OECD：AI强度的行业分类法（2024）

人工智能在各行业的渗透并不均匀，但讨论常常停在「AI很重要」这个层面：哪个行业用得多、哪个行业只是招了人却没做出东西，缺少可比的衡量尺度。这份 OECD 人工智能论文系列中的工作论文要回答的正是这个问题——如何按行业刻画 AI 强度，并让不同产业之间的数字化渗透变得可比较。它出现的时机也有关系：AI 能力与扩散变化很快，政策制定者需要新的证据与分析来判断这些变化对工作世界意味着什么，而这份工作正是 OECD 的 AI-WIPS 项目（Artificial Intelligence in Work, Innovation, Productivity and Skills）下的成果，该项目明确以「为政策制定者提供新证据和分析」为目标。换句话说，它不满足于描述趋势，而是想先把衡量各行业的尺度做出来。

覆盖范围是行业（经济部门）层面，而不是国家或企业层面：它要刻画的是 AI 与经济部门活动相关联的程度。作者的路径是提出一套行业分类法（sectoral taxonomy），把这件事拆成四个维度——AI 人力资本、AI 创新、对 AI 的暴露、AI 的使用。这四个维度合起来构成一个「多面向」的视角，作者称其为 novel multifaceted perspective。在方法定位上，这是一次框架构建而非实证估计：论文自己说明，这套分类法可作为未来政策相关分析的工具，用来实证地考察 AI 的作用及其扩散带来的影响。所以读者应当把它当作一次为后续比较搭建分类框架的尝试，而不是一份行业排名结果。

关键的发现可以概括为「异质」。论文指出，在所考察的行业和指标之间都存在显著差异，没有任何单一维度能代表一个行业的 AI 强度。IT 服务（IT services）是「全科高分」的例子：在考虑的所有维度上得分都高。这意味着，至少从这套分类法看，存在一种各环节都比较密集的 AI 型行业，而不是只有某一项突出。进一步解读一层：这也给「AI 密集型行业」提供了一个参照点，其他行业与它的差距可以按维度分别看。

更有意思的是制药（Pharmaceuticals）：它的 AI 人力资本高，但 AI 创新低，因此内部异质性相当明显。换句话说，一个行业可以一边大量储备 AI 人才，一边在 AI 相关的创新产出上并不突出。这条发现直接否定了用单一指标给行业贴标签的做法——只看人才数据，制药会被判为 AI 活跃；只看创新指标，结论可能相反。作者强调这套分类法之所以有价值，正在于它能把这种分裂暴露出来，而不是把它平均掉。

这些结论对实践的影响是具体的。做产业政策或科技统计的人，如果用一个指标给行业排序，很可能排出的是一张误导性的榜单；用四维坐标去定位，才能看出某个行业是卡在人力资本、卡在创新，还是人才与创新都不缺而应用环节没跟上。对政策设计而言，这意味着「促进 AI 扩散」不该是一句通用口号，不同行业卡在不同的环节上。对研究而言，这套分类法提供了一个可操作的起点：后续的实证工作可以沿着这些维度去检验 AI 扩散的实际后果。这也正是论文给自己的定位——工具，而非结论。

适合读的人是做产业政策、科技与创新统计、技能与劳动力市场研究的分析者，以及需要判断 AI 在自己所在行业渗透到什么程度的从业者。读完能拿走的是一副四维度的分析框架，加上 IT 服务与制药这两个对照鲜明的案例，用来检视自己手上的行业判断是否被单一指标带偏。边界也要说清楚：这是一份工作论文，OECD 明确声明它不代表 OECD 或其成员国的官方观点，属于初步结果或正在进行的研究，发表目的是促进讨论；论文把实证探索留给了未来分析；而且就提供的材料而言，并没有给出各行业在各维度上的具体得分，所以不要指望从中直接拿到一张现成的行业排行榜。

OECD ARTIFICIAL INTELLIGENCE PAPERS December 2024 No. 30 A SECTORAL TAXONOMY OF AI INTENSITY 2  A SECTORAL TAXONOMY OF AI INTENSITY OECD ARTIFICIAL INTELLIGENCE PAPERS OECD Working Papers should not be reported as representing the official views of the OECD or of its Member countries. The opinions expressed and arguments employed are those of the authors. Working Papers describe preliminary results or research in progress by the author(s) and are published to stimulate discussion on a broad range of issues on which the OECD works. Comments on Working Papers are welcomed, and may be sent to Directorate for Science, Technology and Innovation, OECD, 2 rue André-Pascal, 75775 Paris Cedex 16, France. Note to Delegations: This document is also available on O.N.E Members & Partners under the reference code: DSTI/CIIE/WPIA/(2024)4/FINAL