科技腾讯新闻·AI先锋官官方··AI 生成
诺贝尔经济学家撰文: AI目前的发展方向错了!
麻省理工学院经济学教授、诺贝尔奖得主达龙·阿西莫格鲁撰文指出，当前AI行业过度追求AGI和完全自动化，不仅高估了其短期经济影响，更可能走向一个低生产率的方向。他提出“支持工人的AI”路线，主张AI应作为增强人类能力的工具，而非替代者。文章追溯语音识别商业化失败的教训，论证技术突破到经济扩散之间存在漫长而曲折的路径，并从商业模式、税收制度、行业垄断和意识形态四个维度剖析了行业为何执迷于自动化。适合关心AI产业路线之争、技术与就业关系、技术创新经济学本质的深度读者阅读。原文 ↗原文 ↗
核心观点
- ▍当前AI行业追求AGI和替代人类的路线是错误的，不仅高估了AI的短期经济冲击，更会浪费其真正潜力；正确的方向是开发“支持工人的AI”，即让AI增强而非取代人类能力。
- 01美国52%的受访者担心AI影响其工作，但截至目前，无论是宏观生产率数据还是尝试AI的企业层面，都未出现明显的生产率提升。
- 02阿西莫格鲁2022年预测未来10年AI仅能替代约5%的人类工作，GDP提升约1.5%；尽管此后模型进步超过预期，但现实应用仍未出现匹配的经济冲击。
- 03语音识别技术从Dragon NaturallySpeaking（1997年，准确率95%）起步，但因Lernout & Hauspie破产、Nuance转向企业市场等一系列商业灾难，PC端体验在随后20年间进步甚微，底层技术突破未有效传导至消费者。
- 04电力从1881年中央电站建成到1920年代制造业半数采用，耗时约40年；AI整合需要企业重新组织工作流、分配任务，速度可能更慢。
- 05放射科医生、记者、律师助理等此前被预言“消失”的职业并未消失，实际需求反而增加。
- 06阿西莫格鲁团队已做出支持教师的AI原型：用中等规模语言模型+高质量教学数据，识别学生困难并建议分小组教学，完全在当前技术能力范围之内。
- 07四大原因导致行业执迷自动化：大型科技公司的商业模式(企业软件+广告)；行业高度集中扼杀替代模式；互补品投资的协调困境；从图灵到AGI的意识形态主导。
反方 / 局限
- — 作者承认其5%的就业替代预测只是估计，且“此后AI模型的进步速度超过了包括我在内的许多人的预测”，说明模型能力可能持续超预期。
- — 作者建议的政策工具如数据市场、数字广告税、反垄断执行等，在当前政治现实下推进难度极高，文章未深入讨论这些政策面临的实际阻力。
20 分钟 · 6 卡片 · 10 资料
读原文 →概念锚点
前置背景
论证骨架
平行视角
未来推演
延伸追问