周小川、Jason FURMAN等外滩对谈：AI的生产率革命与宏观冲击

人工智能的能力正以令人难以置信的速度跃迁，但它究竟会兑现一场生产率革命，还是演变成又一次科技泡沫，全球经济尚未给出答案。生产率提速是否已经发生、就业与收入分配将如何被重塑、开源与垄断的竞争格局将怎样演变、发展中国家又将走向繁荣还是失语——这些问题，正在从硅谷的实验室一路传导到世界各国的政策前台。

10月20日，在2026外滩年会上，中国人民银行原行长周小川，哈佛大学教授、美国白宫经济顾问委员会原主席Jason FURMAN，美国康奈尔大学教授、世界银行原高级副行长兼首席经济学家Kaushik BASU，中国社科院大学教授、国务院原副秘书长江小涓，清华大学校务委员会副主任杨斌，布鲁盖尔研究所高级研究员、欧洲投资银行原首席经济学家Debora REVOLTELLA，围绕“AI与生产率革命：技术跃迁下的宏观冲击”展开讨论，美国彼得森国际经济研究所非常驻高级研究员、韩国央行原行长李昌镛主持。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，由左至右：李昌镛、周小川、Kaushik BASU、江小涓、杨斌、Debora REVOLTELLA

几位嘉宾总体认为，尽管眼下仍不明朗，但长远来看，AI可以实现对生产率的提升。但同时，与会嘉宾也对AI带来的生产率提升幅度以及过程中的风险保持审慎，“不确定性”被多次提及。

Jason FURMAN的判断是：美国过去五年生产率累计增幅中，可能有0.5到1个百分点来自AI，但“也不排除实际贡献为零”。但一种可能的解释是“J形曲线”——企业还处在AI的前期投入阶段，生产率短期被拖累，长期才会兑现；真正的瓶颈不在技术，而在“重新设计工作场所和工作流程”的配套创新。因此他预计未来美国生产率增速会提升，但可能更接近每年0.75个百分点，而非硅谷常喊的两位数。

周小川认为，对生产率起提升作用的可能“最主要来自于AI应用层”。他特别点出两项技术：一是“轻量化模型”，二是“蒸馏”。但他也提醒，现在有若干发展方向可以帮助AI应用并提升生产率，但同时也存在风险。例如很多投资正在涌向数据中心建设，但未来AI大模型和应用在多大程度上依赖于数据中心的算力，是存疑的。 

Kaushik BASU则从另一个角度提出了担忧，虽然经济增长可能以惊人的方式向上突破，但飙升的GDP可能呈现与以往截然不同的结构。不同国家间面临“K型未来”可能导致无法想象的麻烦。他尤其警惕一种被忽视的后果：财富极化让极少数科技富豪掌控全球话语权，低收入国家因此失语。在他看来，现有措施中，“中国提出的一些重要倡议，旨在让“全球南方”更多地参与到全球对话的平台中来，将至关重要”。

AI对就业和收入的影响同样是本场讨论焦点。江小涓指出，中国在这方面采取了积极的应对措施，包括鼓励AI创造新的就业岗位，对失业人员有灵活的救济方式，同时加强灵活就业岗位的社会保障。她认为，社会保障安排同时也是整个经济体系结构的安排问题。政府在税收制度安排上也应更多地鼓励企业用人。杨斌认为，目前尤其需要重视的是年轻人的第一份工作，也就是初级入门岗位的问题。他建议，非政府组织或社会公益力量可以通过某种方式设立一些介于高校与企业之间的“过渡性衔接机构”，把大学和企业连接起来。

值得注意的是，对于“赢者通吃”担忧，嘉宾们给出了出人意料的判断。Jason FURMAN指出，AI与当年的平台截然不同：用户可以今天用ChatGPT、明天换DeepSeek，模型能力越强，企业反而越不想要，宁选更便宜更快的轻量模型；技术越演进，越会走向“残酷的同质化竞争”。Debora REVOLTELLA表示，其对出现更具垄断性的竞争的担忧实际上正在逐渐消退，而且有一个更关键的因素，与开源模型有关。开源模型进入市场、参与竞争，并提供了非常有价值的解决方案，特别是那些更贴近具体应用场景的模型，对发展大有裨益。

在讨论的最后，周小川强调，伴随AI发展，全球供需关系平衡、产业结构都会发生巨大变化。对此应着力让价格机制发挥作用，而不应过于依赖行政手段。而对于技术演进过程中的金融风险也应做好研究和预案，在政策工具箱中储备相应的政策工具。

以下翻译整理自本场外滩圆桌，略有删减，仅供参考。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，Jason FURMAN线上发言

Jason FURMAN：感谢邀请。关于AI最重要的一个事实是，它在能力方面已经取得了令人难以置信的进步，但对于这些进步是否已经体现在宏观经济数据中，我们还无法确定。我认为，确实有充分的理由相信，AI的影响已经开始显现。

您刚才提到了生产率增长加速，如果我们考察微观层面、自下而上地去了解企业如何使用AI，以及不同行业生产率增长的分布情况，或者从生产率增速相对原有趋势提高了多少来看，我们有理由认为，过去五年生产率累计增幅中可能有0.5个百分点甚至多达1个百分点的增长是由AI推动的，但我也不排除实际贡献为零的可能性。

劳动力市场的情况也是如此。目前美国失业率为4.2%，与ChatGPT问世之前的水平基本相同。我们或许能在某些特定岗位或年龄群体中观察到AI对就业的影响，但总体而言，这种影响尚未体现在宏观统计中。

这就产生了一个重要的问题：为什么会这样？一种可能性是，真正有价值的创新越来越难以获得，因此，要实现同样的产出，就需要投入更多技术资源。

另一种可能性是，我们正处于一条J形曲线的下行阶段，企业尚处在招聘员工、探索如何使用AI的前期投入阶段，生产率短期内会受到拖累，但长期来看将会提升。

最后还有一种与此相关的可能性，即我们需要一系列配套创新，重新设计工作场所和工作流程，才能真正发挥AI的作用。我个人比较坚定地支持后面这几种解释。

我预计未来生产率增速会进一步提高。不过，如果一定要给出一个具体数字，我认为会更接近0.75个百分点左右，而不是像硅谷很多人所说的15、20、50甚至100个百分点。

即使如此，像美国这样的经济体实现每年2.5%的增长也已经非常了不起了。如果说每年增长3%，我就觉得有些不切实际了。至于更高的数字，我认为提出这些预测的硅谷人士，恐怕还没有真正认清现实，即新技术在经济体系中的扩散过程是缓慢而复杂的。

最后，我认为AI更有可能带来通胀压力而非通缩效应，因为AI热潮会先刺激需求增长，随后我们才会看到相应的供给能力的提升。因此，目前AI正在推高通胀、推高利率，而且我不认为这一趋势会发生显著逆转。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，周小川发言

周小川：这是一个很好但也很难回答的问题，因为AI正在快速变化，并具有很多不确定性。

金融行业正在投资AI相关领域。AI相关领域大致有三个类别。一类是大模型，以及用于训练的算力和数据中心及其他。二是AI应用领域，这也是中国更加关注的领域。三是一些为AI提供支持的行业，包括半导体、电力、液冷等等。我们认为投资于这些是安全的，因为无论AI如何发展都需要水和电，气候变化相关进展投资也需要更多的能源供应和水。

对生产率提升来说，最主要是来自于AI应用层。我主要谈些潜在的技术，它们可能带来生产率的提升，也可能带来风险。

一是轻量化模型，也即把大模型变小，使之成为一些小的应用模型，从而可以放置于汽车、手提电脑或是智能手机中。这些技术可以带来生产率的提升。

二是蒸馏。对于很多人来说，大家可能会担心蒸馏会侵犯知识产权，但实际上蒸馏意味着智慧和能力在升级。蒸馏是基于过去的智能，它可以简化流程和概念，在现有知识和智能的基础上进一步发展。我认为，蒸馏以及更多的AI应用，可能与提升生产率有关，可能给投资者带来丰厚的回报。

另外还有一些其他的技术发展，我在此仅列出其中几个。

一是大模型的迭代和进化。大模型正在快速升级。我们看到，一些模型已退出历史舞台，一些新的模型同时出现。

二是与AI相关的半导体行业，如内存芯片行业。最近微软和英伟达打算联合开发一款可以把过去的CPU和内存芯片结合在一起的芯片。

三是大型仿真模型，它可以产生数据，但是又不太依赖大型数据中心去存储数据。

现在有若干大的方向可以帮助AI的应用并提升生产率，但是这也意味着风险。我们看到，很多投资正在涌向数据中心建设，但未来这些AI大模型和应用在多大程度上依赖于数据中心的算力，这是存疑的。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，杨斌发言

杨斌：谢谢。接着周行长刚才谈到的更为宏观的图景，我从大学的视角补充一些观察。我每天都能看到年轻学生和研究人员如何适应AI。清华大学成立了新的人工智能学院，培养AI领域的博士研究生，以及AI+书院，面向本科生开展教育，同时也在推动AI赋能不同学科。

AI学院与AI+书院都与产业界保持着密切合作，因为企业在算力、数据乃至人才储备方面都有更强优势。因此，我非常自豪的是，在清华大学，我的一些同事以及校友如今正在引领中国AI领域的发展。

那么，如何比较中国和美国在生产率提升和创新方面的速度呢？首先，坦率来说，我认为两国目前都还处于一个探索和试验的阶段。AI创新的规律与互联网时代并不相同，两者之间存在很大差异，互联网时代的那套发展模式已经不再适用了。

例如，今年春节之后，当时许多初创企业尝试鼓励用户消耗更多Token；但下半年之后，大家开始评估消耗Token究竟能够带来多少实际经济回报，变得更加成熟理性。这是我的一个观察。

基于这一点，对于您的问题，我提出三方面观点。

第一，关于创新，中美两国的前沿技术都在快速发展且联系紧密。例如，美国前沿实验室中的一些顶尖人才就毕业于清华大学。中国最让我印象深刻的是AI的扩散方式，即AI如何应用于不同行业和企业。现在已经没有人再争论到底应不应该使用AI。事实上，我已经看到AI原生企业开始取得一些初步的经济回报。这些企业没有太多转型障碍，因此更容易真正成为以AI为核心的企业。

第二，关于生产率提升，即如何真正获得经济回报，这一点实际上更难实现。这不是一个技术层面的问题，而是一个组织层面的问题，即我们如何以AI为起点，重新设计整个业务流程、工作方式及组织架构。对于那些已经发展成熟的组织而言，要实现这样的转型就更加困难，相比之下，初创企业和AI原生企业要容易得多。这需要时间，大家要保持耐心，金融也要有耐心。但如果缺乏足够的金融资本，更准确地说，是缺乏耐心资本，市场就难免会经历一些起伏波动。

第三，科研方面，这是一个相当新的趋势。在今年五六月份之前，我们很多同事更多讨论的是AI如何赋能教学。但现在，大家开始讨论如何利用AI在各个学科领域提升科研水平、加快科研进程，尤其是数学和材料科学。

例如，我有同事希望申请半年或一年的学术休假或者暂时离岗，参与前沿AI实验室的研究工作。为什么？因为一些前沿实验室拥有尚未公开发布的模型，研究人员可以利用这些模型开展基础研究。不要认为基础研究距离经济回报很遥远，从长期来看，基础研究同样会对经济发展作出贡献。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，Debora REVOLTELLA发言

Debora REVOLTELLA：至少从我们对当前全球经济的观察来看，欧洲的情况总体上可以说和中美相似，只不过欧洲的表现相对较弱一些。

如果我们观察当前AI对全球经济的影响，我们主要看到的是对资本积累和贸易的影响，这在某种程度上是一种财富效应。其中，资本积累效应在美国更加明显。不过我们也看到，欧洲与AI相关的投资也在加速，尤其是企业部门。企业投资中与AI相关的部分增长更快，超过了传统的非信息通信技术相关投资。

贸易方面，我倾向于认为全球化趋势之所以能维持，在很大程度上得益于AI相关商品贸易的强劲增长。这一点在亚洲尤其明显，亚洲也是从中受益最大的地区。同时，欧洲进出口贸易也已经出现触底企稳的迹象，AI相关商品在整体贸易中的占比也在提高。这一点非常重要，因为这说明，当前经济增长的驱动力之一，正是蓬勃发展的AI新经济。

我们还观察到另一种更加复杂的影响，这也是我目前正在研究的问题。如果从国际收支平衡表中的服务贸易项目来看，与AI相关的各个方面，包括对模型的依赖以及云服务带来的影响，都已经开始显现。

在欧洲，这一点看起来还比较模糊，部分原因还在于AI企业在爱尔兰的特殊安排（许多美国科技公司将欧洲总部或知识产权实体设在爱尔兰，导致相关服务贸易数据出现扭曲）。但实际上，我们已经开始看到相关影响在显现，而这些现象本身也预示着一种未来将在不同国家逐步形成的依赖关系。

经济中的一部分领域在AI的提振下开始加速增长。不过，说到生产率，您刚才提到的那篇论文是我与欧洲投资银行的前同事以及国际清算银行共同撰写的。我们建立了一个专门的数据库，研究了企业对AI的应用情况，有几个主要发现。

首先，从整体应用情况来看，欧洲企业与美国企业相似，但如果进一步考察AI的应用深度，就会发现欧洲企业中真正系统性地、以不同方式应用AI的比例要低得多，从使用通用模型进一步发展到自主开发内部应用的企业的比例也更低，而恰恰是在这一环节，AI对生产率的提升作用会更加明显。

我们也估算了AI对生产率的影响。从企业层面的数据中，我们观察到了AI提振生产率的实际效果，而且结果相当不错，恰好处于研究所估算的区间之内，即0.4至1个百分点，与研究给出的结果完全一致。

此外，我们还观察到AI对总量层面的影响。按照我们的估算，欧洲过去五年全要素生产率增长的10%可以归因于AI。

不过，最重要的还是要看究竟是什么因素在让AI发挥作用，所以上述估算只是研究的起点。我们进一步发现，要真正解锁AI的生产率提升效应，企业还需投资于无形资产，投资于人才和技能培养，同时整个经济体系也要具备重新配置资源的能力。

这一点很有意思，因为在欧洲，过去20年来，我们一直在讨论这些问题，也一直强调需要在这些方面采取更多行动，包括提高经济体系的灵活性、促进资源重新配置等。这就又回到了刚才谈到的问题，如果希望最终真正实现AI生产率的提升，欧洲可能还需要加大改革力度，落实那些我们过去20年来一直强调该做的事。

此外，还有一个重要的条件，那就是规模。这涉及几点。

首先，数据方面，欧洲在医疗健康领域有一定优势，但在其他领域，我们还需要进一步推动数据整合。目前我们在产业端已经积累了一定经验，尝试以一种企业能够接受的方式整合数据，汽车行业就是一个很好的例子。

另外，欧洲有所觉醒的一点是更积极地利用需求来形成规模。我认为这种做法在国际上的观感并不好，但确实是有必要的，同时这也是很多其他国家的做法。目前欧洲主要是从采购端入手，试图形成一个以欧洲为主体的需求基础，同时也包括提供需求端的去风险工具等举措。

最后，我也在从外部视角观察中国的新经济，有几个例子我觉得非常有意思。我不认为这些做法已被普遍推广，但可以从中看出我们如何才能使AI应用的收益最大化。

例如，我曾和一位AI创新企业的天使投资人交流。他们似乎对于从研究走向推广应的过程用有着非常严格的目标，但最终很成功，因为这有助于把非常早期的技术推向市场。

再如，我知道曾有一个设想，即推出一种为新技术首次进入市场的风险提供保险的工具。银行不愿意提供这种服务，但我认为这个想法很有意思——为投入市场的新技术进行“去风险”。

最后一点，是作为一个体系来行动，我印象比较深的是一个人形机器人中心，邀请其他企业带着自己的机器人一起来训练，从而形成了一个庞大的数据池，切实提升了训练效果。这些都是值得关注的有趣的例子。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，Kaushik BASU发言

Kaushik BASU：非常感谢。这是在对一个我们真的了解得很不充分的世界进行推测，因为变化来得如此之快，以至于人们只能摸索着去把握我们所处的这个世界到底发生了什么。

以此作为底层的分析基准，如果我们看发展中世界、新兴经济体和低收入国家，它们现在处于什么位置，最终又会走向何方？请容我先往后退一步，先谈谈全球经济的大局，然后再回到这个问题上来。

我们一开始就提到了工业革命，我们要记住，如果这场人工智能革命进展顺利，我们的生产率可能上升，经济增长也可能以一种人们难以想象的惊人方式向上突破。

要知道，工业革命之前，全球经济年均增速仅仅只有0.3%，而工业革命发生大约100年后，增速变成了年均2.1%，相当于全球经济增长快了整整七倍。如果类似的历史剧本再次上演，初看之下，这着实是一个令人眩晕的设想：整个世界竟然能以如此惊人的速度向前狂飙。

但有一点我们必须牢记：GDP的增长——其实对经济学家，我无需解释这一点——它并不只是意味着更多的汽车、更多的住房、更多的豪宅、更多的飞机、更好的医疗抑或更好的教育，这些固然都是我们所看重的事物，但GDP核算的本质是“任何具备经济价值的客体”，所以，因此，一个构成结构截然不同的GDP可能会飙升。

发展中国家在这当中处于什么位置？我自己的预期是，我们常说K型复苏，如果我们把世界看作是各个国家构成的一张路网，我们所面对的将是一个K型的未来，我相信有些路径会一路飙升，但另一些路径，除非我们采取严肃、切实的政策措施，否则在这个新世界里可能会表现得很糟糕，我们可能会看到真正的K型复苏，而这将导致我们无法想象的社会和政治麻烦。

让我再退一步，具体谈谈印度，因为在去世界银行之前，我一直与印度经济打交道，联系非常密切。印度正处在一个非常特殊的节点上，因为从某种程度上说，上一轮信息技术革命爆发时印度曾是最大的受益者之一，但那是一种非常奇特的（共生）关系——大量受过良好教育的工程类技术人才，在印度本土与硅谷之间搭建起了桥梁。推动印度经济腾飞的纽带，很大程度上正是“班加罗尔—硅谷”这条“走廊”所发挥的关键作用。然而，如今的地缘政治博弈却让这条路径的前景变得扑朔迷离。

对印度来说，其在这场变革中表现如何，很大程度上取决于国内本身是否具备足够的技术底蕴和人才储备。我认为它的发展潜力依然极其巨大，但全球多边关系将起到更加重要的作用，因为我们今天生活在一个供应链紧密相连的巨大经济体中，任何一个国家都不可能关起门来单打独斗地把经济搞好。

即使是像印度这样的大国——就人口而言，它现在是最大的国家，我不知道这是好事还是坏事——即便是对它而言，与外部世界的紧密联结也至关重要。甚至对于中国这样强大的经济体，这种全球联结同样不可或缺。

中国正在大力投资高科技教育和专利体系建设。从全球来看，中国申请获批的专利数量几乎是美国的两倍，这在十年前是难以想象的。纵观全球专利格局，中国位居榜首，其次是美国、日本、韩国，印度虽然排第五，但与前几名之间还存在相当大的差距。所以各国的情况是错综复杂的。

人们眼下只能暗自祈祷好运，希望我们最终能平稳迈入那个新时代。但这里面还有政治与社会治理维度，如果我们无法妥善驾驭与应对，那么这幅原本极其宏伟的科技前景很可能会滑向动荡、混乱的政治泥潭。

我由衷希望，像外滩年会这样汇聚了全球顶尖智慧的聚会，能够深入思考政治与社会维度的制度性举措，从而把巨大的机遇切实转化为全社会实实在在的生活水平改善，尤其是对于那些最亟待提升的广大发展中国家而言。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，江小涓发言

江小涓：中国政府对“AI+”非常重视，希望AI的作用不仅在AI自己这个领域能起作用，而且能给更多的行业赋能。

关于AI对就业的影响，这是确定的，目前确实已经发生了这样的情况，但目前还不算非常严重。

从中国政府的应对措施来讲，还是非常积极的。第一，鼓励AI创造一些新的岗位，这在一些领域也是很明显的。我举一个例子，影视行业，AI的出现使原来的影视制作行业就业人数从130万人减到了70万人，因为很多环节可以使用AI进行制作了；但同时，出现了一个非常新的行业，在中国叫“短剧”，这个行业目前非常蓬勃，短剧行业新吸纳了100万以上的新就业。

所以，这个行业的总就业是增加的，而且是平权式的增加，没有把就业和收入给头部的影视公司，而是让很多年轻人加入制作。大概只有一万人或几千人看的短剧也可以有一点小小的收入，所以AI也创造了很多新的就业岗位。

第二，我们对已经失业的人员要有更加灵活的救济政策。现在政府非常重视对灵活就业岗位人员的社会保障问题，在加大措施处理。

关于未来，我个人感觉AI可能还是会对就业有影响，所以社会保障的整体安排，不仅是一个社会保障问题，还涉及整个经济体系的结构安排问题。

比如说税收，我们会有一些税收政策鼓励企业多投资，但主要用在鼓励设备投资等方面，企业设备投资会有一些减免措施，比如增值税退税等，但对雇佣更多人的企业，还有待更多的制度化安排。由此来看，国家整体税收制度的安排应该更偏向能多用人的机制的安排，而政府应该在税收制度安排上更多地鼓励企业用人，这也是一个非常重要的制度性的安排。

昨晚我看新闻，马斯克说准备把SpaceX上市之后的股份给全美儿童每人发一股，就是把科技公司带来的收益让全民分享。随着问题的出现、社会的进步，我想大家会有一些新的思考出现。

2026年10月20日，2026外滩年会，外滩圆桌“AI与生产率革命：技术跃迁下的宏观冲击”，李昌镛主持圆桌

Jason FURMAN：好的。说来矛盾，大家总下意识地以为这轮AI变革会像当年的谷歌或脸书做到的那样，谁先行动，谁就能通吃整个市场。但这跟当年的那些平台截然不同：我可以用ChatGPT，你可以用DeepSeek。而且，我今天可以用ChatGPT，明天就可以换成DeepSeek。此外，我们已经看到，模型的技术能力越先进，企业可能反而越不想要，因为它们根本不需要那么高深的能力，那已经远远超出了它们的实际需求。企业宁愿选择成本更低、响应更快的轻量模型。

基于所有这些原因，我认为技术越是向前演进，就越不会走向我们在以往科技周期中司空见惯的赢家通吃，反而会演变成一场极其残酷的同质化竞争，正如我们眼下所亲历的“伯特兰竞争”，价格几乎降到边际成本，有时甚至可能低于边际成本，所以如果你担心的是巨头权力过度集中，从某些角度来看，这反而是一件好事。

但从另一个角度看，这会更加加剧大家对科技泡沫的担忧，因为即便未来全社会的生产率确实迎来了大幅跃升，按照这种未来图景所揭示的逻辑，也可能根本无法把它顺利变现。所以我预计，无论如何，这会是我们竞争最激烈的技术之一。

Debora REVOLTELLA：我认为我的看法与Jason FURMAN所说的非常相似，即对出现更具垄断性的竞争的担忧实际上正在逐渐消退，而且有一个更关键的因素，与开源模型有关。开源模型正在进入市场、参与竞争，并提供了非常有价值的解决方案，特别是那些更贴近具体应用场景的模型，也就是在产业层面真正推动应用落地与转化的模型等。这无疑对发展大有裨益。

如果我们观察欧洲企业，它们正朝着这个方向发展。我们此前就企业如何落地AI开展调研时发现，它们一方面会使用通用的基础大模型，但同时也正极力尝试基于开源模型来搭建自有的内部专属应用。

这里的关键在于，欧洲企业非常看重能够直接把模型权重下载到本地并留在内网运行，这样一来，它们就完全不必把数据上传共享给外部第三方。这是一个极具吸引力的卖点：它既有效促进了全球市场的多元竞争，也缓解了企业在数据安全与敏感信息共享上的深层顾虑。

不过我眼下还有一个新的关切。有一份刚刚提出的草案，内容涉及前沿模型的出口管制。我理解，该草案实际上可能恰好豁免了我刚才提到的那种情况，即允许企业为了内部自用目的把模型下载并部署在本地服务器上。这确实是一个极其关键的变量，因为如果最终没有明确予以豁免，就会引发巨大的不确定性，甚至可以说会拖慢这类模型在整个欧洲层面的更广泛的落地。

所以，我认为这种多方竞争格局的到来是非常积极的，而且我完全同意Jason FURMAN的观点，这一点在欧洲尤其重要，因为我们眼下正在不知不觉中对外部输入的模型建立了技术依赖。

Kaushik BASU：政府自身可以做的事情有很多，但我也深信，这是一场全球性的变革，以至于对单个国家而言，在不引发资本外逃、不让关键要素资源流向别国的前提下，一国能做的事情非常有限。所以政策协调是必不可少的。

这场变革带来的结果之一或是话语权的丧失。关于这一点，目前的讨论与著述还远远不够。也就是说，如果不平等继续按照眼下的势头蔓延加剧——我指的还不是全体人口层面那种基尼系数反映的一般意义上的不平等，而是少数科技超级富豪与其他所有人之间的鸿沟。现在有很多文献都在指出这种极化趋势正在飙升，它正在产生一种深远的社会冲击，正在影响各个国家。

人类学研究发现过一个现象：在村民委员会上，人们正围坐在一起热烈讨论。而一旦那个富甲一方的豪门地主进来，人们就沉默了，大家突然间就一句话也说不出来了。眼下的世界多多少少也正在上演类似的剧情，全球话语权被极少数人所掌控，而对发展中国家来说，这意味着失去话语权。

我们目前看到了一些举措，包括中国提出的一些重要倡议，旨在让“全球南方”更多地参与到全球对话的平台中来，我认为这一点将至关重要。

请容我顺着您刚才提到的税收调节与创造就业多谈两句。我对这套传统思路能否行得通是存有疑虑的。试想一下，如果所有繁重艰苦的工作都开始逐步消失，全被人工智能或通用人工智能驱动的机器人所接管，那么为了保住就业而强行创造出的岗位，大概率就会沦为凯恩斯笔下“挖坑再填坑”式的无效劳作，而这无法带来真实的生产力提升。

所以我深信，我们正在步入人类社会的一个全新阶段，这个阶段需要推行某种全民基本份额，正如刚才提到微观层面正在尝试的一些探索。之所以必须这么做，是因为一旦常规工作开始消失，尽管这个世界整体依然会富足，拥有海量商品与服务，但工薪阶层的传统谋生手段却不复存在了。如果雇这批人去从事无法带来生产率提高的工作，将意味着巨大的财政压力。

我们真正需要考虑的是一种非常创新的利润分享机制。一方面你必须保留一部分利润空间，以维系资本与创新的逐利激励，但另一方面，相当一部分超额利润必须被拿出来由全社会共同分享。这其实是经济学界早已有之的思想遗产，像马蒂·魏茨曼这样的知名学者，就曾著书立说深入阐述过。如果我们不希望眼睁睁看着社会动荡毁掉这轮科技革命带来的历史机遇，就必须在当下的现实世界中，认真探索并激活破局路径。

杨斌：谢谢。中国政府一向坚持偏向劳动者的政策取向，正如江小涓教授此前所阐述的支持劳动者的政策，始终把“人”置于宏观政策制定的核心。工作岗位可能被创造出来，也可能消失，但对于具体的人，总能通过政策调节找到安置之道。

这不仅仅是政府的事。在我看来，目前最大的挑战是年轻人的第一份工作，也就是初级入门岗位的问题。我认为，非政府组织或社会公益力量可以通过某种方式设立一些介于高校与企业之间的“过渡性衔接机构”，把大学和企业连接起来。

企业如今越来越缺乏为年轻人保留初阶工位的动力，因为智能体在产出效率与性价比上显然更高。然而，入门级岗位往往承载着另一个不可替代的功能，即人才梯队的培训。如果切断了这一环，我们未来该如何培育下一代人才？也许政府、非政府组织和部分高校可以为解决这个紧迫的问题做出贡献。

江小涓：AI开源模型的出现，其实在相当程度上和当年的开源软件是一样的，这批人是英雄主义者，我敢说中国第一个开源的DeepSeek模型当时主要的业务收入来源并不是模型，但非常希望把它好的模型开源让大家一起用。它当时有一句话——希望提供一个“全球科技发展的公共品”——所以开源模型从开始并不是以商业模式的考量出现的。

但是开源模型出现之后，那些闭源模型就碰到了非常大的挑战，没有人用闭源了，所以开源和闭源变成了不同公司的商业选项。但现实中，由于很多模型出现，大家开始竞争，所以会带来很多新的变化。

但我还是要为开源模型先点个赞，它带来了我们AI时代的平权。中美之外的很多国家最初没有头部模型，由于有了开源模型，这些国家的开发者可以在我们开源模型的基础上开发与其本国产业、国情相匹配的新模型。ChatGPT在美国只有3亿人用，而在印度有7亿人用，所以它带来了平权。

现在的商业模式非常丰富，我们有云模一体化的企业，模型不收费但是云是它自有的，调用云的时候需要付费；Agent出现以后有API、MCP、接口模型，调用其模型用于商业用途时要按token付费，这个模式也已经出现；此外还有大量私有化部署，在银行、金融等较为严肃、不能出错的行业中，不能直接使用开源模型，需要再进行部署和微调，因此需要向提供开源模型部署服务的公司付费；对C端而言，一天使用三次免费，超过后即收费。链条上，从云到算力再到开源再到token，这条线上形成了一个商业模式，办法很多，没有大的问题。

周小川：由于AI对全球经济和社会结构的巨大影响，大家都呼吁在国际层面就这个问题进行合作。最近习主席和美国特朗普总统也达成了一项共识，思考如何建立一个机制去管理AI。

但因为AI变化太快，以至于政府部门间建立AI治理框架面临着很大的难度。但我觉得至少有三件事可以做。一是控制军事上的用途，二是打击黑客和欺诈者，三是要保护个人的隐私，这与数据使用等有关。其他方面，目前仍处于观察和研究阶段。例如，已有与会者谈到AI对就业结构、收入分配和社会结构的影响。但我认为，目前尚未形成共识，我们可以继续观察。

我个人想强调两点：

第一，伴随AI发展，全球供需关系平衡、产业结构都会发生巨大变化。作为金融业的从业者和学者，我们应着力让价格机制发挥重要作用，以此应对全球平衡的变化。因此，或许我们不应过于依赖行政手段来防范相关影响，而是应让价格调整来反映正在发生的结构变化，以及我们应采取何种应对方式以适应新的结构。

第二，对于技术演进，我们无疑会面临部分投资失败、部分投资成功的局面，但考虑到如今有如此巨额的资金流向人工智能及相关基础设施，一旦其中一部分失败，就可能引发金融动荡，并酿成危机，这就需要采取大规模的行动来支撑经济，并对部分金融机构实施救助。因此，我们应当开展研究并做好预案，在政策工具箱中储备相应的政策工具，以应对这类动荡和影响。