今日开幕！2026上海外滩大会 聚焦AI新经济
未来十年，AI有望使全球生产率增速每年额外提高0.68%——如果算上AI促进新想法产生的作用，这一数字可能达到1.08%。这是诺贝尔经济学奖得主菲利普·阿吉翁团队最新研究的测算结果。规模与上世纪末IT革命时期处于同一量级，甚至可能更大。
但9月10日在上海开幕的2026 Inclusion·外滩大会上，与会嘉宾给出了一个冷静的判断：技术突破并不等于经济增长。
这场以"共创AI新经济"为主题的大会，在1.5万平方米的展馆内集结了40余家具身智能企业的机器人产品，从机器狗到工业机械臂，AI终端正渗透进真实产业场景。但在开幕主论坛上，学界和投资界关注的焦点并非"AI能做什么"，而是"AI的潜力如何兑现"。
阿吉翁以美国IT革命为前车之鉴。1996年至2005年间，信息技术革命推动美国全要素生产率显著提升，一批"超级明星企业"快速崛起。但行业集中度随之不断攀升，新企业进入率从2000年前后开始下滑，生产率增长随后明显回落。这是"创造性破坏"理论的经典悖论：创新者需要足够回报才有动力继续创新，但当成功企业筑起高壁垒，新进入者被挡在门外，下一轮创新反而被削弱。
阿吉翁指出，当前AI价值链上游已呈现较高集中度。云计算市场由亚马逊、谷歌、微软主导，GPU市场同样高度集中。AI能否充分释放增长潜力，不只是技术问题，更取决于市场竞争能否维持足够活力。
就业是另一个绕不开的话题。AI会替代部分岗位，但生产率提升和新想法产生也可能创造新岗位。真正的挑战在于，教育体系和劳动力市场能否让劳动者完成这一转换。阿吉翁认为教育的核心不是让人掌握某一组具体知识，而是让人"学会如何学习"。他甚至建议保留一部分完全不使用AI的学习过程，让学生能够独立阅读、计算和思考。他以丹麦"灵活保障"体系为例，认为失业保障、再培训和再就业支持能帮助劳动者更顺利地进入新岗位。
如果说阿吉翁讨论的是AI如何进入经济体系，普林斯顿大学人工智能创新中心主任王梦迪则将视角拉回创新源头：AI距离自主发现新科学还有多远？
王梦迪团队的判断是：今天的大模型更擅长找到"最可能"的答案，而真正的新发现往往藏在概率分布的长尾里。
近期，王梦迪团队与普林斯顿大学社会学教授谢宇合作，用ChatGPT、Claude等大模型进行"模拟人生"实验。结果显示，模型在结婚年龄、职业、性别等问题上倾向于高估最常见情况，却明显低估少数情况和长尾分布。这或许能解释，为什么大模型在数学、编程等领域进展迅速，却在物理、化学、生物等基础科学领域尚未产生同等规模的原创发现。
数学和编程有一个共同特点：结果相对容易被验证。但现实世界的科学研究没有这么简单。王梦迪表示，一个科学想法能否成立，往往需要真实的实验设备、研究人员的判断以及跨团队协作。一些实验本身就难以稳定复现。AI获得的信息越来越多，并不意味着有效的新信息也在同步增加，科研过程反而可能面临更严重的"信噪比"问题。
在王梦迪看来，只有当物理世界中的实验过程能够被系统记录、持续验证、反复复现，AI才可能真正把训练中学到的"似然性"，转化为对"可能性"的探索。这意味着科学发现需要新的基础设施，而不仅仅是更强的模型。
AI进入企业后，改变的可能不只是某一个软件或工作流程。源码资本投资合伙人、美国国家工程院外籍院士张宏江将讨论推向企业内部组织变革。他认为，从技术层面看，AI正在成为人类历史上发展速度最快的技术浪潮之一。随着前沿模型能力提升和AI自我改进能力增强，虚拟世界和物理世界之间开始形成更快的反馈循环。
张宏江概括了一条演进路线：Agent的进化——从对话到助手，从被动到主动，从个体到群体。在这一过程中，软件首先发生变化：过去是人使用软件，未来可能越来越多的软件由Agent自主调用。多个Agent之间形成经济关系网络，即"Agent Economy"，一种新的经济关系正在浮现。
据公开信息，本届外滩大会期间，来自学界、产业界和投资界的嘉宾围绕AI对就业、经济增长和未来社会影响展开了多场讨论。共识正在形成：技术突破只是起点，市场竞争、教育转型、科研基础设施重构和企业组织变革，才是AI新经济能否兑现的关键变量。阿吉翁用一句话概括了这场讨论的核心张力——"AI能够做什么，或许已经不是最难回答的问题。"
本文由AI辅助生成
