随着人口老龄化加深，我国经济潜在增速将面临人口红利弱化的挑战。然而，AI技术有望提升全要素生产率，有效对冲我国劳动力要素下降对经济增长的影响。在AI时代，我国的Token成本优势将创造丰厚的Token红利，接棒人口红利成为经济增长的新引擎。

借鉴PWBM（2025）的框架，本文估计了生成式AI对我国TFP的影响作用。本文的估计结果显示，2025年至2032年，生成式AI对我国TFP的提升幅度将逐年上升，2032年达到0.17%的最高值。2026-2035年，生成式AI将使得我国TFP水平累计提高1.3个百分点。同期，劳动力下降将累计拖累我国潜在经济增速1.2个百分点。可见，生成式AI对我国潜在经济增速的贡献可以有效对冲劳动力要素下降对经济增速的拖累。

值得一提的是，上述估计仅考虑生成式AI的影响，若未来物理AI技术也能够得到重大突破，其对制造业的赋能将更大幅度地提高我国的TFP水平。

根据世界银行公布的2024年高收入经济体门槛，人均收入超过13935美元即可进入高收入经济体行列，我国距此门槛仅一步之遥。除了一些小型岛国外，成功跨越中等收入陷阱的经济体通常得益于三种红利：一是资源红利，如沙特阿拉伯、阿曼和智利等，凭借得天独厚的自然资源获得出口收入；二是人口-工程师红利，如日本、韩国和波兰等，顺应全球化浪潮承接产业转移，依靠相对廉价的劳动力和持续的教育投入，实现从劳动密集型产业向技术密集型产业的升级；三是区位红利，发挥特殊的地理位置优势，如新加坡、巴拿马和马耳他等，在航运、金融、旅游等现代服务业建立比较优势。我国的发展路径最接近第二种模式。与日本、韩国相似，我们先依托人口红利发展劳动密集型产业，再发挥工程师红利发展技术密集型产业，实现产业链条的攀升和人民收入水平的提高。近年来，随着人口的老龄化，市场开始担忧远期人口-工程师红利弱化的挑战。

但随着当前AI技术的快速发展，AI技术将对全要素生产率（TFP）产生显著的促进作用，从而对冲人口下降对经济增长的影响。正如我们在6月发布的《从人口红利到Token红利——2026年宏观经济中期展望》中所阐述的，我国在Token生产上的成本优势将在AI时代创造丰厚的Token红利，并在长期重塑我国在全球的竞争优势。因此，Token红利或将接棒人口红利成为推动我国经济持续稳定增长的重要因素。基于此，本文将估计AI对我国TFP的影响作用，并和劳动力要素下降对我国经济潜在增速的影响进行比较，考察AI发展能否有效对冲我国劳动力要素下降对经济增长的影响。

一、AI对我国TFP影响作用的估计

本文主要借鉴PWBM（2025）的方法来估计AI对我国TFP的影响作用。PWBM（2025）估计了2025-2075年生成式AI对美国TFP的潜在影响，下文中我们将简要介绍PWBM（2025）的估计方法。

关于AI对TFP长期变化的影响，Acemoglu（2024）最早基于工作任务模型，提出AI对TFP的长期影响可以表示为：

长期TFP变化=受AI影响的工作在GDP中的占比*AI带来的劳动力成本下降

在此基础上，PWBM（2025）进一步考虑了AI的采用率，提出AI对TFP的影响可以被表示为：

AI对TFP的影响=长期TFP变化*AI采用率提升幅度

对于受AI影响的工作任务在GDP中的占比，Eloundou et al.（2024）基于对不同职业任务的描述，衡量了不同职业受AI影响的暴露程度。PWBM（2025）在此基础上结合美国各职业的就业占比和工资情况，估计美国有40%的劳动收入将会受到AI的影响。进一步地，PWBM（2025）假设受AI影响的工作在GDP中的比重和工作的劳动收入占比相同，并且认为约23%受AI影响的工作最终会被AI完全自动化，最终估计得到受生成式AI影响的工作在美国GDP中的占比约略低于10%。考虑到AI能够实现自动化的职业范围会不断扩大，文章认为未来20年受AI影响的工作在GDP中的占比会逐步提高到15%。

对于AI带来的劳动力成本下降，PWBM（2025）根据多个关于生成式AI节约劳动成本的研究结果，假设现有AI工具可平均节省约25%的劳动力成本。

对于AI采用率，PWBM（2025）结合了个人电脑、互联网、智能手机和云计算四种技术的采用率变化曲线，模拟出生成式AI的采用率曲线。在技术引入后的十年间，采用率会较快地上升，随后采用速度显著放缓但仍持续增长。文章假设生成式AI将在未来15年内几乎完全融入生产环节。

综合上述内容，PWBM（2025）估计生成式AI每年对美国TFP的促进程度会在未来几年内逐步提升，并在2032年达到0.2个百分点的高点，而后随着AI采用率速度放缓而逐步下降。从累计影响来看，PWBM（2025）估计到2035年，AI将使得美国TFP水平累计提高1.5个百分点，到2055年提高3.0个百分点，到2075年提高3.7个百分点。

在PWBM（2025）的估计框架下，我们估计生成式AI对我国生产率的影响。对于AI带来的劳动成本下降和AI采用率，我们直接使用PWBM（2025）的估计数字。而对于受AI影响的工作任务在GDP中的占比，鉴于我国相较于美国，AI暴露程度较大的行业在GDP中的比重相对较低，因此当前我国受生成式AI影响的工作在GDP中的占比或略低于美国的10%。但考虑到我国在Token上的成本优势，相关行业的增长速度或相对较快，在经济中的占比或迎来较快的提升。Felten et al.（2021）测算的受AI影响程度最大的前五个大类行业分别是金融、教育、信息、专业技术和商务服务、医疗卫生，以上五个行业在我国GDP中的占比约为美国占比的72%。因此，我们假设当前我国受生成式AI影响的工作在GDP中的占比约为7.5%，并在未来20年内逐步提高到15%。

综合上述假设，我们对生成式AI提高我国TFP的影响进行了估计。从2025年到2032年，生成式AI对我国TFP的提升幅度将逐年上升，2032年达到最高的0.17%。2026-2035年，生成式AI将使得我国TFP水平累计提高1.3个百分点。需要指出的是，这一估计仅针对当前以大语言模型为代表的生成式AI，若未来几年内世界模型等物理层面的AI技术也能够得到重大突破，AI技术也将显著提升制造业等行业的TFP。我国作为制造业大国，AI也将更大幅度地提高我国的TFP水平。

二、增长驱动要素：从人口红利到Token红利

对于我国经济潜在增速的考察，学术研究普遍通过一个纳入要素禀赋（劳动力、资本存量、人力资本和TFP）的增长核算框架进行测算（陆旸和蔡昉，2016；张晓晶和汪勇。2023；肖宏伟，2024）。在这一框架下，潜在经济增速可以被分解为：

其中，Y表示实际GDP，K表示资本存量，h表示人力资本，L表示劳动力数量，表示资本产出弹性，A表示TFP。因此，经济潜在经济增长率受到四个因素影响：潜在资本存量增长率、劳动力数量增长率、人力资本增长率、TFP增长率。不同的研究基于各自的假设对各要素的变化进行预测，进而来计算我国经济增速的潜在变化。

对于我国劳动力要素变化对经济增长的影响，研究普遍得出的结论是：随着我国劳动力数量的下降，劳动力数量会对经济增长形成拖累。同时，随着我国人力资本的提升，劳动力质量对我国经济增长的贡献逐步提升。但从长期来看，随着我国人口下降，人力资本积累速度也将逐步放缓，劳动力要素对我国经济增长总体呈拖累效应。

本文基于肖宏伟（2024）的估计结果进行讨论。肖宏伟（2024）估计“十五五”、“十六五”期间劳动力数量每年平均拖累GDP增速0.49、0.50个百分点，人力资本提升对GDP增速的贡献则分别为0.43、0.31个百分点。综合来看，劳动力要素变化在“十五五”、“十六五”期间平均每年拖累GDP增速0.06、0.19个百分点，2026-2035年间累计拖累我国GDP增速1.23个百分点。

根据本文第一部分估计，2026-2035年生成式AI将使得我国TFP水平累计提高1.3个百分点。假设TFP的提升幅度和经济增速提升幅度相同，2026-2035年生成式AI对我国潜在经济增速的贡献为1.3个百分点，可以对冲劳动力要素下降对经济增速的拖累作用。

通过对我国潜在经济增速的影响要素分析，可以看到，我国经济增长的驱动要素将呈现出从“人口红利”到“工程师红利”再到“Token红利”的变化特征。在我国劳动力人口数量逐步下降的趋势下，劳动力质量是支撑劳动力要素推动经济增长的主要因素。但未来随着劳动力规模进一步下降，劳动力要素对经济增长的拖累也将逐步扩大。而与此同时，AI技术带来的TFP提升效应则在逐步扩大，有望对冲劳动力要素对经济增长的拖累。因此，AI技术的发展以及我国在Token生产上的优势使我国拥有了人口-工程师红利二次升级的可能，Token红利将接棒人口红利成为推动我国经济持续稳定增长的重要因素。

参考文献
[1]Acemoglu D. The simple macroeconomics of AI[J]. Economic Policy, 2025, 40(121): 13-58.
[2]Eloundou T, Manning S, Mishkin P, et al. GPTs are GPTs: Labor market impact potential of LLMs[J]. Science, 2024, 384(6702): 1306-1308.
[3]Felten E, Raj M, Seamans R. Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses[J]. Strategic management journal, 2021, 42(12): 2195-2217.
[4]PWBM，The Projected Impact of Generative AI on Future Productivity Growth，https://budgetmodel.wharton.upenn.edu/p/2025-09-08-the-projected-impact-of-generative-ai-on-future-productivity-growth/#fnref:2
[5]陆旸和蔡昉，从人口红利到改革红利：基于中国潜在增长率的模拟，世界经济，2016年第1期，3-23。
[6]肖宏伟，人口要素变化背景下我国经济潜在增长率预测：2025—2035年，经济纵横，2024年第12期，53-60。
[7]张晓晶和汪勇，社会主义现代化远景目标下的经济增长展望——基于潜在经济增长率的测算，中国社会科学，2023年第4期，4-25。

来源：兴业研究公众号