生成式人工智能ChatGPT的数字经济风险及应对路径

李颖

摘要：ChatGPT作为生成式人工智能的典型应用，通过算法实现对人类的创意、咨询、分析等部分基础工作进行替代。生成式人工智能在提高生产效率的同时也因为其不透明性、高渗透性和颠覆性特征对经济社会产生三重影响，促进了数字生成工具的异化和劳动分化，形成了超级产业组织并推动管理变革，通过生产方式的革新形成了人与人之间新型的数字化社会关系。数字经济发展面临技术势差扩大、产业组织数字化转型障碍、数字竞争力分化等问题，就业与分配、区域均衡、数字贸易、企业管理等一系列制度安排都面临重构。因此，应以“善治”和“善用”为手段，构建积极包容的发展环境，以制度优势和场景红利化解风险。

关键词：ChatGPT；生成式人工智能；数字经济风险；应对路径

中图分类号：Ｆ４９；ＴＰ１８    文献标志码：A    文章编号：1001-862X（2023）02-00７４-00７

引 言

党的二十大报告指出，我国发展进入战略机遇和风险挑战并存、不确定难预料因素增多的时期，各种“黑天鹅”、“灰犀牛”事件随时可能发生。2023年4月28日，中共中央政治局会议指出，要重视通用人工智能发展，营造创新生态，重视防范风险。

生成式人工智能是基于自然语言技术用于生成文本、图片、视频等内容的通用人工智能，代表性产品ChatGPT由美国OpenAI公司开发，于2022年11月推出，主要提供生成及时对话相应的文字服务，被看作是“行业下一个巨大的颠覆者”［1］。人工智能将对经济社会产生相当大的影响，有助于提升全要素生产率［2］，推动经济增长，有助于增长质量的提升［3］。同时，对ChatGPT为代表的生成式人工智能的担忧也越来越多，认为可能在公共治理、法律、伦理［4-5］等领域产生一定风险，产生对话风险、信用风险、政治风险［6］，在数据挖掘、内容生成与生成内容使用等方面会产生版权风险［7］，甚至会导致财富分配结构的恶化、社会供需结构的失衡［8］。

从现有的研究成果来看，学界对ChatGPT等生成式人工智能的风险探讨已经积累了一些成果，但目前的研究重点关注其对社会、伦理等方面影响，鲜有从数字经济角度研究生成式人工智能可能产生的风险。生成式人工智能已经进入商用，不仅是实验室里的一种算法或是人类骨骼的外延，而是以数字产品为劳动对象的人类智力的物化形态，相比之前互联网技术革命，以泛在的连接性和快速迭代性，通过网络深入数字经济的方方面面，呈现出劳动者的主体性越来越被遮蔽的趋势，微观经济主体生产方式的改变必将带来对劳动、分配、国际分工等全方位的冲击。正如马克思所强调的，“蒸汽、电力和自动纺机甚至是比巴尔贝斯、拉斯拜尔和布朗基诸位公民更危险万分的革命家”［9］。生成式人工智能与经济的融合越来越深，人工智能奇点日益临近，将导致数字经济的发展基础、产业数字化、创新、贸易以及企业管理等一系列制度安排都面临重构，对人口众多、区域发展不平衡的发展中国家尤是如此，这就需要从经济视角分析生成式人工智能对数字经济产生的影响及潜在风险，为应对风险挑战、赢得主动提供借鉴。

一、生成式人工智能对数字经济的三重影响

人类在改造客观世界时具有两种能力，身体能力和认知能力。［10］上一代人工智能革命主要表现为机器对身体能力的替代，解放了人类的身体、提高了劳动效率，使人类享有了更多的闲暇。生成式人工智能的先进算法、超大量数据与高算力在不同领域结合，提高了认知效率，标志着人工智能由外在性的模仿向内在性模仿转变，一定程度上实现从对人的体力劳动替代转向对脑力劳动的替代，但是生成式人工智能算法的内在特征使得其具有算法不透明性、高渗透性和颠覆性特征，对数字经济中人与生产工具、人与生产组织、人与人之间社会关系带来更为深远的影响。

（一）数字生产工具的异化与劳动分化

生成式人工智能是数字化的生产工具，是通过算法对数据加工并生成用于更大规模数字经济活动的生产工具，延伸了劳动者的生产空间和时间，改变了传统的劳动结构，对中等技术劳动者替代弹性更强，加剧了劳动者的两极分化。

生成式人工智能是一种特殊的生产工具，一定程度上改变了人与生产工具之间的从属关系。这种特殊性体现在其自身的未知性上，生成式人工智能本质上是算法、算力与数据的结合体。与传统的工程思维不同，“算法黑箱”使人对算法的控制力比起对机器的控制力大幅降低，开发者（人）对生成式人工智能所产出的产品（输出的结果）缺乏确定性预期，对算法如何学习的过程缺乏监督，人类历史上第一次在认知能力上受到自己开发的生产工具的挑战，模糊了人机界限，对人的本质以及人的主体地位形成强烈的冲击［11］。人机关系从“人主机辅”历史性地转向“机主人辅”，技术异化呈现出更为明显的表现，算法设计者的产品（生成式人工智能）异化于设计者，甚至出现人被生成式人工智能桎梏、限制的情形，“信息茧房”的出现已经证明了人正处在被算法控制的发展初期。一方面，生成式人工智能带来前所未有的娱乐体验，可能控制一部分人的情绪、心理，对使用者可能产生“精神成瘾”，侵占劳动者大量时间，增加了人的精神消费，但挤压了人对实物消费的需求；另一方面，人类所独具的创造、分析、思辨等思维能力被生成式人工智能超强的内容生成能力替代，人的思维逐渐被囿于片面的认识和狭窄的空间之中，人对生成式人工智能的依赖度越来越高，人的能力逐渐弱化，人的主体地位可能逐渐边缘化。

生成式人工智能以高度的连接性改变了传统的劳动结构，新的工作岗位不断产生，旧的劳动者不断被淘汰。生成式人工智能极大地降低了从事智力工作的门槛，大量中等技能和中等收入的工作被替代，例如，与区块链、元宇宙等数字手段结合，依托Midjourney（人工智能生成图片）、Runway（人工智能生成视频）等平台以多种形式参与工作，短期的、不受劳动合同约束的、去中心化的劳动者大量產生。同时，生成式人工智能所依赖的神经网络算法，使得计算机具备识别和自主分析等功能，高重复性、低创造性的工作可能被大量替代，短期内大批劳动者可能被挤出劳动市场，工作和收入产生了两极分化，低端工作和高端工作等生成式人工智能无法替代的工作需求大量增加，中等收入阶层面临被分化的窘境。

（二）超级产业组织与管理变革

数字经济时代的产业组织已经不再是市场结构，而是通过杀手并购和差别定价行为实施自我优待、拒绝交易等行为达到垄断市场目的的新式产业组织形态［12］，在这一过程中，人与产业组织相互产生作用，推动产业组织向生成式人工智能为核心的超级产业组织转变，并推动管理方式转变。

超级产业组织是跨主体、跨领域、跨产业、跨国家的超级平台，以人（开发者）为中心，以超大规模资本、复杂技术投入为必要条件，非物质性形态和超大规模使用对象为其特征。生成式人工智能通过向非专业人士提供专业化信息，提升了劳动者的工作效率，用户的使用习惯、偏好和网络上海量的知识、信息等数据都被集中在生成式人工智能平台上，联结亿万个内容生产者，形成了超级平台，传统产业下生产、分配和消费的链状关系，被重新组合成以平台为中心的网络关系。区别于传统经济下边际收益递减的特性，在算法和算力的作用下，数据成为重要的生产资料，随着数据的累积，数据要素的边际收益递增，生成式人工智能平台为了追求更高的收益，不断扩大平台规模，平台已经超越了一个单一产业部门、单一国家或地区，例如，ChatGPT平台的注册用户在2个月内就在全球突破了1亿人，证明了平台的成长速度与广泛的覆盖性。平台通过算法连接着超大规模的劳动者，原有的基于部门、区域、人群的垂直化经济结构特征的产业组织被打破，正在向超越国家、产业、领域的横向经济结构特征的超级产业组织转变。

产业组织方式的变革必然推动管理方式变革。产业组织纳入了新的管理对象——生成式人工智能，随着“人机”关系的变革，生成式人工智能在生产中的作用越来越重要，无人工厂的出现表明企业可以实现由数据和知识驱动，生成式人工智能和数据将成为产业组织管理的对象。此外，产业组织的管理者面对超大规模的使用者和更加复杂的管理必须依赖数字生产工具，一方面，管理者不仅要懂管理也要懂生成式人工智能，要熟练使用提问关键词与生成式人工智能的互动，提升超级产业组织的管理效率；另一方面，要求管理者具备对信息真实性的甄别能力，生成式人工智能算法原理特征表明，ChatGPT等生成式人工智能给出的结论是基于语言的联想而生成的，并非是基于事实给出的客观结论，生成结果具有一定的欺骗性，因此，需要管理者有能力做出正确判断，这对管理者的认知能力提出了更高的要求。

（三）形成数字化的新型社会关系

新型的数字生产力产生新的生产方式。生成式人工智能时代，生产力的内涵从物质形态向可用但不可见的虚拟形态和物质形态的共存转变。劳动对象从过去的矿藏、原材料等自然界可见的形态向数据、算法等数字形态演化，通过生成一定的文本、代码与劳动资料联动创造价值；劳动资料从蒸汽机、机床等向计算机、手机等可便携形式扩充，用户仅需个人电脑或手机就可以为实体经济的生产、消费提供更高效的决策；劳动者的身体能力要求逐渐被弱化，生成式人工智能仅需提供思想，通过语言即可远程操作机器，极大地扩大了劳动者范围。生成式人工智能通过对海量信息的深度学习，在人类的引导下，生产出文本、视频、图片等形式的内容，这些内容为短视频平台、自媒体、创意企业、制造企业等主体提供生产资料，为机器与机器之间的协作提供了可能，极大地延伸了人类生产的时间和物理空间边界，生成式人工智能+、+生成式人工智能等新型的数字化生产方式将广泛出现。

数字化生产方式带来人与人之间的新型社会关系样貌。对于个人来说，由于对于生成式人工智能的使用熟练程度不同，熟练工作者具有较低的弹性，数字经济中的人与人之间的关系变得更加不平等，熟练工作者会获得较高的收入溢价。对于社会来说，数字化生产方式使得数据更具歧视性，数据一旦与资本、算法结合起来，就形成了具有巨大权力的数据资本，就如同马克思说商品拜物教将人变成帽子，今天的数字拜物教进一步将帽子变成了数据［13］，例如在OpenAI、亚马逊、谷歌等技术寡头的算法下，数据是最重要的生产要素，同时具备数据、算法、算力资源三要素的技术寡头，形成了事实上的垄断，在与资本联姻后的价值目标导向作用下，通过差别化定价和扼杀式收购等手段，技术寡头事实上的数据霸权已经成为现实。

新的社会关系加剧了区域数字落差。不同地区的人力资本禀赋的不同，生产数字化程度必然不同，导致区域之间的数字生产能力和资本积累速度产生差距。发达地区的数字基础设施和场景建设更加健全，生成式人工智能人才集聚度更高，更容易形成数字化生产方式优势，而落后地区只能成为数字资源套利的牺牲者，形成数字经济时代新的区域分工和区域发展落差。在生成式人工智能背景下，技术加速了数字化生产能力较低的地区价值向数字化生产方式渗透率更高地区的流动，加剧了地区之间的不平衡。在这种新的生产方式下，生成式人工智能将生产从地理空间拓展到虚拟空间，提升了生产效率，但并没有减少传统经济形态下的不平等的问题，相反，数据占有和使用能力的不均衡以及数字技术异化为数字经济的发展带来了一系列的风险。

二、生成式人工智能的数字经济风险

任何技术都有两面性。与之前的人工智能浪潮不同，生成式人工智能的技术原理具有本质的区别，展现出更高的主动创造能力和更高的经济渗透率，很大程度上改变了生产方式和人机关系。复杂技术的涌现将推动经济结构不断变化，加大了经济的不确定性［14］，生成式人工智能将给我国数字经济发展带来风险。

（一）与发达国家数字技术势差扩大

数字关键技术是势差形成的关键，是数字经济的竞争核心。算法、算力等关键技术是生成式人工智能竞争的核心，在基础技术领域，我国面临两方面的制约，从外部环境看，数字经济本身是跨域跨时空的，但美国的长臂管辖与遏制战略越来越限制我国数字经济的发展，通过设立详细目录阻止我国企业获得先进技术和设备，组建跨国联盟、抢夺数字经济标准制定，从“实体清单”“芯片法案”到成立颠覆性技术打击小组（Disruptive Technology Strike Force，DTSF），为我国数字经济的国际竞争设置障碍（至今仍有包括中国在内的6个国家被限制ChatGPT的使用）。从内部环境看，生成式人工智能所依赖的AI芯片、核心算法等关键技术并非我国自主开发，大量数字经济应用是建立在国外开源的算法基础之上，以自然语言处理领域专利申请数为例，根据Himmpat专利数据库统计，总量上我国相当于美国的82%，在专利质量方面差距较为明显，在技术价值上远落后于美國［15］，自然语言专利引证数中国仅相当于美国的8.4%，中国企业在自然语言处理专利申请数上仅有百度公司位列第7（224项），相当于IBM的7.49%，在前10位里有8位是美国企业。人工智能技术中美之间差距仍然较大，2021年，全球授予该领域专利数量中美国占比39.59%，而中国仅占比5.9%。［16］

数字贸易是基于数字技术革命的国际数字经济竞争。根据联合国贸发会议（UNCTAD）数据［17］，全球2021年通过数字交付形式的服务出口规模达到3.81万亿美元，占全球服务贸易总额的62.8%，数字贸易在服务贸易中的主导作用日益显现，但2021年我国的数字贸易仅占全球的5.1%，我国在数据统计、国际数字贸易规则制定等方面话语权不强。［18］生成式人工智能通过多语言交流、多模态客户服务，主动分析各国贸易政策，获得更加全面的市场信息，帮助进行更贴近进口国的营销活动，提供优化供应链管理、多语言多模态的客户服务等多种任务，抓取分析各国贸易政策、汇率等关键数据，将成为国际谈判和国际贸易规则制定的有利武器。我国在生成式人工智能参与数字贸易中还处在起步阶段，缺乏数据和模型支撑，与发达国家还存在差距，可能使我国在数字贸易博弈中处于不利地位。

（二）企业数字化转型障碍

加速企业数字化转型是建设现代化产业体系的重要一环，但当前，我国中小企业数字化转型意愿不强，主要面临两个问题，一是面对转型可能带来的市场、产品、管理风险，在不确定性和模糊性的作用下，企业会在路径依赖作用下选择较为稳妥的方式继续传统方式经营；二是企业在数字化改造时需要衡量投入产出，只有产出大于投入时才会进行改造，但企业往往无法计算各项成本而推迟数字化改造，特别是中小企业“不想转”“不敢转”“不会转”等现象普遍存在。中国电子技术标准化研究院的报告指出，我国大约有79%的中小企业数字化转型还处在初始阶段，主要原因来自于中小企业对数据的处理能力不足，难以满足企业需求。生成式人工智能根据算法与相关数据结合模拟生产数据，为企业在不同阶段的决策提供参考，为企业在人力资源、财务管理、市场信息、客户服务等方面大幅提高原来的人工处理效率，最关键的是可以给企业以最小的成本进行风险和收益预测，通过数字仿真为企业数字化转型提供虚拟化场景。而我国中小企业生成式人工智能应用不足，算法和数据处理能力不足，对利用算法模拟提升研发、生产、销售能力上还存在较大差距，叠加转型意愿不强，企业转型可能丧失发展机遇，在产品研发、市场开拓等方面形成滞后效应，在面对竞争时可能处于劣势。

生成式人工智能带来企业管理的复杂性大幅提升。随着企业中生成式人工智能对人工替代的增多，可能出现“生成式人工智能员工”，由此，人类员工、“生成式人工智能员工”、管理者之间管理边界被突破，管理对象复杂性提升，ChatGPT等人工智能员工越来越多地进入生产过程，对它们的管理将从“社会人”的管理方式向技术管理方式转变，如何管理“生成式人工智能员工”，以及协调人类员工与智能机器人的关系将对管理方式发出挑战，管理的目标将“最适合”转向“最优决策”。［19］在利用生成式人工智能进行劳动时，与任何人工智能模型一样，ChatGPT严重依赖数据质量，在一个有偏见或者违反常识的数据集基础上对GPT模型进行训练，依然会得到偏见或违反常识的结果。为避免这种情况，当前采用的策略是人工标签+自动筛选，由人工给关键词标注，但人工标注是有能力上限的，无法应对呈几何级增长的数据量，模型计算结果可能存误。其次，OpenAI对外开源了GPT-1和GPT-2，但对于GPT-3及之后的模型都封闭运行，我国很多AIGC产品基于上述两个开源模型开发，由于算法黑盒的存在，对于ChatGPT等生成式人工智能背后的模型运行机理、数据选择机制、算法等处于被动状态，给生产和运行带来不确定性。随着强人工智能时代的到来，生成式人工智能给企业的管理将带来管理方式、目标、手段等多方面的挑战，如何协同调适管理者与人工智能技术之间的关系需要更多关注。

（三）数字经济竞争力分化

就业分化和分配极化。生成式人工智能是算法推动的人工智能，与产业的结合将有效提升生产效率，促进产业升级，但技术进步可能导致收入結构不平衡。［20］生成式人工智能作为弱人工智能向强人工智能过渡阶段的重要技术进步，对高技能劳动的替代将使就业产生分化，对我国的就业市场结构产生影响。一方面低技能劳动竞争加大，带来的就业空间被压缩，劳动收入和就业机会都将减少，未受开发培训的劳动者出现暂时性失业比例可能性大大增加，一部分受教育程度较低或年龄较大的劳动者甚至出现永久性失业，退出劳动力市场，ChatGPT等应用已经在文本创意、数据分析、决策咨询等过去高技能劳动领域部分代替人类工作，财务管理、设计师、律师、咨询师、医生、软件工程师等工作将受到冲击，生成式人工智能应用广泛的地区已经产生影响，如美国知名新闻企业BuzzFeed宣布利用ChatGPT撰写新闻，并裁员12%；根据Sortlist Data Hub的一项新调查显示，ChatGPT直接导致26%的欧洲软件和科技公司以及22%的金融公司计划裁员［21］。另一方面，熟练使用生成式人工智能的高技能劳动需求加大，在供需作用下，高技能劳动者弹性较低，劳动收入将大幅上升，相反，不善于使用生成式人工智能应用的劳动者劳动收入会在竞争的作用下趋于下降。就业的分化带来了分配的极化，低收入人口和高收入人口在社会分配中会更加极化，较低收入群体迈向共同富裕的难度增加。

区域发展不平衡扩大。我国城乡之间、东西部之间的互联网基础设施建设存在“拥挤效应”，欠发达地区的“分散效应”有限，一定程度上扩大了区域不平衡。［22］与之类似，生成式人工智能的使用对经济的促进作用还更多地体现在创新创业上，发达地区更具有创新创业生态和氛围，场景建设上较为成熟，与生成式人工智能的结合会使创新资源更加向发达地区集聚，并提升发展质量，东中部地区因为人力资本相对丰富，在使用生成式人工智能时具有一定的优势，要素、资源向东中部集聚速度加快，区域之间不平衡加剧可能性增加。

数字人才竞争失衡。人、机器、数据万物互联的数字社会正在形成，取得发展先机的重要前提就是拥有更多的在基础研究领域的高层次人才。在新一轮国际竞争中，中国的高层次人才成了全球争夺的目标，2022年Marc Polo智库对全球顶级AI科学家开展了一项调查，中国已经成为全球人工智能高层次人才的最大输出国。调查显示，在美国完成人工智能相关专业研究生学习的人才中，有88%选择留在美国工作，只有10%回国工作。［23］吴恩达、李飞飞、邓力等研究者为生成式人工智能算法贡献了基础的开创性工作，在ChatGPT的87个人的研究团队中，华人占比10%以上（AMiner科技情报平台），充分显示了华人在算法研究方面具有的优势，但也显示出我国在生成式人工智能高层次人才的竞争上，还需要创造更优条件吸引海外人才回国创业。

三、走向“善治”与“善用”的风险应对路径

生成式人工智能是一种颠覆性技术，可能对数字经济带来一系列挑战。必须顺应技术发展规律，以积极包容的态度，以“善治”释放制度红利，以“善用”营造良好的发展环境，在发展中化解风险，促使生成式人工智能向善成长，推动数字经济更高质量发展。

（一）建构“善治”的制度环境解构宏观风险

建立发展自主可控生成式人工智能的创新体系。要发挥我国制度优势，鼓励超算中心、算法开发机构、数据中心协同创新，共同建立更大规模、更强计算能力的以中文为重要语言的生成式人工智能。鼓励科学家在人工智能算法、GPU芯片等基础领域加强研究，为科学家创造良好的环境。积极参与生成式人工智能国际标准制定，搭建国际论坛、赛事、展会等平台。推动数字贸易市场开放、数字内容知识产权保护、数据资源跨境流通等领域合作共赢。围绕算力、算法、数据，加强GPU、深度学习模型、数据标注、数据安全等产业的研发和投入。

搭建人工智能友好型的治理体系。制订发展规划、行动指南等，为企业在面对生成式人工智能挑战时提供政策支持。尽快展开人工智能治理制度体系建设，由技术伦理转向法律规范，在人工智能法律主体资格、数据确权、个人数据保护与利用等方面开展研究和立法。鼓励数据有序流动，制度上打破“数据烟囱”“数据孤岛”藩篱，打破条块之间数字壁垒，尽快实现数据“可用不可见”共享；技术上推广移动应用网页版与APP版同步，以方便预训练模型在网络上抓取、训练，积极推广区块链技术应用，以数据产权的可溯源带动数据价值实现。

完善就业保障和收入分配制度体系。加快完善失业保障制度，扩大失业保障覆盖范围，通过税收等手段科学判断失业标准，鼓励灵活就业人员加入失业保险，延长因生成式人工智能失业保障期限。扩大社会保障覆盖面，纳入灵活就业、自我雇佣的生成式人工智能从业者。建立全社会生成式人工智能技能培训机制，补贴提高技术性失业人员人工智能技能。尽快完善收入分配调节制度，优化高收入群体收入调节制度，通过转移支付弥补因低技能而带来的收入差距。考虑设置人工智能相关专门税种，调节由人工智能技能掌握不均衡带来的不同群体或不同区域收入不公平。

（二）建构“善用”的应用场景化解微观风险

渐进式推动建设应用场景。渐进式推动生成式人工智能产业化发展，在传统产业领域，通过场景建设促进研发机构与企业共同协同创新，在企业管理、中小企业数字化转型、数字贸易等方面，构建一批生成式人工智能赋能示范应用；在元宇宙、新材料开发、药物研发等新兴领域，充分发挥生成式人工智能预训练优势，抓住人工智能创新带来的产业机会，采取包容监管减少进入壁垒，建立监管沙盒，在风险可控的范围内为生成式人工智能发展摸索适合我国国情的发展道路。发挥人口优势，在中西部人口密集地区大力发展数据标注产业，通过标注“唤醒”海量“沉睡”数据。

差异化布局人工智能基础设施。生成式人工智能依赖于强大的算力，应在中西部地区有序加大超算中心、智算中心的投入，利用“东数西算”政策，提升对超算中心的利用度。推动超算中心与5G、IPV6等网络设施在协同度上同步提升，推动算网协同技术研究，解除网络与算力发展瓶颈。建立全国不同层次的计算中心算力统筹机制，以算力冗余互补提升整体算力。

推动企业转变为数字体。建立企业数字化智能化转型激励机制。按照政府引导-市场主导-平台赋能-场景应用的框架对企业特别是中小企業的生成式人工智能转型进行激励。引导平台企业积极发挥数据优势，激发数据要素的生产力，建立政府监管下的生成式人工智能平台，鼓励平台企业参与国际竞争，参与制定国际标准。在医疗、教育、交通等重点民生领域，开放更多生成式人工智能应用场景，用于企业生成式人工智能产品应用，为其产品优化提供数据和应用基础。加快建立容忍度更高的创业融资环境，发挥科创金融制度优势，提高对基础科学研究的支持力度和比重，从源头上为创新创业创造更优质标的。

建设先进的人才引培场景。人才是应对生成式人工智能风险的关键，一方面积极引进国际先进人才，在预训练模型、AIGC应用开发等方面建立先进科研场景，积极开展国际交流，为华人科学家创造回国创业工作的良好氛围；另一方面，强化国内人才培养基础，建设应用与培训结合的场景，特别要加强基础教育，引导各层次教育将STEM（科学、技术、工程、数学）体系融入日常教学中。继续加大对预训练模型等LLM领域的研发投入，鼓励科研机构等算力充足单位向企业、学校开放。

（致谢：安徽省社会科学院孔令刚研究员参与全文的讨论）

参考文献：

［1］Grant，N.，Metz，C.A New Chat Bot is a ‘Code Red for Googles Search Business［J］.New York Times，2022，（12）：1.

［2］Graetz，G.， G.Michaels.Robots at Work：The Impact on Productivity and Jobs［J］.Technical Report，Centre for Economic Performance，LSE，2015.

［3］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业［J］.数量经济技术经济研究，2019，（5）：3-22.

［4］邓建鹏.ChatGPT模型的法律风险及应对之策［J］.新疆师范大学学报，2023，（5）：41-51.

［5］王海建.算法治理的伦理风险及其纾解［J］.深圳大学学报（人文社会科学版），2023，（1）：152-160.

［6］谢新水．人工智能内容生产：功能张力、发展趋势及监管策略——以ChatGPT为分析起点［J］.电子政务，2023，（4）：25-35.

［7］丛立先，李泳霖.聊天机器人生成内容的版权风险及其治理［J］.中国出版，2023，（5）：11-16.

［8］陈永伟.超越 ChatGPT：生成式 AI的机遇、风险与挑战［J］.山东大学学报（哲学社会科学版），2023，（3）：127-143.

［9］马克思.马克思恩格斯全集（第十二卷）［M］.北京：人民出版社，1962：3.

［10］尤瓦尔·诺亚·赫拉利.未来简史：从智人到智神［M］.北京：中信出版社.2017：17 .

［11］孙伟平.人工智能与人的“新异化”［J］.中国社会科学，2020，（12）：119-137.

［12］张文魁.数字经济的内生特性和产业组织［J］.管理世界，2022，（7）：79-89.

［13］蓝江.数字劳动、数字生产方式与流众无产阶级——对当代西方数字资本主义的政治经济学蠡探［J］.理论与改革，2022，（2）：60-72.

［14］布莱恩·阿瑟.复杂经济学［M］.杭州：浙江人民出版社，2018：23-25.

［15］张朝辉，徐毓鸿，何新胜．我国人工智能产业发展路径研究［J/OL］．科学学研究.https：//doi.org/10.16192/j.cnki.1003-2053.20230221.001.

［16］Denial Zhang，Nestor Maslej et al..The AI Index 2022 Annual Report［EB/OL］．Http：//creativecommoms.org/licenses/bu-nd/4.0/.

［17］https：//unctadstat.unctad.org/wds/ReportFolders/reportFolders.aspx.

［18］夏杰长.数字贸易的缘起、国际经验与发展策略［J］.北京工商大学学报（社会科学版），2018，（5）：1-10.

［19］徐鹏，徐向艺.人工智能时代企业管理变革的逻辑与分析框架［J］.管理世界，2020，（1）：122-129，238.

［20］Ekkehardt Ernst，Rossana Merola，Daniel Samaan.人工智能经濟学：对劳动世界的未来产生的影响［J］.中国劳动，2019，（11）：60-88.

［21］新浪.深度调查6国500名ChatGPT用户：六大行业十一个工种的真实危机［EB/OL］．http：//k.sina.com.cn/article_5213469505_136bf3b4102000zict.html.

［22］张杰，白铠瑞，毕钰.互联网基础设施、创新驱动与中国区域不平衡［J］.数量经济技术经济研究，2023，（1）：46-65.

［23］机器之心.全球AI人才追踪调查［EB/OL］.https：//m.thepaper.cn/baijiahao_7815714.

（责任编辑 吴晓妹）