认识一下：顶尖的AI经济学家经济学人

《经济学人》（The Economist）刊发了一篇题为"Meet the world's top AI-pilled economists"的封面文章 [1]，盘点了全球10位顶尖AI经济学家的观点，并绘制了一张"AI经济影响光谱图"（Rogues' Gallery）。

在这张图表中，学者们被标记为从"最具变革性"（Most Transformative，深蓝色）到"最不具变革性"（Least Transformative，深红色）的不同阵营。

文章指出了一个有趣的趋势：AI经济学的重心正在从象牙塔向产业界转移。榜单中既有MIT和斯坦福的学术泰斗，也有身处OpenAI、Anthropic、DeepMind等顶尖AI公司内部的首席经济学家。这群"AI-pilled economists"正在引领一场关于技术与经济未来的思想交锋。

今天，我们就借着这张图表，为你逐一梳理这10位顶尖大脑的核心观点。

Erik Brynjolfsson

斯坦福大学Jerry Yang and Akiko Yamazaki讲席教授，斯坦福数字经济实验室（Stanford Digital Economy Lab）主任，斯坦福以人为本人工智能研究所（HAI）高级研究员。哈佛大学应用数学与决策科学学士/硕士，MIT管理经济学博士。[2]

AI生产力起飞的时刻已经到来，我们正在走出"现代生产力悖论"。

代表性研究：

他与合作者在顶级经济学期刊《经济学季刊》（The Quarterly Journal of Economics）发表的论文"Generative AI at Work"（2025），是目前关于AI对实际工作场景影响最具影响力的实证研究之一。研究追踪了5,179名客服人员使用AI助手的表现，发现AI工具使员工生产力平均提升了14%（以每小时解决的客户问题数衡量），其中新手和低技能员工的生产力提升高达34% [3]。

Brynjolfsson长期主张，AI的经济红利并非不存在，而是需要企业进行组织变革和流程重组才能释放。正如电力发明后，工厂花了数十年才从蒸汽机时代的集中式布局转向电力时代的流水线布局。他还提出了著名的"图灵陷阱"（The Turing Trap）概念 [4]，警告如果我们只追求让AI"模仿人类"（自动化），而忽视让AI"增强人类"（augmentation），将会导致大规模失业和不平等加剧。

2026年，他与合作者发表了"Canaries in a Coal Mine"研究 [5]，首次在宏观数据中发现AI对就业的负面影响信号，AI暴露度最高的职业自ChatGPT发布以来收缩了约0.2%。

Anton Korinek

弗吉尼亚大学经济学教授，彼得森国际经济研究所（PIIE）高级研究员，Anthropic经济顾问委员会成员，NBER"变革性AI经济学"（Economics of Transformative AI）研讨会联合组织者。[6]

AI代理（AI Agents）将重塑科研与认知劳动的本质，经济学家需要为"变革性AI"的到来做好准备。

代表性研究：

他的NBER论文"AI Agents for Economic Research"（2025）系统探讨了自主AI代理如何规划、使用工具并执行多步骤研究任务，认为这将从根本上改变知识生产的方式 [7]。他还与Anthropic合作发布了关于AI经济影响的政策研究报告 [8]。

Korinek认为，AI能力基准（benchmarks）与实际经济产出之间的差距，主要是"扩散延迟"（diffusion lag）的问题，技术可以存在，但从实验室到经济体的全面渗透需要数年时间。然而一旦扩散完成，AI对经济增长率的提升可能是指数级的，尤其是当AI能够加速科学研究和技术创新本身时。

他是少数同时活跃于学术界和AI产业界的经济学家，既在NBER组织学术研讨会，又在Anthropic内部为AI的经济影响提供政策建议。

Chad Jones

斯坦福大学商学院经济学教授，NBER研究员，全球最具影响力的经济增长理论家之一。[9]

AI可能带来爆炸式增长，但也受制于"薄弱环节"（weak links）。同时，AI的存在性风险值得我们投入数千亿美元来防范。

代表性研究：

他的NBER论文"The A.I. Dilemma: Growth versus Existential Risk"（2023，被引142次）[10] 严肃论证了AI带来的双刃剑效应：一方面，如果AI能够自动化研发过程（即"想法的生产"），经济增长率可能会显著提高；另一方面，超级智能AI可能带来存在性风险，社会应当投入巨额资源来防范。

Jones的"薄弱环节"模型指出，即使AI在某些领域实现了突破性能力，经济中的瓶颈（如监管审批、临床试验、物理资源限制）会拖慢整体增长。他在伯克利的演讲中表示，AI的好处需要数十年才能充分显现，但潜在的危害可能来得更快 [11]。

Tom Cunningham

METR（AI安全评估机构）经济学与安全研究员，前OpenAI首席经济学家。此前曾在Meta和Twitter担任高级数据科学家。[12]

我们正在"大雾中驾驶"，如果变革性AI到来，人类劳动的经济价值可能会急剧下降。

代表性研究：

在OpenAI期间，他主导了"How People Use ChatGPT"（NBER, 2025）的研究。离开OpenAI后，他发表了一篇广受关注的长文"Economics and Transformative AI"[13]，系统梳理了AI经济学的核心争议。

Cunningham提出了几个前沿观点：

（1）GDP将是衡量AI影响的糟糕指标，因为AI会减少交换的必要性，而GDP衡量的正是交换；

（2）如果AI能做所有人类工作，自然资源（土地、能源、矿物）的相对价值将飙升，而人类劳动的价值将暴跌；

（3）AI对科学技术的影响可能是非连续性的（discontinuous），而非渐进式的。

Ronnie Chatterji

OpenAI首位首席经济学家（2024年10月上任），杜克大学Fuqua商学院商业与公共政策教授。曾任拜登政府白宫CHIPS协调员（负责执行520亿美元的《芯片与科学法案》），以及白宫国家经济委员会代理副主任。此前还曾在奥巴马政府担任白宫经济顾问委员会高级经济学家。[14][15]

AI的经济影响需要配套的宏观政策响应——包括广泛的资本所有权、主权财富基金模式、针对性税收等。

Chatterji的独特价值在于他横跨学术、政策和产业三界。他在OpenAI的角色是领导一个研究团队，探索AI对劳动力市场、生产力和社会的广泛影响，并为政策制定者提供数据支持。他强调，政策响应不应等到AI的冲击全面显现后才开始，预防性的制度设计（如资本所有权的广泛化）至关重要。

Alex Imas

芝加哥大学布斯商学院Roger L. and Rachel M. Goetz行为科学、经济学与应用AI讲席教授，Vasiliou Faculty Scholar。目前在DeepMind从事研究工作（学术休假中）。[16]

人类的行为偏差和非理性决策会显著影响AI的经济表现，先进的AI甚至可能导致负增长。

代表性研究：

他在Substack上发表的文章"Can advanced AI lead to negative economic growth?"（2026）[17] 提出了一个反直觉的论点：如果AI大幅提升了供给侧的生产能力，但人类的需求侧（消费偏好、心理需求）没有同步扩张，那么经济增长可能反而会放缓甚至转负。

作为行为经济学专家，Imas从人类心理的角度审视AI的经济影响。他指出，技术采纳不仅取决于技术本身的能力，还取决于人类的认知偏差、对新技术的抵触心理、以及组织内部的惯性。这些"软性摩擦"可能比监管等"硬性摩擦"更难克服。