寻找跨越周期的长期引擎：海外发达经济体科技赋能启示录

摘要： 本报告旨在探讨科技创新如何作为核心引擎驱动宏观经济的长期增长，重点分析了全要素生产率（TFP）在量化科技拉动作用中的核心地位，并总结了美国等发达经济体从计算机化到人工智能的两次重大科技转型经验及其触发条件。

核心观点：

1. 科技拉动的长短期分化：短期内，科技产业通过大规模资本支出（如AI基础设施）产生需求脉冲，对冲经济下行压力；长期看，持续的技术进步是打破资本边际报酬递减、实现人均产出持久增长的唯一途径。
2. 转型是非线性跃迁：科技转型需在要素红利见顶、基础设施“技术化”升级、资本市场深度改革以及人力资本储备充分等条件成熟时，才会发生结构性跃迁。
3. 阵痛期不可避免：转型过程中会出现结构性失业（尤其是AI对高薪白领岗位的替代）以及资本错配导致的资产价格剧烈波动。

论据支撑：

1. TFP量化分析：通过柯布-道格拉斯生产函数剥离索洛残差，测算1948年以来美国六个技术周期的科技贡献率，证明TFP与实际产出增速的长期同向关系。
2. 历史拐点回顾：分析了90年代末从“计算机化”到“网络化”的第一次转型，以及2010年代中后期从“信息技术”向“人工智能”转型的逻辑与条件。
3. 社会经济影响：引用BLS数据分析不同薪资岗位的“AI暴露度”，揭示人工智能转型中职业分化加剧的特征。

局限性/风险：

1. AI泡沫风险：科技巨头资本支出若无法转化为实际回报，可能引发投资热潮断崖式降温。
2. 供应链风险：地缘政治摩擦可能导致全球科技供应链断裂，扼杀TFP的长周期拉动路径。
3. 路径偏差：历史数据推演可能与未来的实际演进路径存在偏离。