AI的经济价值引发思考：当下，众多人开始思索人工智能的真正经济价值。头部大模型公司首席执行官们觉得AI的经济价值主要在实现研发自动化上，像在药物研发领域，AI能分析生物数据筛选药物靶点，缩短研发周期、提高效率。然而，EpochAI的研究员Ege Erdil和Matthew Barnett在长文中提出反对观点，他们认为AI的经济价值源于广泛自动化。
研发自动化观点存疑 ：业内有影响力的人如Dario Amodei、Demis Hassabis、SamAltman等认为AI对经济的影响通过「研发的AI自动化」实现，但这种观点缺乏严谨经济论证却影响巨大。实际上，研发的经济价值没人们想的高，其对生产力和新技术发展贡献较小，且大部分贡献是外部性的，降低了部署系统进行研发的积极性。而且研发工作自动化比想象难，研究人员多数任务依赖多种能力，当AI能完全自动化研发工作时，其他多数工作自动化也可行了。
广泛自动化才是关键：AI的真正经济价值在于广泛劳动自动化。研发的经济价值主要通过提高生产率实现，美国相关数据显示，研发对劳动生产率增长贡献较小。而广泛实现人类劳动自动化是加快增长速度的明显渠道，劳动力在经济中产出弹性大、支出多，将其自动化能带来规模回报增加，加速经济增长。虽有人反驳数据低估研发对经济增长影响，但目前绝大多数经济增长并非来自研发。
研发自动化难主导AI发展：对于AI技术，若能实现自身软件研发过程自动化，“纯软件奇点”可能出现，但这关键取决于提高软件效率时“想法难找”的速度。更可信的是研究进展需认知努力和数据两种互补投入，软件驱动的加速会受计算瓶颈限制。并且已将研发部分工作自动化，但科学进步未显著加速，所以默认仅软件或偏向软件的奇点不太可能出现。
科学家难被AI迅速取代：乍看科学家工作依赖抽象推理，可能被推理模型取代，即AI先实现科学自动化再实现其他自动化。但实际上多数研发工作不止需要抽象推理技能，医学科学家及其他常见研究职业的工作任务都表明，工作关键方面需多种能力。实现研发工作完全自动化，AI需具备多种能力，而当AI达到此水平时，常规工作可能已大量自动化，所以AI自动化会先在普通劳动力中实现。
AI带来全民自动化：AI的影响可能比报道描述的更广泛显著，在产生变革性影响前后，显性研发自动化作用次要，主要影响由更广泛自动化支撑。未来AI进步将通过扩展计算基础设施实现，广泛应用于经济领域，实现劳动任务自动化，加速经济增长。在AI产生变革性影响前会有破坏性自动化浪潮，之后加速经济等进步的主要渠道也是大规模自动化。
AI未来的三方面启示：从商业角度，AI实验室应重点实现普通工作任务自动化；从政策角度，要认识到AI发展中公众看法会因自动化浪潮而转变；从个人角度，应规划AI逐步取代岗位的未来，AI会在较长时期内部分超越人类，最终加速经济增长，且影响远超研发领域。
