RAND：管理人工智能的经济未来：全球竞争时代的战略自动化政策（2025） 56页

这篇报告围绕人工智能（AI）发展下自动化政策制定展开分析，旨在为政策制定者提供策略参考，主要内容如下： - **背景与模型**：AI发展的不确定性给政策制定带来挑战。报告构建经济模型，区分水平自动化（新任务自动化，替代人类劳动）与垂直自动化（提升现有自动化任务生产力），通过模拟不同参数配置产生多样增长情景，如爆炸式增长、不平衡加剧、基线增长、不平衡缓解和停滞。 - **RDM分析**：运用稳健决策（RDM）框架模拟大量潜在未来，将政策选择内生化，设置垂直和水平自动化激励政策杠杆，以收入和不平等的复合年增长率等为指标，探索不同政策组合在不确定参数下的表现。 - **情景探索与策略分析**：通过情景探索发现，成功情景多为水平自动化增长慢、任务互补性弱、垂直自动化增长快的情况。稳健政策通常是大力激励垂直自动化，适度抑制水平自动化。不同政策目标下，最优策略不同，如高增长目标需同时激励两种自动化，低不平等目标则需强化垂直激励、加大水平抑制。比较策略分析表明，实现高增长目标难度大，而维持适度增长与控制不平等更可行，且强激励垂直自动化是低风险策略。 - **结论与建议**：政策制定者可采取非对称自动化政策，强激励垂直自动化、适度限制水平自动化。未来研究应开发区分企业或行业层面垂直与水平自动化的指标，利用现有机制实施最优政策，推动AI发展促进经济增长并应对分配挑战。