bingdadaGoogle 扩充了其 AI & Economy 研究项目，邀请 2025 年诺贝尔经济学奖得主 Philippe Aghion 等顶尖学者加入，通过 ATLAS 实时数据和计量经济学方法，科学衡量 AI 对就业、生产力和全球增长的影响。
人工智能对经济的影响早已不是假设性议题。从自动化客服到代码生成，从供应链优化到科学发现，AI 正在以前所未有的速度渗透进生产与服务的各个环节。然而，一个关键问题始终悬而未决：我们究竟该如何科学地衡量 AI 对就业、生产力和全球增长的真正影响？
Google 近期给出了自己的答案。其 AI & Economy 研究项目宣布迎来一批重量级经济学家与学术顾问，包括 2025 年诺贝尔经济学奖得主 Philippe Aghion、多伦多大学 Rotman 管理学院教授 Ajay Agrawal，以及两位新任研究总监 Anu Madgavkar 和 Daniel Rock。这一动作标志着科技巨头对 AI 经济影响的研究正从「数据追踪」迈向「跨学科科学建模」的新阶段。
此前，Google 推出了 AI & Economy ATLAS v1.0 及其交互式开放访问网站，用于观察人们在工作和日常生活中如何使用 Google 的 AI 工具。但正如 Google 团队所强调的，追踪采用模式仅仅是第一步。要理解 AI 如何重塑就业、企业和日常生活，需要将细粒度数据与严谨的经济学探究结合起来，形成多学科的研究路径。
这一判断背后有一个深层逻辑：技术变革从来不是瞬间完成的。AI 的扩散遵循着复杂的路径——不同行业、不同规模的企业、不同技能水平的劳动者，其采用速度和方式差异巨大。只有实时测量并分析这一演化过程，才能为政策制定者和企业决策者提供可靠依据。
Google 的 AI & Economy 研究项目聚焦以下方向：
Philippe Aghion 是 2025 年诺贝尔经济学奖得主，同时担任 INSEAD 和法兰西公学院的 Kurt Björklund 讲席教授。他以创新驱动增长和「创造性破坏」理论闻名。加入 Google 顾问团后，他将与另一位诺奖得主 Michael Spence 以及剑桥大学的 Dame Diane Coyle 一起，把创新经济学的理论框架应用于 AI 长期宏观经济轨迹的建模。
Ajay Agrawal 是多伦多大学 Rotman 管理学院战略管理教授，持有 Geoffrey Taber 创业与创新讲席。他将加入访问学者计划，与现任研究员、MIT 经济系主任 David Autor 紧密合作。Agrawal 的研究将聚焦 AI 经济学与科学发现、AI 与机器人技术，以及 AI 如何拓展人类福利前沿。
Anu Madgavkar 此前在麦肯锡全球研究院（MGI）担任合伙人，拥有二十年领导劳动力市场、技术采用和结构性经济转型研究的经验。她曾为多国政府、多边机构和全球企业领袖提供咨询，并定期为世界经济论坛和联合国撰稿。在 Google，她将主导关于全球 AI 扩散、小企业生态系统以及生成式 AI 对劳动力影响的实证研究。
Daniel Rock 来自宾夕法尼亚大学沃顿商学院，是 AI 与劳动力领域的领先经济学家，曾合著多篇关于技术转型的基础性论文。他是 AI2050 早期职业研究员和 MIT 数字研究员。在 Google，他将负责实证研究，把前沿模型遥测数据与严谨的计量经济学方法结合，分析企业生产力、劳动力重组和科学发现。
Anu Madgavkar 和 Daniel Rock 将与 Google DeepMind AGI 经济学总监 Alex Imas 以及 Google 首席经济学家办公室 AI & Economy 负责人 Zanna Iscenko 共同领导该项目。
当 Google 以诺奖得主和顶尖学术顾问构建其 AI 经济研究网络时，国内在这一方向上的推进同样值得关注。
与 Google 侧重「实时遥测数据 + 宏观经济建模」的路径不同，中国的研究更多依托于平台生态与政策联动。例如，清华大学、北京大学等高校纷纷成立 AI 经济与治理研究中心，与百度、阿里巴巴、腾讯等企业合作，基于国内庞大的应用场景开展实证分析。中国信通院发布的《人工智能发展报告》系列，则从产业视角追踪 AI 对就业结构和经济增长的贡献。
在 AI 工具本身，文心一言、通义千问、DeepSeek、豆包、Kimi、智谱 GLM 等产品在办公自动化、代码辅助和客户服务等场景的渗透率持续上升，为研究 AI 对生产力的影响提供了丰富的本土数据。不过，与 Google 公开 ATLAS 数据集的做法相比，国内在数据开放和跨机构学术协作方面仍有提升空间。未来，如何将平台数据与学术研究更紧密地结合，将是中国 AI 经济研究需要回答的关键问题。
Google 此次扩充研究团队的意义，远不止于一家公司的学术布局。它反映出一个更广泛的趋势：AI 的经济影响正在从「预测」走向「测量」，从「定性讨论」走向「定量建模」。
对于企业而言，这意味着未来可能有更可靠的行业基准来评估 AI 投资回报；对于劳动者而言，这意味着技能培训和职业转型将更有数据支撑；对于政策制定者而言，这意味着监管和激励措施可以建立在实证研究而非猜测之上。
正如 Google 团队所言，最大化 AI 的经济机遇并减少其冲击，需要持续的合作伙伴关系。这支扩大的专家团队将充当科学桥梁，直接为未来的 ATLAS 更新和实证研究提供信息。
这是 Google 设立的一个研究项目，旨在科学地测量和分析 AI 对全球经济的影响，包括就业、生产力、技术扩散和科学发现等领域。项目通过 ATLAS 等工具追踪 AI 工具的实际使用情况，并邀请顶尖经济学家参与研究。
新加入的包括 2025 年诺贝尔经济学奖得主 Philippe Aghion 担任学术顾问，多伦多大学教授 Ajay Agrawal 担任访问学者，以及 Anu Madgavkar 和 Daniel Rock 担任研究总监。他们将与现有团队共同推进 AI 经济研究。
研究旨在提供关于 AI 如何改变工作的可靠数据，帮助劳动者了解哪些技能将更有价值、哪些岗位可能受到影响，从而为职业培训和转型提供依据。
国内清华大学、北京大学等高校设有 AI 经济与治理研究中心，中国信通院定期发布 AI 发展报告。百度、阿里巴巴、腾讯等企业也与学术界合作开展相关实证研究，但数据开放程度和跨机构协作仍有提升空间。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
联合国系统推出基于Google Data Commons的开源平台UN System Data Commons，用AI知识图谱整合全球统计孤岛，支持自然语言查询与AI代理自动研究，目标2027年覆盖80%联合国统计数据集。
Google 搜索档案迎来三项更新：支持多账号统一管理、优化文章缩略图与标题展示、并将申请门槛降至任一平台 10,000 粉丝。本文从发布者运营视角解析这些变化对内容曝光与品牌管理的实际影响。
AI 正从实验室走向灾区、医院和课堂，Google AI Blog 最新专题展示了灾害预警、医疗健康和语言包容等方向的落地进展，国内厂商也在以不同路径推进类似实践。
最新の SEO・GEO 情報をお届けします。
プライバシーを尊重します。いつでも購読を解除できます。
