中金公司：从IT到AI 科技革命的生产力提升基于人类知识网络中的跨领域技术扩散

中金公司发布研报称，作为科技革命的源动力，通用目的技术需要通过技术扩散来增强影响力，才能推动生产力进步。AI文献的“规模增长”及“融合深化”是技术扩散的关键特征，共同推动全领域的创新活动更为活跃，进而促进劳动生产率加速提升。参照上一轮信息通信(IT)革命中技术前沿国的经验，基于AI技术扩散不及、等同或超越IT的三种情境假设，预计本轮AI有望在未来十年内推动劳动生产率的年均增速提高1.3~3.7个百分点。

中金公司主要观点如下：

历次科技革命后的生产率提升姗姗来迟，如何理解这种“索洛生产率悖论”?

通用目的技术是科技革命的源动力，但其需要通过技术扩散来增强影响力，直到它与各行各业的现有技术结合、与大量丰富的需求场景匹配，才能最终实现劳动生产率的加速增长。

技术扩散分为五个阶段，其中的延伸阶段以知识的跨领域流动为标志，是评判通用目的技术影响力的关键。人类知识网络中的跨学科引用关系为研究这种知识流动提供了一种直观且可量化的方法。

通用目的技术的跨领域扩散程度如何度量，又引起多大程度的生产率提升?

IT与AI同属于通用目的技术，具有较强的可类比性，IT革命的发展历程或为前瞻本轮AI的生产力潜力提供参照。观察IT技术在人类知识网络中的扩散过程，可以发现跨领域引用关系的发生伴随着“规模增长”和“融合深化”两大特征。

本文采用统计方法表明，两者共同作为外生技术冲击，推动全领域的创新活动更为活跃，进而促进劳动生产率加速提升。根据这种“通用目的技术-跨领域扩散-生产力进步”的传导机制，构建向量自回归模型，并验证了其能够较好预测上一轮IT革命时期的劳动生产率提升。

参照IT革命，进一步预测本轮AI革命的生产力潜力。

通过在模型中引入AI技术冲击，并基于AI技术扩散不及、等同或超越IT的三种情境假设，该行预测了技术前沿的美国在2024-2035年的劳动生产率增速。模型结果显示，本轮AI对劳动生产率的提升可能较上一轮IT革命更快且程度更大，有望在未来十年内推动劳动生产率的年均增速提高1.3~3.7个百分点。

为了推动通用目的技术快速高效地转化为社会生产力，可从三方面出发

培育AI核心资源，以维持学科内的高创新活力；引导融合不足但意义重大的场景联合创新，以提升其他学科与AI的融合水平；补贴高成本的AI商业应用，以加速科技成果转化与推广。