当AI成为生产要素

文｜刘澜昌

9月19日，西班牙《经济学家报》刊文讨论一个正在进入经济学核心的问题：人工智能是否应该被视为继土地、劳动力和资本之后的“第四大生产要素”。8月28日，美联储主席凯文·沃什在杰克逊霍尔发表演讲时已经提出，AI是一个“新的变量”，可能成为一种新的生产要素。更值得注意的是，两家领先AI实验室的年化Token销售额据称已超过1000亿美元，一年增长超过500%。

这意味着，AI正在从一种提高生产率的技术工具，逐渐变成企业必须直接购买、消耗和配置的一种生产能力。经济学教科书延续了两个多世纪的“三要素公式”，或许正在迎来一次真正的修正。

传统经济学之所以把土地、劳动力和资本视为生产的基本来源，是因为商品和服务最终都需要这些投入。工人提供劳动，土地提供自然资源和空间，资本则提供机器、厂房、设备和资金。技术通常被放在“生产率”这一更抽象的位置：同样数量的工人和资本，因为技术进步，可以生产出更多东西。

一家企业购买大模型服务，不再只是购买一台设备或者一套软件，而是在购买某种可以直接参与生产过程的“认知能力”。它可以写代码、处理合同、分析数据、生成设计、完成客服，甚至参与研发。企业支付的Token费用，实际上对应着一部分可计量的计算与智能服务。沃什正是从这个角度提出，AI可能成为新的生产要素。

过去，企业需要招聘一个人，就会产生工资、福利和培训成本；需要扩大产能，就必须购买机器、厂房和能源。现在，一部分认知工作也开始出现类似的市场价格。一个AI请求需要多少Token，一项任务需要多少计算资源，一个模型能够完成多少工作，都可以被转化成企业成本。一旦智能可以被计量、购买和配置，它就不再只是技术部门内部的工具，而会进入企业的成本核算、投资决策和生产函数。

但事情远比“增加一个第四要素”复杂。因为AI既可能补充劳动，也可能替代劳动。沃什本人在8月28日的演讲中就把这一问题列为需要研究的重要问题：Token使用究竟与劳动互补，还是与劳动形成竞争？AI会不会提高整个经济体的生产率，又会在什么时候真正体现出来？

如果AI主要提高人的效率，那么它更像一种新型生产工具。一个工程师借助AI完成过去三个人的工作，一个医生利用模型处理更多资料，一个企业用自动化系统减少重复劳动，最终可能表现为生产率提高、成本下降、产出扩大。可是，如果AI越来越多地直接承担过去由人完成的工作，那么工资收入、就业结构和企业利润之间的分配关系都会发生变化。因此，AI真正改变的可能不是某一个行业，而是生产要素之间的比例。

更值得注意的是，AI并没有像一些人想象的那样脱离传统经济体系独立运行。恰恰相反，它越强大，对资本、芯片、数据中心、电网和能源的需求就越高。国际能源署预计，全球数据中心用电量将从2024年的约460太瓦时增长到2030年的超过1000太瓦时，并在2035年达到约1300太瓦时。这揭示出一个容易被忽略的事实：AI可能成为“第四生产要素”，但它并没有取代前三种要素，反而正在重新放大它们的重要性。

没有资本，就没有GPU、服务器和数据中心；没有能源，模型就无法训练和运行；没有土地，就难以建设大型数据中心；没有劳动者，就无法完成模型研发、工程维护和整个产业链的组织。AI越深入经济体系，传统生产要素之间的联系反而越紧密。

这也是为什么AI投资正在产生一种特殊的宏观经济效应。大量资本涌入数据中心、芯片、电力和网络基础设施，短期看会形成巨大的投资需求；长期能否转化为更高生产率，则取决于这些基础设施究竟能创造多少真实产出。美联储现在关注的正是这个问题：AI究竟会不会带来持续、广泛的生产率增长，以及这种增长最终会如何影响企业、消费者和就业。

如果AI带来的生产率增长足够大，经济学中的一些旧关系甚至可能重新排列。过去资本增加往往意味着更多机器，劳动增加意味着更多工人；未来，一部分企业可能通过增加AI算力和模型调用，获得近似于“增加智能投入”的效果。生产函数中的变量不再只是“多少人、多少机器”，还包括“多少计算、多少模型能力、多少有效Token”。

但这也意味着新的不平等可能出现。掌握先进模型、芯片、算力和能源资源的企业，可能获得更高的生产率和更大的规模优势；无法承担这些成本的中小企业，则可能面临新的技术门槛。AI如果成为重要生产要素，谁拥有它、谁能够低成本使用它、谁控制基础设施，就会成为比单纯技术先进与否更重要的经济问题。

因此，“第四生产要素”不能只理解成一个经济学名词。它实际上在提醒我们：AI正在从软件产业内部走出来，进入整个经济体系的成本结构和增长逻辑。真正值得观察的，也不是AI最终能否在教科书中占据一个新的位置，而是它会不会推动生产关系发生更深层的变化。当智能第一次能够像资本和能源一样被购买、计量、配置和规模化调用，经济增长的来源、劳动的价值以及财富分配方式，都可能重新定义。