很多人第一次接触索洛模型是在经济学教材的长期增长那一章。它用一条生产函数和一条资本积累方程就把“国家为什么穷、为什么富、长期增长靠什么”解释得清清楚楚。我因为工作关系经常做经济增长测算和生产率分析索洛模型几乎是我的默认起点也因此比大多数只读过教材的人更清楚它哪里好用、哪里不好用。这篇内容不打算复述数学推导而是想站在实际使用的角度聊一聊索洛模型在未来经济中需要应对的挑战数字经济里的数据要素、AI时代的技术创新、人口负增长、低碳转型这些东西正在一点点撕开模型当年赖以成立的前提。如果你需要写增长分析、做宏观预测或者只是好奇这个老模型还能不能用这篇内容都可以给你一些判断的抓手。1. 先看清骨架索洛模型到底在说什么1.1 三条核心方程与一个核心结论索洛模型的基本盘是一组总量生产函数。最常用的柯布-道格拉斯形式是Y K^α (A L)^(1-α)其中Y是总产出K是资本存量L是劳动力A是技术水平α是资本产出弹性发达经济体里通常取1/3左右发展中经济体可能更高一些。再加上一条资本积累方程ΔK sY - δKs是储蓄率δ是资本折旧率。劳动力按固定速率n增长技术A按固定速率g增长。整个模型往里代几步就能推出一个教科书级结论在平衡增长路径上人均产出Y/L的增长率恰好等于g也就是技术进步速度。资本积累只能解释过渡阶段的增长不能解释稳态增长。这个结论非常锐利它一口气把“提高储蓄率”“鼓励投资”这些政策在长期增长中的地位给降级了。很多政策讨论在索洛框架里都只影响水平不影响长期增长率。但恰恰是这个结论把技术进步的来源问题摆在了台面上——模型没有解释g从哪里来而是直接把它当作一个外生参数。1.2 模型成立所依赖的三根隐性支柱所有理论模型都有简化索洛模型也不例外。关键要看它简化在了哪里。我拆下来至少有三根隐性支柱第一根资本是同质的、可加总的。厂房、设备、基础设施、软件、数据、品牌著作权都可以折成一个K。第二根劳动力是可以标准化的同质劳动一个工人加上另一个工人贡献简单相加教育、健康、技能的差异不重要。第三根技术是外生的A(t)按固定速率g自行增长不受企业和政府决策影响。还要再加一条原始模型里根本没有资源环境和地球物理边界的位置。能源、排放、污染这些东西在生产函数里完全不存在因为它们在上世纪五十年代不算经济增长的硬约束。这几根支柱在当时都算合理简化放在今天每一根都在被现实反复冲击。1.3 为什么挑战要从假设聊起模型结论的可靠性完全建立在假设之上所以谈挑战不能只谈“模型有没有用”而要谈假设还有多少能站住。我见过太多人用索洛模型给某个经济体做增长分解资本和劳动贡献算完了剩下的残差往“技术进步”上一扔就算完成了任务。这种做法在过去几十年确实有价值但现在越来越危险因为残差里混进的东西远远不只是技术数字经济的测度问题、环境成本、人口质量的异质性、产业结构变化全都堆在里面。接下来的几节我就按这个思路把索洛模型在未来经济里最被动的几个环节一个个摊开来讲。2. 挑战一数据、无形资产把“资本K”的边界撕碎了2.1 数据要素是资本吗边际报酬递减还会继续吗索洛模型的资本积累能收敛到一个稳态靠的核心机制是资本边际报酬递减。多一台机器在一百台机器的基础上增加的产出一定比在十台基础上增加的产出少。这个假设对实物设备很合理但放到数据上就站不住了。数据这个要素有一个非常反直觉的特征复制成本几乎为零可共享、可复用而且往往是使用的人越多、产生的价值越大。传统资本具有竞争性——一台机器被一个工厂用了另一个工厂就不能用数据则具有非竞争性——一套用户行为数据这个团队在分析那个团队同时也在分析互不挤占。这直接导致数据要素的边际报酬可能不像传统资本那样递减甚至在某些场景下递增。一旦边际报酬递增进入生产函数索洛模型推导出来的稳态和收敛逻辑就彻底变了。我见过一些研究尝试把数据单独作为一类生产要素把生产函数扩展成Y F(K, L, D, A)的形态也试图讨论数据资本如何积累、如何折旧。但问题是数据到底算存量还是流量一套折旧率适用于客户数据、传感器数据还是训练语料这些在现实账本里几乎都没有明确答案模型再精巧基础数据接不上也是白搭。2.2 无形资产与知识资本难以加总数据只是其中一个例子更普遍的是无形资产。现代企业的价值越来越集中在研发专利、软件著作权、品牌商誉、组织流程、客户关系这些东西上。它们和一台机床、一座厂房的性质差异非常大折旧更快、收益更不确定、部分价值根本不在市场交易中体现。传统国民账户体系里很多无形资产投入长期被记为中间消耗而不是投资。后来核算标准虽然改了把研发投入资本化了但操作上仍有大量主观判断。这里有一个我实操中踩过的坑测算某行业资本回报率时如果按传统官方折旧率比如8%到10%来算结果偏乐观一旦把软件和研发资本折旧率调到15%到20%整个结论就翻转了甚至会出现资本回报率低于资金成本的信号。注意索洛模型把资本视为一个整体但在现实中把实物资本、软件、研发、数据折成一个数需要极其谨慎的主观假设。每一次跨期比较都要先问自己口径变了吗2.3 数字经济的“索洛悖论”再次出现二十世纪八十年代经济学界就发现过一个现象信息技术投资大幅增长但宏观生产率统计却没有相应提高被戏称为“索洛悖论”。现在数字时代又把这一幕重演了一遍平台经济、人工智能基础设施投入巨大官方全要素生产率数据却平平淡淡。对这个现象一种解释是测度问题——大量数字服务的产出是免费的或难以定价搜索引擎、社交平台给用户带来的福利没有被完整计入GDP和生产率另一种解释是扩散时滞——通用技术要渗透到各行各业往往需要几十年AI的回报可能还没到兑现期。但不管哪种解释对索洛模型来说都是同一个冲击当核心变量K和A都测不准的时候模型给出的回答就只能存疑。3. 挑战二技术进步是内生的不再是“天降甘露”3.1 外生A的局限模型把最关键增长引擎排除在外索洛模型把A(t)的增长速度g作为外生给定这个设定说白了就是“技术增长从哪里来模型不管”。做应用分析的人确实喜欢这种省事拆增长数据时只需要画一条趋势线剩下的全归给技术进步。但在未来经济里这个处理越来越像一个逃避问题的答案。现实中一个国家的研发投入占GDP比重、高等教育质量、专利保护制度、企业竞争环境、基础研究投入都会直接影响技术进步速度。把这些全部塞进外生常数g等于把一个最难、最值得研究的问题直接外包了。更麻烦的是在不同经济体之间g的差异非常大同一经济体在不同时期g也在明显波动。常数g本身就是一个几乎站不住的假设。3.2 研发与创新如何改变增长方程如果试着把技术进步内生化最简单的做法是把A的增长率写成研发投入的函数。比如研发经费占产出比重上升知识和专利存量更大技术进步速度就会更快。我帮客户做增长拆解时发现一个规律凡是研发强度明显高于同类经济体的地区其索洛残差长期趋势也显著更陡这说明技术增长并不是一条平移的时间趋势而是可以被结构性因素推动的。企业会把资源投到哪里、能产生多少创新还受激励结构影响。知识产权保护强不强、市场竞争是否充分、融资渠道通不通畅都会改变研发投入的回报率。这些东西在索洛模型里一分钱的位置都没有。一个只讲资本积累和储蓄率的增长模型放在数字经济时代天然就缺少解释“创新驱动力”的齿轮。3.3 内生增长思路的修补与政策含义后来的内生增长理论正是冲着这个缺口来的核心思路是把知识积累当作有意识的投资结果并且允许知识生产的边际报酬不完全递减——因为知识和数据一样可以共享、可以重复使用投资知识存量的回报不必被“递减”捆绑。这样一来增长率就可以由模型内部的力量决定而不再是一个外生常数。政策含义也随之改变。在索洛框架里研发补贴、教育投入、专利制度改革都只是影响稳态水平的“一次性红包”但在内生增长框架里这些政策有可能改变长期增长率是战略性的变量。AI大模型、量子计算、生物技术这些前沿领域未来经济增长的胜负手恰恰在内生创新能力而不是资本积累速度。索洛模型在这个问题上的沉默是它面对未来经济最尴尬的地方。4. 挑战三人口负增长让“n”参数变成负数4.1 老龄化与劳动力减少对平衡增长路径的冲击索洛模型里的劳动增长率n一直是个外生常数。过去几百年n都是正的人口持续增长模型怎么推都很顺。但未来很多经济体要面对n转负的情形劳动力年龄人口下降、实际就业人数减少人口结构深度老龄化。n转负之后模型的结论会很反直觉。平衡增长路径上人均产出增长率仍然是g但总量产出增长率会变成n加g。如果n等于负的0.5%g等于1.5%那么人均产出还在以1.5%的速度增长总产出却只增长1.0%。如果n的绝对值接近或超过g总量经济就进入停滞甚至收缩区间。也就是说模型可能会告诉你“人均生活水平还在改善”但社会的总体经济规模、公共债务承受能力、养老体系负担都在面临完全不同的局面。我做多国人口数据测算时踩过另一个坑劳动力增长率用“劳动年龄人口”还是“实际就业人数”稳态结论差异非常大。在非正规就业占比较大的经济体里用后者算出来的n已经在正负边缘摆动。参数本身的测量口径稍微变一变模型预测的方向就变这让结论很难拿来直接做决策依据。4.2 人力资本异质性劳动不能再简单加总更现实的问题是模型中的L是标准化的工人可现实中劳动者的质量差异越来越大。一个经过长期专业训练的工程师与一个普通体力劳动者单位小时的产出贡献差距可能是数倍甚至十数倍。年龄结构也影响整体劳动生产率高龄劳动者和年轻劳动者在适应新技术、承担高压力任务方面有明显差异。人力资本理论提供了一种修补办法用受教育年限或工资权重来折算有效劳动。但折算规则本身高度主观选用不同的权重结构得到的人力资本增长路径和模型结论可以差很多。老龄化社会里劳动年龄人口不仅数量在降结构也在老化单纯用“劳动力人数”做模型输入得到的增长路径会严重失真。4.3 劳动份额下降与分配缺位还有一个容易被忽略的挑战收入分配。索洛模型并非完全不能讨论分配要素价格由边际产出决定资本和劳动各拿多少份额在模型里可以算出来。但模型不会反思人口结构变化如何塑造分配格局也不处理资本替代劳动、自动化普及之后劳动份额持续下行的问题。现实里几乎每个发达经济体都观察到劳动收入份额在下降资本回报份额在上升。如果人工智能进一步替代常规劳动劳动份额可能继续下探。索洛模型假设要素份额相对稳定、分配不影响增长路径这种简化正在被现实一点点动摇——因为当财富越来越向资本集中消费结构、储蓄行为、政治博弈都会变化而这些变化反作用于增长机制模型给不了答案。5. 挑战四资源环境约束下索洛模型没有“地球边界”概念5.1 能源、排放和可持续增长条件早期增长模型里能源和自然资源基本是隐身的。索洛模型的生产函数里没有石油、没有矿石、没有碳排放空间好像经济增长可以永远依赖资本积累和技术进步不受任何物理条件限制。但随着气候变化、资源价格波动、全球供应链对关键矿产的依赖加深这种“去物质化”的幻觉越来越难维持。如果要把不可再生资源放进模型结论立刻变得苛刻资源是生产必需投入且存量有限最终使用成本随开采上升经济增长的可持续性就必须依赖另一种力量的对抗——技术进步能不能快到足以持续降低资源使用强度。这不是自动成立的需要政策、价格信号和技术扩散同时发挥作用。标准索洛模型里那种只要g为正就一直增长的画面在资源约束下会变成两个力量的赛跑模型要复杂得多。5.2 绿色转型意味着生产函数本身就变了低碳转型不只是给企业增加了一项合规成本它实际上在改写生产函数的投入结构。碳排放从免费品变成有价格的物品高排放资本被加速淘汰能源结构从化石能源转向可再生能源能效标准不断提高。每一件都在重新定义“有效资本”同样的资本存量碳排放强度可能相差数倍。在传统索洛模型里A、K、L的相对稳定是模型成立的前提之一。但绿色转型是一个系统性冲击它让资本存量内部的构成剧烈变化、技术进步的偏向发生转移、能源投入的价格不再是常量。单靠索洛模型去评估碳价、清洁能源投资的长期增长含义等于用一台没有“环境参数”的设备去做气候压力测试结果必然失真。5.3 绿色全要素生产率测算与操作难题实务中大家都在谈“绿色全要素生产率”想衡量考虑了资源消耗和环境污染之后的经济增长质量。操作起来就麻烦了。传统TFP计算只看好的产出比如GDP绿色TFP必须把污染排放这类“非期望产出”也纳入进去。怎么处理并没有统一答案。我试过几种方案一种是把排放当作生产投入一种是用环境距离函数把非期望产出转化为效率损失还有一种是把污染损害折算成货币成本后从产出里扣除。同样的原始数据换一种处理方式结果可能完全不同甚至趋势都反着走。有一回我用两种思路同时算一组行业数据一个是绿色效率持续上升一个是绿色效率逐年下滑。这说明绿色转型已经不是在索洛模型上“加一个变量”的问题而是整个测度框架都要重新设计否则模型输出的数字没有任何稳健性可言。6. 挑战五全要素生产率成为“黑箱”测量和解释都在失灵6.1 残差并不等于技术进步索洛残差的概念一直很迷人产出增长中扣除资本和劳动贡献之后剩下的部分就叫全要素生产率。听起来很硬核可拆开看这个剩余里塞满了各种东西技术前沿变化、企业内部效率改进、资源配置优化、组织管理进步、市场规模效应还有最让人头疼的测量误差。这些因素被混在一起统称TFP它实际上是一个典型的“无知之幕”。在数据质量不太好的经济体里残差里有相当比例其实是统计误差。劳动和资本的投入测得不准残差就会变大然后被误读成“技术进步加速”。数字时代这个问题更严重AI的生产率贡献可能长期被测量误差吞噬一方面大家能看到AI在某些任务上的表现惊人另一方面宏观TFP数据纹丝不动。这种失真不是模型的责任但模型使用者如果把残差当作技术进步的同义词就会做出明显偏离事实的判断。6.2 统计口径和数据质量让模型更脆弱宏观经济统计体系是为工业化时代的物质商品建立的今天大量数字产品是免费提供的搜索引擎、社交媒体、在线地图的产出价值基本没有被完整计入。产品价格变化极快质量调整困难一样东西功能翻了好几倍价格统计里可能还只体现在微小变动上。这些统计问题直接扭曲资本和产出的相对增长进而扭曲模型推算。我每年做增长核算时都能遇到统计口径修订导致的历史数据大幅修正。有些年份的资本存量调整幅度大到足以改变你对整个时期“资本积累贡献”的判断。在官方数据本身还在不断重构的情况下索洛模型对数据质量的要求显得越来越奢侈——你用一个非常精确的理论框架去套一套非常模糊的统计数字精度就无从谈起。6.3 单部门模型的盲区产业结构转型复杂化索洛模型本质上是单部门模型整个经济体被压缩成一个生产函数不存在产业结构的区别。但现实经济在不断转型制造业占GDP比重持续下降服务业占比上升知识密集型产业扩张建筑业和传统工业收缩。不同部门的资本密度、生产率增长率、就业结构天差地别。产业结构转型会带来一个所谓“结构红利”效应劳动力从低生产率部门流动到高生产率部门即使每个部门内部的TFP完全没有变化总体TFP都会上升。这在索洛模型里无法表达因为它不存在“部门”这个概念。我测算过几个经济体的总体TFP如果拆开部门加权会发现有一部分增长完全是结构变迁贡献的而不是技术创新。对这个现象索洛模型如同一块平整的板子看不到任何立体结构。写在最后这个老模型还能怎么用说了这么多挑战我并不是想让谁把索洛模型丢进故纸堆。相反我自己的习惯是只要做跨期、跨国的增长比较仍然先用索洛框架打底。它简单、透明、推导清晰结果容易被质疑和修正。问题只在于使用它的人必须清楚知道自己在做哪些简化。我给出几个实操建议。第一做资本测算时至少把实物资本和无形资产分开处理不要用一个统一折旧率糊弄过去。第二涉及长期增长率判断时不要把外生TFP当作完全可被政策解释的变量它更多是一个“剩余项”而不是技术进步的准确度量。第三处理人口负增长经济体时同时报告总量产出和人均产出的增长路径两个口径的含义完全不同只报一个会误导判断。第四在涉及碳排放、资源约束的分析里要主动选择绿色扩展模型或环境生产力框架不能拿标准核算结果直接说事。这些年做增长分析我最深的体会是模型的价值不在于它绝对正确而在于它把错误的假设暴露在明处。索洛模型打开了长期增长的黑匣子一半剩下的一半要靠做数据的我们把新要素、新约束和新结构一个一个填进去。这活儿还远没干完。