、调查以及51位由真实经济学家训练出来的AI代理评估者，对管理潜在AGI经济转型的11个常见政策构想进行了评估。在代理审议分析中，每个AI代理的个性都是根据51位真实经济学家的调查数据设计的，捕捉了经济学和政治态度的多样性。这种由John Horton（https://john-joseph-horton.com/expected-parrot.html）开创的方法，减少了研究者的自由度，使我们能够测试代理如何基于现有证据和他们自身的审议过程来“评级”特定干预措施。 这种方法的结果表明，没有单一举措是万能的。一些政策拥有广泛支持但缺乏实际可行性。另一些政策似乎能抵御AGI冲击但可能削弱人的自主性。由于每项干预措施在成本、行政可行性和人的自主权方面都有不同的权衡，有效的策略应尽可能围绕可观察的阈值来排序。该策略可能还需要投资于基础设施，以追踪经济数据并根据预设的阈值进行衡量，帮助社会确定何时引入已设计好的政策。 我们的方法没有支持单一的静态方案，而是确定了三种与不同情景匹配的“最低遗憾”干预措施： 1. **针对温和情景的预防性稳定器（情景1）**：*扩展失业保险（UI）、劳动所得税抵免（EITC）和雇主主导的再培训*——这些是低干预措施，将福利与工作参与挂钩，并且如果干扰增加，其规模会自动调整。 2. **针对中度替代与工资压缩（情景2）**：*将EITC转变为负所得税（NIT）*——如果数据显示失业时间延长且中位数工资下降速度超过就业岗位恢复速度，则可触发更显著的干预。 3. **针对结构性劳动-资本脱钩（情景3）**：*全民基本资本（UBC）安全网*——可以现在就设计更重大的干预措施，但只在宏观经济指标显示劳动收入在GDP中的份额持续下降同时资本回报持续上升时才部署。 我们对11项政策中的每一项都从福祉、自主性、可行性与效率以及持久性等维度进行了评估。完整的分析、方法论以及每项政策的14种潜在资金机制的评估详见我们的《通用人工智能经济政策》论文（https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7470000）。 ## 我们评估的11项政策 被评估的面向家庭干预措施的分类和操作范围 政策干预措施定义与操作范围A部分：针对劳动力市场与工资的专项干预措施积极的劳动力市场政策（ALMPs）与再培训国家资助的项目，旨在为被替代的工人提供再培训，并使其人力资本与人工智能互补型职业重新匹配。工资保险一种过渡性补贴，补偿被替代工人在以较低名义工资重新就业时损失的部分收入。劳动所得税抵免（EITC）一种经经济状况调查的、可退还的税收抵免，作为低至中等收入工人的工资补贴。联邦就业保障政府作为最后雇主，确保任何愿意工作的人都能获得公共资助的职位。失业保险一种宏观经济稳定器，为被替代工人提供临时的、部分工资替代。B部分：全民基本保障、服务与结构性资产负所得税（NIT）建立有保障的最低收入底线，自动向收入低于阈值的个人提供现金转移支付。全民基本收入（UBI）无条件的现金转移支付，统一发放给所有公民，无论其就业状况或财富如何。主权人工智能红利通过基础人工智能资产的税收或公共所有权资助的全民无条件现金支付。全民基本资本（UBC）由国家促进提供的一项*事前*资产或股权赠款（例如，信托账户或主权财富基金份额）。全民基本服务（UBS）直接且无条件地提供基本公共服务，如医疗保健、住房和交通。产业政策旨在资助公共产品并在人工智能互补型工作中创造就业增长的战略性国家干预和定向资本配置。注：评估的干预措施涵盖了管理技术替代的主要再分配、结构性和劳动力市场途径。## **福祉与自主权** 一个评估标准是政策在多大程度上支持社会最关心的福祉结果。它是否维护了所有人的高标准生活水平？它是否保持了经济自主和民主参与所需的条件？这不仅需要关注政策对家庭收入的影响，还需要关注它们能否维持个人自主权以及经济和民主繁荣所需的权力平衡。 社会科学的先前研究已表明工作具有明确的心理和社会价值。正如研究（https://www.aeaweb.org/articles?id=10.1257/aer.20211616）——包括我们自己即将发表的研究——所指出的（https://www.brookings.edu/wp-content/uploads/2023/01/Work-and-meaning-in-the-age-of-AI_Final.pdf），人们经常对自己所做的工作赋予大量的非货币价值，这一点在各个收入阶层都是如此。例如，社会学研究认为，工作在*社会凝聚力*方面也发挥着重要作用（https://soztheo.com/theories-of-crime/control-theories/age-graded-theory-turning-points-sampson-and-laub/#:~:text=ng.%20...%20They%20found%20that%20offending%20trajectories,social%20relationships.%20They%20argue%20that%20meaningful%20b），就业是建立人际关系和阻止反社会行为的关键因素。这项研究表明，维持人们为经济做贡献的能力应成为潜在AGI政策的一个显著维度。 *情景1：针对温和情景的预防性稳定器* 我们首先考虑一个温和情景，即AGI提升生产力，并在劳动力市场中产生我们以前在技术浪潮中见过的熟悉的自动化和增强动态。基于历史事件，我们可能会看到整个经济中的工资两极分化和技能需求转变，但总劳动需求不会崩溃。 我们采用混合方法、人工智能代理辅助的研究表明，一系列经济学家会得出结论：引入自动调整的稳定政策在处理潜在的温和干扰时会有所帮助，尤其是在不确定时期。对于今天失业且不能立即找到工作的人来说，扩大失业保险（UI）（https://ideas.repec.org/a/ucp/jpolec/v107y1999i5p893-928.html）是一种有效的干预措施，它建立在大多数国家已有的福利基础设施之上。然而，我们的分析表明，为了管理AGI转型，这个基础设施可能需要扩展或演进。例如，在美国体系中，UI通常提供的替代金水平较低，很快到期，并且通常排除非传统工作者，如零工和自由职业者。现有证据表明，在AGI导致重大劳动力市场干扰的任何情景下，这个体系可能都力不从心。 通过保证一个人在失业后并在寻找新工作的特定时期内获得其先前工资的大部分，UI在经济冲击期间（https://dash.harvard.edu/server/api/core/bitstreams/7312037c-af38-6bd4-e053-0100007fdf3b/content）维持生活水平，同时为真正的技能再培训创造能力。例如，在丹麦，UI是该国著名的“灵活安全”（https://www.aeaweb.org/articles?id=10.1257/jep.36.4.81）社会安全计划的核心组成部分，人们在失业后可获得长达两年的、最高相当于先前薪水90%（上限为3200美元）的失业金。 工人再培训计划，特别是那些直接让雇主参与的计划，例如学徒模式，也可能很重要。（https://arxiv.org/abs/2605.03767）公共工人再培训计划在历史上（https://www.brookings.edu/articles/ai-labor-displacement-and-the-limits-of-worker-retraining/）支持工人适应技术变革方面表现令人失望。相反，学徒制和雇主主导的模式（https://lkatz.scholars.harvard.edu/publications/why-do-sectoral-employment