人文经济学与人工智能融合发展研究：现状、影响与趋势
从四个维度系统分析人文经济学与 AI 融合发展的现状、短期影响、长期趋势以及 AI 在技术经济领域的应用与人文价值结合的路径，为理解这一新兴交叉领域提供全面视角。通过深入探讨，旨在揭示如何在 AI 时代推动经济学理论创新，促进技术进步与社会公平的协调发展，实现经济与社会的可持续繁荣
目录
一、引言：人机共生时代的经济新范式
随着人工智能技术的迅猛发展，特别是以 ChatGPT 为代表的大语言模型和生成式 AI 的突破性进展，人类社会正步入一个前所未有的 "人机共生" 时代(5)。在这一背景下，人文经济学与人工智能的融合发展成为学术界和实践领域共同关注的前沿议题。人文经济学作为一门既研究资源配置，又关注社会公平、推动包容性可持续发展的学科，其核心使命在于为经济学理论与实践注入人文关怀(14)。而人工智能作为新一轮科技革命的核心驱动力，正在重塑人类的生产方式、生活方式、思维方式以及社会治理方式(14)。
经济学向来有关注社会公平与人类福祉的理论传统。阿马蒂亚・森等学者在发展经济学、福利经济学等领域提出一系列理论，强调经济学不仅要关注经济增长，更应致力于人的自由、尊严以及社会机会的拓展(14)。然而，传统经济学理论基于人类行为理性假设，而 AI 的应用使经济理论有了新动态。AI 代理被设计为理性行动，不受情感因素影响，基于可用信息做逻辑决策，在经济决策中表现优于人类个体(3)。这种技术变革不仅改变了经济运行的方式，也深刻影响了经济学研究的范式和方法。
本文将从四个维度系统分析人文经济学与 AI 融合发展的现状、短期影响、长期趋势以及 AI 在技术经济领域的应用与人文价值结合的路径，为理解这一新兴交叉领域提供全面视角。通过深入探讨，旨在揭示如何在 AI 时代推动经济学理论创新，促进技术进步与社会公平的协调发展，实现经济与社会的可持续繁荣(14)。
二、人文经济学与 AI 融合的现状分析
2.1 理论基础与研究范式的变革
人工智能特别是大语言模型的发展，正在深刻改变经济学、社会科学的研究范式(19)。传统经济学理论基于人类行为理性假设，而 AI 的应用使经济理论有了新动态。AI 代理被设计为理性行动，不受情感因素影响，基于可用信息做逻辑决策，在经济决策中表现优于人类个体(3)。这种变革不仅体现在方法论上，更深入到理论基础层面。
大模型通过学习互联网上各种文本数据，能够给出比小模型更准确的推断预测结果，展现惊人的泛化能力，生成的内容质量更好、更智能(5)。这种能力使得经济学研究能够突破传统 "小模型" 范式的局限，进入 "大模型" 范式的新空间。从概率论与统计学视角看，所有模型都有偏差。所谓偏差，是指模型估计量或预测值的平均值与真实函数值之间的差异，如果这两者的差距越小，则模型偏差越小，随着模型复杂度的增加，估计未知函数的偏差会越来越小(5)。
人工智能正在打破两个 "界限"(19)：一是定性分析与定量分析的界限。近年来，许多经济学家，尤其是从事金融学和会计学研究的学者，开始大量使用自然语言处理技术来测度重要的心理变量，如幸福感、客户满意度和投资者情绪等。这些变量在过去是无法测度的，如今借助大数据和自然语言处理技术，它们变得可测。随着心理因素测度的可测性提高，已经可以对原本只能进行定性分析的内容进行定量分析，两者间的界限已被打破。
另一个被打破的界限是社会科学内部各学科、各领域之间的界限。原来经济学的研究主要集中在经济学领域，如今随着大数据、自然语言处理大模型技术广泛应用，我们可以测度许多社会心理因素、社会规范因素、文化与社会伦理因素以及生态环境因素，如 PM2.5 等数据。这些因素的可测性使得经济学者能够从事交叉学科研究(19)。如今，经济学分析框架中不仅包含经济因素，还包括许多非经济因素，如社会心理、地缘政治等都可纳入经济学的分析框架，这些都得益于数据和人工智能技术的广泛应用。
2.2 技术融合与应用领域拓展
人工智能技术正在拓宽人文经济学的理论视野与应用边界(14)。长期以来，社会心理、社会文化、社会规范、社会资本等人文因素，在经济决策和宏观经济运行中发挥着重要作用。然而，由于数据测度困难，传统研究往往局限于定性分析，难以形成系统化的实证研究范式。大数据革命和人工智能技术的发展，打破了定性与定量分析的传统界限，给人文经济学的研究方法带来了深刻变革，极大地拓展了其理论视野与应用边界。
借助大数据和人工智能技术，人文经济学研究者能够更精准地衡量和分析人文因素，促使人文经济学的研究范式朝着现代化、数据驱动化方向演进(14)。例如，语言作为人类最核心的交流媒介，人类每时每刻都在生成海量文本数据，这些数据蕴含着经济主体对政策变化、市场波动、外部冲击的心理预期及情绪反应等丰富信息。通过自然语言处理技术与大语言模型，研究者可以从文本数据中提取情感倾向、心理预期、社会情绪等信息，进而将原本难以度量的社会心理因素纳入经济学的实证分析框架。
在经济学领域，"智能算法重塑宏观经济预测模型" 被列为社会科学与人工智能融合发展的首要议题(24)。复旦大学数字经济研究院院长李善同教授在圆桌讨论中指出，传统计量经济学模型面对高频、多维的实时经济数据已显乏力，而深度学习模型在 CPI 预测、产业链波动监测等方面展现出 90% 以上的准确率提升(24)。但同时也面临 "算法黑箱" 带来的政策解释性挑战，这正是下一阶段需要突破的研究重点。
在金融领域，AI 通过大数据风控、智能投顾等应用，既提高了效率，也改变了风险传导机制(20)。黄益平提出，需建立算法审查制度、监管沙盒等机制，确保技术进步与金融稳定并行。同时，AI 与经济学的结合催生了计算经济学、行为经济学等新领域(20)。黄益平强调，全球南方共识的提出（契合发展中国家实际的经济理论），需要 AI 技术分析中国及发展中国家的独特经济数据，从而构建更具解释力的理论体系。
2.3 跨学科研究与机构实践
人工智能对经济学与社会科学具有重要的赋能作用，经济学与社会科学要热情拥抱人工智能，但仅靠人工智能不能给经济学与社会科学提供所有的方法和工具，只有将人工智能技术与领域知识相结合，才可获得相关的分析进展(19)。这种跨学科融合的趋势已经在国内外多所高校和研究机构得到体现。
北京大学今年启动 "AI + 学科创新三年行动计划"，目的就是与时俱进地分析、研究 AI 给经济机制和经济学科带来的影响，通过支持科研项目、案例分析和课程创新等活动，产出有影响力的国际前沿研究成果、政策应对方案及 "AI + 经济学" 教材(18)。在论坛上，北京大学国家发展研究院院长黄益平表示，全球南方共识旨在契合发展中国家的实际情况，推动其经济发展，中国经验是共识的重要组成部分(18)。
2025 年 9 月 6 日，"AI 与学科发展论坛" 暨教育部人文社会科学重点研究基地（经济片）与中国经济学年会理事单位负责人联席会议在北京大学承泽园举行(18)。与会专家从经济学研究、教学实践和社会影响等维度，深入探讨 AI 带来的机遇与挑战，并就 AI 对经济学广泛而深刻的影响提出洞见，包括 AI 正在重构经济学理论和研究范式，正在加速经济学教育从知识传授到赋能创造的根本性转型，未来跨学科融合发展是大势所趋等。
复旦大学牵头打造的国内首部《人文社会科学智能发展蓝皮书》于 2025 年 3 月发布(21)。该蓝皮书以 "AI 驱动的人文社会科学理论创新与范式变革" 为主题，系统梳理了近年来的发展前沿和趋势，包括 AI 驱动人文社科研究范式和组织方式的总体变革，各学科研究方法和理论视角的突破，以及产教融合视角下的产业应用等方面。蓝皮书指出，AI 驱动的人文社科研究逐渐迈入 "数据与机理双驱动" 的 "第五范式"，形成了经验驱动与数据驱动相结合的创新模式(23)。
此外，2025 年 7 月 27 日，上海市社会科学事业发展研究中心党总支书记徐婷婷代表学术研究共同体发布了《社会科学与人工智能融合发展十大议题（2025）》，这一纲领性文件的出台，标志着我国社会科学研究正式进入 "智能融合" 新阶段(24)。这些议题聚焦社会科学与人工智能交叉领域的关键问题，呈现系统性、前瞻性和实践性三大鲜明特征。
三、人文经济学与 AI 融合的短期影响分析
3.1 经济结构与劳动力市场变革
人工智能对劳动力市场的影响是差异化的，取决于工作的任务构成和 AI 的能力(17)。国际劳工组织 (ILO) 的最新研究估计，全球约四分之一的工人处于 AI 暴露职业中，但大多数工作将被转型而非完全替代，因为人类投入仍然需要(17)。这意味着，虽然某些任务可能被自动化，但工人可能会转向更高价值的任务，从而提高其整体生产力和价值。
与以往的技术变革主要影响执行 "常规" 和 "手动" 任务的工作不同，AI 也会影响执行 "抽象" 和 "复杂" 任务的工作，如工程师、金融分析师和某些医疗专业人员(17)。这一特点使得 AI 对劳动力市场的影响更为广泛和深入，不仅涉及传统的蓝领工作，也包括大量的白领工作。在 AI 暴露程度最高的职业中，雇主寻求的技能变化速度比 AI 暴露程度最低的职业快 66%（高于去年的 25%），表明工人需要不断更新技能以保持竞争力(17)。
AI 对工作岗位的影响涉及创造和替代两个方面(17)。一方面，AI 正在创造新的工作岗位，特别是在 AI 开发、部署和支持领域。PwC 的分析表明，AI 正在创造新的就业机会，即使在高度自动化的角色中也是如此。另一方面，AI 可能导致某些工作岗位被替代，尤其是那些包含大量可自动化任务的工作。Goldman Sachs 的一项研究表明，如果广泛采用 AI，可能会使 6-7% 的美国劳动力面临风险。
然而，总体而言，就业岗位正在几乎所有类型的 AI 暴露职业中增长，全球层面只有两个例外（键盘文员和信息通信技术专业人员）(17)。不过，AI 暴露职业的就业岗位增长速度较慢（过去五年平均增长 38%），而 AI 暴露较少的职业增长更快（过去五年平均增长 65%）。这表明，虽然 AI 不会导致大规模失业，但可能会改变就业结构和增长模式。
3.2 收入分配与技能溢价变化
人工智能技术的发展正在改变收入分配格局，特别是通过技能溢价的变化。拥有 AI 技能（如机器学习或提示工程）的工人平均工资溢价为 56%（高于去年的 25%），表明市场对能够与 AI 有效合作的工人的高度重视(17)。这意味着，AI 的发展不是简单地替代工人，而是改变了对工人技能的需求，从而影响收入分配。
然而，被 AI 替代的工人可能面临显著的收入损失(17)。研究表明，高周转率企业中被替代的工人通常会经历长期的收入损失，平均减少约 25%。这种收入损失在不同年龄组之间存在显著差异。年长工人（50 岁以上）可能面临更大的挑战，因为他们的就业率下降，寻找新工作的能力有限。这意味着 50 岁以上的工人可能面临永久离开就业市场的风险。
技能水平也会影响收入损失的程度(17)。低技能工人可能面临更大的替代风险，但高技能工人也可能面临挑战，特别是如果他们的技能与 AI 能力高度重叠。这种收入不平等的加剧可能抵消 AI 带来的生产力增长对整体经济的积极影响，因此需要政策干预来确保 AI 转型对所有工人都是公平和有益的。
在金融领域，AI 通过大数据风控、智能投顾等应用，既提高了效率，也改变了风险传导机制(20)。这不仅影响金融机构的运营模式，也改变了金融市场的风险分布和收益结构。例如，AI 驱动的算法交易系统基于市场数据等快速交易决策影响金融工具定价；电商平台和服务提供商提供个性化定价；保险和贷款领域评估风险调整价格(3)。这些应用都直接影响着市场参与者的收入和财富分配。
3.3 经济研究方法与教育模式转型
人工智能正在深刻改变经济学的研究方法和教育模式。在研究方法方面，传统计量经济学模型面对高频、多维的实时经济数据已显乏力，而深度学习模型在 CPI 预测、产业链波动监测等方面展现出 90% 以上的准确率提升(24)。这使得研究者能够更精准地捕捉经济变量之间的复杂关系，提高预测的准确性。
同时，AI 也在改变经济学的教育模式。黄益平认为，AI 时代对人才的要求已从 "专业精通" 转向 "跨学科能力"(20)。基础技能普及化成为必然趋势，每个人都应具备一定的 AI 知识，类似于互联网时代的电脑操作技能。例如，金融专业学生需理解 AI 在信贷决策、风险管理中的应用，而非仅学习传统理论。
在教育层面，AI 推动经济学教育从知识传授到赋能创造(20)。北京大学国家发展研究院通过课程创新，将 AI 融入经济学教学，培养能运用技术解决实际问题的复合型人才。黄益平指出，AI 替代脑力劳动的趋势（如智能客服、自动化投研）要求教育体系提前布局，避免人才结构与社会需求脱节。
值得注意的是，AI 不仅是一种技术工具，更是一种思维方式的变革。大模型通过学习互联网上各种文本数据，能够给出比小模型更准确的推断预测结果，展现惊人的泛化能力(5)。这种能力使得经济学研究能够突破传统 "小模型" 范式的局限，进入 "大模型" 范式的新空间，从而改变经济学的研究方法和教育内容。
3.4 伦理挑战与治理困境
人工智能的快速发展也带来了一系列伦理挑战和治理困境。首先是算法偏见问题。考虑一个 AI 系统筛选工作候选人、学校录取或贷款申请的例子(9)。从狭义的经济角度看，执行此类筛选的 AI 系统的目标是识别对企业、学校或贷款机构最有价值的候选人。采用典型的数据集来训练 AI 系统，某些个人特征与更高价值相关，而其他特征则与较低价值相关。AI 系统以比人脑更复杂的方式识别这些相关性，从这个意义上说，它可能能够做出更有效的筛选决策。更高的筛选效率将转化为更大的经济价值。
然而，我们社会的伦理价值观之一是，基于个人无法控制的个人特征（如种族、性别或年龄）对个人进行歧视是不可取的。尽管如此，AI 系统可能会以两种场景进行这种歧视(9)。第一种场景是算法或训练数据本身存在偏见。这可能是因为它们基于有偏见的人类决策，或者因为它们缺乏代表性，从而为代表性不足的群体生成效率较低的决策，导致较少的积极筛选决策和偏见。在这种情况下，偏见从经济和伦理角度来看都是不可取的，因此前进的理想路径是明确的。
第二种场景是，即使训练数据完全具有代表性且无偏见，我们中的许多人仍然认为仅基于过去观察到的相关性做出决策是不公平的，因为这样做会延续过去发生的歧视(9)。例如，假设某个族裔的成员历史上违约率较高；我们中的大多数人会认为仅因为其族裔而向该族裔成员收取更高利率在道德上是错误的。即使 AI 系统没有明确地接收关于受保护个人特征（如族裔）的数据，它们仍然可以从其他数据中以越来越高的准确度推断出这些特征，并在做出决策时使用它们，这些决策在统计意义上看起来无偏见，从经济角度来看效率很高。
另一个重要的伦理挑战是 AI 系统可能 "黑入" 人类大脑(9)。在计算机科学中，黑客攻击是指某人侵入系统以窃取信息或操纵系统行为的情况。AI 算法 "黑入" 人类大脑是指算法利用我们简单的人类驱动力来操纵我们进入最终无法提供我们的驱动力本应提供的满足感的行为或决策。人类大脑不断在相互冲突的目标之间做出权衡，例如原始本能和理性思考之间的权衡。AI 系统越来越了解如何在两者之间取得平衡，利用我们的本能，影响我们的思想，并操纵我们进入最能实现其目标的任何状态。
此外，AI 系统在决策过程中可能会削弱人类的自主性。许多人赋予人类自主性重要价值，即做出独立决策的能力（这与结果主义观点直接矛盾，后者认为只有决策的结果才重要）(9)。例如，许多车主报告说，他们重视自己做出驾驶决策的能力，即使自动驾驶汽车可以在所有客观维度上驾驶得更好。随着 AI 系统在特定领域变得越来越好，将 AI 系统的优越决策强加给人类用户变得越来越诱人，但这样做会产生减少我们自主性的成本。
四、人文经济学与 AI 融合的长期发展趋势
4.1 经济增长与生产力提升路径
人工智能作为一项通用目的技术，有潜力显著提高总要素生产率 (TFP) 增长(17)。研究表明，AI 可能在未来十年为美国年度生产力增长增加 0.1 至 1.5 个百分点。即使在最保守的估计下，AI 也将扩大经济总量。这种生产力增长的潜在影响是巨大的：在 AI 情景下，到 2035 年，实际人均 GDP 可能比基准情景高出近 7000 美元(17)。
这种生产力增长将通过多种机制实现：首先，AI 可以提高劳动力效率，使工人能够完成更多任务或以更高质量完成任务；其次，AI 可以促进资本深化，提高资本使用效率；最后，AI 可以加速创新，创造新的产品、服务和商业模式(17)。这意味着 AI 不仅是一种技术工具，更是经济增长的核心驱动力，将深刻改变未来的经济增长模式。
在经济学理论中，AGI（通用人工智能）的集成代表了一种变革性转变，对劳动力市场、收入分配和技术增长具有深远影响(1)。为了捕捉 AGI 的双重角色，研究人员扩展了常数替代弹性 (CES) 生产函数，将人类劳动 (Lh)、AGI 劳动 (LAGI)、传统资本 (K) 和 AGI 资本 (KAGI) 纳入其中。这使得能够严格分析 AGI 对劳动力市场动态、资本积累和长期均衡的影响。
研究表明，AGI 与人类劳动之间的替代关系取决于替代弹性 σ(1)。如果 σ > 1，人类工资相对于 AGI 工资下降，导致不平等加剧，除非引入再分配措施。如果 AGI 劳动是高度替代性的 (σ→∞)，人类就业萎缩，需要普遍基本收入 (UBI) 或再技能培训等政策干预。如果 AGI 和人类劳动是互补的 (σ < 1)，AGI 采用提高生产力而不取代工人，促进包容性经济增长。
4.2 人机协作与经济主体重构
未来的经济发展将越来越依赖人机协作的模式。随着人工智能技术的进步，人类与 AI 之间的关系将从简单的工具使用转向更为复杂的协作关系。这种协作不仅体现在具体的工作任务中，也体现在经济决策和创新过程中。
在经济学理论中，传统的 "理性经济人" 假设正在被 "人机结合" 的人工智能经济人所取代(5)。这一转变意味着经济主体的概念正在发生根本性变化，从孤立的经济个体到其行为可测度的社会经济人，从宏观经济学和微观经济学的分离到两者的融合，从定性分析和定量分析的对立到两者的统一(5)。
这种转变的一个重要表现是 AI 在经济决策中的应用。AI 代理被设计为理性行动，不受情感因素影响，基于可用信息做逻辑决策，在经济决策中表现优于人类个体(3)。例如，在金融市场中，AI 驱动的算法交易系统基于市场数据等快速做出交易决策；在电商平台上，AI 算法进行个性化定价；在保险和贷款领域，AI 评估风险并调整价格(3)。这些应用都体现了 AI 在经济决策中的重要作用。
同时，人类与 AI 之间的协作也在创造新的经济主体形式。例如，"数字孪生" 技术构建高仿真蜜罐环境，诱骗攻击者暴露行踪(1)。这种技术不仅用于网络安全，也可以用于经济模拟和预测。元支点 "有影攻击诱捕系统" 可在 1 台设备上模拟 2000 个蜜罐节点，某电网企业应用后攻击识别率从 42% 提升至 98%(1)。这种技术的发展使得经济主体的边界变得更加模糊，人类与 AI 的融合程度不断提高。
4.3 跨学科融合与理论创新
人文经济学与 AI 的融合将促进跨学科研究的深入发展。AI 在社会科学中的应用，促进了计算机科学、统计学与人文学科的跨领域融合，带来了全新的研究方法与应用场景(23)。这种融合不仅体现在技术层面，也体现在理论层面，推动了经济学理论的创新与发展。
在理论创新方面，AI 与经济学的结合催生了计算经济学、行为经济学等新领域(20)。这些新领域利用 AI 技术分析经济现象，提出新的理论解释和预测模型。例如，AI 可以用于建模、模拟和解决复杂博弈，如战略决策、游戏玩法、强化学习、拍卖理论、谈判、多智能体系统、网络安全、经济和市场行为、社会和行为科学、环境和资源管理等(3)。这些应用不仅拓展了经济学的研究范围，也深化了对经济现象的理解。
AI 驱动的人文社科研究逐渐迈入 "数据与机理双驱动" 的 "第五范式"，形成了经验驱动与数据驱动相结合的创新模式(23)。传统研究通常以定量和定性方法分野，而 AI 技术特别是大模型的应用，使得研究方法向复杂系统与多模态融合方向发展，推动了更精确的预测与理论验证。通过 AI 模型的辅助，研究者能够对复杂社会现象进行实时响应和多层次分析，进一步揭示个体与群体行为的深层机制。
在经济学领域，"智能算法重塑宏观经济预测模型" 被列为社会科学与人工智能融合发展的首要议题(24)。这表明，未来的经济学研究将更加依赖 AI 技术来处理复杂的经济数据，构建更精确的预测模型，从而为政策制定提供更科学的依据。同时，这也意味着经济学理论需要适应这种技术变革，发展新的理论框架来解释 AI 驱动的经济现象。
4.4 政策框架与社会治理转型
随着人文经济学与 AI 融合的深入发展，政策框架和社会治理模式也将发生重要转变。AI 技术发展赋能复杂社会系统仿真，正在重塑公共管理与决策的科学范式(23)。基于深度学习、多智能体建模和大数据融合等技术，AI 能够构建高精度的虚拟社会系统，动态模拟人口流动、经济互动、舆情传播等复杂行为，突破传统线性分析模型对非线性关系的解释局限。
通过多场景推演揭示政策传导的连锁效应，辅助决策者预判社会保障、应急管理等政策的长期影响，实现从 "经验驱动" 向 "数据 - 模型双驱动" 的决策转型(23)。其核心价值在于：建立政策效果的 "数字孪生" 试验场，通过实时反馈机制优化资源配置；破解多元主体利益博弈的决策困境，借助仿真结果建立量化共识；提升治理体系的韧性，通过动态风险预警构建主动型管理模式。在疫情防控、城市规划、交通治理等场景已显现实践价值这一事实，标志着公共决策正处于从静态经验判断转向动态智能决策的新阶段，为推进治理能力现代化提供技术支撑。
针对政府的政策建议包括：建立社会对话机制，促进多方利益相关者对话；投资于技能发展，增加对教育和培训的公共投资；改革劳动力市场政策，更新失业保险、再培训和求职支持等政策；促进数据共享，建立机制促进关于 AI 采用和影响的数据共享；平衡创新与保护，在鼓励 AI 创新与保护工人和消费者之间取得平衡(17)。
针对企业的建议包括：将 AI 视为增长战略，用于企业转型和创造新市场；投资于员工技能，使他们能够与 AI 有效合作；采用 "思考大" 方法，使用 AI 创造新工作和业务模式；优先考虑代理式 AI，这是一种能够自主规划和行动的数字劳动力，可以释放新的生产力水平；建立信任，负责任地部署 AI，建立清晰的治理和信任(17)。
针对社会的建议包括：促进社会对话，鼓励关于 AI 对工作和经济影响的公开讨论；支持工人组织，支持工人组织和集体行动；倡导公平转型，确保 AI 转型对所有工人公平；投资于技能发展，个人和家庭应该投资于技能发展，特别是 AI 互补技能；保持批判性思维，对 AI 的能力和局限性保持批判性理解(17)。
五、AI 在技术经济领域的应用与人文价值结合研究
5.1 AI 在经济预测与决策中的应用
AI 在经济预测与决策中的应用正在深刻改变经济学的研究方法和实践应用。在经济预测方面，传统计量经济学模型面对高频、多维的实时经济数据已显乏力，而深度学习模型在 CPI 预测、产业链波动监测等方面展现出 90% 以上的准确率提升(24)。这种预测能力的提升使得政策制定者和企业决策者能够更准确地把握经济走势，制定更有效的政策和战略。
在宏观经济预测中，AI 技术能够处理海量数据，捕捉复杂的非线性关系，提高预测的准确性。例如，"智能算法重塑宏观经济预测模型" 被列为社会科学与人工智能融合发展的首要议题(24)。这表明，AI 在宏观经济预测中的应用已经成为学术界和实践领域共同关注的重点。通过将 AI 技术应用于宏观经济预测，可以更准确地把握经济周期波动，为宏观调控提供科学依据。
在微观经济决策中，AI 也发挥着越来越重要的作用。例如，动态定价算法基于供需波动调整价格；在线市场平台利用 AI 算法匹配供需；电商通过个性化系统推荐产品或服务；制造业优化生产计划和库存水平；农业根据天气、土壤数据和市场需求优化种植、收获和配送；零售库存管理中预测需求、识别滞销产品和优化补货(3)。这些应用都体现了 AI 在微观经济决策中的价值。
AI 还可以用于政策评估和模拟。通过构建经济系统的数字模型，AI 可以模拟不同政策的影响，评估政策的效果和风险。例如，AI 可以用于模拟税收政策的变化对经济增长、就业和收入分配的影响，为政策制定提供科学依据。这种应用不仅提高了政策制定的科学性，也增强了政策的可预测性和可控性。
5.2 人文价值在 AI 系统中的嵌入与实现
将人文价值嵌入 AI 系统是确保 AI 发展符合人类福祉的重要途径。AI 系统的设计和运行不仅涉及技术问题，也涉及伦理和价值问题。因此，如何将公平、正义、包容等人文价值融入 AI 系统的设计和运行，成为当前研究的重要议题。
在 AI 系统中嵌入人文价值的一个重要方面是价值对齐问题。所谓价值对齐，是指确保 AI 系统的行为符合人类的价值观和利益。这一问题在 AI 立法中尤为重要。中国政法大学人工智能法治研究中心团队展示的最新研究表明，全球已有 47 个国家开展 AI 专门立法，但如何将人类社会的公平、正义等抽象价值编码为算法可识别的参数，仍是待解难题(24)。
在经济学领域，将人文价值融入 AI 系统的一个重要应用是设计更加公平和包容的经济政策。例如，AI 可以用于优化税收政策，平衡效率和公平。一项研究表明，AI 驱动的税收政策在平等 - 生产力权衡方面比基线政策（包括著名的 Saez 税收框架）提高了 16%(6)。AI 驱动的税收政策在质上不同于基线政策，设定了更高的最高税率和对低收入者更高的净补贴。此外，AI 驱动的税收政策在面对 AI 代理学习的新兴税收博弈策略时表现强劲。
在金融领域，AI 可以用于设计更加公平和透明的金融服务。例如，AI 可以用于评估信贷风险，避免传统方法中的偏见和歧视。同时，AI 也可以用于开发更加普惠的金融产品和服务，扩大金融服务的覆盖范围，特别是对那些传统金融服务难以触及的人群。
此外，AI 还可以用于促进可持续发展。例如，AI 可以用于优化资源配置，提高资源利用效率，减少浪费和污染。同时，AI 也可以用于监测和评估环境变化，为环境保护和可持续发展提供决策支持。这些应用都体现了人文价值在 AI 系统中的嵌入和实现。
5.3 人机协同决策模式与治理框架
随着 AI 技术的发展，人机协同决策模式将成为未来经济决策的重要形式。这种模式既发挥 AI 的数据处理和分析能力，又保留人类的价值观、创造力和伦理判断能力，从而实现更加科学、合理和人性化的决策。
在人机协同决策中，AI 可以提供数据支持、模型分析和方案生成，而人类则负责价值判断、目标设定和最终决策。例如，在教育领域，华东师范大学智能教育实验室提出的 "双引擎驱动" 模型 —— 即结合教师经验与算法分析的混合决策机制，为破解 AI 教育产品的 "信息茧房" 效应提供了新思路(24)。这种模式既利用了 AI 的数据分析能力，又保留了教师的专业经验和人文关怀，实现了技术与人文的有机结合。
在公共决策领域，AI 可以用于构建政策模拟和评估模型，为决策者提供多种方案和预测结果，而决策者则根据社会价值和公共利益进行选择和调整。例如，AI 可以用于模拟不同交通政策对拥堵、污染和出行效率的影响，为城市交通规划提供科学依据。同时，决策者可以根据社会公平、环境保护和居民生活质量等因素进行综合权衡，做出最优决策。
为了实现有效的人机协同决策，需要建立相应的治理框架。首先，需要明确 AI 系统和人类决策者的权责边界，避免责任不清和决策失误。其次，需要建立 AI 系统的透明度和可解释性机制，使人类决策者能够理解 AI 的决策过程和依据。再次，需要建立 AI 系统的伦理审查和风险评估机制，确保 AI 的应用符合伦理原则和社会价值。最后，需要建立人机协同的培训和教育机制，提高人类决策者与 AI 系统协作的能力。
在金融领域，AI 通过大数据风控、智能投顾等应用，既提高了效率，也改变了风险传导机制(20)。为了确保这些应用的安全和有效，需要建立算法审查制度、监管沙盒等机制，确保技术进步与金融稳定并行。这些机制都是人机协同决策治理框架的重要组成部分。
5.4 技术经济与人文价值的平衡机制
在 AI 时代，如何平衡技术经济价值与人文价值，是一个亟待解决的重要问题。技术经济价值强调效率、增长和创新，而人文价值则关注公平、正义、尊严和可持续发展。两者之间既有一致性，也有冲突，需要建立有效的平衡机制。
首先，需要在技术设计和开发阶段考虑人文价值。例如，在设计 AI 系统时，可以将公平、包容、可持续等人文价值纳入系统的目标函数和约束条件，确保 AI 的应用符合人类福祉。这就要求技术开发者具备跨学科的知识和视野，不仅关注技术性能，也关注社会影响。
其次，需要在政策制定和实施过程中平衡技术经济价值和人文价值。例如，在制定 AI 发展政策时，既要鼓励技术创新和经济增长，也要关注就业保护、收入分配和社会包容。这就要求政策制定者具备系统思维和综合判断能力，能够在复杂的利益关系中找到平衡点。
再次，需要建立多元主体参与的协同治理机制。AI 的发展涉及政府、企业、研究机构、社会组织和公众等多个主体，需要各方共同参与，形成合力。例如，可以建立由技术专家、经济学家、伦理学家、法律专家和公众代表组成的 AI 伦理委员会，对 AI 的发展和应用进行监督和评估，确保技术发展符合社会价值。
最后，需要加强公众教育和参与，提高全社会对 AI 的认知和理解。只有当公众具备足够的 AI 素养，能够理性看待 AI 的能力和局限，才能更好地参与 AI 的发展和应用决策，维护自身权益和社会价值。这就要求教育机构、媒体和社会组织共同努力，普及 AI 知识，提高公众的数字素养和批判思维能力。
在实践中，平衡技术经济价值和人文价值的一个成功案例是 AI 在税收政策中的应用。研究表明，AI 驱动的税收政策不仅提高了经济效率，也改善了收入分配，实现了效率和公平的双重提升(6)。这种应用表明，通过合理的设计和实施，技术经济价值和人文价值可以实现有机统一，共同促进经济社会的可持续发展。
六、结论与展望
6.1 研究结论与理论贡献
本研究对人文经济学与 AI 融合发展的现状、影响和趋势进行了系统分析，得出以下主要结论：
首先，人文经济学与 AI 的融合正在深刻改变经济学的研究范式和实践应用。AI 技术的发展使经济学研究能够突破传统 "小模型" 范式的局限，进入 "大模型" 范式的新空间，实现定性分析与定量分析的统一，宏观经济学与微观经济学的融合(5)。这种融合不仅拓展了经济学的研究范围，也深化了对经济现象的理解，为经济学理论创新提供了新的机遇。
其次，AI 对经济结构和劳动力市场的影响是深远而复杂的。虽然 AI 可能导致某些工作岗位被替代，但大多数工作将被转型而非完全替代，工人可能会转向更高价值的任务，从而提高其整体生产力和价值(17)。同时，AI 也创造了新的工作岗位和职业，特别是在 AI 开发、部署和支持领域。拥有 AI 技能的工人获得了显著的工资溢价，表明市场对能够与 AI 有效合作的人才的高度重视。
再次，将人文价值融入 AI 系统是确保 AI 发展符合人类福祉的重要途径。通过将公平、正义、包容等人文价值嵌入 AI 系统的设计和运行，可以实现更加公平、可持续和人性化的经济决策和政策制定。例如，AI 驱动的税收政策在平等 - 生产力权衡方面比传统政策提高了 16%，同时设定了更高的最高税率和对低收入者更高的净补贴(6)。
最后，人机协同决策模式将成为未来经济决策的重要形式。这种模式既发挥 AI 的数据处理和分析能力，又保留人类的价值观、创造力和伦理判断能力，从而实现更加科学、合理和人性化的决策。为了实现有效的人机协同决策，需要建立相应的治理框架，明确权责边界，提高透明度和可解释性，加强伦理审查和风险评估。
本研究的理论贡献在于：第一，揭示了人文经济学与 AI 融合的理论基础和实践路径，为跨学科研究提供了新的视角和方法；第二，分析了 AI 对经济结构和劳动力市场的影响机制，丰富了技术变革与经济发展的理论；第三，探讨了将人文价值融入 AI 系统的方法和路径，为 AI 伦理和治理研究提供了新的思路；第四，构建了人机协同决策的理论框架，为未来经济决策提供了新的模式和方法。
6.2 政策建议与实践启示
基于上述研究结论，本研究提出以下政策建议和实践启示：
对于政府部门，建议：第一，加强 AI 与人文经济学融合的顶层设计，制定相关政策和规划，引导和支持跨学科研究和应用；第二，加大对 AI 伦理和治理的研究和投入，建立健全 AI 伦理审查和监管机制，确保 AI 发展符合人类价值观和社会利益；第三，加强对劳动力市场的监测和评估，制定针对性的就业政策和培训计划，帮助工人适应 AI 驱动的经济转型；第四，推动数据开放和共享，为 AI 研究和应用提供更好的数据支持，同时加强数据保护和隐私安全。
对于企业和组织，建议：第一，将 AI 视为增长战略，不仅用于提高效率，也用于创造新的产品、服务和商业模式；第二，投资于员工技能培训，提高员工与 AI 协作的能力，特别是 AI 互补技能；第三，采用 "思考大" 方法，使用 AI 创造新工作和业务模式，而非仅仅自动化现有工作；第四，负责任地部署 AI，建立清晰的治理和信任机制，提高 AI 系统的透明度和可解释性。
对于教育机构，建议：第一，改革经济学教育模式，将 AI 技术融入课程设置，培养学生的跨学科能力；第二，加强 AI 伦理和人文教育，提高学生的伦理判断和价值思考能力；第三，发展人机协同的教学模式，既发挥 AI 的教学辅助作用，又保留教师的人文关怀和价值引导；第四，加强师资培训，提高教师的 AI 素养和跨学科教学能力。
对于研究机构和学者，建议：第一，加强跨学科合作，促进计算机科学、统计学、经济学和人文社会科学的深度融合；第二，开展 AI 伦理和治理研究，探索将人文价值融入 AI 系统的方法和路径；第三，推动 AI 在经济预测、政策评估和决策支持中的应用，提高经济决策的科学性和有效性；第四，关注 AI 对收入分配、就业结构和社会公平的影响，为政策制定提供科学依据。
对于公众和个人，建议：第一，提高 AI 素养和数字技能，增强与 AI 协作的能力；第二，保持批判性思维，理性看待 AI 的能力和局限，避免盲目崇拜或过度担忧；第三，积极参与 AI 伦理和治理的讨论，表达自己的价值观和关切；第四，不断学习和更新技能，适应 AI 驱动的经济转型，提高自身的就业竞争力。
6.3 未来研究方向与展望
基于当前的研究进展和实践需求，未来的研究可以从以下几个方向展开：
第一，深入研究 AI 与经济增长的关系，特别是 AI 对全要素生产率、创新和长期经济增长的影响机制。这需要结合宏观经济学、增长理论和技术创新理论，构建更加完善的理论模型，同时利用大数据和 AI 技术进行实证分析。
第二，探索 AI 对收入分配和社会公平的影响，特别是 AI 对不同技能群体、不同地区和不同行业的差异化影响。这需要结合劳动经济学、发展经济学和社会政策研究，开展更加深入的实证研究和政策评估。
第三，研究将人文价值融入 AI 系统的方法和路径，特别是如何将公平、正义、包容等抽象价值转化为 AI 系统可执行的算法和规则。这需要结合伦理学、计算机科学和经济学，开展跨学科研究和实践探索。
第四，探索人机协同决策的理论和方法，特别是如何在复杂经济决策中实现人类与 AI 的有效协作。这需要结合决策科学、认知科学和计算机科学，开展理论研究和实验验证。
第五，研究 AI 对经济周期和金融稳定的影响，特别是 AI 在金融市场中的应用对市场波动、风险传导和系统性风险的影响。这需要结合金融经济学、计量经济学和复杂系统理论，开展深入的理论和实证研究。
第六，探索 AI 在可持续发展中的应用，特别是 AI 在资源管理、环境保护和气候变化应对中的作用。这需要结合环境经济学、可持续发展理论和计算机科学，开展跨学科研究和应用实践。
展望未来，人文经济学与 AI 的融合将进一步深化，形成更加完善的理论体系和应用模式。随着 AI 技术的不断进步和应用场景的不断拓展，AI 将在经济预测、政策制定、资源配置和价值创造等方面发挥越来越重要的作用。同时，随着人们对 AI 伦理和治理的重视，将人文价值融入 AI 系统将成为未来研究和实践的重要方向。通过技术与人文的深度融合，我们有望构建更加科学、公平和可持续的经济发展模式，实现技术进步与人类福祉的有机统一。
在这个人机共生的新时代，人文经济学与 AI 的融合不仅是学术研究的前沿领域，也是应对经济社会挑战的重要途径。通过跨学科的研究和实践，我们可以更好地理解和引导 AI 驱动的经济转型，实现经济增长与社会公平的平衡，创造更加美好的未来。
参考资料
[1] The Future of Work and Capital: Analyzing AGI in a CES Production Model https://arxiv.org/pdf/2502.07044
[2] Creating a Cooperative AI Policymaking Platform through Open Source Collaboration https://arxiv.org/pdf/2412.06936
[3] Influence of AI in theoretical perspective of economics https://sethanandramjaipuriacollege.in/images/faculty/publication_int/1712017969.pdf
[4] The Feeling Economy, How Artificial Intelligence Is Creating the Era of Empathy https://www.researchgate.net/publication/348593461_The_Feeling_Economy_How_Artificial_Intelligence_Is_Creating_the_Era_of_Empathy
[5] ChatGPT与大模型将对经济学研究范式产生什么影响? How Will ChatGPT and Large Models Influence the Research Paradigm in Economics? https://d.wanfangdata.com.cn/periodical/Ch9QZXJpb2RpY2FsQ0hJTmV3UzIwMjUwMTE2MTYzNjE0Eg9qbGpqeGIyMDI0MDEwMDEaCHBoa3lvOW51
[6] The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies https://arxiv.org/pdf/2004.13332
[7] the future economics of artificial intelligence: mythical agents, a singleton and the dark forest https://www.econstor.eu/bitstream/10419/267450/1/dp15713.pdf
[8] Job Creation through Sustainable Investing Using Human-Centered AI: An Integral Approach http://www.cadmusjournal.org/files/pdfreprints/vol4issue2/Job-Creation-Through-Sustainable-Investing-MBozesan-TKehler-T-Schulz-Cadmus-V4-I2-P2-Reprint.pdf
[9] INTEGRATING ETHICAL VALUES AND ECONOMIC VALUE TO STEER PROGRESS IN ARTIFICIAL INTELLIGENCE https://www.nber.org/system/files/working_papers/w26130/w26130.pdf
[10] 生命通识人文算法与通用人工智能（AGI）的融合：面向未来新质人才培养体系与经济生态构建的探索与实践 https://m.zhangqiaokeyan.com/academic-conference-cn_meeting-81982_thesis/020223669043.html
[11] Large Language Models for Behavioral Economics: Internal Validity and Elicitation of Mental Models https://arxiv.org/pdf/2407.12032
[12] AI AI Bias: Large Language Models Favor Their Own Generated Content https://arxiv.org/pdf/2407.12856
[13] Sapiens 5.0: A Manifesto for the Development of Human-Al Collaboration for Good https://www.researchgate.net/profile/Tony-Prescott/publication/357857069_Sapiens_50_A_Manifesto_for_the_Development_of_Human-AI_Collaboration_for_Good/links/61e2dac7c5e310337597be37/Sapiens-50-A-Manifesto-for-the-Development-of-Human-AI-Collaboration-for-Good.pdf
[14] 人文经济学的未来:人工智能技术冲击下的挑战与机遇-中国社会科学网 https://www.cssn.cn/glx/glx_llsy/202507/t20250729_5907950.shtml
[15] Anthropic Economic Futures \ Anthropic https://www.anthropic.com/economic-futures?ref=unremarkable.ai
[16] AI Research in Behavioral Economics 2025 https://www.restack.io/p/ai-influencing-behavioral-change-answer-ai-research-2025-cat-ai
[17] Rand兰德报告:2025年人工智能的宏观经济影响_搜狐网 https://news.sohu.com/a/932705967_121972336
[18] “AI与学科发展论坛”暨教育部人文社会科学重点研究基地(经济片)与中国经济学年会理事单位负责人联席会在北京大学举行 https://news.pku.edu.cn/xwzh/b97a45909e724cb5a5ee6aad87e2d085.htm
[19] 关注 | 共探AI融创人文社科新未来-腾讯新闻 https://news.qq.com/rain/a/20250328A04MR200
[20] 北京大学国家发展研究院院长黄益平:人工智能+学科创新带来的影响 https://c.m.163.com/news/a/K98EDFJK0532N2UB.html
[21] 复旦牵头，53位学者打造!国内首部《人文社会科学智能发展蓝皮书》发布 https://news.fudan.edu.cn/2025/0302/c1247a144312/page.htm
[22] 【人工智能+】AI重塑金融 助推新质生产力发展 ——2025 WAIC人工智能金融领导者论坛侧记 -中国金融新闻网 https://www.financialnews.com.cn/m/2025-09/18/content_433835.html
[23] 未来已来:AI技术与人文和社会科学交叉领域的年度发展趋势 https://m.thepaper.cn/newsDetail_forward_30693780
[24] 社科与人工智能融合十大议题2025-万祥军|经信研究·经济和信息化_新闻中国采编网·中国新闻采编通讯社 http://www.xwzgcb.com/a/v.php?info_id=20100
更多推荐
25
0- 0
已为社区贡献1条内容
所有评论(0)