我局官微“上海統計”已開設專欄“理論應用”，內容聚焦前沿理論、立足全球視野，以傳播現代統計方法、實踐和成功案例為主，助推統計人科研水平提高和統計事業的改革發展，歡迎大家及時關注分享。

本期推送“知識經濟遇上ai變革（上）”。原文由巴塞羅那navarra大學iese商學院的恩里克·伊德（enrique ide）和愛德華·塔拉馬斯（eduard talamàs）合作完成，2025年6月發表于《journal of political economy》。文章探索了人工智能（ai）對知識型經濟的影響機制。作者建立了一個包含ai代理的知識等級模型，發現ai技術對組織和勞動分配的影響取決于其自主性和問題解決能力：“自主”ai（可獨立執行任務）主要提升最具知識技能者的收益；而“非自主”ai（僅能輔助人類）則更有利于知識水平最低的勞動者。與此同時，引入自主ai雖然能提高整體產出，但可能加劇不同技能勞動者間的收益差距，反之非自主ai有助于縮小差距。這一發現有助于解釋當前有關ai影響的看似矛盾的實證結果，并為監管ai自主性提供決策參考。

一、研究背景與問題設定

人工智能正引領新一輪面向知識工作的自動化浪潮，機器開始勝任編碼、研究、問題求解等復雜認知任務。然而，這場變革帶來的具體影響尚存爭議：一方面，人們不確定以往自動化的經驗教訓能否適用于當前的ai時代；另一方面，由于ai仍處于早期階段，個人和企業對其應用方式各異，現有實證證據尚不足以揭示其長期的均衡效應。在此背景下，兩位作者旨在提供一個理論框架，以研究ai對知識經濟的全局影響。其研究基于這樣一個認識：知識型工作的核心特征在于生產所需知識多為隱性（難以編碼）的經驗知識。這種隱性知識通過實踐積累并內嵌于個人，使得個人的時間和知識成為生產的關鍵瓶頸。因此，在傳統知識經濟中，企業通過層級組織來有效利用人才：知識較少者從事日常常規任務，更有知識者專門解決前者無法處理的例外難題，形成“分工—求助”的層級結構。這種由garicano（2000）開創的知識等級模型表明，企業內“由下而上”逐級求助的機制可使高知識者擺脫日常事務，專注于復雜問題，從而提高整體效率。

隨著ai技術興起，上述傳統范式面臨新的挑戰和機遇。作者指出，ai不同于以往只能執行明確編碼指令的自動化工具，其通過示范學習掌握隱性知識，能夠勝任非編碼的認知任務。ai有潛力紓解長期以來困擾知識經濟的“知識瓶頸”，帶來生產組織的根本性重組。但正因為ai可涉足以往需人類經驗判斷的領域，其影響呈現新的不確定性和爭議。一些學者發現ai可能更多惠及低技能勞動者，降低績效差距，而另一些研究則顯示ai增強了高技能者優勢并替代了低技能崗位。面對這些看似矛盾的觀察，本文作者提出有必要從理論上厘清：在一個以隱性知識為基礎的經濟中，引入能夠學習和執行知識工作的ai，將如何影響勞動者的崗位選擇、組織結構及收入分配？為此，作者將ai納入經典的知識等級模型，從均衡視角模擬ai對知識經濟的沖擊。這一模型化研究動機在于彌合經驗空白，提前洞察ai廣泛應用后的可能格局。

二、模型設定與ai技術假設

作者構建的模型以garicano（2000）知識等級理論為基礎，預設了一個“無ai”的基準經濟：個人只有時間這一投入，知識水平在0到1之間連續分布。生產過程中，個體不斷遇到不同難度的問題：當難度不超過其知識水平時可自行解決，產生產出；否則就需要向比自己更有知識的人求助。求助雖能解決問題但會消耗時間，因而企業通過組織分工使求助層級最小化。均衡狀態下，不同知識水平的勞動者根據閾值分為“工人”和“解題者”（即管理者）：低于知識門檻者專注從事日常機會的生產工作，高于門檻者則承擔解答難題的職責。這一兩層級結構被證明是有效率的，人力資源得到優化配置。模型結果表明，在沒有ai的情況下存在唯一的最優分配：知識水平處于中位區間的個人成為常規工作的獨立生產者或工人，更高水平者成為提供支持的解題者，從而最大化了全社會產出。

在此基礎上，作者引入ai要素，對ai技術做出關鍵假設。首先，ai能夠習得隱性知識且可通過計算資源無限擴展。企業可利用計算能力（compute）大規模部署ai，從而突破單個人類時間的限制。其次，通用的大型預訓練模型（基礎模型）的崛起使企業可以共享同一ai系統，無需為每項任務單獨訓練，從而降低部署門檻。第三，最近出現了可自主行動的ai代理，這類ai不僅回答問題，還可自主開展項目，被視為具備一定自主性的“ai員工”。基于這些進展，模型將ai形式化為一種可將計算資源轉化為ai代理的技術：所有ai代理被設定為具備相同的、外生固定的知識水平zai∈[0,1)。換言之，可以把zai理解為該ai系統掌握的知識熟練程度在全體人力知識分布中的位置。

模型接下來區分了ai代理的兩種運作模式：

自主型ai（autonomous ai）：ai代理幾乎能執行人類可執行的所有任務，既可像同事一樣獨立承擔生產工作（充當“協作工人”），又能像助理一樣提供決策建議（充當“協作解題者”或“副手”）。也就是說，自主ai可以同時勝任常規任務的執行和復雜問題的協助求解。

非自主型ai（non-autonomous ai）：出于技術或監管限制，此類ai代理只能輔助人類，無法自主開展生產工作。它們僅以“智囊”或“工具”的形式存在，例如代碼補全助手或客服對話輔助，始終需要人在回路中做最終決策。

圖1 無ai情況下的兩類企業結構

圖2引入ai后的5類企業結構

整個經濟中可用于ai的計算資源總量在模型中被視為給定外生變量，由市場均衡決定其價格和分配。一個重要假設是：計算資源相對充裕，而人類時間相對稀缺。這反映出現實中計算能力的指數增長和當前ai系統處理信息速度遠高于人類的事實。因此，在人與ai協作中，人類的時間成為瓶頸，企業若能用廉價計算力替代部分人力，將有激勵這么做。

此外，作者將自主ai按能力水平分為兩類情境以考察其影響彈性：

基礎型自主ai（basic ai）：這類ai代理的知識水平相當于原先經濟中普通工人的水平，即 zai 與一般勞動者相當。它可以勝任大部分常規任務，但在復雜難題上仍不及頂尖人類專家。

先進型自主ai（advanced ai）：這類ai代理的知識水平提升到可媲美原先經濟中的解題專家（管理者），即 zai 達到原有解題者的水平。因此，它有能力解決許多高難度問題，在知識上相當于一個經驗豐富的人類專家。

需要強調的是，現實中的ai應用介于完全自主與完全非自主之間，各行業ai自主性水平不同。例如，在法律領域，ai可以自動審閱合同等文件，卻不能獨立與客戶交涉或出庭辯護。為突出機制，模型主要分析了上述兩個極端情形下的均衡，實際影響預計介于這兩種極端預測之間。通過比較自主ai和非自主ai兩種制度安排，作者希望揭示ai自主性對于組織和勞動力市場的結構性作用。

編撰：上海科學智能研究院 徐燕

供稿：市統計學會

供稿：市統計學會

責編：薛依宜

審核：楊榮

上觀號作者：上海統計