注重微观主体的改革变革和改革机制的探索，尽量考虑各阶层利益诉求，使动态改革机制更加稳定，对社会的影响更加积极和谐。文章|刘陈杰预计，2025年，作为“十四五”收官之年，中国国内生产总值（GDP）预计将达到140万亿元，为后续发展奠定坚实基础。 2026年至2030年“十五五”时期是“十四五”成果与2035年现代化目标对接的关键五年。 GDP令人满意的增长速度的界定，关系到战略实施的有效性。下一阶段，我国将面临人口结构深刻变化、外部发展环境重大变化、人工智能新浪潮的复杂新环境发展取得长足进步。与此同时，过去拉动经济增长的房地产相关产业和地方债务拉动的增长模式出现下滑。那么，探索下一阶段理想的增长速度，安排好供给侧和需求侧的协调，关系到下一阶段国家供给侧结构性改革和经济社会发展的大推进。本文主要从人口红利、存量资本和全要素增长率等方面入手，基于新古典增长方程，测算出下一时期（2026-2030年）中国经济的合理目标增长率。本文结合我国实际和新一轮科技革命背景，综合考虑：（1）科技智力发展对经济增长的影响； （二）政策应对的“数量”和“程度”分析了一定时期有效需求不足的情况，探讨了未来一段时期中国经济总体预期增长速度。我们知道，在中国经济未来阶段，总体规模和结构的多元化同样重要，产业结构的分化在一定程度上可能会成为更加显着的特征。准确把握预期增速和结构性机会，有利于组织供给侧结构性发展和创造稳定需求环境，规避经济短期过度波动风险，增强公众对经济增长和结构性机会的信心。在主要经济社会制度相对稳定的时期计算中国经济下一时期的潜在增长率，一个时期经济的潜在增长率主要受人口、资本存量、技术等因素的影响逻辑发展。 2012年以来，我国劳动力结构发生变化，劳动人口下降，资本回报率下降。过去五年，中国潜在增长率从2015年至2020年的约6.5%系统性降低至目前约5%的水平。本文第一部分主要运用新古典增长方程从人口红利、资本产出效率、技术发展等方面尝试测算中国未来一段时期的理想增长率。一般来说，在使用生产函数方法估算经济的潜在产出和潜在增长时，常用CobB-Douglas（C-D）生产函数。该函数可以更好地估计各投入要素（资本、劳动力和技术发展）对经济增长的贡献。其具体函数形式为：其中Y代表总产出，K代表资本存量，l代表实验室或人口，α和β分别代表资本和劳动力。对于总产出弹性，a代表全要素生产率。两边取对数，可得： 一般假设生产函数为正态规模弹性，即α+β=1，则生产函数可改为： 对于资本存量，本文采用永续盘存法进行估算，其公式为： 其中，KT 代表 t 时刻的资本存量，KT-1 代表 t-1 时刻的资本存量，ΔT 代表 t 期间的损失率，代表t期的净投资。本文根据历史文献的研究结果，根据不同时期选取不同的损耗率，包括1978年至1990年为5%、1991年至2000年为6%、2001年至2010年为6.5%、2011年至2020年为7%、2020年至2025年为7.5%、2020年至2025年为8.0%。 2026年至2030年。关于未来新增投资率，我们使用中国中国（ROC）工作的预期成果。我们主要遵循白崇恩等人的计算方法。通过估算1982年至2024年的时间序列数据，我们可以得到以下基本方程：IT = -6.67+0.96 × ROC。 T值分别为19.85和2.38。我们根据 2008 年至 2024 年的年均下降率（0.73%）对未来 10 年的资本回报率进行建模，并将其代入新的投资增长方程。可以看出，2026年至2030年新增投资增速在5.2%左右。根据目前的固定资本存量、损失率和新增投资数据，我们可以计算出2026年至2030年中国的资本存量数据。关于劳动力（L）数据，我们主要参考蔡昉（2012）的分析，即15-59岁的劳动人口持续下降（根据其人口方程计算，2026年至2030年平均人口增长率为-0.92%）。关于全要素生产率。我们使用了数据利用Louis（2009）的a，并通过对总生产率要素走势进行HP滤波器分解，得到2025年至2030年中国生产率要素增长趋势。可以看出，2011年至2015年中国TFP年均增长率约为3.20%； 2016年至2020年，TFP年均增速可能下降至2.70%； 2021年至2025年，TFP年均增速可能下降至2.30%； 2026年至2030年，TFP年均增长率可能降至2.0%。 α和β分别增加总产出中资本弹性和劳动力弹性的缺失，并且我们假设生产函数是正态规模弹性，因此α+β=1。我们假设总资本产出弹性α保持不变，即用历史数据测得的值作为未来的预测值。通过测算我国资本存量、劳动要素、全要素生产率，我们可以测算“十二五”期间“十三五”期间（2011-2015年），我国GDP平均潜在增长率约为7.62%。“十三五”期间（2016-2020年），即新常态下，我国GDP平均潜在增长率将进一步下降至6.33%。”从人口红利预测、资本回报率外推、技术进步外推下一阶段约为4.63%。未来阶段，也不是加强结构转型、政策协调，与经济社会各领域深度融合，与传统生产功能相融合，作为重要要素禀赋，成为影响经济增长的重要因素。等以及老年护理。也就是说，新的供给会创造需求。例如，电气革命带来了对冰箱、彩电和电影观看的新需求。人工智能的发展将推动人类社会的发展智能化生产生活。具体来说，人工智能主要通过三种机制促进经济增长，进而应对老龄化、劳动力成本上升、环境约束等因素对经济增长的影响。首先，人工智能可以不断提高劳动的自动化、智能化水平，持续替代资本劳动，从而减少劳动力成本上升、环境资源约束等因素对经济增长的不利影响。其次，通过内生技术发展和资本进一步深化，人工智能可以提高资本回报率，从而提高储蓄率和投资率，减缓人口红利下降背景下储蓄率和投资率下降对经济增长的影响。第三，人工智能可以通过变革促进全要素生产率的提高。劳动方式、成本节约和智能发电，从而进一步耗尽其他要素禀赋变化对经济增长的影响。传统宏观经济模型认为，生产函数普遍面临规模效应递减、资本边际效益递减等结构性问题。通过人工智能在劳动端的大规模应用，智能思维和创新将让一群志同道合的人不必过多考虑激励问题，嵌入到各种劳动流程中。技术发展和组织方式将变得更加智能和高效。我们利用Prettner（2019）以及陈彦斌和林晨（2019）的研究构建动态总资产负债表，将资本分为三类实物资本：住房资本、基础设施资本和实体经济资本。在这一理论中，随着技术的不断发展和普及l 智能，我们分类的三类资本都会受到人工智能的影响。但为了简化模型，本文在基线模型中仅表达了人工智能对实体经济资本的影响，并简化了住房资本和基础设施资本与人工智能之间的作用，尽管人工智能的发展会对这两类资本产生直接和间接的影响。我们的动态一般平衡模型主要包括企业部门、居民部门和政府部门。参考Aghion（2017）的方法，我们将包含人工智能发展的生产函数设置为：其中代表劳动力的技术发展，KT是实际经济资本，LT是劳动力投入，ε是中间产品的产出弹性。智能劳动活动在全部劳动活动中所占的比例为αT，它描述了智能劳动活动对人工智能的发展对劳动活动的影响。即αT越大，人工智能对生产活动的影响越大，对产出的影响也越大。我们用“先凸后凹”的逻辑函数来描述人工智能的效果。主要原因是人工智能在发展初期，在全社会的普及速度相对较慢；随着人工智能的发展，其普及速度正在迅速加快；当达到一定程度时，人工智能的发展速度就会缓慢。这一特点与逻辑函数的特点是一致的。对于住宅部门、商业部门和政府部门的识别，我们采用居民效用最大化、企业收入最大化、增长与政府服务平衡的经典函数形式来表达行为三大经济部门的力量。当动态一般均衡模型经济达到均衡时，劳动力市场出清，即居民部门的劳动力供给总量等于生产部门的劳动力需求总量，企业部门利润最大化，政府部门职能效用最大化：通过求解企业部门和居民部门优化问题的一阶条件，加上各类资本的变化方程，可以得到一般平衡模型的平衡系统。我们发现，由于基线模型没有考虑老龄化的影响，计算出的潜在增长率可能高于实际比率。但我们仍然可以发现，如果没有人工智能的进步，未来10年潜在增长率下降得更快。人工智能的发展，即使我们采用非常保守的假设技术发展和规模经济显着提高，潜在增长率下降速度放缓，在一定时期内保持相对稳定发展。我们的研究发现，人工智能将有助于保持稳定的潜在增长率。具体来说，可以优化资本结构，提高资本在实体经济中的比重；还可以降低住房资本和基础设施资本的比重，从而达到改善居民消费和促进经济增长的双重目标。在以往的增长模式中，地方政府债务拉动的基建增长和房地产业是拉动经济的两个非常重要的方面。根据我们的测算，未来10年，地方政府债务驱动的房地产需求将逐渐下降（刘陈杰，2022）。旧经济增长模式存在问题时代需要新的高质量增长发展模式。人工智能可以通过提高智能化生产水平和技术发展速度，增强实体经济的吸引力，吸引资本从房地产领域流向实体经济，从而减少住房资本对消费的挤出效应，增强实体经济资本对经济增长的拉动作用。更重要的是，人工智能可以增强经济内生增长动能，从而削弱地方政府依靠基础设施投资“稳增长”的动力，从而减少基础设施资本对消费的挤出效应，进一步增强实体经济对经济增长的带动作用。考虑劳动力成本上升、环境资源压力加大等因素对中长期经济增长的压力未来，从经济角度看，要重视人工智能对经济增长的推动作用，大力发展人工智能，特别是人工智能融入生产领域。 2026年至2035年，无论何种情景，潜在增长率都将呈现总体下降趋势。这是受人口老龄化、边际资本递减等结构性约束影响的必然趋势。然而，在不同的人工智能渗透率假设（10%、15%、20%）下，经济增长率明显高于基础（base）情景。到2035年，基准情景下的潜在增长率下降至4.2%左右，而在人工智能渗透率达到20%的情况下，潜在增长率可维持在5.8%左右，表明人工智能人口能够有效支撑经济。人工智能可以有效延缓经济增长的潜在下滑，但有两个前提：一是这里存在一个“阈值效应”——在模型设置中，当人工智能资本存量占国内生产总值（GDP）的比重超过2%时，全要素生产率（TFP）的边际提升从0.1个百分点跃升至0.4-0.5个百分点。当然，我们的研究模型还存在很多不足。例如，没有关注人口结构的变化，模型描绘的经济增长潜力水平可能过高；它没有考虑非金融企业的债务问题和地方政府奖励、人工智能发展的融资问题以及投入和产出的分配问题。与此同时，人工智能正在快速发展，传统生产功能很可能会发生根本性变化，比如可以替代人类劳动力的思维机器人的出现。作为初步的积极探索，我们将继续改进模型设置以广告适应人工智能的发展。综上，我们从新古典增长方程计算出经济潜在增长率，并考虑推动人工智能发展对经济增长的影响。未来一段时期中国经济的理想增长率会随着资源禀赋、环境要求、增长约束等因素的变化而变化。根据我们的测算，未来五年中国经济增长的理想增长率正在从2021年至2025年的5.25%逐步下降到2026年至2030年的4.63%左右，增速在缓慢下降。人工智能发展超过一定“门槛”后，“十五”期间中国经济实际增速可能会高于新古典模型的预估。同时，为了应对局部时期可能出现的当地有效需求不足的情况，我们将GDP分为资本收入和非资本收入两部分，根据当期资本收入（32万亿元）和全社会生产性实物资本存量总额（675万亿元）计算实体经济投资回报率。根据近三年实体经济投资回报率平均下降率计算未来几年的预测赔率时，我们发现，在新生产力领域出现重大技术突破和产业转移之前，由于实体经济投资回报率持续下降，投资、消费等领域可能会出现有效需求不足的情况。具体措施预计每年新增实体经济有效需求3万亿元至4万亿元，保证国民经济正常循环，在稳增长中创造足够的新增就业岗位，有发展空间新生产力。同时我们也认识到，中国经济潜力充足、稳定性强，增速不会大幅下滑。要保持经济增长活力和改革热情，就必须调动微观经济参与者和政策制定者之间的“激励匹配”制度。今后一个时期要保持经济增长和经济活力，必须充分发挥“强制性制度变迁”的后发优势，积极调动“强制制度变迁”的主观能动性。新制度经济学从变革发起者的角度识别制度变革的模式。制度变迁的成本和收益是变革者选择制度调整的主要依据。如果两种制度安排提供的服务量相等，那么交易成本较低的制度安排也可能相等。可以采取提供更大预期回报的制度安排。这种基于利益驱动的变革被称为“诱导制度变革”。但实际上，制度变革并不总是由新的收入机会驱动。一些制度变革是国家强制的。这种基于权力推动的变革被称为“实施制度变革”。在强制制度变迁模式下，人们可以在法律框架内自由地追求与自身利益相关的正当利益，并会因应收入机会而自下而上地创建或改变制度。这种变革需要较长的时间，但由于变革主体对新制度的发展路径和效益有明确的预期和认识，因此能够带来巨大的经济和社会影响；相比之下，强制变革是一个自上而下的变革过程，可以在更短的时间内完成。钍变革的主体是国家（由政府完成）。国家发起的制度变革不仅是由收入机会驱动的，而且往往受到高层权力持有者的知识积累、变革带来的“成本收益”比较以及实施能力的影响。纵观中国改革开放40多年，总体形势和规划方向总体属于“强制性制度变迁”范畴。领导集体审时度势，立即启动并持续推进改革。相比之下，细节性、局部性的制度变迁更多地来自于各种微观主体的实验和创新思路，一般属于“强制制度变迁”的范畴。在以往的改革过程中，经济增速较高，总体风险较小，全民都能分享经济发展和改革的红利。我比较好。因此，很多改革措施是符合各阶层利益的，动态改革机制也是激励相容的。未来一段时期，我国经济可能逐步回归中高速增长，经济金融风险加大，房地产、金融领域出现泡沫，实体经济运行困难。当经济“蛋糕”增速放缓、房地产泡沫促进阶级固化时，要注重微观主体的改革变革和改革机制的探索，尽量考虑各阶层利益诉求。只有这样，改革的动力机制才会更加稳定，对社会的影响才会更加积极有序。自上而下的“强制制度变革”，结合我们的传统制度和后发优势，与快速看到结果是一致的。一些关键领域的改革。广大微观主体将加大制度变革力度，培育市场经济最有活力的部分的积极性，赋予这部分改革变革的活力和空间。这或许是未来中国经济持续增长的基础之一。 （作者为王正资本全球宏观对冲基金董事长、中国首席经济学家论坛成员；编辑：苏琪）返回搜狐查看更多