AI 经济学研究：学术界为何正在“掉队”？
尽管人工智能创造了数万亿美元的市值，但主流学术经济学家对其研究却表现得异常冷淡。相比 2008 年金融危机或 2020 年疫情爆发后经济学界的迅速响应，AI 领域的学术研究进展缓慢。
学术界的“缺席”原因：
- 数据匮乏与隐蔽性： 与疫情带来的直观宏观冲击不同，AI 对经济的改变是“潜移默化”的。目前 GDP 和失业率等宏观数据中几乎看不到 AI 的直接印记，导致学者们缺乏分析素材。
- 技术怀疑论： 经济学家往往对技术带来的生产力爆发持怀疑态度。历史表明技术红利通常需要几十年才能转化为经济增长，因此许多学者认为 AI 的转型潜力被夸大了。
- 方法论陷阱： 现有的 AI 经济学模型常基于“AI 不会创造新事物”的假设，从而低估了其潜在影响。
研究阵地向“外部”转移：
面对学术界的迟缓，所谓的“AI 派经济学家”（AI-pilled economists）正在寻找新的栖息地：
- 政府机构： 各国统计部门和央行正致力于构建基础数据基础设施，为未来的分析提供必要支撑。
- 科技公司内部： Anthropic、OpenAI 和 Google DeepMind 等顶级 AI 实验室正在大规模招募经济学家。这些实验室拥有学术界无法企及的数据资源和高薪待遇。
警惕：研究商业化与独立性风险
这种向企业内部的转移引发了担忧：
- 研究范式的改变： 随着经济学家从学术界转向产业界，其产出可能从“公开科学”转向“专利创新”，研究重点也可能从宏观社会议题转向公司业务优化（如广告拍卖设计）。
- 利益冲突： 实验室背景的研究员可能面临压力，只能发表对 AI 有利或将其描述为“安全”的研究，难以保持学术中立。
社会需要客观的分析来评估 AI 的机遇与风险，但在这一领域，学术经济学家显然已经落后。