技术对生产率增长的影响一直以来都被夸大了。分析人士是否会在生成式人工智能上重蹈覆辙？
生产率的巨大转变是由降低成本驱动的。虽然生成式人工智能可以做到这一点，但不应夸大其对宏观经济可能产生的影响；
随着成本领先者获益，许多公司将成为输家，但随着技术推动价格下降，真正的赢家将是消费者。
近几十年来，技术进步的惊人速度也未能提升美国等发达经济体的经济增长率。新冠疫情期间，许多人急于宣布，数字服务的加速应用将成为一个转折点。但正如我们当时（以及之后）所写的那样，数字服务对增长的强劲影响不太可能实现，并且最终也的确没有实现。
了解技术的既往遗憾有助于明确其未来的潜力。数字技术在经济增长方面表现平平的一个原因是，技术只能充当燃料。生产率增长还需要其他火花来点燃有效的技术应用。
持续紧张的劳动力市场可能会成为这种火花。因为企业在招不到人的情况下，被诱导或被迫用技术替代劳动力。本世纪10年代，劳动力市场持续疲软，企业没有动力重塑生产流程。但自新冠疫情以来，劳动力市场再次紧张，这可能会带来新的火花。
企业提高生产率面临的一个障碍就是缺乏能够全面替代劳动力的技术，特别是在劳动密集型服务业。制造业的自动化在服务业中缺乏相应的技术，因为服务业依赖于非标准化的、互惠的人际互动。
生成式人工智能有望在一定程度上改变这种状况。但是，要切实衡量其可能带来的影响，我们必须更仔细地研究将技术转化为广泛生产率增长的机制。
生产率的增长往往被归结为技术奇迹带来的产品创新。其中，生产率的巨大转变固然重要，但更多的是由大规模的成本削减所带来的，而不是新产品或改良产品。技术的通货紧缩特性才是宏观经济的强大驱动力。
人们往往将将注意力错误地集中在眼花缭乱的App，而不是关注成本。我们可以用出租车行业的故事来说明。Uber、Lyft和Grab可能是驱动社会进步的缩影，但出租车行业的生产率真的增长了吗？所有经济学一年级的学生都应该知道，生产率增长就是要提高投入与产出的比率。
App并没有从根本上改变劳动力和资本投入。对于出租车行业，这就意味着司机和汽车本身没有变化，只是司机和乘客的匹配率有所改善。但如今越来越高的打车价格表明，生产率并没有发生转变。如果发生了转变，打车价格应该下降才对。
为什么会这样？企业用技术替代劳动力能够降低产品价格，并从成本更高的竞争对手那里抢占市场份额。当这一过程在各个行业和部门展开时，宏观经济就会经历强劲的生产率增长。
就交通领域而言，如果算法和传感器取代了司机，生产率就会发生重大转变。而光是用App显示司机位置、进行移动支付都不会带来这种转变。
一直以来，科技都无法激发技术-成本-价格的连锁效应（technology-cost-price effect），导致其对经济增长的影响力不足。如今，生成式人工智能通过取代非线性互动（从呼叫中心到市场营销、再到研究和设计），有可能可以消除服务经济中的成本，从而更有可能对增长产生影响。
生成式人工智能能够降低成本，这将带来宏观效益，因为它能启动技术-成本-价格效应。
这种通货紧缩效应的证据确凿。过去30年里，商品与服务的变化对比明显。对于耐用商品，自动化以及外包已经让劳动力投入和价格急剧下降。
2020年之前的三十年间，耐用品价格指数下降了35%，而所有商品的价格指数仅上升了15%。服务业的劳动密集程度仅仅略有下降或根本没有下降。因此，相应的产品价格基本大幅上涨：交通价格上涨了79%，教育价格上涨了348%，服务价格总体则上涨了120%。
如果减少成本并降低价格是技术实现生产率大幅增长的途径，那么消费者将成为赢家。价格下降将提高消费者的实际收入，从而可以将其用于其他方面。
想想看，食品支出曾经占据了人们钱包的很大一部分，但随着食品价格下降（通过机械化和化肥），消费者收入被释放出来，能够用于家庭用品和旅游业这样的服务。科技就是这样推动总体增长的，也是反乌托邦式的大规模失业预言没有成为现实的原因，因为新的消费也创造了新的就业机会。
对企业而言，这意味着生产率级联效应（技术-成本-价格-收入）既是威胁、也是机遇。那些能够引领成本曲线下降、保持相对优势、降低价格并占领市场份额的企业将成为赢家，而那些做不到这一点的企业则会被淘汰。
虽然人工智能能够创造新的企业巨头，或为现有企业注入新的活力，但一些行业可能会认为，人工智能会危及业内所有企业的行业利润。
当节省劳动力的技术广泛普及，且所有企业都能轻易采用时，就会出现这种情况。价格战和利润减少会随之而来。例如，汽车制造业、航运业或航空公司的生产率提高就没有带来全行业的利润增长，而是带来了低价、激烈的竞争和微薄的利润。
因此，对企业来说，生成式人工智能和其他技术的战略意义既是防御性的（削减成本以保持活力），也是进攻性的（削减成本以获得优势）。
生成式人工智能是包括传感器、5G、机器人、生物技术等在内的技术拼图中的重要一块。它能推动生产率的增长，但具体能增长多少呢？卓越的技术创新通常是会带来经济繁荣的。最近有一些估计认为，美国的生产率增长可能会提高300多个基点（bps）。
这种看法太夸张了。虽然用自下而上的案例研究来进行宏观经济预测很有诱惑力，但这种估计依然是基于假设和推断的，属于练习题性质。在实际情况中，还会有一些不可知的障碍，如监管摩擦和社会接受度，这些都会延长生成式人工智能带来增长的时间并限制其影响力。
300个基点的估计值意味着美国经济公认的趋势增长率要提高一倍多，从2%左右提高到5%。也有人曾秉持同样的看法预言，在疫情期间，数字化渗透率的提高将使生产率增长提高100个基点或更多，但我们看到了，事实并非如此。
过去的生产率提升情况能让我们得以窥视技术可能产生的影响。当前的技术浪潮是可能更大、更小，还是类似于20世纪90年代中期至2000年代中期推动生产率增长的信息和通信技术（ICT）热潮？在那次热潮中，紧张的劳动力市场与新技术浪潮的可用性和活力交织在一起，在大约10年的时间里使经济增长加快了约100个基点。
与20世纪90年代一样，美国紧张的劳动力市场有助于加快技术的采用。许多创新技术将大有可为，但其发展和有效采用需要时间。此外，在此过程中还还必须克服监管和其他摩擦。我们认为，这将使得技术对增长的影响更加温和：使增长加快50个基点左右，而不是150或300个基点。
生成式人工智能面临着光明的发展前景，但它究竟能否像互联网一样在经济领域得到“通用”？也许有一天会，但很可能会滞后很长时间。信息和通信技术的蓬勃发展经历了30年的时间（从20世纪60年代末开始），其对宏观经济的影响才得以显现。即使如今的技术影响滞后期已经缩短了（在数字时代，这一命题是可信的），但滞后期并没有消失。
不过也请记住，在宏观经济学中，小数字能带来大影响。如果生成式人工智能和各种新技术能够带来50个基点的增长，那么美国的国内生产总值将在十年内额外增加8万亿美元（大约是德国2021年产出的两倍），这是不容小视的。
