https://www.digitalistpapers.com/vol2/atheyscottmorton
作者：Susan Athey 和 Fiona Scott Morton
Susan Athey（苏珊·阿西），斯坦福大学商学院经济学教授，首位获得约翰·贝茨·克拉克奖的女性经济学家。该奖项授予40岁以下对经济学思想做出重大贡献的学者，其含金量常被视为仅次于诺贝尔奖。
Fiona Scott Morton（菲奥娜·斯科特·莫顿），耶鲁大学管理学院经济学教授，曾担任美国司法部反垄断部门的首席经济学家。
一种普遍的担忧是，变革性人工智能可能会将权力集中在少数公司和个人手中。尽管它前景广阔，但变革性人工智能最终可能会让普通人的处境变得更糟。在这篇文章中，Susan Athey 和 Fiona Scott Morton 探讨了这个问题，指出虽然变革性人工智能可以通过更低的价格或更好的产品为消费者带来生产力提升，但这样的结果并非 guarantee。他们提出了以保护市场竞争为重点的政策措施，以确保变革性人工智能的收益被广泛分享。
引言
人工智能在科技界和媒体中引起了巨大轰动。经济学家预测其将带来戏剧性的增长，投资者投入大量资金，各国政府也在为未来布局。然而，许多政策辩论忽略了一个关键问题：人工智能节省的资源能否惠及最终消费者？竞争驱动创新、质量和更低的价格。没有竞争，企业会将成本节约留存为利润，收取高价，并扼杀下游创新，降低应用质量和多样性。市场势力还允许企业“挑选赢家”或整合到价值链的其他环节，限制客户选择并削弱相邻行业的竞争。
因人工智能驱动的自动化而失业或面临工资下降的工人，除非他们同时享受到更便宜的商品和服务，即他们失业带来的成本节约被传递给他们，否则他们的处境将更糟。对于一个国家整体而言，当人工智能是一种进口的生产要素时，市场势力可能意味着国民收入的增加或减少，而对单一外国供应商的依赖则会造成持续的 disruption 风险。由于人工智能是一种通用技术，不仅被最终消费者使用，而且也被企业使用，人工智能中的市场势力可以影响下游行业的产业结构、价格、产出和生产组织，这些影响反过来又会反馈到要素市场，特别是劳动力市场。因此，理解市场势力的来源和后果对于关于人工智能的宏观经济和贸易政策变得至关重要。
本文设想了在人工智能具有变革性（与常规技术进步不同）的情景下，市场势力在人工智能中的后果。变革性人工智能不是改变边际上的商业选择，而是推动经济活动和剩余分配在群体和国家之间的更大规模重组。我们的模型考虑了资源在部门间的重新配置、对价格水平和部门收入的影响，以及收入变化对商品和服务需求的反馈效应，这反过来又决定了每个部门对工人的需求。为了分析变革性人工智能的情景，我们采取宏观视角并求解一般均衡。这种宏观框架对于竞争分析来说是不寻常的，后者通常更关注单一市场。本文更进一步，考虑了许多国家正在采用人工智能的世界中对贸易开放的影响。人工智能的广泛可用性意味着一个国家不太可能通过在人工智能取代工人的部门出口商品来维持增长。
我们为什么要关注市场势力？
当今天许多公司都在大力投资人工智能时，为什么还要关注市场势力？人工智能产品是在一个多层价值链中创建的，该价值链包括芯片、计算能力、专有数据、语言模型、应用、分发、设备和系统集成等组成部分。每一层都存在潜在的进入壁垒——包括规模经济、沉没成本、能力、知识产权、数据访问、转换成本、网络效应，以及对关键分销渠道或供应来源的控制。即使今天大多数层都是竞争的，历史表明，任何一层的瓶颈都可能助长市场势力。一层的集中为企业提高价格并从整个价值链中获取更多利润创造了机会。此外，由于贸易限制或特殊需求，特定的客户群体可能只有有限的人工智能供应商选择。
“即使今天大多数层都是竞争的，历史表明，任何一层的瓶颈都可能助长市场势力。一层的集中为企业提高价格并从整个价值链中获取更多利润创造了机会。”
人工智能价值链的某些层是全球性的，有多个竞争对手，但其他层则受到国家政策或限制的影响。例如，政府可能出于安全原因限制外国芯片，减少国内竞争，或者他们可能补贴本地进入者以促进全球竞争。出口管制可能限制对关键投入的获取，有时使国家只有一个供应商。[1] 类似的限制也适用于基础模型，由于监管成本，某些司法管辖区可能不提供这些模型。本地语言需求也可能限制应用程序的可用性。系统集成商或国防承包商可能拥有市场势力，通过监管壁垒的支持收取高额加价。
即使在全球市场中，数字市场的历史也有许多公司通过整合到相邻价值链层并排除竞争对手来扩大市场势力的例子——这种行为可能造成一种情景，即新进入者需要在多个层面推出产品才能成功。例如，移动电话提供商可能限制人工智能应用提供商访问应用商店或关键功能，迫使他们通过自己的操作系统或设备进入市场。[2] 类似的挑战也发生在浏览器[3] 和独家芯片供应协议[4] 上。预计到这种动态，公司可能会达成交易或垂直整合，以防范或行使市场势力。[5] 过去具有启发性：像苹果和谷歌这样的科技巨头长期以来一直收购相邻公司，并整合硬件、软件和深度供应链，通常使用排他性协议。
“过去具有启发性：像苹果和谷歌这样的科技巨头长期以来一直收购相邻公司，并整合硬件、软件和深度供应链，通常使用排他性协议。”
下游行业的市场势力也威胁到经济福利。当占主导地位的公司采用劳动力替代技术时，他们通常保留成本节约，而不是将其传递给消费者。这可能意味着工资下降和工人艰难转型，而消费者价格仍然很高。即使利润留在国内，它们也可能不会在经济中广泛流通。
在本文中，我们认为，即使市场势力的风险很小，也有理由将竞争作为人工智能监管和政策的核心考虑因素。例如，人工智能安全规则可能会保护消费者，但如果它们减少了竞争，就可能导致新的消费者伤害，并削弱长期市场对安全激励。确保法规不损害竞争在各个行业都很重要，但这对像人工智能这样的通用、变革性技术尤其关键。[6]
对劳动力替代型人工智能的宏观经济影响进行建模
“由于人工智能影响全球行业，生产率的提高可能不会导致出口或行业增长。”
宏观经济学文献认为，生产率冲击通常通过用更少的投入实现更多的产出，通常通过为国内消费或出口的部门扩张来促进增长，从而帮助经济体。然而，这些冲击也可能通过吸引生产要素来促进增长，从而加剧不平等或提高其他部门的价格。我们认为人工智能不会主要以此种方式作用。由于人工智能影响全球行业，生产率的提高可能不会导致出口或行业增长。依赖廉价劳动力出口的国家可能会失去这一优势，使得人工智能驱动的出口扩张不太可能。此外，当人工智能取代劳动力时，它将工人推向边际回报较低的部门，而不是将他们从其他地方吸引过来。在资本方面，人工智能可能具有更传统的影响，例如，提高对计算的需求，从而导致短缺和更高的成本。
更广泛地说，许多关于人工智能的宏观文献都集中在它对资本-劳动比率的影响以及可能出现的不平等问题上。Nordhaus 提出了一个模型，其中人工智能增加了资本投资和增长，强调回报主要归于资本：“资本最终获得了几乎所有的蛋糕，但留给劳动的碎屑——它们确实是越来越巨大的蛋糕山中的小块——仍在以惊人的速度增长。”[7] 然而，我们在配套论文《人工智能、竞争与福利》中认为，当消费者价格不随成本因市场势力而下降时，这种逻辑就失效了。[8]
作为具有市场势力的进口生产要素的人工智能
传统的宏观模型通常假设固定的行业结构和加价，即使面对技术变革，也不考虑关键投入的垄断或寡头供应商。这些特征对于理解人工智能的影响至关重要。我们认为，进一步考虑人工智能对国际贸易的影响很重要，因为一些国家可能会由于全球可用的人工智能而失去其出口市场优势。除了任何人工智能驱动的工人 displacement 之外，人工智能供应链中的市场势力可能导致国民收入因高技术价格而泄漏到国外。
“除了任何人工智能驱动的工人 displacement 之外，人工智能供应链中的市场势力可能导致国民收入因高技术价格而泄漏到国外。”
而且，尽管有大量的经济学文献探讨了数字市场中的市场势力，但几乎所有这些文献都采取了局部均衡的视角。我们认为，通用技术具有一阶的一般均衡效应，并且我们表明这些效应可以反馈给具有市场势力的公司的激励。
为了捕捉人工智能的情况，特别是对于可能进口人工智能技术的小国，我们建立了一个开放经济模型，该经济进口人工智能作为生产要素，人工智能取代其他要素，特别是劳动。[9] 该经济在其他方面是封闭的，因此每个部门都面临递减的回报，这确保人工智能生产率冲击不允许一个国家转向出口由人工智能驱动的商品，这与我们的假设一致，即使用人工智能作为主要生产要素的商品可以在许多地方生产，而以前依赖廉价劳动力推动出口的国家可能需要重新分配到不同的部门。当然，一些国家可能拥有特定的资源、数据或其他专业资产，使其能够因人工智能而增加出口，但我们关注的是另一种情况。
我们建立在贸易文献，特别是离岸外包文献的见解之上。[10] 然而，我们也强调了与标准设置的不同之处。贸易文献通常表明，经济体对新的生产要素开放有利于该经济的生产率，并且因为它扩大了选择集，经济变得更好，可以更有效地重组，[11] 从而提高所有要素的边际生产率。但贸易也会带来挑战：随着生产在各部门和生产要素之间重组，某些类型的工人和生产要素需求降低，导致再分配。特别是，从事非贸易品任务的工人受益，而那些制造现在被离岸外包的商品的工人，在新要素进口时受损。但是，当可贸易部门有足够的 displacement 时，非贸易部门的工人也可能受到伤害。
“当贸易可能造成伤害时，标准的政策应对是对进口要素征收关税，这有助于被进口 displacing 的工人。我们认为，关税有助于失业工人的直觉可能不适用于人工智能的情况。”
当贸易可能造成伤害时，标准的政策应对是对进口要素征收关税，这有助于被进口 displacing 的工人。我们认为，关税有助于失业工人的直觉可能不适用于人工智能的情况。首先，如果关税减少产出从而减少就业，留在人工智能驱动部门就业的工人群体可能会受损。其次，如果人工智能已经导致生产的全面重组以自动化掉工作，那么人工智能价格的小幅或适度上涨可能不会诱使公司带回那些被自动化的类型的工人。第三，人工智能价格的上涨可能反馈到消费者价格，这使工人的状况更糟。
这只是一个传统见解可能不适用的例子。向新要素开放贸易通常涉及经济的有限份额、相对较小的要素价格变化以及生产技术的局部而非全球变化。标准结果还取决于技术以成本价出售的假设。如果相反，新要素有一个具有市场势力的所有者，并且新要素可以完全替代经济大部分中的劳动，那么这些模型就不再提供正确的直觉。
人工智能中市场势力的影响
在我们的配套论文中，[12] 我们关注人工智能对两类劳动力的影响，我们称之为熟练和非熟练，尽管这些标签在这里可能不具有传统意义。“非熟练”的定义不是教育或收入水平，而是工人是否可以被人工智能替代，而熟练工人则较难被替代。从引入竞争性提供的人工智能开始，人工智能对工人类型的直接影响取决于人工智能在该部门是劳动的替代品还是补充品。当人工智能可用时，更像替代品的工人将被取代。在我们的一般均衡模型中，重要的是工人是否能在其他部门具有生产力，以及他们在其他部门是其他类型工人的替代品还是补充品。如果他们是其他部门工人的替代品，他们的 displacement 会压低其他部门所有工人的工资。我们的见解来自一般均衡模型，补充了 Autor 和 Thompson 的理论和实证工作，[13] 他们关注的问题是，在人工智能自动化一些任务后，对该工作的要求是否仍然差异化。
“在我们的一般均衡模型中，重要的是工人是否能在其他部门具有生产力，以及他们在其他部门是其他类型工人的替代品还是补充品。”
在竞争下，人工智能可能导致上述的分配和重新配置挑战。然而，更有可能的是，价值创造通常会带来一个国家福利的整体增加。即使在竞争性提供的情况下，我们也注意到公司采用决策可能会产生外部性。一家公司可能在雇佣工人和购买人工智能之间无差异，但从国家的角度来看，雇佣工人使利润在国内经济中循环，而支付给外国提供商则用增加的消费（通过效率）换取减少的国民收入。
然后，我们将竞争基准与人工智能中存在市场势力的情景进行比较，在后者中，价格可能提高到公司对采用无差异的程度。我们注意到，如果人工智能已被采用，工资可能低于没有人工智能的情况，我们在分析公司“偏离”不采用人工智能的激励时考虑到了这一点。我们还假设人工智能提供商在设定价格时考虑其高价对国民收入的影响。
“一家公司可能在雇佣工人和购买人工智能之间无差异，但从国家的角度来看，雇佣工人使利润在国内经济中循环，而支付给外国提供商则用增加的消费（通过效率）换取减少的国民收入。”
我们表明，人工智能价格的上涨通常会伤害经济中的所有工人，特别是当被取代的工人是跨部门其他工人的替代品时。此外，当价格设定为使公司对采用人工智能无差异时，在合理条件下，一个国家在引入人工智能后整体上可能变得更糟，并且在采用后征收的关税可能会使情况更糟。此外，被取代的工人群体可能会因工资降低和消费者价格高企的双重打击而受到特别严重的打击。我们进一步分析了两部分定价的作用，表明如果一个国家试图监管人工智能的投入价格，那么同时监管固定费用和边际费用将很重要，因为追求利润最大化的垄断人工智能提供商将同时使用两者。
哪些政策应对这些挑战？
消费者处境更糟的结果并非不可避免。有许多政策工具可用于保护竞争及其带来的利益，而其他政策工具可以直接使工人受益，同时提高经济生产力。
可能有机会制定能够同时实现多个目标的公共政策：(1) 增加创业精神和一个国家对人工智能价值链的贡献；(2) 提高对福祉、长期人力资本和国家增长至关重要的关键服务的质量；(3) 解决失业工人面临的具体挑战。特别是，政府可以投资于帮助工人过渡到服务部门的举措，包括教育、医疗保健、老年人护理、儿童保育或警务。在这些举措中，技术可能是过渡工人的补充品，通过减少所需专业知识来提高他们的生产力。在许多国家，增长受到某些服务部门受过教育的专业人员不足的限制。如果人工智能可以帮助新工作或新领域的工人提供高质量的服务，那么政府提供这些服务的成本就会降低。政府可以通过创新竞赛、采购或能力建设等方式实施此类政策。如果政府在本地采购人工智能驱动的服务，他们可能能够启动本地的知识基础，从而导致相邻领域的更多创业精神。
“技术可能是过渡工人的补充品，通过减少所需专业知识来提高他们的生产力。”
在竞争政策领域，政府可以审查人工智能行业以及价值链不同层次不同参与者之间的竞争，寻找拥有市场势力的公司试图在同一市场或相邻市场阻碍竞争的地方。[14] 一个国家可以考虑创建一个数字监管机构，负责跟踪人工智能的发展，并就安全、国家安全、对劳动力的影响以及任何其他重要问题等主题进行研究，其任务是考虑法规对竞争的影响。这样的监管机构可以被授权审查人工智能 stack 中各方之间的合并、联盟、投资和合同。
在数字市场中具有一定先例的一个政策理念是监管 stack 各层之间的互操作性。[15] 每一层的主导者可能选择不支持互操作性，因为他们的市场势力在没有互操作性的情况下更强。[16] 但是，较小的公司和进入者将受益于能够以非歧视的方式连接到 stack 的相邻层。当 stack 的每一层都有竞争对手并且进入是可能的时，任何一层的垄断都将更加困难。
“一个国家可以考虑创建一个数字监管机构，负责跟踪人工智能的发展，并就安全、国家安全、对劳动力的影响以及任何其他重要问题等主题进行研究，其任务是考虑法规对竞争的影响。”
基于人工智能的编码工具也可能用于将软件产品从一个云或芯片组移植到另一个，或将应用程序从一个基础模型移植到另一个，从而降低转换成本。[17] 较低的转换成本通常会加剧竞争并降低加价，使消费者受益。尽管私营部门可能被激励去创建这种“可移植性”工具，但如果存在差距，公共政策可能会为创建此类工具提供明确的激励或资金。
政府可以在人工智能领域选择支持竞争的产业政策。至少就目前而言，开源模型可以被用户下载并无限期使用；它们也可以在本地基础设施上通过一个称为“微调”的过程进行修改，使模型能够跟上世界事件、研究发现和语言的更新。由于使用模型只需要用户支付计算成本，“足够好”的开源模型的可用性为专有基础模型提供商对更基本功能收取的价格设定了上限——尽管这取决于相对质量如何随时间演变。政府可以促进“开放”基础模型的创新，或赞助研究，以实现对开源模型进行大规模安全或其他公共政策目标测试。
国内生产能力的永久性 loss 是另一个风险。人工智能可能会 displacing 国内经济活动，而这些活动由于涉及边做边学或组织资本，重建成本高昂。供应链中可能存在集聚效应，一旦失去就很难再现。在这种情况下，对人工智能供应商的依赖性将增加。该供应商可能是外国的，也可能是一个其目标与民选政府不一致的个体。一个国家讨价还价和监管人工智能价格的能力可能会恶化，如果它的外部选择因为无法再独自生产商品和服务而退化。政府可能需要投资于维持本地能力，并考虑如何维持可以与本地能力配对的人工智能的多个来源，以便在长期内保持抵御市场势力行使的韧性。
并非所有全球人工智能提供商都愿意投资于针对小国的定制和分销，这是由于固定成本、特定国家的监管或贸易政策。较弱的本地竞争为产业政策开辟了空间，激励提供商克服本地定制所需的固定投资，从而使下游行业能够建立在该技术之上。在某些情况下，本地企业家可能能够承担“最后一英里”的定制，并且可能存在可以通过产业政策内部化的正外部性。
税收政策和分配政策可用于解决收入不平等。由于资本的回报率可能远高于过去，并且经济可能转向更加资本密集型，资本税将成为公共政策的一个关键问题。[18] 对劳动力替代技术征税的收入可用于支付帮助工人适应人工智能所需的政策，或提供整个经济范围的公共产品。政治经济可能间接受到竞争政策的影响，因为在一个少数公司提供整个经济所依赖的技术的情景中，企业权力可能发挥作用。
我们的配套论文[19] 更详细地阐述了关于这些及其他主题的与政策相关的研究议程。我们认为，解决这些研究问题对于寻求指导政策制定者增强变革性人工智能（以及潜在的劳动力替代型人工智能）的利益并减轻其损害的经济学家至关重要。
“我们认为，解决这些研究问题对于寻求指导政策制定者增强变革性人工智能（以及潜在的劳动力替代型人工智能）的利益并减轻其损害的经济学家至关重要。”
参考文献
[1] Gracelin Baskaran, “China’s New Rare Earth and Magnet Restrictions Threaten U.S. Defense Supply Chains,” 美国战略与国际研究中心, 2025年10月9日; Barath Harisas and Andreas Schumacher, “Where the Chips Fall: U.S. Export Controls Under the Biden Administration from 2022 to 2024,” 美国战略与国际研究中心, 2024年12月12日.
[2] 有许多案例中，监管机构或法院认定移动操作系统提供商违反了竞争法，或接受了与竞争担忧相关的和解，特别是围绕手机提供商利用其对已安装用户群的控制，将应用提供商排除在硬件访问或通过其应用商店分发之外的行为。例如，参见欧盟委员会, “Commission Accepts Commitments by Apple Opening Access to ‘Tap and Go’ Technology on iPhones,” 新闻稿, 2024年7月11日; Stephen Nellis and Foo Yun Chee, “Apple Changes App Store Rules in EU to Comply with Antitrust Order,” Reuters, 2026年6月26日. 在谷歌搜索反垄断案中，一名联邦法官裁定，谷歌通过与竞争性移动操作系统提供商苹果的独家分销协议维持了其在搜索领域的垄断地位；United States of America v. Google LLC, 1:20-cv-03010 (D.D.C.), Document 1033.
[3] 至少从21世纪初开始，浏览器与搜索引擎和工具栏等相关产品之间的长期独家商业交易一直是浏览器市场的一个特征。2025年4月，Perplexity.ai的高管在补救措施审判中作证称，由于谷歌的排他性行为，他们难以获得其AI产品的分销渠道；Karina Montoya, “Analyzing Week One of Google Search’s Antitrust Remedies Trial,” TechPolicy.Press, 2025年4月29日。2025年晚些时候，在谷歌搜索案的法官允许后两周，谷歌将其专有的Gemini AI 集成到 Chrome 浏览器中。此后不久，Perplexity 发布了一个集成 Perplexity AI 服务的竞争性浏览器。
[4] Foo Yun Chee, “EU Watchdog Probes Nvidia Hardware Bundling as It Scrutinises Run:ai Deal,” Reuters, 2024年12月4日.
[5] 最近，微软在 Office365 生产力套件中扩展了其 AI 产品，包括访问 OpenAI 以外的模型，特别是 Anthropic 的 Claude。2025年年中，OpenAI 先后宣布与博通、英伟达和 AMD 达成协议，每家都将为 OpenAI 提供芯片。这种策略可能会增加竞争，因为它有助于维持 AI 芯片领域的多个竞争对手，而 OpenAI 的动机可能是担心其成功依赖于单一的芯片供应商。
[6] 关于拜登政府的竞争行政命令和政策的讨论，参见 Bill Baer, “Competition Policy in the Biden Administration: Translating Campaign Poetry into Governing Prose,” 2024年 Milton Handler 在纽约律师协会的演讲, 布鲁金斯学会, 2024年5月28日。特朗普政府于2025年3月宣布成立一个调查反竞争法规的工作组；美国司法部公共事务办公室, “Justice Department Launches Anticompetitive Regulations Task Force,” 新闻稿, 2025年3月27日.
[7] William D. Nordhaus, “Are We Approaching an Economic Singularity? Information Technology and the Future of Economic Growth,” American Economic Journal: Macroeconomics 13, no. 1 (2021年1月): 299–332.
[8] Susan Athey and Fiona Scott Morton, “Artificial Intelligence, Competition, and Welfare,” 美国国家经济研究局工作论文第34444号, 2025.
[9] Athey and Scott Morton, “Artificial Intelligence, Competition, and Welfare.”
[10] 离岸外包文献有大量我们在此未讨论的额外见解，其中许多可能在未来的工作中适用于人工智能问题。
[11] Gene M. Grossman and Esteban Rossi-Hansberg, “Trading Tasks: A Simple Theory of Offshoring,” American Economic Review 98, no. 5 (2008): 1978–1997.
[12] Athey and Scott Morton, “Artificial Intelligence, Competition, and Welfare.”
[13] David Autor and Neil Thompson, “Expertise,” 美国国家经济研究局工作论文第33941号, 2025年6月.
[14] 见尾注2-4的例子。
[15] 欧盟的《数字市场法案》对现有的数字平台采取了这种方法；Fiona M. Scott Morton, Gregory S. Crawford, Jacques Crémer, David Dinielli, Amelia Fletcher, Paul Heidhues, and Monika Schnitzer, “Equitable Interoperability: The ‘Supertool’ of Digital Platform Governance,” Yale Journal on Regulation 40, no. 3 (2025): 1013–1055.
[16] 例如，Leevi Saarie, “The Rise and Fall of Nvidia’s Geopolitical Strategy,” TechPolicy Press, 2024年5月6日；这类行为的理论分析见 Susan Athey and Fiona Scott Morton, “Platform Annexation,” Antitrust Law Journal 86, no. 3 (2023): 839–882.
[17] 尽管今天在不同LLM提供商之间转换似乎成本最低，但随着时间的推移，这可能会改变。而且，通常对一个模型效果好的“提示”可能对另一个模型无效，需要在对模型进行转换时对应用程序进行彻底测试。
[18] 例如，Nordhaus, “Are We Approaching an Economic Singularity?”; Daron Acemoglu and Pascual Restrepo, “Does the U.S. Tax Code Favor Automation?,” Brookings Papers on Economic Activity, 51, no. 1 (2020年春季), 231–300.
[19] Athey and Scott Morton, “Artificial Intelligence, Competition, and Welfare.”
转载请注明：《中国社会分红/基本收入研究网》 浏览量：8 views
