AI 对经济学家的冲击，为什么比普通人更猛？

“AI 对经济学家的冲击比普通人还厉害。”这句话并非空穴来风，源自多位顶尖经济学家的公开表态与行业观察。

当普通人还在讨论 AI 会不会抢走司机、客服、文员的工作时，经济学家们已经开始直面一个更尖锐的现实：他们自己赖以安身立命的“分析、建模、写作、预测”能力，正被大模型快速侵蚀。

硅谷最受欢迎的经济学家之一、乔治梅森大学教授 Tyler Cowen 曾在访谈中直言不讳：如果让GPT-5 和自己一起参加经济学考试，自己会输。他进一步指出，AI 或许还打不过前五名顶级专家，但绝对可以击败绝大多数大学教授。哈佛、斯坦福的终身教职人员如果同样接受测试，很可能也会落败。

这并不夸张。

经济学研究的核心环节——文献综述、数据处理、回归分析、理论推演、论文写作，恰恰是当前大模型最擅长的领域。过去需要博士生花数周完成的数据清洗和初步建模，现在 AI 几分钟就能给出可用结果；过去需要反复打磨的学术表达，现在模型能直接生成结构清晰、逻辑严密的草稿。一位达特茅斯学院的经济学家甚至表示，AI 让他思考真正研究问题的时间增加了五倍。

问题在于，当这些“基础功”被大幅自动化后，经济学家的差异化价值从何而来？

2025 年诺贝尔经济学奖得主彼得·豪伊特从“创造性破坏”的角度给出了更系统的解释。他指出，电脑革命是“技能偏向型”的，技能越高，生产率提升越明显。而 AI 则呈现出“逆技能偏向”特征：它主要把常规性、可编码的任务自动化。
对中等技能的普通人来说，AI 往往是赋能工具。护士用 AI 快速检索医疗信息、自动完成数据录入，把更多精力放在患者照护上；客服人员借助AI 处理标准化问题，效率显著提升。但对企业高管和顶尖专家而言，他们的工作本身就高度非标准化，常规事务早有团队协助，AI 带来的边际提效反而有限。

更关键的是，AI 压缩了中等技能与顶尖技能之间的差距。当大模型在大量知识任务上达到或接近人类专家水平时，过去依靠“知道更多、算得更快”建立的护城河开始坍塌。OpenAI 的测试显示，大模型在千余项任务中达到或超越人类专家的概率已显著上升，在编辑、分析等职业上的胜率甚至超过 90%。

AI 对经济学的冲击远不止“写论文更快”。它正在推动整个研究范式的变革。

传统经济学依赖“小模型”：理性经济人假设、孤立个体、宏观与微观分离、定性与定量对立。大模型则天然适合处理复杂人类经济社会系统，能够从海量非结构化数据中提取规律，打破维数灾难，实现“人机结合”的新分析路径。从理性经济人到人工智能经济人，从孤立个体到可测度的社会经济人，经济学的基本假设正在被重写。

与此同时，AI 也让经济学家的生产力出现分化。会用AI的人效率暴增，不会用的人则迅速落后。顶级期刊编辑透露，约四分之一的投稿已披露使用AI，主要用于编辑和编程。这意味着，未来经济学家的竞争力不再是“会不会算”，而是“会不会提出真正有价值的问题、会不会判断 AI 输出的可靠性、会不会在不确定性中承担最终责任”。

近 200 名经济学家和科技领袖（包括 15 位诺贝尔奖得主以及 OpenAI、Anthropic 的首席经济学家）联名警告：AI 改变经济的速度可能比工业革命更快，影响也更大。他们指出，政策制定者尚未做好应对大规模失业与不平等加剧的准备。
对经济学家而言，这种冲击具有双重性。

一方面，他们比普通人更早、更清晰地看到了风险，因为他们的工作本身就是在研究这些风险；另一方面，他们也更容易成为被冲击的对象，因为他们的核心产出高度可被编码和规模化。

普通人担心的是“岗位消失”，经济学家担心的则是“专业权威瓦解”。当 AI 能在考试中赢过教授、在分析中接近专家、在写作中生成专业文本时，社会对“经济学专家”的依赖会系统性下降。这不是简单的失业问题，会对整个知识生产链条的重构。

面对冲击，经济学家们并非无计可施。

Tyler Cowen 强调，未来不会被替代的，不是有学历的人，而是“懂人”的人。那些真正理解人性、能在复杂情境中做出价值判断的人。张维迎则指出，AI 无法替代想象力，而这正是驱动社会进步的根本动力。

AI 可以处理已知的、可编码的知识，却难以提出真正原创的问题，也难以在高度不确定的环境中承担道德与决策责任。经济学的核心价值，或许正从“解释过去”转向“想象未来”、从“计算最优”转向“权衡取舍”。