邁克爾?斯賓塞：非常感謝大家，我總是在約瑟夫發言之後，發現很難去繼續跟随他的腳步，而且我知道大家會有很多問題要去讨論。我在這裡簡單跟大家做一下介紹，我的視角稍微會有不同，但是可以給大家提供不同的色彩，可以供大家參考。
我覺得我們考慮現在的情況的話，一種方法就是這個時代讓人很困惑，就是我們在一個全球體系中參與進來，尤其是在第二次世界大戰之後，這個全球體系似乎正在崩潰，我們可以思考一下全球經濟，就流動來思考一下全球經濟，也許這裡會有四種非常重要的流動（在一個全球經濟中）。
第一，貿易（包括商品，還有越來越多服務的流動，還有資本的流動）。
第二，信息的流動（知識的流動、技術的流動），實際上就理解新興經濟體增長的動能，也許這是最重要的一一種流動，這是後進者增長理論所在。
第三，人的流動。大家可以了解一下，在全球經濟發展的過程當中，我們可以去看一下這些流動是怎麼發揮作用的，以及他們處于哪個領域之中，大家能夠非常明顯的看到。
在WTO的前端，它也是在随着時間的推進，不斷地促進商品和貿易以及服務的流動，知識一直在流動，知識相對來說也是非常自由的流動，你自己很難将知識保存在你自己手中。除此之外，還有人的流動。
我想今天跟大家講的，在所有的流動中，在某種程度上，現在這些流動正受到威脅。比如說，貿易保護主義的威脅，我們現在有一些新的不同的規則或者有一些規則正在崩潰，人們越來越多地置疑，有一個完全開放的資本帳戶是不是真的好？我想告訴大家，作為一個新興經濟體的經濟學家，想要告訴大家，在發展過程中完全開放是不合理的。
我們今天處于一個互聯網時代，這個時代并不是很長，我們都覺得互聯網非常好，網絡使人們的意志越來越高（翻譯有歧義），但是對于互聯網而言，也會多多少少有一些負面作用（網絡安全、隐私保護等等方面），這些都毀壞了民主的基礎。這并不是說我們已經有答案了，可是這的确是我們面臨的挑戰。
除此之外人們也越來越多地置疑。就像我們看到移民，對于人的流動的反應是那樣的。我們今天到達這樣的一種程度，是因為在每天我看各種各樣的理論的時候，它們會涉及到某種程度的增長的模式（水平、分配等等）。
在2000年的時候有一個轉折點，在這一年有歐元的結構，現在我們已經知道它其實也是在苦苦掙紮（我住在意大利北部）。然後中國是一個非常強大的經濟體，加入WTO進入到全球的市場當中來。還有一點更多的個人的判斷，但是基本上來說，我們還看到數字經濟正在加速影響我們的經濟結構。而這種趨勢還在今天加速，而且也随着人工智能的突破，進一步地加速，這會使得我們看到之前的一些增長模式，就像我給大家介紹的這樣的分配效應的出現。
如果大家看一下收入的分配的話，這是跟大家所介紹的有一點不同，但是基本上來說是同樣的信息，所以這隻是不同的緯度而已（在分配方面）。大家知道這些線并沒有增長得特别快，這個觀念都是一樣的。
這種模式已經持續了一段時間，我MIT的同事也進行了研究，非常重要的一個方面就是數字技術的方面（勞動力的替代的影響）。MIT的同事看了一下美國工作就業的描述目錄，看哪些就業可能會被自動替代，也就是說可能會被數字技術來取代。因為我們知道我們是怎麼來做這個工作的，我們知道我們怎麼樣來描述，來确保它能夠變得非常準确，如果這樣做的話就可以讓機械替代了，這就是一個例子。
這種非常常規的工作不僅僅是人工的工作，大家可以看到有一些機器人可以來處理這些信息，還有ATM的這種效應。你可以看到在銀行裡面有ATM，有的一些工作就被替代了，現在有很多信息的處理已經再不用人工了，以前的帳簿都是由人來做的，現在都已經被ATM替代了（機械替代了）。所以你可以看到在2000年的時候可以看到這樣的一個發展，當然了在全球化和技術發展的過程當中，也有這樣的一個重疊，有的時候很難把兩者完全區分過來。
這是生産的就業崗位，500萬到600萬的制造領域的工作崗位，這個也可以看到，在2000年開始技術急劇下降，也就是你可以看到這些技術能夠讓比較高效的、先進的供應鍊，這些公司可以來利用它。我并不是說這是不好的，我隻是描述事實，我并不是主觀判斷，我就是給大家一個現狀的梳理。所有的這些都是非常快速地在發生。
大家去思考，其實勞動力市場的均衡，勞動力市場是有技能的人來組織的，人力資本在其中積累，在一段時間裡面突然你可以看到需求側發生了很大的變化，供應側沒有趕上需求側的變化。也許之後如果你有技能的保障體系來講，可能會幫助供應側能更好地趕上需求側的變化，但是确實是現在需求側的變化要快于供應側。
這個是一個小的短片，大家可能都看過。
（播放視頻）
這是亞馬遜倉庫的自動化流程，2500萬的包裹每天可以通過這樣的自動化運營，有這樣的操作能力。這個并不是什麼高科技，就是一個電腦把整個的供應鍊給整合起來了，電腦知道這個庫存在哪兒，然後就告訴這個機器人有訂單之後就會去提貨。這裡面唯一的一個人在這個倉庫裡面，就是這個人會把這個東西從這個桶裡拿出來。其實來講就是撿起來把它包起來，然後去掃描一下，然後就把它放在這個傳送帶，之後會有自動的系統再接管，所以你可以看到這裡面真的是需要高的自動化。
我也跟這些專家進行了溝通，比如說這個人将來也會被機器人替代（唯一剩下的那個人也會被機器人替代）。所以你可以看到現在我們幾乎在這種系統裡面就不需要人了。所以你可以看到這并不是什麼花哨的人工智能了，它已經是非常高效的了，而且并不是勞動密集型的運行體系了。你可以看到這個是物流交付領域的自動化（當然不是制造領域）。
（視頻播放）
這是一個機器人，它有視力，還有一些技能。你可能說那又怎麼樣呢？這就是年輕人的優勢，其實以前5年前機器人是做不了的，他們可能就是比較蠢、比較龐大。但是現在機器人都變了，這個機器人可以有視力，它可以把這個藥丸分清顔色，非常快速地放到瓶子裡面（非常準确），這是人不能媲美的。你可以看到它實際上是有學習和感應能力，讓這個機器人能夠進行電子的組裝，富士康不得不購買大量的機器人，以後蘋果的供應鍊不會是勞動力密集型了，最後就可能用機器人來替代了。
這是比較搞笑的一個例子，但是同樣的一個技能，富士康現在也在部署大量的機器人，現在都是在方興未艾地發展着。你可以看到這并不是一個非常有用的活動，但是這種能力還是挺有意思的，我就不再給大家放了。
（視頻播放）
這是3D打印，這種技術可以說是免費的，而且可以用很多材料去打印，打印很多的東西。你可以看到這是房子的模型，還有鞋的模型。任何東西都可以打印，而且這種技術如果成本足夠低的話，它可以定制。而且不像普通的供應鍊，3D打印是可以針對真實的需求進行交付，而不是根據預測的需求進行交付。所以你想一下你穿的東西，它是來自于供應鍊，有一個人作出需求的預測，下訂單，然後制造進行交付。這個預測并不是準确的，總是會有庫存或者說剩餘的産品剩下來。但是3D打印可以根據當地定制，針對實際的需求來生産。
那當然來講，我這裡面就不贅述了，因為今天下午不可能講那麼細，大概來講的話任何東西，這裡面是沒有勞動力的需求的，所以這樣的話有一個極大的，對于供應鍊的再配置，而且意味着這裡面提出一系列的問題（尤其是對發展中國家會提出很多的問題）。這種技術現在已經是在更好地下降成本和提高效率了，在這個階段已經跟人的勞動力有競争力了。
這是電子的組裝（荷蘭的例子），那個時候是在那兒照的照片。工廠跟勞動力密集型的上海的工廠的成本都已經大概媲美了。對于中國來講，中國現在處在這個階段。可以看到，面臨同樣類似的挑戰，就跟發達國家一樣，因為中國已經接近于發達國家了，在早期的發展中國家來講，當然這個問題是不一樣的。
我和我另外一個同事看了一下美國的經濟，不可交易的部分，比如說商品和服務的貿易，這裡面是有外國競争的，非交易的，占我們GDP的三分之二，比如說政府、零售、酒店、建築、教育，這部分是很大的行業。有一些是勞動密集型的。
在這些非貿易的部門裡面，如果你要消費的話，你肯定要在國内進行生産。大概來講，三分之一的現代經濟，都是在全球化的經濟體當中了，也就是全球供應鍊的一部分，要不然就是進口或者出口，三分之一是這塊。
從這個結果來講，在未來20年，美國的經濟可能會沒有進到就業了，就是說，在貿易這部分沒有進到創造就業了。也就是說，制造業在下降，服務業在上升，有一些人，比如說設計電腦我們是比較擅長的，以及管理，比如說，跨國企業、金融、咨詢，這實際上是我們比較擅長的，這就是我們發現的結果。
你可以看到增加值來講，它的表現不一樣。制造業、工業它的就業在喪失，但是它并沒有喪失增長，它的增加值反而上升了，它的速度、增加值上的速度要快于非貿易的部門或者行業，這個是我們傳統測量生長率的方式，每個人的增加值，可以說增加的非常快，而且要快于非貿易的部門，到底發生了什麼？這裡面有兩點，可能實際的生産率，貿易部門增加了。另外一個原因就是全球化，比如說，像美國這樣的國家，在全球化裡面，我們把低增加值的生産放到其他地方了，剩下的那肯定就是高增加值的部分。
你可以看到，一半以上的出口産品，這些價值來自于美國，其實我們根本沒有在美國生産，像Apple并沒有在美國生産，我們沒有生産它的組件，它都是亞洲生産的。而且這個半導體，至少在Iphone裡面并不是我們生産的，一半都是增加值在我們這裡，主要是品牌、零售等等這方面。這裡面的價值很多都留在美國了。
但是，就業來講并沒有增加，當然你不可能從這一個供應鍊裡面做出結論，每一個供應鍊都是不一樣的，所以在這個領域裡，很難得出一個總體的結論。我們會産生的價值，主要是在貿易領域裡面，它交易水平比較高的這部分，然後他們産生的。2600萬的人口來講，它實際上都是在非貿易的部門裡面找到就業的，很多人是在非貿易這個行業部門裡面找到就業的。
這是一個典型的例子，告訴大家，市場的條件實際上發生了變化，這些工人喪失了談判的權利，尤其是對于中下技能的工人來講更是如此。
這裡面我就跟大家解釋兩點，從不同的視角裡面，讓大家去解讀經濟的現象，它是如何影響人們的，同時你如果想了解經濟到底發生了什麼，你必須在微觀層面把它拆分，不能隻是從宏觀層面上挖掘經濟的動力，或者動态變化，了解人們到底體驗了什麼。
最後一點，我要總結一下，我們做的研究，涉及到很多國家，而且我們所經曆的是，叫做生物以及就業的多極化。尤其是這些中級（翻譯有歧義）所有工作損失了，相對來說我們能夠獲得的是一些比較高端以及低端的工作份額，所以收入的分配在中間階層停滞，而在兩端變得肥大。
這不僅僅局限于美國，比如說奧特（翻譯有歧義）而所報道過的，對于歐洲、對于一系列發達國家所做的報告，實際上模式是完全一樣的，有時候我們有更多的是高端的，有時候更多的是關于低端的就業，更多的是前者。而這樣的模式在一系列的國家中都廣泛地适用的。所有的這些都使得我相信，在我們所面臨的挑戰中，那些全球經濟中，各種各樣的挑戰，有KPI，而且跟分配增量模式相關的這些KPI是有問題的。
所以我想要跟大家來總結一下，我同意約瑟夫的觀點，在一些地方受到了更大的沖擊，在美國、英國受到了更大的沖擊，在這裡我們可以采取這樣的政策在某種程度上進行緩沖。但是這些政策并沒有非常有力，我們看一下歐洲的情況，結果并沒有太大的差異。但是在美國我們至少可以得出這樣的結論。
為什麼我們經曆了我們現在所經曆的一切呢？是因為無論到底真正的原因是什麼，各種人有各種不同的觀點。那就是還沒有出現任何非常有意義的政策的響應，最終人們會越來越生氣，會越來越憤怒，而且他們也會非常不喜歡精英，因為這些精英沒有作出任何的反應。像在我們這樣的民主國家中，當沒有人在政策上或者說在經濟上作出響應的時候，政治這樣的短路就會出現。這個時候我們看到了英國的脫歐，我們也看到了為什麼有特朗普的上台。因為我居住在歐洲，所以我可以告訴大家，現在反歐洲、反歐元的情緒正在日益高漲。在歐洲我們也看到在今天如果大家從北部到南部的歐洲去看一下的話，各個國家情緒都非常不同。
我們現在看到已經在脫歐和特朗普的例子中，看到有非常多的外溢效應。同時我們想講的是，可能歐洲人們更多的不是關注這方面的問題，而更多的是BETVlCTOR伟德官网結構中存在的缺陷，使得很多的經濟體發現非常困難實現再平衡。這也當然是我們今天讨論的主體所在。
以上就是我跟大家要做的介紹。展望未來我們需要更多地去進行學習，首先不僅僅隻是去提增長的質量問題，而是要對其進行測量，要非常具體對其進行測量，而且我們要定期地去制定出定期的KPI，去看債務以及經濟的收入，以及分布的特征，還有其他的一些因素，比如像是哪些就業被創造出來。
有一個人曾經說過（我忘了他叫什麼名字了），他說這樣的技術的颠覆，在長期并不會真正替代勞動力，真正替代的是具體的工作而已。所以我們應該思考這段話的重要意義在于，這是一場困難的轉型，這場轉型正在發生，它快餐（翻譯有歧義）要超過10年的時間，再想完成的話。但是如果我們去思考一下，如果我們政策設計出來，去對人們進行保護，讓他們能夠參與進來，保持歐洲人所說的社會凝聚力的話。而且在最大程度上能夠加速這一進程，由此我們可以更多地實現均衡（就像勞動力市場的供應和需求都均衡）狀态。這樣的均衡開始發生。
說了這麼多，我就到此結束我的發言。我認為在技術方面讓我們感到非常鼓舞的是，很明顯技術會進一步地加速（因為人工智能在不斷地取得突破），可能大多數的人都已經對此有所了解了。但是我也想說舊的模型有着非常嚴重地局限性，而且就像我所描述的那樣，新的模型是基于神經網絡以及模式識别的能力以及深度學習算法的，這産生影響是我們需要測量更多的方法，如果我們能夠有非常大的數據庫，而且有非常高速的互聯網接入的話，我們就可以更好地進行測量。但是今天我們還沒有，所以這也是為什麼有一些人在說有一些人忽視他們了。但是突然之間非常快，我們看到數據庫變得越來越大，而且我們有高速的算法了，我想要說的是，實際上這個高速的網絡能夠去加入，而且我們還有更多海量的信息，機器能夠學習。
我給大家舉一個例子，我的孩子是能說三種語言的，但是他們實際上僅僅聽我一個人說英語而已，如果我帶他們到倫敦他們聽一個有着非常強的倫敦音的話，他們其實也知道他在說什麼。怎麼能這樣呢？非常奇怪，我的妻子也學英語，她20多歲的時候，但是如果她聽倫敦同樣的口音的話，她會說這個人在說什麼，他說的是英語嗎？所以我們可以做到這一點。
而且我們也不知道是怎麼做到的，我們也不知道怎麼去描述我們怎麼做到的。在座的每個人都知道我們坐在一張椅子上，而且我們能夠識别出這把椅子，你的椅子跟這個上面的椅子看着不太一樣，這是一把椅子，如果大家想象一下你可以描述一下，用非常精确的語言描述的話，計算機也可以這麼做，可以通過寫代碼。這是一種新的AI的模式，它怎麼去學習椅子呢？通過看150萬張關于椅子的圖片，在互聯網上去學習。可能僅僅花1.5秒鐘就可以完成。
最後一個例子我想跟大家說，斯坦福有兩個孩子看到人工智能的能力越來越高了，所以他們可以來使用這種類型的學習算法，從而能夠去檢測皮膚癌，這也是到目前為止隻有皮膚病醫生才可以做得到的，這是一個很嚴峻的問題。所以他們就去找皮膚病的醫生說，你覺得我們可以做到這一點嗎？他們說可以，然後他們就對30多萬張圖片進行掃描之後就發生了非常有趣的事情。我說這個例子是有原因的，之後他們需要有圖象的識别能力。當然這樣的話就會需要花10億美元創造出來，我們知道這也正是谷歌所做的事情。
所以你是說到底要投這麼多的錢合理不合理呢？值得不值得呢？大家知道這是皮膚癌，無論這個技術到底有沒有用，但是對于社會、對于技術來說是有好處的。谷歌已經有了，所以這兩個孩子去找到谷歌，說你建議我們使用一下你們的AI系統嗎？谷歌同意了，所以他們就去做了。而且大概是8到10皮膚癌幾乎是非常完美精确的方法識别出來根據皮膚醫生的描述（翻譯有歧義）。
大家可能會說那又怎麼樣呢？但是在我們的人口中，我們知道我們的皮膚病醫生的數量是有限的，我們今天每個人用手機就可以診斷，每個人都有手機，所以我們看到在一個相對來說比較低的邊際成本上建議谷歌所做的投資。然後我們在這裡其實想要傳達的信息就是，現在是處在一個這種類型的APP的爆炸的時代，這樣的APP也得到了越來越多的投資的支持，從而能夠進一步提升他們的學習能力。這也是非常令人激動的，但是也細細想來，同時也讓我們感到有點兒恐懼。
謝謝大家。
