认识全球顶尖的“AI增强型”经济学家

一句话看懂：《经济学人》近期评选出一批深度拥抱人工智能的经济学家，他们不再仅用传统计量模型，而是将大模型、代理仿真（Agent-Based Modeling）和因果推断嵌入研究流程。这一趋势表明，AI正从一个被分析的对象，变为经济学研究的基础工具。

事件核心：发生了什么

2025年6月，《经济学人》发布专题报道，介绍一批被称为“AI增强型”（AI-pilled）的经济学家。这群学者活跃于MIT、芝加哥大学、斯坦福等机构，其共同特征是将大语言模型（LLM）用于撰写研究代码、自动提取非结构化数据（例如政策文本、公司公告）以及构建基于AI“代理”的仿真经济系统。报道指出，部分研究者已开始使用GPT-4或Claude进行假设生成与文献筛选，并利用多模态模型分析卫星图像、消费记录等高维数据。这些工作流并非实验性质，而是已经产出发表于《美国经济评论》等顶刊的实证论文。

为什么重要

这一变化的意义在于，经济学作为对因果推断和数据验证要求极高的学科，正在系统性接纳AI作为“研究协作者”。此前，AI在经济分析中的角色多为预测（如GDP预测），现在其角色转向了数据生成、模型构建与重复实验自动化。对AI行业而言，这意味着一个新的高价值需求市场——专业级API调用量将上升，尤其是低延迟、支持复杂推理的API（如GPT-4 Turbo、Claude 3.5 Sonnet）可能成为学者首选。同时，这一趋势也可能推动学术界对开源大模型的审计要求，因为研究需保证结果可复现，闭源模型的“黑箱”特性会面临更大压力。

对用户/开发者/创作者的影响

开发者：经济学研究的AI化将催生针对因果推理、结构化数据处理的专业工具需求，比如自动清理时序数据的插件、支持经济学理论约束的训练框架。开发者可关注面向社会科学研究的轻量级AI工具套件，例如结合Stata或Python的LLM接口。
数据与API供应商：大学批量采购API将成为常态，提供教育折扣或研究专用API tier的厂商（如OpenAI的Researcher Access计划）将获得更稳定的学术付费用户。
内容创作者：经济学博客、金融分析内容可借助大模型进行更细颗粒度的数据交叉验证，但需警惕模型幻觉导致的错误因果关系输出。