劉國恩：醫療通脹、鮑莫爾成本病與人工智能

題記：2025年8月16日，由北京大學國家發展研究院、北京大學全球健康發展研究院主辦，北大國發院傳播中心承辦的北大國發院“承澤商學”第37期在承澤園舉行。本文根據北大博雅特聘教授、國發院經濟學教授、全球健康發展研究院院長、中國衛生經濟研究中心主任劉國恩的主題演講整理。

醫療健康與人工智能的交匯將會引發哪些重大變化？這是我們都很關注的主題。我們先從醫療通脹說起。

醫療通脹是世界性難題

醫療通脹是全球各國都會面臨的一個重大問題和挑戰。這也是著名經濟學家鮑莫爾先生在很多年前提出的，勞動密集型服務產業共同面對的成本病。這樣的成本病在人工智能時代是否能夠得到緩解甚至解決？

各國統計數據呈現出一個共通的、長期的趨勢——隨著一個國家的經濟不斷增長、人均收入不斷提高，人們在醫療健康服務上花的資金更多，而且醫療健康服務開支占其收入的比重也不斷上升。在經濟學里，開支隨著收入的增加而不斷增加的物品被稱為奢侈品。醫療健康服務符合經濟學定義的奢侈品的基本條件。

根據美國1948-2022年這74年間的名義價格指數，CPI年平均增長率3.5%，74年間增長10倍左右；與此同時，外科服務年平均增長率5.5%，74年來價格上漲幅度為33倍；住院服務年平均增長率更是達到8.4%，74年來增長幅度高達120倍。

再看美國1980-2022年這42年的數據，GDP年平均增長率是5.4%，醫療衛生服務的年平均增長率是7.4%。這表明，在大多數時候，醫療衛生服務的增長超過GDP的增長。因此美國醫療衛生服務占GDP的比重也呈逐年上升，如今已經高達18%-19%，是全球比例最高的國家。照此趨勢，根據美國經濟學家的預測，到2050年，美國GDP用于醫療衛生服務的比重將高達30%。

中國現在的醫療衛生服務占GDP的比重約為7%。如無根本性因素改變這一趨勢，到2050年，中國醫療衛生服務占GDP的比重將會升至20%，達到今天美國的水平。

這是基本上所有國家都會面臨的醫療通脹問題。

鮑莫爾成本病：醫療通脹的核心經濟學解釋

紐約大學經濟學家威廉?鮑莫爾在上世紀60年代發表了一篇著名的論文，他把人類經濟活動分成兩大部門，有形的物品和無形的服務。

對于有形的物品，其需求是靠勞動生產創造來滿足的。在物品的生產過程中，人類不斷想辦法提高生產效率、產品質量和安全性。生產率主要隨著技術的提高而不斷提升，單位時間內生產的產品越來越多，工人們的收入不斷增加。與此同時，隨著生產率不斷提高，單位時間內的產品質量也不斷提高。所以這些產品的價格并沒有因為工人工資的提高而變得越來越貴，反而是越來越便宜，比如電視、收音機、手機等。

但無形的服務并不是靠生產過程來提供，比如琴棋書畫、醫生護士的臨床服務、老師對學生的教學服務，等等。目前來看，其勞動生產率的提高極其有限，被稱為生產率滯后的服務產業。在2000年之前，醫生給患者看病，通常小病花一二十分鐘，大病花一個小時。今天，醫生依然要花這么多時間。老師的教學也是如此，我們并不希望縮短時間來提高效率，也難以做到。琴棋書畫亦是如此。這些無形的服務注定很難通過標準化、機械化、自動化的流程來提高生產率。

問題在于，這些服務產業的需求事實上是我們人類對自己需求的一個體現，我們每個人都不希望溫馨的服務通過冰冷的機器來替代，那么誰來提供這樣的服務呢？自然就是人。這些服務人員的生產率沒有提高，但為了讓他們有動力來繼續提供這樣的服務，他們的工資必須至少要與制造業工人的工資同步上漲，否則就沒人愿意來提供人工服務。可是，他們的勞動生產率沒有提高，這就意味著他們的服務會變得越來越貴。

2000-2020年，美國有幾大產業的服務價格指數不斷上漲，其中上漲最高的是醫院服務，漲幅超200%；其次是大學學費，漲幅超165%；然后是醫療衛生服務，漲幅超110%；平均小時工資上升超80%；住房價格上升超60%。與之相對的是，這段時期內美國有幾大產業的價格指數不增反降，包括汽車、服裝、手機、電腦、電視。質量不斷提高，功能不斷改善，而單價不斷降低。由此可見，鮑莫爾刻畫的成本病主要停留在與人工服務相關的產業。

再看美國就業市場的情況。1998-2018年這30年當中，美國的醫生服務、護理服務、醫院服務三大就業指數印證了鮑莫爾成本病在醫療行業的顯著性。這三大就業指數在1998-2018年分別增長了54%、34%、31%，而全行業的平均就業指數僅增長了17%。此外，在2008年金融危機的時候，全行業的平均就業指數出現下行，而醫生服務、護理服務、醫院服務三大就業指數卻保持一路上升，這就會產生越來越大的開支。

醫療服務開支不斷增加，主要受兩方面因素影響：一是價格本身在不斷上漲，二是人們對醫療服務的需求量在增加。這兩個因素疊加在一起，就呈現出快速上漲的趨勢。美國的研究顯示，從2014-2018年的情況來看，價格上漲是整個醫療服務開支快速上升的主要驅動力，而需求量的增加并不是最主要的驅動力。

鮑莫爾成本病理論早在上世紀提出，隨著時間的推移和技術的進步，是否也在發生變化？2017年，芝加哥大學商學院對美國頂尖經濟學家做了一個關于如何看待鮑莫爾成本病的調查。調查顯示，21%的頂尖經濟學家高度認同鮑莫爾成本病，認為它持續顯著地影響著整個社會和經濟的發展；38%的經濟學家同意鮑莫爾成本病目前帶來的各種問題；不是很確定的經濟學家占10%；也有少部分經濟學家不同意鮑莫爾成本病理論。

人工智能的發展現狀：全球格局、投資態勢與應用進程

鮑莫爾成本病已經成為人類社會不斷發展演進的一個非常顯著的現象。現在進入到了人工智能時代，當鮑莫爾成本病遇到人工智能，將會發生什么樣的變革？人工智能是否會對人類文明產生足以命名為第三次革命的影響？

在人類文明的歷史長河中，我們經歷過兩次革命，一次是在一萬多年前發生的農業革命。農業革命馴化了動植物，不再盲目尋找野生動植物，生產效率大幅提升，促進人類定居，對人類文明進程帶來巨大影響。另一次是200多年前發生的工業革命。工業革命通過機器提供勞動，解放了人類的雙手、體能，直到今天我們都還在享受工業革命帶來的諸多好處。

而人工智能是靠機器思維，解放的是人類的智能。但是，讓機器幫我們思考，人類的智能會不會出現因長期不積極使用而面臨通縮危機？18世紀末至19世紀初，法國進化生物學先驅拉馬克說過，“用進廢退”是人類進化的一個極其重要的機制。用，功能就會提升；不用，就會退化。所以我們可以看到，工業革命使人的體能退化，遠不如我們的祖先。那么人工智能會不會使我們的思維能力也面臨退步的風險？當然這是題外話。

斯坦福大學的《人工智能指數報告2025》統計了2024年AI大模型在各國的分配情況，美國多達40個，遙遙領先；其次是中國，有15個著名的AI大模型；法國有3個；加拿大、以色列、沙特阿拉伯、韓國分別有1個。

從時間維度來看，2003年，無論是美國、中國還是其他國家，AI大模型的規模水平都極低；隨著時間的推移，在2021年獲得爆發式增長，現在又稍微有一些減緩。

人工智能的進展還體現在這些知名的AI大模型是由哪些機構在過去一年當中發明出來的，以及目前這些AI大模型和人的智慧相比表現如何。2024年，Google和OpenAI分別推出了7個大模型，位居前兩位。第三位是阿里巴巴，推出了6個。然后是Apple、Meta、Nvidia，分別推出了4個，DeepSeek、麻省理工學院、騰訊、UC伯克利等提供了2個。

如果把這些著名的AI模型和人腦進行比較，可以發現差異不斷縮小。隨著時間的推移，人工智能逐漸達到人腦所能企及的高度，比如在影像識別方面，在2013-2014年時，人工智能就已經可以達到醫生看片的程度。

不過，多模態人工智能，即所謂的通用人工智能模型，因為需要切換多模態，目前還沒有達到人腦所能企及的程度，但是上升的速度非常快。

人工智能的發展進程，還可從不同國家非政府層面的投資態勢中體現。2024年，在人工智能非政府投資的國家中，美國仍然遙遙領先，高達1090多億美元；其次是中國，接近93億美元；英國超45億美元；瑞典超43億美元；加拿大超28億美元；法國超26億美元；德國超19億美元。

非政府投資為什么特別重要？因為它由市場力量所驅動，其可持續性、投資的長期考慮可能更具優勢和潛力。人工智能的巨大投資分布在不同的領域。除了基礎性投資之外，行業投資遙遙領先的就是醫療衛生領域。

我們注意到，人工智能已經出現很多年了，但是其普及應用程度并不高。根據2024年美國經濟研究局的報告，在制造業、信息產業、醫療衛生產業中，人工智能的裝備應用程度最高只有12%。那么問題來了，既然人工智能有許多優勢，為什么這么多年來它的裝備應用程度沒有想象中的那么高？

我們可以看看人類歷史上新技術出現以后，它應用到生產生活中所需要的時間。比如工廠傳動裝置，早在1890年就已經出現了，但是真正達到100%的應用程度是幾十年以后的事；再如家庭照明，早在19世紀末期就已經誕生了，可是真正100%的裝備也花了四五十年的時間；還有家用電器設備、工廠輔助電機等，從發明落地到社會家庭生產普及，都用了數十年的時間。

新技術的應用并不是線性的，而是非線性的。所以我們有理由做一個預判，盡管人工智能這十多年來并沒有在很大程度上普及，但是如果它符合非線性趨勢，在未來幾十年將會有突破性的增長。

人工智能對醫療健康領域的變革潛力與實踐突破

2025年發表在《經濟學季刊》的論文《工作中的生成式人工智能》，研究了生成式人工智能對工作場景的影響：

第一，生成式AI助理的應用，提升了客服人員每小時的對話成功率，解決問題的成功率高達15%，包括降低單次對話的時間，提升單位時間的對話服務量，以及回答客戶問題的成功率。而且越是相對低技能、經驗不足的人員，AI助理的幫扶作用越明顯

第二，客服人員依從AI助理的建議越多，其工作效率提升越大。客服人員依從AI助理的建議，會隨著時間的推移而增加。

第三，生成式AI助理的應用，顯著提升了客戶關系管理，減少了顧客提出要與主管對話的要求頻率，有助于提升客服人員的心情和信心，從長遠來看會降低員工流失率，這對醫療衛生服務有很大啟示。

盡管人工智能的應用程度目前還停留在20%以內，但是在醫療健康領域的潛力巨大。原因在于，人類決策的本質是關于行動不確定結果的預判，而人工智能的優勢就在于能降低決策所需的信息成本，特別是在醫療衛生領域，信息成本巨大。1963年，美國著名經濟學家肯尼斯·阿羅發表在《美國經濟評論》上的一篇論文談到醫療衛生領域的信息的幾大特性：

1、不確定性。從我們生不生病、生什么病，到醫生給我們看完病以后，現有的處方對我們究竟靈不靈？從頭到尾都伴隨著不確定性；

2、異質性。同樣一副藥，同樣的治療手段，在別人那里是成功的，在我們這里不一定成功；

3、信息不對稱性。而人工智能能夠降低信息成本，所以我們有理由認為，人工智能在醫療健康領域的應用前景廣闊。

與此同時，醫療衛生領域的數據在規模、顆粒度、連續性方面具有顯著優勢，這會成為人工智能發展的優勢。因為人工智能需要機器學習，需要訓練模型。

近年來，醫療衛生領域或者與醫療衛生相關的領域在科學發現上取得了前所未有的成就。2024年，兩大諾貝爾獎頒給了與人工智能高度相關的領域，一個是化學獎，一個是物理學獎。諾貝爾化學獎得主用AlphaFold2人工智能手段解析了人類蛋白結構折疊組合的高度難題。過去半個多世紀，人類只解析了20多萬個大分子蛋白結構，但借助AlphaFold2，在一兩年的時間內就解析了2億多個可能的蛋白結構，將時間提前了2萬多年。諾貝爾物理學獎得主是兩位計算機科學家，他們在人工神經網絡領域做出了巨大貢獻，因為人工神經網絡是機器學習最重要的基礎。

此外，人工智能在醫藥研發方面的貢獻巨大，例如發現新的抗生素。上世紀40-60年代被稱為抗生素發現的“黃金時代”。但是那段時間之后，新抗生素的發現寥寥無幾。直到2020年，麻省理工學院的教授團隊通過人工智能發現了幾種新型抗生素（Cell 2020, Nature 2023），可以有效抑制革蘭氏超級細菌的生長（耐甲氧西林的金黃色葡萄球菌）。這是了不起的成就。

最后，我想談談人工智能對于臨床醫療服務的可能變革。

2022年，哈佛大學的幾位經濟學家通過研究探討了未來五年人工智能對臨床醫療服務可能產生的影響。他們認為，在未來五年，應用現有的人工智能技術可以使美國這個醫療費用占GDP最高的國家節約總成本高達5%-10%。其機制包括三個方面：

1、在醫院層面，臨床運營效率會大幅提升，比如手術的優化，住院質量和安全水平的提高。因為人工智能可以快速、全面、精準地判斷病人病情惡化的情況以及不良事件的發生。

2、在醫生層面，可以有效提升醫生臨床能力的管理，包括優化醫生的接診、診斷、治療能力，以及醫生診斷治療的連貫管理等方面。

3、在支付層面，人工智能有助于提高理賠效率管理，包括審核、授權等，減少不必要的浪費。健康服務管理也可以通過人工智能來提高效率，實現更高程度的個性化健康管理，降低再住院率。人工智能還會提高服務供給關系管理。這些都有助于醫療服務效率和質量的提升。

要講清楚目前正在迅速變化的人工智能對于醫療衛生領域的影響并非易事，期待與大家進一步探討。

整理：程桔華 | 編輯：王賢青 白堯