罗汉堂 | 谷歌首席经济学家 Fabien Curto Millet：AI 将如何重塑产业、就业与企业组织？

非常感谢主持人的介绍。我此刻在旧金山，看到不少熟悉的学者朋友也在线参与今天的讨论，倍感亲切。也借这个机会，向来自世界各地参与今天活动的朋友们问好。

非常高兴有机会来到罗汉堂的前沿对话，和大家一起探讨一个既宏大、又极具现实意义的话题：人工智能将如何重塑产业与就业。考虑到时间关系，我想从几个关键角度，和大家分享一些自己的观察与思考。

01

AI 可能是一座尚未开采的“金矿”

首先，我们需要重新认识今天摆在我们面前的人工智能到底意味着什么。 

从经济学的视角来看，人工智能并不仅仅是一项普通的新技术，它属于所谓的 “通用目的技术”（General-Purpose Technology，简称 GPT）。历史上，能够进入这一序列的技术并不多，蒸汽机、电力，以及计算机，都是其中的代表。 

在经济学家看来，一项技术若想被称为 “通用目的技术”，通常需要具备三个关键特征： 

• 第一，它的性能能够持续快速提升； 

• 第二，它能够广泛渗透到经济社会的各个领域； 

• 第三，它能够催生大量互补性创新（complementary innovations）。 

真正具备这些特征的技术，往往不会只改变某一个行业，而是会从根本上重塑整个经济体系的运行方式。而人工智能，甚至可能比过去的通用目的技术带来更深远的影响。 

正如已故经济史学家尼古拉斯・克拉夫茨（Nicholas Crafts）所说，AI 或许是一种 “发明新方法的发明（Invention of a New Method of Invention）”。AI 带来的不只是一次单独的技术突破，而是一种 “加速技术突破的技术”。它能够帮助我们提升科研效率，加快知识创造和创意生成的速度，而这些能力，最终都可能直接转化为经济中的全要素生产率增长。 

坦率地说，仅从这些技术特征来看，人工智能本身就已经足够令人兴奋。当我们进一步去看越来越多的微观层面证据 —— 尤其是近年来不断积累的大量严谨实证研究 —— 会发现，我们可能真的找到了 “金矿”。 

举个例子，在谷歌内部，我们曾做过一项随机对照实验，专门评估一些 AI 功能在工程师日常开发工作中的实际效果。结果发现，在具体的任务场景中，AI 平均帮助开发者节省了 21% 的工作时间。 

这些并不是实验室里人为设计出来的模拟任务，也不是脱离真实环境的理论测试，而是谷歌工程师每天实际在完成的真实工作任务。能够在这样的现实工作场景中实现 21% 的时间节省，已经足以让我们直观感受到，这项技术究竟具备多大的变革潜力。

02

产业重构：从蒸汽机到 AI 的启示

那么，AI 会重塑产业吗？ 

我的答案是：毫无疑问，一定会。但与此同时，我们或许也需要从历史经验中多一些耐心。因为类似这样的技术革命，从来都不是一夜之间完成的。 

1987 年，诺贝尔经济学奖得主罗伯特・索洛（Robert Solow）曾说过一句广为流传的话：“你几乎可以在任何地方看到计算机时代，唯独在生产率统计中看不到它。” 当然，几年之后，计算机带来的生产率提升最终还是清晰地显现了出来，甚至明显到不需要刻意去寻找。但这背后有一个重要前提：技术扩散本身需要时间。

产业重构，本质上是一个渐进的过程。它不仅需要技术被采用，更需要企业重新想象、重新设计自己的生产方式。理解这一点，最好的例子其实来自工业革命。 

在蒸汽时代，工厂依靠蒸汽机提供动力。蒸汽机通常安装在厂房外，通过天花板上的主传动轴，再带动一整套皮带系统，将动力输送到各个生产设备。整个车间的布局，都是围绕着这根传动轴展开的。 

后来，电力出现了。企业开始用电动机替代蒸汽机。相比蒸汽动力，电力更稳定、更可靠、成本更低，设备故障也更少，所以企业确实能够获得一些效率提升。但真正意义上的巨大生产率跃升，并不是发生在 “把蒸汽机换成电动机” 的那一刻。真正的突破，发生在企业开始意识到：既然电力可以被输送到工厂的任何一个角落，那整个生产布局，为什么还要继续围绕天花板上的那根传动轴来组织？ 

一旦意识到这一点，企业就开始重新设计生产线，设置更加灵活的工作站。即便某个工位正在维护，其他工位依然可以继续运转。换句话说，真正的变革，不是技术替换本身，而是围绕新技术，对整个生产流程进行重新组织和再创造。而真正能够释放大规模生产率红利的，恰恰就是这种围绕新技术展开的 “再创造”。 

本质上，这也是今天 AI 正在整个经济体系中推动我们去做的事情。未来，我们会看到不同行业以各自不同的方式，完成这种重构 —— 一个行业接着一个行业，逐步展开。我认为，这将会是一个非常令人期待的过程。 

那么，推动这种 “再创造” 真正发生的动力，到底是什么？ 

在这里，我们或许可以借用亚当・斯密（Adam Smith）那句经典的话 —— 市场中的 “看不见的手”，当然，它背后真正发挥作用的，是自由市场中的竞争机制。 

如果一家企业仍然沉浸在过去的成功之中，安于现状，而它的竞争对手却已经开始借助 AI 实现我刚才提到的生产率提升，那么它很快就会意识到，继续原地踏步，绝不是一个明智的选择。 

说到生产率提升，或者产品质量的跃升，我想举一个现实的例子：谷歌旗下的谷歌翻译（Google Translate）。这是一个很多人都非常熟悉、也非常喜爱的产品 —— 我也希望与会者不少人平时都在使用它。事实上，就在昨天，我们刚刚庆祝了谷歌翻译诞生二十周年。今天，谷歌翻译已经支持大约 250 种语言的互译。而就在一年半前，我们曾在一次重大更新中，一口气新增了其中将近一半的语言支持。而这一突破，背后的关键推动力，就是 AI，让我们能够实现这样大规模的产品升级和能力跃迁。 

当然，这只是一个例子。但你可以试着想象，如果类似这样的效率提升、这样的产品质量跃升，开始在任何一个行业、任何一个产品中发生，会带来什么？如果你的竞争对手率先做到了，而你没有，那么市场份额会如何变化？ 

从这个意义上说，现在绝不是可以躺在过去成就上高枕无忧的时候。因为 AI 所代表的，不只是一次局部优化，它完全有可能在许多行业中，引发底层逻辑的重构。

03

AI 正在重新定义企业与市场的边界

如果我们进一步把视角从产业效率转向产业结构本身，那么对于经济学家而言，AI 时代同样正在打开许多全新的经济学议题。说到这，我想带大家回到经济学中的一个经典问题 —— 企业为什么会存在？ 

这个问题最早可以追溯到诺贝尔经济学奖得主罗纳德・科斯（Ronald Coase）提出的 “企业理论”。我们不妨想象一个问题：为什么每天早上醒来之后，我们不会每个人都直接通过市场上的即时交易，去临时购买当天所需要的劳动力、原材料，以及各种生产资源？为什么现实世界中，绝大多数经济活动最终是通过 “企业” 这种组织形式来完成的？ 

答案其实很简单：因为把经济活动放在同一个组织内部，通常更有效率。 

在企业内部，你可以进行长期资本配置，可以做跨周期的战略决策，也可以建立更稳定、更持续的协作关系。这是企业之所以存在的重要原因。当然，企业也并不是无限扩张的。发展到某个阶段，市场本身的效率可能会重新变得更高，企业之外的市场交易开始发挥更大的作用。 

也就是说，企业与市场之间，始终存在着一条边界。而这条边界，从来都不是固定不变的，它会随着技术演进不断变化。AI 真正值得关注的一点，恰恰在于，它很可能重新定义企业与市场之间的这条边界。 

在此前几轮数字化浪潮中，我和我的前任 —— 谷歌前首席经济学家哈尔・范里安（Hal Varian）—— 就已经观察到了类似的趋势，并对此做过研究。他当时提出了一个非常有意思的概念，叫做 “微型跨国公司”（micro-multinationals）。他的观察是，随着个人计算机和互联网的普及，一些规模极小的中小企业，甚至只有寥寥几个人，从成立第一天起，就具备全球化运营能力。 

我们当时看到过这样一家公司：它的工程团队在乌克兰，管理团队在法国，而财务团队则设在硅谷。整个公司员工不到十个人，但它从诞生第一天开始，就是一家全球化企业。 

而在 AI 时代，这种现象很可能会被进一步放大。因为 AI 正在显著提升小型组织的能力边界，让规模很小的团队，也能拥有过去只有大型企业才具备的执行力、协同能力和全球竞争力。 

这也让我产生一个判断 —— 当然，这还只是一个观察和推测 —— 未来，我们或许会看到一种新的企业形态出现，我把它称为 “精益型公司”（Lean Corporation）。它们可能天生就是 AI 原生企业，团队规模不大，但高度灵活、反应迅速，同时具备极强的竞争力。 

如果这一趋势成立，它甚至有可能重新激活包括美国在内的很多国家已经有所放缓的商业创新与创业活力。当然，目前这仍然是一个有待验证的假设。但从我们过去几轮技术变革所看到的趋势来看，我认为，它正在朝着这个方向发展。

04

在 AGI 到来之前，我们已经迎来“AJI”

当然，所有我刚才提到的这些变化，都有一个前提：技术必须真正完成扩散。 

坦率地说，到目前为止，我刚才所谈到的很多变化，更多仍然代表着一种尚未完全兑现的潜力。因为如果我们回到现实数据来看，会发现，我们其实仍然处在这场转型非常早期的阶段。换句话说，AI 大戏才刚刚拉开帷幕。 

今天，在美国，大约已经有 40% 的劳动力，在某种程度上开始使用 AI。当然，使用深度和使用频率仍然存在很大差异，未来还有很大的提升空间。但仅仅是 40% 的采用率，本身就已经是一个相当惊人的数字。 

如果把它和历史上的电气化进程相比 —— 当然，这并不是一个完全严格的类比 —— 电气化达到类似规模的普及，大约用了 30-40 年。而 AI，仅仅用了 3 年多时间，就已经达到了相近的扩散水平。 

这说明，AI 的扩散速度确实远超过去许多变革性技术。但与此同时，它的使用深度其实仍然相当有限。最新一项研究表明，目前 AI 真正影响到的工作时间，在美国大约只占总工作时间的 5%。这意味着，AI 已经开始真正进入生产体系，这当然是一个积极信号；但它目前更多只是获得了一个 “立足点”，而且，这个立足点还相当不均衡。 

几个月前，谷歌 CEO 桑达尔・皮查伊（Sundar Pichai）在一次播客中提到一个很有意思的判断：在人类真正实现 “通用人工智能”（AGI）之前，我们很可能先迎来的是 “锯齿状人工智能”（Artificial Jagged Intelligence）。我认为，这个 “锯齿状”（jagged）很好地描述了当前 AI 扩散的真实状态。 

这种不均衡，首先体现在不同规模的企业之间。如果你观察数据，会发现中小企业对 AI 的采用率明显低于大型企业。但这其实并不令人意外。因为在过去几轮技术浪潮中，我们也观察到类似现象 —— 比如在云计算普及时，中小企业的采用速度同样明显慢于大型企业。 

从理论上讲，新技术往往具有 “拉平竞争起点（leveling-of-the-playing-field）” 的潜力，对中小企业而言，技术反而可能是弯道超车的重要机会。所以，从利益角度看，中小企业其实更有动力去拥抱新技术。但现实问题在于，中小企业通常缺乏足够的资源去完成前期投入，也更难承担培训、流程重构和组织升级所带来的成本。 

第二个维度，这种不均衡会体现在不同行业之间。而这，同样符合历史规律。根据美国人口普查局的数据，目前信息产业，以及专业技术和科研服务行业的 AI 采用率，大约都在 35% 左右；相比之下，建筑业的采用率只有 10%。 

背后的原因其实也不难理解。AI 在某些任务上确实比在另一些任务上更有优势，而不同类型的工作任务，本身在整个经济体系中的分布就并不均匀。因此，AI 在某些行业会更快落地，在另一些行业则会相对缓慢，这几乎是技术扩散过程中的常态。 

短期的不均衡，本身并不值得过度担忧，这是每一轮技术变革都会经历的过程。但如果这种不均衡长期持续，尤其是中小企业长期处于采用不足的状态，那么这就不仅仅是市场问题，而可能成为一个值得政策制定者持续关注的重要议题。

05

AI 不会简单“取代工作”，它更可能重新定义工作

接下来，我想把话题从产业转向就业。因为在今天这样一个讨论中，人们关注的不仅仅是 AI 会如何重塑产业，同样也在关心：它究竟会如何改变工作本身？ 

而事实上，在就业市场上，我们同样会看到非常深刻的变化。从某种意义上说，劳动力市场的变化，本质上是产业结构与产品市场变化，在就业层面的映射。如果我们要真正理解 AI 对就业的影响，我认为一个更合适的分析框架，或许可以概括为三个方面：有些工作会消失（jobs lost），有些新工作会出现（jobs gained），还有更多工作会被重新定义（jobs changed）。

未来，这三种变化都会同时发生。而如果让我判断，影响最广泛、也最容易被低估的，其实是第三种 —— 工作内容和流程的重构。 

我认为，未来经济中绝大多数工作，都会在不同程度上受到 AI 的影响，并被重新塑造。很多岗位未必会彻底消失，但工作的内容、流程、技能要求，甚至人与工具之间的协作方式，都可能发生深刻变化。

当然，公众最关注的，通常还是前两类：哪些工作会消失？又会有哪些新工作被创造出来？如果我们回顾历史，会发现一个相对稳定的规律：技术进步虽然会淘汰一部分工作，但总体上，往往会创造出更多新的就业机会。 

这里我想引用我非常敬重的一位同事 —— 詹姆斯・曼尼卡（James Manyika）—— 此前在麦肯锡全球研究院（MGI）所做的一项研究。他和团队系统分析了多轮技术革命对美国劳动力市场的长期影响。仅以个人计算机的普及为例，他们发现，这项技术确实淘汰了大约 350 万个工作岗位，比如打字机制造、部分文秘和行政类工作。但与此同时，它也创造了超过 1900 万个新的工作岗位，例如计算机制造、软件开发、数据分析等全新的职业领域。 

也就是说，技术的确会取代一些旧工作，但与此同时，它也会创造出更多此前并不存在的新机会。如果把时间拉得更长，结论其实会更加明显。 

麻省理工学院经济学讲席教授大卫・奥托（David Autor），同时也是谷歌 “技术与社会研究” 的特聘研究员，曾在他的经典论文 “New Frontiers: The Origins and Content of New Work, 1940–2018” 中提出一个非常有启发性的发现： 

今天美国大约 60% 的就业岗位，放在 80 年前，其实根本不存在。这或许正是经济最重要的生命力所在：旧工作会消失，但新的工作、新的职业，以及新的价值创造方式，也会不断涌现。 

每当一项新技术出现时，都会存在一种天然的不对称：我们总是更容易看到哪些工作可能被自动化取代，却很难第一时间看见那些尚未出现的新职业。但历史告诉我们，这些新工作最终总会出现。比如，“网页开发者” 这一职业，是在 90 年代才被美国官方统计机构正式纳入；“社交媒体经理” 出现在 2005 年；“数据科学家” 直到 2018 年才成为被正式认可的职业。而就在 2025 年，我们又新增了一个新的职业名称 ——“前线部署工程师（Forward Deployed Engineer）”。某种程度上，你甚至可以把它看作 AI 时代新就业机会开始萌芽的一个早期信号。 

从历史经验来看，这些变化其实给了我们相当多的信心：如果把时间拉得足够长，技术进步通常最终都会带来更高水平的就业均衡。 

但你也完全可以引用凯恩斯（John Maynard Keynes）那句名言来回应我：“从长期来看，我们都已经不在了。”（In the long run we are all dead） 

而这，也正是我想特别强调的第二个政策问题。真正值得关注的，不只是最终的均衡状态，而是从我们今天所处的位置，走向那个长期均衡的转型过程。

06

如何创造 AI 的共享繁荣？

眼下，我们正以前所未有的速度驶向这个转折点。AI 的发展速度非常快，我们就像正在高速驶入一个急弯。至于我们能否平稳地通过这个弯道，很大程度上取决于政策如何提前布局、如何有效介入。 

这是一个我们必须保持警觉、认真应对，而绝不能掉以轻心的问题。我们不能只是简单地告诉自己：“历史上技术最终都会创造更多就业，所以一切都会好起来。” 因为真正的问题在于，在 “最终会好” 之前，我们如何走过中间这段转型期。 

而这，不是某一家企业、某一个机构，甚至某一个行业能够独自完成的事情。它需要的是整个经济体的共同动员，需要政府、企业、教育机构，以及社会各方之间更深层次的协同合作。 

如果我们把目光投向 2030 年的劳动力市场，一个非常值得思考的问题是：到那时，劳动力市场的主体究竟会是谁？ 

答案其实非常出人意料。以七国集团为例（G7，包含美国、加拿大、英国、法国、德国、意大利、日本），到 2030 年，超过 80% 的劳动者，其实今天已经在工作岗位上。 

这意味着，我们不能把希望简单寄托在下一代身上，真正的关键，是如何帮助今天已经身处职场的人完成技能升级。换句话说，中途职业转型、在岗培训、学徒制，以及各种形式的持续学习，都将变得前所未有的重要。 

而在我看来，这同样意味着，政府与企业之间必须建立更加紧密的合作机制。我们必须帮助今天的劳动者获得进入 AI 经济所需要的新技能，帮助他们真正有能力抓住即将出现的新机会。 

也只有这样，未来某一天，我们或许才能看到一组新的数据 —— 就像我刚才提到的大卫・奥托（David Autor）的研究那样，今天尚不存在的职业，未来可能会成为经济中的主流。 

AI 很可能为整个社会创造巨大的繁荣，这无疑是一个令人振奋的消息。但如果我们希望这种繁荣最终能够成为一种共享的繁荣，而不仅仅惠及少数人，那么从现在开始，我们就必须主动投入、提前准备，并为此付出努力。 

我先分享这些，非常期待接下来与各位嘉宾以及参会的学者朋友们，展开更深入的交流与讨论。