一句话看懂：诺贝尔经济学奖得主菲利普·阿吉翁在外滩大会演讲中给出测算：AI 未来十年有望让生产率增速每年额外提高约 1.08 个百分点，但这一潜力能否兑现，取决于竞争政策、教育体系和劳动力市场制度能否同步跟上。
事件核心：发生了什么
9 月 10 日，2026 Inclusion·外滩大会以“共创 AI 新经济”为主题开幕。阿吉翁围绕“创造性破坏”与 AI 革命发表演讲，给出了两组关键测算：仅考虑 AI 对商品和服务生产中任务的自动化，未来十年生产率增速每年可额外提高 0.68 个百分点，与 IT 革命经验外推的结果处于同一量级；若进一步计入 AI 加速新想法产生的作用，还可再增加至少约 0.4 个百分点，合计约 1.08 个百分点。他同时提醒，技术突破不会自动转化为增长——美国 1996 至 2005 年 IT 革命期间，大企业快速成长、行业集中度上升、新企业进入率下滑，随后生产率增长明显回落。他指出，当前 AI 价值链上游集中度已较高，云计算由亚马逊、谷歌、微软等主导，图形处理器市场同样高度集中。谈到中国，他表示从高科技专利占比等指标看，中国在前沿创新方面表现良好，欧洲则不仅落后于美国，也正在落后于中国。
为什么重要
这组判断把 AI 的讨论从“模型能力”拉回到“增长条件”。阿吉翁的核心矛盾在于：创新需要让成功者获得足够回报，但成功者也可能利用既有优势压缩后来者的进入空间。对 AI 行业而言，这意味着算力、云服务和基础模型环节的高集中度不只是市场结构问题，而会直接影响创新能否持续。如果上游被少数厂商锁定，训练与推理成本、API 定价和生态准入都会受其影响，创造性破坏的动力也可能减弱。
对用户/开发者/创作者的影响
对开发者，产业集中度意味着模型 API、云算力和推理成本短期内难有结构性下降，选型时需要评估供应商锁定风险，开源模型与自托管方案仍是重要的对冲手段。对普通用户和创作者，阿吉翁强调教育应让人“学会如何学习”，并建议保留完全不使用 AI 的学习过程，学生使用的 AI 需经过筛选与规范。他还明确表示，“比以往任何时候都更需要提升手工劳动以及软技能的价值”——在图像生成、文案生成等 AI 应用普及的背景下，可验证的动手能力和沟通协作能力反而更稀缺。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是各国竞争政策是否针对云计算、图形处理器等上游集中环节有实际动作；二是 AI 进入校园的规范如何落地，是否出现明确的使用边界指引；三是丹麦式“灵活保障”这类失业保障加再培训机制，是否被更多经济体引入以承接岗位转换。
来源：InfoQ CN
