精华简报：经济学家应该担心出生率
来源： Noahpinion（Noah Smith）
标题： Economists should be worried about birth rates
链接： noahpinion.blog
TL;DR
本文从《经济学人》批评达龙·阿西莫格鲁（Daron Acemoglu）谈起，主张经济学界应当欢迎有实质内容的权威批评。作者 Noah Smith 随后聚焦阿西莫格鲁等人 2026 年的一篇新论文——该论文声称低出生率会通过“自动化补偿”提高人均 GDP 和工资，因此不必担心人口老龄化。Smith 指出：这一结论与阿西莫格鲁自己此前关于机器人和 AI“压低工资、不提高生产率”的研究直接矛盾；同时，该论文的国家层面结果在加入教育、城市化等控制变量后失去统计显著性，且控制变量越多效应越弱，存在明显的遗漏变量风险。因此，不能以“自动化会自动补偿人口下降”为由对低生育率掉以轻心，经济学家仍应认真担心出生率下降。
核心观点与深度展开
1. 低生育率带来两个不同性质的风险
文章区分了低生育率的两种后果：
- 人口老龄化（aging）：退休人口相对劳动人口增加，每个劳动者需通过税收或家庭支持养活更多退休者，形成机械性的抚养负担；老龄化还可能降低生产率，例如年长管理者创新性较低，但这一点更具推测性。
- 人口萎缩（shrinkage）：总人口减少直接威胁 GDP 总量和国家实力；同时可能通过减少专业化机会、缩小研究人员池而降低长期增长率。
这两个风险不能混为一谈。即使自动化能部分抵消老龄化对人均收入的影响，人口萎缩对总规模、国家力量和创新的负面作用仍然存在。
2. “自动化补偿论”的逻辑与缺陷
一些人认为，人口减少并非坏事：劳动力稀缺会激励企业投资节省劳动力的技术，从而提高生产率，甚至可能让社会更富裕。这一机制在增长理论中有一定地位，经济史学家 Robert Allen 甚至认为这正是工业革命的起因。
Noah Smith 承认该机制在逻辑上合理，但他对其在一般情形下是否成立表示怀疑。关键反驳在于：
- 人不仅是劳动力供给，也是需求来源。 企业投资新机器、机器人、AI 的前提是有人购买这些工具生产的产品。人口减少意味着消费者减少，投资激励随之减弱。
- 移民与婴儿在经济意义上相似。 移民对工资的影响通常接近于零，部分原因正是移民同时增加了需求和供给；婴儿的减少同样会削弱需求侧。
- 市场规模促进创新。 阿西莫格鲁与 Linn（2004）的研究发现，更快的人口增长会增加制药创新。这说明人口规模本身可能是创新的驱动力，而非单纯的成本负担。
因此，“劳动力稀缺→自动化→生产率提升”的链条忽略了需求侧和市场规模效应，不能简单外推为低生育率无害。
3. 阿西莫格鲁新论文与其自身研究的直接矛盾
这是本文最尖锐的批评之一。阿西莫格鲁、Autor、Beirne 和 Scott 的新论文声称：
低出生率与劳动年龄人口人均 GDP 更高增长、美国通勤区更高工资增长相关，对 GDP 总量或收入无负面影响；这反映了技术对年轻工人稀缺的“内生性、节省劳动力反应”。
但阿西莫格鲁此前的研究和公开表态却指向相反方向：
- 在 2024 年论文《The Simple Macroeconomics of AI》中，他预测 AI 未来 10 年的 TFP 增长不到 0.53%。
- 在 2021 年论文《Harms of AI》中，他明确写道：AI 可能“过度自动化工作，加剧不平等，低效地压低工资，以及未能提高工人生产率”。
如果现代自动化技术真的压低工资而不提高生产率，那么它就无法像新论文所声称的那样补偿人口老龄化。换言之，阿西莫格鲁同时告诉人们“不要担心人口老龄化，因为自动化会提高工资和生产率”和“要非常担心自动化，因为它压低工资而不提高生产率”——这在逻辑上无法同时成立。
4. 新论文的实证结果不稳健
Smith 进一步指出，阿西莫格鲁等人（2026）的国家层面结果存在明显问题：
- 在加入教育、城市化、地理区域等控制变量后，低出生率提高生活水平的结果失去统计显著性。
- 摘要中宣称“这些模式不能用教育升级、女性劳动力参与率上升、农业重要性下降或新古典-索洛机制解释”，但至少部分模式可以被其他因素（初始教育水平、城市化等）解释。
- 更关键的是，控制变量越多，估计效应越弱。在跨国回归中，这通常是一个危险信号：国家之间差异极大，如果已控制的变量会大幅削弱主要结果，那么未控制的遗漏变量很可能进一步削弱甚至逆转结论。
因此，该论文的摘要结论远没有听起来那么可靠，不能作为“低生育率无害”的坚实证据。
5. 经济学界的等级文化与批评的价值
文章开头花了相当篇幅讨论《经济学人》对阿西莫格鲁的批评。Smith 认为，经济学界过于等级森严、封闭，年轻研究者往往屈从于权威，外部批评常被忽视。这种文化导致研究文献过度偏向顶级权威人物的优先事项和直觉。
他主张：只要批评有实质内容，挑战权威是健康的。 “科学就是相信专家的无知。” 这也为他自己批评阿西莫格鲁的新论文提供了方法论上的正当性——不是因为阿西莫格鲁名不副实，而是因为任何顶尖学者的工作都可能包含有问题的假设、动机性推理或不稳健的实证结果。
启发与影响
对政策制定者
- 不能假设低生育率会被自动化自动抵消。 如果自动化补偿论不成立，人口老龄化将带来真实的财政和社会负担。政策制定者应提前为养老金、医疗、长期护理和劳动力市场紧张做准备。
- 低生育率政策需要区分“人均收入”与“总量实力”。 即使人均 GDP 不受损，人口萎缩仍可能削弱国家总产出、创新能力和地缘政治影响力。
- 对“低生育率无害”的乐观叙事保持警惕。 该叙事可能被用来推迟必要的人口政策调整，但其经验基础并不稳固。
对商业与技术领域
- 自动化投资的需求侧风险被低估。 企业投资自动化时往往只关注劳动力成本节约，但人口下降意味着终端消费者减少。如果总需求萎缩，自动化带来的生产率提升可能无法转化为利润增长。
- 市场规模是创新的重要驱动力。 人口萎缩可能减少新药、新技术和新产品的潜在市场，从而削弱研发激励。企业需要评估人口趋势对长期创新管线的负面影响。
- AI 与自动化的生产率效应仍不确定。 阿西莫格鲁自己的研究就存在矛盾：一方面认为 AI 对生产率提升有限，另一方面又认为自动化能补偿人口下降。企业在制定 AI 战略时，不应把“自动化必然提高生产率”当作既定前提。
对经济学研究与公共讨论
- 跨国回归的结论需要谨慎解读。 控制变量后显著性消失、效应随控制增加而减弱，是典型的遗漏变量风险信号。媒体和公众不应只读摘要，而应关注实证细节。
- 权威学者的不同论文之间可能存在矛盾。 这提醒我们，单一研究不能作为政策依据，需要综合多篇文献、交叉验证。
- 鼓励实质性的权威批评。 经济学界需要更开放的文化，让年轻学者和外部评论者能够挑战顶级人物，而不必担心职业风险。这有助于提高整个领域的可靠性。
一句话总结： 低生育率是一个真实且紧迫的挑战，不能寄望于“自动化补偿”这一未经稳健验证的乐观假设；阿西莫格鲁等人的新论文与既有研究矛盾且实证不牢，经济学家和政策制定者仍应认真担心出生率下降。