9月10日，以“共创AI新经济 ”为主题的2026 Inclusion·外滩大会在上海黄浦区世博园区开幕。诺贝尔经济学奖得主、科学家与产业界人士齐聚一堂 ，讨论的焦点从“AI能做什么 ”转向一个更具现实感的问题：技术潜力如何转化为持续增长 ，而增长又能否被更多人分享？
在开幕式主论坛上，诺贝尔经济学奖得主菲利普·阿吉翁提出，AI有望在未来十年使生产率增速每年额外提高约1.08个百分点 ，潜在影响或超过IT革命 。
但阿吉翁也反复表示 ，技术突破并不会自动转化为持续增长 。“创新需要让成功者获得足够回报，才能形成持续的创新动力；但既有创新者在成功之后 ，也可能利用已经形成的优势 ，压缩后来者进入和创新的空间。 ”他说。
阿吉翁认为，当前AI价值链上游已经呈现较高集中度 ，云计算市场由亚马逊 、谷歌 、微软等大型企业主导 ，图形处理器市场也高度集中 。“AI确实具有很大的增长潜力，但能否充分释放 ，也取决于能否处理好竞争问题 。 ”他说。
生产率提升的另一面 ，是对于资源消耗和物价走向的思考 。中金公司首席经济学家缪延亮表示，这一轮AI革命 ，突出特点就是扩散速度快 ，但这也意味着投资品供给趋紧，瓶颈效应更加显著 。
以存储为例，上一轮信息技术革命中 ，内存费用 上涨50%就已十分明显；这一轮AI革命中 ，内存费用 在高点时一度上涨超过600%。不过，缪延亮判断 ，瓶颈效应通常持续三到五年 ，考虑到AI技术扩散很快、部分关键资源费用 已经高位波动，“这一轮从瓶颈效应看 ，可能最受约束的时候正在过去” 。长期来看 ，AI提高生产率、扩大供给，若需求不能同步增长 ，则会形成费用 下行压力 。
对政策制定者而言 ，这也意味着，未来需要关注的不只是“AI能带来多少增长 ” ，还要关注增长背后的资源供给以及有效需求等实际问题。
当然 ，AI滥用也不得不防 。作家刘震云有一个直观的体验：网上有大量以他本人形象 、声音出现的视频，但“95%都是假的 ” 。他把这比作孙悟空与六耳猕猴，“最后连佛祖都认不出来它俩到底谁是真的。”
但在刘震云看来 ，模仿得像 ，并不等于真正的创造 。他坦言，“它可以模仿《一地鸡毛》写《一地鹅毛》 ，但我还没想到 、没写出来的作品 ，AI肯定模仿不了 。 ”
在香港大学计算与数据科学学院院长马毅看来，这恰恰揭示了大模型的一条边界。AI已能很好地掌握文学、历史 、科学等知识 ，甚至达到专业水平 ，但这些很大程度上受限于人类的“共性 ”积累。
基础科研领域更是如此 。普林斯顿大学人工智能创新中心主任王梦迪教授提出，今天的大模型已经掌握了大量人类知识 ，但在真正的科学发现上仍然存在明显局限 。科学研究往往涉及复杂的实验设备 、人的判断以及跨团队协作 ，很多实验甚至无法稳定复现。大模型更擅长找到“最可能”的答案，而真正的新发现往往藏在概率分布的长尾里 。王梦迪认为 ，AI走向自主科学发现的关键 ，并不是让模型再多知道一些，而是让现实世界变得越来越可验证 。
产业界则将目光投向AI从“对话 ”走向“交易 ”背后的生态构建。蚂蚁集团CEO韩歆毅表示，商家侧对AI时代的新增长机会需求强烈 ，但供需两端尚未形成正循环 。“用户想用 ，但商家没有很好的智能体服务；商家看到没有用户在用，又不太敢投入去开发 。”他将蚂蚁的角色概括为“催化剂 ” ，通过解决安全和信任问题 ，推动智能体供需生态飞轮形成。
源码资本投资合伙人、美国国家工程院外籍院士张宏江认为，更加值得关注的是AI对“组织架构 ”层面的影响 。他举例称 ，在OPC这种生产模式下 ，“一个人+多个Agent”的组织形态已经让公司规模进一步小型化 。
而回归到“人”，当AI越来越能干 ，“就业 ”及“教育 ”将走向何方 ，成为我们必须面对的问题。
上海交通大学安泰经济与管理学院讲席教授陆铭认为，就业岗位不会整体消失 ，但任务会被重新拆分：越标准化的部分越容易被机器接手 ，越需要理解人和作出价值判断的部分，人的优势反而更突出 。
阿吉翁表示，应对AI带来的变化需要良好的教育体系 ，“中国就具备这样的条件” 。教育不仅是教授具体知识 ，更重要的是让人在学校里“学会如何学习 ”。他特别建议保留一部分完全不使用AI的学习过程，让学生能够独立阅读 、计算和思考。“如果放任AI被滥用 ，我们可能会看到整整一代人不会独立计算 ，也无法专注阅读，这将是非常有害的 。 ”他说 。
从生产提效 、产业落地 ，到就业教育 ，本届外滩大会围绕“智能跃迁”“经济重构 ”“人本未来 ”三大板块，勾勒出一条理解“AI新经济”图景的脉络 ，发人深省。
（文章来源：上海证券报）
