迈克尔·斯宾塞：下一代全球经济|迈克尔_新浪财经

作者｜迈克尔·斯宾塞

作者：迈克尔·斯宾塞

本文根据作者2023年10月18日在清华经管学院的演讲、PPT以及作者的新书《长期危机》（与英国前首相戈登·布朗、太平洋投资管理公司前首席执行官穆罕默德·埃尔-埃里安以及里德·利多共同撰写，中文版已经出版）的内容整理而成。

作者为斯坦福大学菲利普·奈特荣休教授，2001年诺贝尔经济学奖得主。

来源：比较

在经历了漫长的新冠疫情之后，我十分确定要回到清华和中国。最近，我和两位合作者完成了一本新书《长期危机：重塑世界经济》。我们写作这本书的部分原因体现在标题中。我观察到，我们正在经历各种日益频繁的危机和冲击，并为此感到困惑。我们都还记得2008年那场全球金融危机。记忆力好的人还会记得亚洲的货币危机、欧洲的主权债务危机，这些危机都非常严重。

我的另一个观察是，全球经济将真正复苏。从某种程度上说，人们对疫情过后经济全面复苏的预期已经实现。而且在某些方面受到科学和技术突破等的影响。这些都是综合效应，如果我们善加利用，可以促进真正的重大变化。

谈到我们的这本新书，如果重起书名，我希望在书名中加入形势变化。换言之，我们写这本书是想告诉人们，我们面临的形势与过去三年截然不同。重要的是要努力跟上步伐并理解新的形势，即使它很复杂。

一、从需求侧约束转向供给侧约束

过去三年，我们经历了新冠疫情，疫情中断了供应链，破坏了供应环境。例如，汽车行业出现了半导体供应短缺。防疫政策对中国经济乃至全球经济产生了巨大的负面影响，虽然这种影响不会永久持续。供应链失衡和瓶颈成为重要议题。而大约三年前，我们还生活在一个与此完全不同的环境里。

从20世纪90年代末到新冠疫情时期，全球经济都没有明显的通胀压力。全球金融危机爆发后，尽管利率水平很低，各国央行为压低长期债券利率而大规模购买资产，通胀率仍持续低于目标水平。如此宽松的货币环境在历史上经常导致通胀，但在整个21世纪10年代并未出现。当然，极为宽松的货币政策带来了其他方面的影响。资产价格因为低贴现率而高涨，而且央行以量化宽松方式实施的货币政策进入市场，购入长期固定收益证券（如政府债券），使得金融体系内充斥着极其宽裕的流动资金，“安全资产”的收益率降低，由此增加了对风险资产的需求。

这样就形成了受需求约束的疲弱的经济增长模式，但随着各国走出新冠疫情，该模式走到了尽头。突然之间，需求约束型的世界不复存在，出现了数十年未见的通胀压力。

通胀压力主要来自两个因素：一是需求激增，所有人都知道需求会激增，毕竟世界许多地区，尤其是发达国家，都在制定应对疫情的庞大财政刺激计划，将企业部门和家庭部门的资产负债表损失转移到政府的资产负债表上，虽然主权债务水平大幅上升，但不会抑制消费和支出。然而，人们习惯性地认为，这不会导致通胀，就像2008年金融危机后那样。于是，各国央行表示：我们不必做出反应，通胀已经得到控制。但是，由于这些暂时性因素，短期内也许会发生通胀。事实也的确如此。当各国央行最终被迫做出反应时，经济已经历了几十年来最迅速的通胀上升和最快的加息。结果，伴随着大量财政压力和相关事件，各国央行至今尚未赢得与通胀的较量。

但是，我认为，除了暂时性因素，一定还有其他因素，一些与长期供给相关的因素在形成长期趋势，带来通胀压力。

其一，过去30年的巨大产能注入将在21世纪结束。我们没有第二个中国可以为全球经济注入产能，与此同时主要新兴经济体如今已经形成庞大的中产阶层，他们一方面有大量需求，另一方面不太愿意再去工厂从事低工资的工作。相应地，曾经看似无穷无尽的廉价劳动力供给所带来的长期通缩压力，正在走向终结。其二，全球经济面临刘易斯拐点的到来（见图1）。当我们用尽传统部门的剩余劳动力和生产能力，并开始以一种非常不同的方式，通过生产率提高来驱动增长时，就到了刘易斯拐点。其三，备受关注的老龄化问题（见表1）。如果看全球经济产出的来源，我们会发现超过75%的产出来自老龄化速度极快的国家，包括中国。这意味着很多不同的东西，比如抚养比上升，以及在某些情况下，劳动力实际上正在减少，这同时也产生了一些相关影响。因此，老龄化绝非增长引擎。那么，相对年轻的其他国家的情形如何呢？以非洲为例，那里许多国家拥有人数众多且不断增加的潜在劳动力，但就目前而言，它们在全球经济中的规模还不足以力挽狂澜。

其四，自2008年全球金融危机以来，各国主权债务持续增加，并由于新冠疫情中的经济状况和政策而再度大幅提升（见图2）。目前全球主权债务规模超过71万亿美元。债务的积累可能比我们长期生活的低利率世界中要快得多。随着利率达到6%~7%，它不仅会在短期内拖累经济增长，而且将严重影响我们在气候变化等重要事项上的投资能力。我们需要积蓄资金，以促进与成功应对气候变化相关的能源转型。这些资金将从哪里来？在我刚刚描绘的世界里，它很难来自政府部门。

其五，过去30年是发展的黄金时期。全球供应链主要由私人部门构建，几乎完全满足效率标准，世界建立在效率和低成本的基础之上。但是，今时不同往日。全球经济遭遇各种冲击的频率、力度和范围在大幅增加。这些冲击来自不同的源头和方向：气候变化及其导致的极端气候事件、流行病、战争、意外的金融动荡、贸易和投资制裁被武器化……没有人认为这些冲击的频率、力度和地理影响范围会减少，这是一个不会很快被逆转的长期趋势。面对冲击，如果没有严肃的政策承诺作为后盾，完美的应对措施就不再是追求供应链的效率，而是追求韧性，也即追求国家安全、经济安全、能源安全和食品安全。换言之，效率和低成本可能不再是人们的首要追求目标。

其六，生产率增长目前遭受了巨大压力。例如在美国，尽管在20世纪90年代后期到21世纪初期有过一波生产率提升的小高潮，但总体趋势是下行的。事实上，全球大多数经济体也面临类似的模式。总体来看，美国经济在就业和增加值的占比上都在向非贸易部门的服务业倾斜，而贸易部门的制造业地位下降。目前，贸易部门大约占美国全部经济的三分之一，非贸易部门合计占经济总量的三分之二和全部就业人数的近80%，这包括政府、医疗、餐旅、零售、教育和建筑等部门。随着服务业在经济中占据支配地位，从就业趋势到经济增长前景的一切动向都取决于服务业的表现。这是一种结构性变化，意味着数以百万计的工作岗位从制造业向服务业转移。同时也表明，如果服务业的生产率增速较低，即便贸易部门中的制造业生产率增速较高，总体生产率水平仍会受到拖累。实际上，美国非贸易部门的生产率陷入停滞已超过20年（见图3）。

上述一系列底层的长期和结构性变化趋势正在从负面影响全球供应状况和成本，并削弱供给侧弹性。这些调整不是暂时性的，不会很快消失，而且其影响可能会与日俱增。把它们综合起来，可以看到我们面临的未来景象：受供给侧约束的全球经济。

我们之所以写这本书，是因为有一半的人生活在过去的思维模式中，他们认为一切都是正常的。经济学家会说，我们心中隐藏的模型都是基于这一规则。可这个规则早在很久以前就已经岌岌可危。无论是制定政策、企业战略还是投资决策，这些模型对决策都是有害的，因为它们不能反映现实。当你面对所有这些问题时，就迎来了我所说的某种形势变化：它以各种方式时刻改变着全球经济，它带来的供给侧约束比我们曾经经历的都要强大。

虽然我们拥有一些强大的科技工具可以扭转这股力量，但这可能不太容易落实，短期内也难以立竿见影。我认为，我们正陷于两三年的艰难时期。在发达经济体，通胀仍未结束。此外，即使挺过通胀期，我们也很难继续迈向成功，我不认为我们会回到通胀前的状态，尽管这似乎是市场的心态。

在供给侧约束下，任何需求激增都会产生通胀压力，并迫使货币政策做出反应以控制需求。我认为，在实现目标的过程中，我们将迎来更高的资本成本、更低的估值率，还有大量的突发状况和不稳定性。所有这一切都需要大规模投资才能实现。

图4展示了美国各类商品的价格。该图的有趣之处在于，可贸易商品的名义价格在过去20年里持续下降，而美国的医疗保健、教育及高等教育都相当昂贵。你可以看到，正是这种极其强大的通胀力量作用于部分经济，缓解了供给压力。

如果你生活在这样的世界里，如何解决这个问题？答案是，这可能需要更多的投资，但最重要的或许是我们需要提高生产率。然而，从2008年金融危机到疫情期间，美国的生产率增速大幅下滑至0.61%，如果用2021年的就业数据，可以看到，46%的美国就业人口所在部门的生产率增速低于0.5%。我认为，这是非常糟糕的表现。

我刚才所说的都是长期趋势，而不是暂时的。表1中八个国家的人口统计数据显然也是长期的。因此，我们很难摆脱这一长期趋势。它将显著影响全球经济。除了以上变化，全球经济重心也已发生转移，基本上移到了亚洲。据预测，这个重心会继续漂洋过海，抵达印度东部，那里目前正处于高增长阶段。今后全球经济重心将走向何方，目前还难以预测。

二、全球经济面临的科技变革

全球经济还在经历另外三个与科学技术相关的变化。第一个是长达数十年的数字化转型，包括在中国出现了很多与此相关的创业和创新活动，这是一场革命。

第二个正在发生的转变或许不那么受大众的关注，意义却同样重大，那就是生物学、生物医药和生命科学领域的革命。与数字技术领域一样，这场革命的动力部分来自强大工具的广泛普及，研究工具的成本大幅下降，足以让成千上万的科研人员参与科学研究与创新应用的进程。DNA（脱氧核糖核酸）测序成本降低，基因编辑技术进步，利用人工智能分析蛋白质三维结构，这些在十年之前还难以企及的成就，如今已经成为通行操作。今天的科技进步可望带来广泛而深刻的影响。新冠疫苗的迅速开发让我们得以一窥科学资源与技术诀窍的威力和潜能。它们的效应广泛反映在各种健康成就上面：传染病的预防和治疗、基因导致的疾病和基因紊乱的缓解、寿命延长，以及保证食品安全的能力得到提升等。

第三个变化是涌现了与大规模能源转型相关的大量新技术。以光伏发电或太阳能电池板为例，太阳能发电的成本在过去十年中下降至原来的十分之一至五分之一，使其足以匹敌甚至已优于化石燃料（见图5）。成本的显著下降已开启了智能电网测试、储能和电池技术进步，以及其他基础设施建设的大门。中国在其中发挥了重要作用。

接下来，让我们更具体一点地讨论数字化和人工智能（AI）。在作为数字化和人工智能硬件基础的半导体领域，摩尔定律至今依然适用，使得半导体在成本下降的同时仍能提升性能。现如今的GPU（图形处理器）就是装在口袋里的超级计算机，苹果手机的性能比原来提高了3~5倍。人工智能在语言识别、翻译、图像识别方面取得了巨大突破。随着以ChatGPT等大语言模型为代表的生成式人工智能的出现，掀起了一波人工智能开发和实验的热潮，这一技术可以有极其广阔的应用领域。假以时日，会有成百上千的应用工具或案例被开发出来。数字经济的好处和风险都在大幅增加。

麦肯锡的最新研究报告显示，如果将他们分析的涉及16种业务功能的63个生成式AI使用案例应用于各行各业，每年将带来2.6万亿~4.4万亿美元的经济收益，在非生成式人工智能可带来的11万亿~17.7万亿美元经济价值的基础上增加15%~40%。

人工智能工具是强有力的助手。在未来，从软件工程师到客服代表，都可以有一位能力超强的助手。这样的助手会帮助他们把工作做得更好，避免单调乏味，促进效率提升。斯坦福大学埃里克·布莱恩约弗森等人使用某个呼叫中心5 179名客服代表的数据，研究了交错引入基于生成式人工智能的客服助手在解决客户问题中发挥的作用。以每小时解决的问题衡量，使用该工具可以使生产率提高14%。对低技能的新手员工影响最大，对有经验的高技能工人影响最小。他们的提示性证据（suggestive evidence）表明，人工智能模型传播了高技能工人的潜在默会知识，帮助新员工积累经验。此外，人工智能客服助手还可以改善客户情绪，减少管理干预的请求，并提高员工忠诚度。

在医疗领域，临床医生在整理医疗文档上花费了大量的时间，约占到工作时间的35%，从而减少了花在患者身上的时间。有些医疗机构会雇用医疗抄写员（medical scribe）缓解医生的负担，这可以使医生每小时接诊的病人增加17%，使每个患者的相对价值增加21%。智能环境麦克风（Ambient Micro-phones）可以做类似医疗抄写员的工作。在一项研究中，研究人员收集了病人与医生之间的90 000次对话，在产生的14 000小时的门诊音频上进行了深度学习训练，结果该算法显示单词的转录准确率达到了80%，高于医学抄写员76%的准确率。而且就临床实用性而言，医护人员发现，检测眼镜上的麦克风将医学记录的时间从2小时缩短到15分钟，与患者相处的时间增加了一倍。

以上情形也同样适用于计算机领域，我们不需要软件工程师，只需要通过人工智能就能将描述代码的文本转换成计算机代码，但软件工程师不会不经审查就采用人工智能撰写的代码。因为人工智能是预测机器，它们会捏造一些内容，让人产生信以为真的“幻觉”。谷歌开发了基于大语言模型的聊天机器人Bard，类似于ChatGPT，谷歌的人告诉我，他们要求Bard写一篇关于通胀的文章。它做得不错，写了大约三页的内容。文章最后写道，如果需要拓展阅读，你可以阅读以下五篇论文和相关书籍。当我看到所列论文和书籍时，发现它们都不存在，竟是杜撰的，虽然这五篇文章的题目看起来很像那么回事。不过，在某些情况下，“幻觉”也可能有用。例如在创造性艺术与创意产业，事实对价值创造而言并不重要，新的思想观念才是关键。生成式人工智能不仅能够产生非“真实”的东西，还能推出人们之前从未想到的内容，这其实是一种财富。可以说，在创意领域使用人工智能技术，可谓既让人兴奋又令人担忧。

我认为值得一提的是，这类产品可能会大幅增长，生产率可能会大幅提升，从而实质性地改变全球经济结构，许多经济体也将同步发生变化。这也意味着我们要接受一个事实，人工智能模型朝着增强人类能力的方向发展。对于人工智能，存在所谓的“图灵陷阱”。图灵是一个天才，他发明了计算机，并提出了一个问题以评估或测试智能机器的进步：我们是否能够创造一台机器，当人类与之交谈或互动时，会误认为正在与另一个人交谈或互动？这是一个有趣的测试，它基本上以人类的表现为标准来测试人工智能。后者要么比人类表现差，要么接近，要么更好，或者是某种超级存在。这促使我们思考，一旦人工智能突破了人类表现的标准，从平凡变成卓越，也许就应该让机器取代人类来执行某些任务。因此，劳动者有理由把人工智能视为对自己生计的潜在威胁。但我要说的是，如果仔细观察我们拥有的人工智能，你会发现在可预见的未来，机器还不可能取代人类。

另外一点是，人工智能的实施非常重要。那些掌握软件技能、能够实施组织变革、了解组织行为的人，将肩负重任。如果技术进步了，譬如我们的医院引进了人工智能这种奇妙的工具，你马上就会看到人们对此感到惶恐不安。这样的例子很多。因此，人工智能的实施意味着需要全面开展人员培训，这种培训让人们真正明白自己面临的情况，并变得更具生产力。会有工作岗位被取代吗？当然会，比如撰写媒体文案，我们可能不再需要很多人从事这类工作。

我发现很多经济学家坚持需求固定的看法。如果生产率提高了，只需要更少的人就能生产出足够多的产品。是这样吗？其实不一定，生产产品可能需要更少的人，但也可能需要更多的人。我最喜欢举的例子就是计算机软件，人工智能将使软件工程师获得非常强大的生产力，那么，我们是否需要更少的软件工程师？如果从需求固定的角度看，那么答案是肯定的。但如果你意识到我们正处在一个以软件为基础的世界中，那么也许我们仍然会需要大量的软件工程师。所以，我认为很多问题目前还不清楚，很难给出确定性的结论。

关于数字技术和人工智能，我最后要说的是，就目前我观察华盛顿和欧洲的动态来判断，监管议程正朝着减轻风险和阻止其应用的方向发展。如果是这样，监管议程就忽略了技能和技术传播带来的积极方面，无法确保各个行业都不缺少数字应用。我们可以看到各个行业在数字应用方面的极大差异：科技领域和金融业齐头并进，而医疗保健、政府和其他部门则被远远抛在了后面。在这种情况下，预测就会变得非常不准确。生产率数据将相对失真。我们要做的是不仅在科技、金融和其他一些行业取得成功，还应该在几乎所有领域都有所进步。

从经济史上反复出现的例子看，我们需要一项积极的政策议程，以推广和实现数字应用，摩根大通等一些机构正在花费大量资金进行人工智能实验，而中小型企业做不到这一点，因为先进的人工智能和机器学习技术要求庞大的算力支持，尤其是在训练阶段。目前，如果不考虑各国的国家安全机构，超强的计算能力主要掌握在巨型平台手里，如美国有谷歌、微软和亚马逊，中国有阿里巴巴、腾讯、百度，它们或许具备几小时处理大量数据的计算能力。这一情况表明，我们必须小心的是，从技术的角度看，并不是每一家企业、每个人都能拥有一套大语言模型。所以，我们必须努力让技术进步能够惠及更多的人。

总之，在这艰难的几年中，全球经济经历了形势变化，供给侧发生了巨大转变，但是强大的技术和工具也给我们带来了机会。