AI行业当前发展态势与核心特征 - AI行业正以非线性、非均匀的特征加速发展，Scaling Law尚未收敛，AI相关经济活动规模达到前所未有的量级[3] - 行业发生众多大事，包括OpenAI牵头的千亿美金“循环交易”、模型公司估值达数千亿美金级别，以及Gemini 3、GPT5.2等新模型发布[3] - 与AI相关的经济活动正以强大动能迅猛发展，与传统工业经济的节奏形成鲜明对比[3] - 行业领袖如马斯克、黄仁勋表达了积极观点，认为AI将推动社会进入“全民高收入”时代，并将全球GDP推高5倍至500万亿美元[4] AI技术发展的核心规律与未来架构 - Transformer架构的Scaling Law是当前AI大模型发展的基石，其收敛条件与时间将决定AI能力上限及后续发展方向[7] - 大语言模型的推理成本每12个月下降90%、能力密度约每100天翻一番、完成复杂任务的能力每七个月翻倍[7] - 行业在探索Transformer之后能大幅推进AI智能的下一个架构，其诞生地将影响未来技术格局[5] - 需要发现更多关于AI大语言模型的基础规律，并探索其是否存在类似“摩尔定律”的规律[5][7] AI经济的扩散阶段与时间预测 - 技术扩散过程分为核心原理成熟、工程化成熟、跨行业和规模化部署、成为基础设施四个阶段[7] - 当前AI处在核心原理成熟（Scaling Law未收敛）、工程化有巨大发展空间、跨行业部署处在早期的阶段[7] - 参考蒸汽机用120–150年、电力用80–100年完成扩散，初步预计AI完成整个过程可能用40–60年[7] - 若以2012年神经网络AlexNet作为核心原理成熟起点，AI可能在2035到2050年完成上述过程[7] AI工作能力的评估与“经济图灵测试” - 需要构建一套针对AI Agent工作能力的量化评测体系，其评测任务应来源于真实经济活动[7] - 该体系可用于评估不同推理能力AI大语言模型的投资回报率与创造价值能力[7] - 提出了“经济图灵测试”概念，用于评价AI是否独立完成经济任务及社会是否完全接受其工作结果[10] - 定义了“产出增强倍数”，即用AI和机器人系统执行任务的总产出与单个劳动力一年产出的比值，用以衡量AI带来的效率提升[10] “数字层”的概念、机制与影响 - “数字层”是AI经济阶段可能出现的重要基础设施，由个人AI助理和垂类AI Agent组成，全面了解经济主体与物理世界[11] - 其工作机制是以LLM为决策核心、以Agent为执行单元，在状态-目标-行动闭环中持续运行的代理化操作层[10] - “数字层”具有目标导向、自主搜索/获取信息、自主决策、自主行动、全天候工作的特点[10] - 它最终将连接全球几乎所有的消费者和生产者，并对他们形成深度、完整的了解，从而可能构建近似“全知全能”的能力[10][11] - “数字层”能降低经济活动的交易成本，包括组织内成本和组织间成本[17] - 在AI扩散完成后，大部分经济活动可能通过“数字层”完成，使其成为经济和社会的重要基础设施[18] AI对就业、工作体系与组织形态的冲击 - AI已开始替代初级工作，如代码、数学、设计、线上销售及重复性脑力工作，可能形成初级工作的“真空地带”[23][25] - 需要预估AI具备不同职业工作能力的时间顺序，其具备能力的工作通常具有任务清晰可形式化、输入输出标准化等特点[25] - 工作体系可能从“以职业为中心”向“以任务为中心”转变，任务成为更小的执行单元，提高经济活动效率[25] - 具备工作能力的AI成为“AI员工”，将改变组织管理，包括招聘、培训、考核及与人类员工的分工协作[30] - 中小企业可能因AI员工获得远超当前人类员工人数的工作能力，从而增强竞争力并提高创业成功率[30] AI经济的宏观影响与统计变化 - AI可能提高经济体的全要素生产率，进而提高全球长期经济增长率，黄仁勋推测AI可能将全球GDP推高至目前的5倍[10] - 提出了“产出/需求比”概念，当该比值足够大时，社会可能进入“非稀缺经济”[10] - “数字层”的细颗粒度、高频、跨主体特点可能提供更丰富的经济统计工具，提高统计颗粒度和频次[30] - “数字层”可能通过降低信息不完全、减少价格数量调整摩擦、实现全局协调等方式，部分平抑经济周期[30] AI产业的价值分配与战略资源 - 在AI大模型商业形态的稳态下，需要理解能源、算力、基座模型、应用层之间的价值分配[20] - 目前行业在基座模型研发和算力消耗上投入大量花销，应用层价值占比尚小[25] - 算力、模型层预计有显著的价值分配占比，且全球相关公司数量不多，意味着全球GDP的一定比例将流入这些公司，带来巨额收入和利润[25] - 电力、算力、模型将成为国家的战略资源[37] 全球AI经济发展格局与评价体系 - 世界各国将或先或后进入AI经济阶段，AI大模型服务、应用服务、算力基础设施将按顺序抵达全球各国[32] - 需要构建评价经济体“经济社会被AI赋能”程度的体系，初步指标包括企业AI使用率、Agent部署密度、人均AI交互频次等[34] - 提出了“AI充裕经济体/社会”概念，指AI被充分、适当使用并带来可欲结果的经济体，这可能成为评价国家竞争力的新指标[34] - AI欠充裕或匮乏经济体需在能源、算力、数据、算法层面评估现状，制订合理有效的发展与追赶策略[37] - AI经济可能改变基于传统要素禀赋的国际分工，转向“按任务划分的全球最优分配”，并改变各国全球GDP占比[37] AI的算力能源需求与能力边界 - 需要预估全球算力需求的增长速度及是否会遇到算力供给瓶颈[37] - 需要评估激增的算力需求给能源供应带来的变化及是否会遇到能源/电力供给瓶颈[37] - 需探讨基于神经网络的大语言模型思维能力的边界，以及是否存在AI永远无法追上人脑的领域[37] - 提出了是否应设定AI能力界限的问题，建议人类保有价值设定、目标设定、判断力、创造力、情感交流、审美及对AI的最终控制权[37] “非稀缺经济”下的社会展望 - 凯恩斯曾预见，当经济问题解决后，人类将面临如何利用闲暇的永恒问题，并建议3小时工作制[41] - 若“非稀缺经济”到来，需要思考能使人们在闲暇中获得满足感的新活动、重新定义群体人生意义，并设计新的工作时长机制[41]