持之以峘/AI帶動美國生產率回升？\華泰證券首席宏觀經濟學家 易 峘
美國人工智能（AI）產業周期起飛吸引了全球經濟學家和投資者的關注，同時美國10年期實際利率維持在2%以上超過兩年時間。外界猜測美國中性利率是否會因為AI提振勞動生產率而回升，筆者認為，AI產業周期仍處於早期階段，對勞動生產率的直接提振尚不明顯；近期勞動生產率上升更多是來自財政擴張、移民流入等因素。
2024年2月Pew Research Center調查顯示，美國居民對ChatGPT的使用率從2023年6月的18%升至2024年2月的23%。其中，年輕群體使用過ChatGPT的佔比從33%大幅提升至43%，而50歲至64歲（17%）及65歲以上（6%）的群體的使用率明顯低於年輕群體。就使用場景而言，工作場景的使用率提升最快，從2023年3月的8%提升至2024年2月的20%，而同期知識學習和娛樂場景的使用率分別提升7個百分點和6個百分點至17%。
滲透比例不及預期
AI在企業層面的使用率從疫情前的3.2%左右回升至2024年2月的5.4%，未來有望進一步回升。AI使用率與企業規模呈現U型關係，小企業和大企業的使用率相對較高；目前AI的主要應用場景是營銷自動化、聊天機器人、自然語言處理等。
現有研究通常發現，AI能夠提高單個企業勞動生產率，特別是對低技能員工。對美國企業的抽樣調查顯示，近期使用AI、或者未來準備使用AI的企業所匯報的當前和未來的狀況要好於其他企業。企業層面的證據也證實，在市場營銷、軟件開發等領域，AI對勞動生產率可能有10%至20%的提振。另有一些研究顯示，AI相關工具對低技能職工效率提升更加明顯，這可能因為AI能夠補足高技能勞動者和低技能勞動者之間的隱性知識。
去年二季度至四季度，美國勞動生產率折年增速分別為3.1%、4.5%和3.6%。一些評論將勞動生產率的上升歸結於AI，雖然有提高勞動生產率的潛力，但AI在企業層面的滲透率僅為5%左右，暫不足以解釋如此大幅度勞動生產率的回升。
筆者認為，勞動生產率的加速可能是由於企業「活力」修復及移民大量流入。一方面，疫情前美國勞動生產率整體偏弱，企業新增數量放緩，但疫情後美國企業申請數大幅增加，提高企業活力，提振勞動生產率。2021年中以來的月均商業申請數比2019年高50%左右，也大幅高於2004年至2019年的趨勢。另一方面，2022年以來移民大幅流入美國，就業調查或低估了經濟中實際的勞動投入，從而導致勞動生產率被高估。
根據Census Bureau的調查，雖然一些企業使用AI來替代員工的工作任務和現有的設備／軟件，但對企業就業的影響有限，且偏向增加就業。在2024年2月使用AI的企業中，僅5.4%的企業表示過去六個月中就業受到影響，並且增加就業的比率為2.8%，超過減少就業的比率（2.6%）。此外，招聘網站數據也顯示AI對就業市場影響有限。Lightcast招聘數據顯示，雖然近年來AI相關招聘需求整體上升，但2023年美國AI招聘需求在總需求中的佔比僅為1.6%，歐盟國家在0.8%至1.4%之間。
AI可能是一種通用技術，有提振美國勞動生產率的潛力。在普適性和創新互補性上，AI重構了人類知識檢索、創造、運用的基本方式，降低了知識傳播的成本、提高了知識共享水平、推動了人力資本水平的提高，同時AI能夠與各行各業廣泛結合，提升生產的自動化水平、優化生產的工藝流程。
近期一些機構基於對AI的樂觀預期提高了對美國未來潛在增速的預測。例如，高盛估計，到2034年人工智能對美國GDP的提振將達到0.4個百分點，對其他發達市場提振為0.3個百分點；麥肯錫全球研究院（2023）預計，生成式AI對全球經濟所帶來的每年收益將高達4.4萬億美元，相當於全球GDP的4%左右。但也有研究指出，不應過高估計AI對勞動生產率和全要素生產率（TFP）的提振作用。
歷史經驗顯示，新技術從誕生到明顯提振勞動生產率存在時滯，AI對勞動生產率的提振仍需要較長時間。新技術需要時間才能夠在社會中廣泛擴散和應用，同時原有的組織形式也需要一定程度變革。例如，電力革命開始於1890年代，但勞動生產率加速發生在三十年後的1920年代。類似的，計算機最早於1943年問世，但宏觀上長期看不到信息技術革命對勞動生產率的明顯提振。著名經濟學家索羅在1987年提出生產率悖論：「我們到處都看得見計算機，除了生產率統計中。」而直到1995年，美國勞動生產率數據才開始出現明顯上行。
Helpman and Trajtenberg（1994）提出通用技術對經濟增長的影響可以分為播種和收穫兩個階段，兩者可能間隔數十年。播種階段產出和生產率增長緩慢甚至下降，出現所謂的「創造性破壞」，只有在收穫階段勞動生產率才真正開始增長。如果參考電力技術的歷史經驗，AI目前仍然處於播種階段，對勞動生產率的提振需要二十年以上的時間。
歷史經驗顯示，不同技術從發明到在社會中逐漸普及所需要的時間存在較大差異。對上述技術普及速度的分析可以發現，新技術普及的速度在加快，例如汽車（1880年代發明）普及率達到50%花費了四十年左右的時間，而互聯網（1990年代發明）則只用了二十年左右。這背後可能是因為全球化的加速、信息技術普及等因素導致技術傳播不斷加速。而ChatGPT等AI應用更快投入使用對居民硬件和固定投入的要求更低，疊加疫情後居家辦公加速全球數字化進程，AI播種期或更短。
由於全球潛在增速回落，且儲蓄投資偏好對中性利率的推升有限，預計全球中性利率維持低位，或小幅回升。但AI產業革命或在中長期推高全球中性利率。這是因為：首先，AI提振勞動生產率，能夠對沖人口老齡化等結構性因素對中性利率的拖累。根據HLW（2017）模型，潛在增速回落1個百分點，中性利率也會回落1個百分點左右。若AI產業革命推動美國勞動生產率回升，則美國中性利率有望回升。其次，AI推高企業投資偏好，也有助於推動中性利率回升。再次，若AI能夠降低社會財富不平等，也有助於推動中性利率回升。
但鑒於AI目前仍然處於播種期，對勞動生產率的提振仍然需要時間，因此對中性利率的提振也需要較長時間才能顯現。
料限制美降息空間
疫情後美國財政轉向「大財政」，白宮更主動利用財政政策來應對所面臨的挑戰，拜登政府任上推出大規模產業政策。AI提振股市，間接帶來金融條件寬鬆，對沖加息影響，移民大規模流入則從供給側提振經濟增長。「大財政」、AI間接提振，以及移民等因素均可能導致中性利率有所上升，這將限制聯儲未來的降息空間。
回溯1994年加息周期，聯邦基金利率從3%上升至6%；但由於信息技術革命提振勞動生產率及中性利率，雖然美聯儲在1995年開啟降息周期，但僅降息75個基點至5.25%，1996年至2000年政策利率整體維持在較高水平，顯著高於1993年加息開啟時的利率（3%）。也因此，筆者預計聯儲本輪降息的次數或少於當前點陣圖所指示的水平，即降息偏慢且幅度偏少。
此外，中性利率及期限溢價上升可能導致長端收益率居高不下。1980年代以來，增長、通脹波動性下降的「大緩和」時代導致期限溢價持續回落，而2008年後主要央行大規模購債進一步壓低了期限溢價。近年來，隨着增長、通脹的波動性上升及央行縮表，期限溢價相對低點有所回升，但絕對水平仍低於2008年以前。
往前看，「大財政」意味着增長、通脹韌性偏強，且可能導致美國政府債務風險上升，不排除期限溢價進一步回升。短期中性利率回升疊加期限溢價上升，這意味着美國長端收益率未來或居高不下，難以回到疫情前的中樞水平。
