AI技术正以其独特的魅力引领着新一轮的创新浪潮，各行各业纷纷投入到这场技术革命中。作为市场关键力量的金融行业，自然不甘落后，积极拥抱AI大模型，以期在激烈的市场竞争中占据先机，推动行业的持续发展和创新。
7月5日，由WAIC与中金公司共同主办的“2024世界人工智能大会——投融资主题论坛”在上海世博中心举办，本次论坛的主题为“AI规模新经济”，为把握AI带来的机遇和挑战，中金公司集结了研究院上百人的研究力量，对AI有关的经济问题进行了深入探讨和研究并在论坛上正式推出研究报告《AI经济学》，力图为各领域的企业和投资者拓宽视野，理解当下真实情境，预见未来发展大势提供研究智慧和力量。
会上，中金首公司席经济学家、研究部负责人、中金研究院院长彭文生围绕该报告对本轮AI进步的生产力特征及其生产关系含义，从宏观影响、产业发展、治理挑战三个层面进行系统分析。“作为一项通用目的技术，规模定律是本轮AI进步的突出特征，意味在静态上大国有优势，动态上先发者有优势。”彭文生表示，“按照报告估算，AI有望使得中国2035年的GDP相较于基准情形提升9.8%，相当于未来10年的年化增长率额外增加0.8个百分点。”
AI作为技术进步，将如何影响经济？这是彭文生此次分享经济学报告的重点，在他看来，任何一个技术进步，都有很多途径影响经济，比如如何提高效率、促进经济增长，如何促进产业和商业模式的变化，如何影响全球经济格局等。
AI产业化投资前景的中国优势
彭文生在分享中充分肯定了AI作为一项通用技术，在推动规模经济效应和提升生活水平方面的潜力，同时也指出了AI在数据、绿色转型、劳动力替代和公共政策方面的挑战和机遇。
规模定律是彭文生强调的重要基础，在他看来，AI技术的突出特征是需要一定的门槛，只有模型规模达到一定阈值后，其预测能力和模拟能力才能有非线性的大幅提升，这与经济学中的规模经济效应有异曲同工之处，规模经济效应对大企业和大国有利，因为他们能承担技术进步所需的投入门槛。
在此背景下，就会迸发出AI产业化与投资需求的问题。首先在产业化引润阶段，需要在算力、模型研发和数据收集和处理方面进行投资，那么未来几年在AI大模型方面，我们需要多少投入？
“到2023年AI算力模型层市场规模大概5.2万亿人民币，引用层产业化是9.4万亿。”彭文生估计。
对此，彭文生还补充道可以通过两个视角来进行产业化引用，一是AI视角，从AI产生新的商业模式，如具身智能、人形机器人等；二是产业AI化视角，现有产业引用AI提高效率，中国在这方面具有优势，因为中国有全球最完整的工业体系和制造业体系。
人和资本是AI规模化的重要指标
然而，AI技术发展的同时，也引发了大家的担忧。当规模越大，经济效率越高的时候，当规模达到极限，边际效率是否会降低？AI所消耗的电力会不断上升，二氧化碳的总排放量也会上升，是否会给碳中和绿色转型带来挑战？是否有足够的增量数据来发展中国的AI产业引用？怎样平衡隐私数据保护和数据共享？以上都是AI将来或会面对的问题。
从国际化的视角来看，人类社会每一次重大的技术进步，都会对全球的竞争格局带来重大影响。在经济学理论的指导下，规模效应是人类经济活动的重要条件，哪个国家的规模大，就会有更多能力做研发，就会有更大的利润空间。
彭文生认为，在AI层面，人和资本是规模中的两个重要方面，中国经济规模比美国小，但是人口比美国多；印度人口和中国差不多，但是经济规模比中国小很多，中国在平衡这两点上是有优势的。
《AI经济学》中利用规模指标，估算了AI的竞争指数。具体来看，可以从技术和引用两个层面来看中国的竞争情况。技术层面包括算力、数据、人才、金融、分投；引用层面包括经济对AI的包容度，以美国作为标准，美国是1，我们是0.7左右，比美国低，引用层是中国的优势。
AI替代体力劳动的占比较大
值得注意的是，在宏观视角下AI技术的发展是否会造成大规模失业的情况？哪些行业会被替代？彭文生认为不会，并给出两个原因：第一是不同行业的生产效率的提升不一致。不是所有行业都能被替代，有的行业不能被替代或者生产效率比较低；第二是多余的劳动力可能会转移去生产效率低和难以被替代的行业，但假设前提是人们的需求近乎无限的。
在此背景下，机器人替代人类并非指整个人被完全替代，而是代替人类承担不同细分环节的工作，比如体力型、智力型、知识型、支配型等16个环节；另外在产业引用阶段，要比较AI和人工的成本，由此达成效率提升和经济增长。
彭文生还在会上分享了一个有趣的研究成果，大家都认为从事脑力劳动的劳动者可能会被大幅替代，但他表示在实际的行业中，力量型的具身智能占比较大。
展望未来十年的发展，体力劳动比如采矿业、资源加工业等，以及卫生、信息、租赁和一些商务服务领域，替代效率可能更大，生产效率提升更快，AI或许可以带来每年约0.8个百分点的额外增长。
