【摘要2018.1.4.中時 朱雲鵬】中央銀行的傳統任務在於控制物價。根據傳統理論，貨幣供給是貨幣政策的油門：如果物價飛張，表示油門放得太多，要緊縮貨幣供給；如果物價普跌、成長停滯，則應採擴張性的貨幣政策，把油門加大，刺激景氣回升。
這樣的傳統理論實際上經不起挑戰，已被高度質疑。以美國為例，2008年金融海嘯以後，美國央行聯準會為了刺激景氣，把利率降到最低，把貨幣供給加到最大，但效果有限。貨幣到了銀行，就像丟入死水，沒有轉化成可以刺激景氣的放款，也就是所謂的「信用」。正因為如此，後來聯準會不得不採取「量化寬鬆」措施，也就是直接擴張信用，購買政府公債和房貸債券，來防止崩盤。
既然真正能影響經濟活動的是信用，不如直接放出或收縮信用，來作為貨幣政策的工具。國際清算銀行也注意到了這點，把信用和名目國民生產毛額之間的比例，列為金融危機早期預警訊號之一：如果信用擴充速度一直超過名目國民生產，表示信用流入非生產性項目如房地產太多，資產價值過高，有泡沫化的危險。
果然，日本和美國的經歷顯示，在發生房地產泡沫化之前，都先看到信用相對於國民生產過度擴張。1990年日本發生房地產崩盤之前幾年，信用相對於名目國民生產的比例節節上升，後來達到約2.2倍，然後泡沫化，其對日本經濟的負面效果一直到今天還揮之不去。2008年美國發生次貸風暴的前幾年也一樣，信用相對於名目國民生產的比例攀升，並於達到約1.7倍後崩盤。
台灣呢？還沒這麼嚴重，但其資產價格也夠令人怵目驚心了。要看一個城市或地區的房地產價格是否「合理」，有很多指標，其中之一是「售價租金比」，就是房屋市價除以此屋出租時所可獲得租金的比例。其概念有點像股票的「本益比」，就是股票市價除以其每股盈餘的比例。
根據國際知名的全球生活成本統計網（Numbeo）最新資料，到2017年年中，全球267個城市其市中心的房價租金比，世界第2名是台北，達到67.8倍，僅次於深圳的79.4倍，而比第3名的北京62.8倍要高。
這表示扣掉預期房價繼續上漲的資本利得以外，單以租金減利息和折舊，其報酬率是負的。可見這些地方的房地產已經進入明斯基（Minsky）曲線的「投機」階段，偏離基本面；未來當然有大幅下修的危險。
房價過度上升，造成年輕人不滿，造成人口和商業從該城市移出，也造成抵押品價值能否確保的金融系統風險。幸虧過去我國的中央銀行曾注意到這個問題，進而採取過選擇性的信用管制。不過，這些管制措施的時機和強度或許應當更高，來防止資產價格的泡沫化。
我們期待未來的央行總裁，可以更重視信用這個變數在經濟中扮演的關鍵角色。如果確有資產價格走向破沫化的危險，應當更大膽地採取選擇性的信用管制，直接限制信用的擴張。
中央銀行傳統的任務─維持民生物價安定─還是要顧，但對全球而言，這10多年來大家談的都是通貨緊縮而非通貨膨脹，對台灣這個高度從事進出口的小型開放經濟而言，影響物價還有兩個很重要的因素，就是進口物價和匯率。進口物價非我們所能控制，中央銀行能影響的是匯率。
在這方面，我們也期待未來的中央銀行能更尊重市場機能，於新台幣有升值壓力時不必過度阻止。台幣升值對於出口型企業不利，但很多出口型企業本身也大量進口原材料，而升值對進口成本有利；兩兩相比，升值的負面效果會大幅稀釋。更重要的，在進口物價上升的時候，升值將減緩其對國內物價的壓力，對一般民生用品的消費者有利，也對需要花費外匯的國民有利。
希望新的總裁能考慮以上兩個觀點，幫國民把關好房地產的價格，也讓消費者能普遍分享升值所帶來的實質所得增加。央行同仁應有足夠的工具和能力，可以把這兩件事做好，來增進國民福祉。（作者為台北醫學大學經濟學講座教授）
科技部部長陳良基表示，藉由創新中心的機制，以五年為期深耕台灣AI的基礎技術，期望可以藉由研究創造出可供產業使用的AI工具，並創造出能夠適用在不同產業的AI平台，最後，科技部也會提供產業在數據上的協助，亦即在研究過程中所產生的大數據，未來能夠給企業界使用。
陳良基也強調，執行的教授也應思考如何運用計畫的資源成就學生的未來。他舉例，教授可以協助學生到產業界實習，培養學生更多實務能力，或是不定期邀請國際相關領域的專家前來交流。
近年來AI發展迅猛，各國無不卯足了勁推出各種政策、挹注資源，以及培訓與延攬人才，希望能夠透過AI的發展來提升產業競爭力。政府所以設立創新研究中心，從目標上觀察，最終也是希望能夠提供產業應用所需的工具、平台、數據及人才，立意甚佳。不過，不可諱言的，國內產學合作過去鴻溝甚大，如何讓這樣的想法貫徹落實，需要進一步思考與設計。
以AI人才缺乏為例，就學校端而言，不僅師資不足，學校教授大多也不了解各領域產業對於AI的需求課題是什麼？而若要能夠產學接軌，更缺乏具資格的AI企業導師來源；而在產業端，一般企業對於學校教授的AI專長領域沒有完整的藍圖，甚至各產業也不清楚自己是否可以利用AI來解決課題、或是要用哪些AI技術？
簡言之，目前的狀況是產學雙方對於彼此的人才供給條件以及個別產業的需求課題都還沒有清晰的圖像，因此需要建構一個AI人才資源資料庫，提供AI產學媒合平台、產業AI輔導團、AI開放式創新平台等，幫助供給端釐清產業需求，並提供企業多元且開放的解題來源。若能如此，學校可獲得企業導師指導，精準設計產業所需課程；企業也可有效率地找到學校資源，解決內部AI課題。
因此，除了科技部設立AI創新研究中心，發展相關技術外，為讓產學合作能夠接地氣，建議教育部、經濟部及勞動部可進行跨部會合作，建置全國AI人才資源資料庫；亦即應鼓勵各大專院校主動登錄AI教授人才，針對教授專業領域進行分類標籤，並積極蒐集國內及國際企業AI導師名單、提供誘因鼓勵業者主動登錄企業導師人才，讓具備AI課題解決經驗、或擁有設計AI學程經驗，以及跨領域知識的實務專家可以進入學校，協助訓練人才；學校可針對欲開發的AI學程類別，提出對企業導師之需求，企業則針對公司遇到的AI課題，提出與教授合作的需求，由平台進行供需之媒合。
同時，也應考慮整合研究法人與學校共組產業AI輔導團，針對不知道自己對AI有什麼需求的企業，輔導企業找到需求；而針對有需求、但無AI技術的企業，找到合適的技術解決方案。當輔導團協助企業找到AI解決方案技術後，中小企業可能缺少取得技術資金，政府須出資補助導入AI的成本及降低導入的風險。而若有未能解決之課題，也應鼓勵及開放法人、學校或其他企業及國外人才共組解題團隊，讓國內AI人才學習國際解題思維。
誠如副總統陳建仁在參加「人工智慧產學研聯盟」成立大會時所言，台灣具有前瞻的技術和完整的產業鏈，未來可拓展包含智慧交通、智慧醫材及智慧製造等應用領域，他承諾政府會從人才、技術、場域及產業等面向，建構台灣AI創新生態圈。我們期待產學研攜手努力，讓台灣產業能夠藉由AI加速轉型與升級。
沒有留言:
張貼留言