İctimai süni intellekt infrastrukturu əsasında endogen artım modeli, süni intellekti bir tərəfdən təkrar istifadədə tükənməyən bilik və alqoritmlər, digər tərəfdən isə fiziki baxımdan məhdud hesablama gücü, bulud infrastrukturu və ixtisaslaşmış insan kapitalı tələb edən hibrid istehsal amili kimi nəzərdən keçirən nəzəri iqtisadi çərçivədir. Ezer Ayadinin işi ictimai rəqəmsal infrastrukturu, AI insan kapitalını, vergitutmanı, özəl fiziki kapitalı, bilik yığımını və şəbəkə xarici təsirlərini vahid endogen artım sistemi daxilində birləşdirir. Modelin əsas iddiası budur ki, səmərəli şəkildə təmin edilən ictimai rəqəmsal girişlər özəl kapitalı sıxışdırmaq məcburiyyətində deyil; özəl kapitalın marjinal məhsuldarlığını artıraraq digital crowding-in yarada bilər.

Modelin istehsal tərəfində özəl kapital \(K\), AI ilə gücləndirilmiş əmək \(A\cdot L\) və ictimai rəqəmsal infrastruktur \(G_d\) birlikdə məhsul istehsal edir. Dövlət istehsaldan aldığı proporsional vergi \(\tau\)-nun \(\theta\) hissəsini rəqəmsal infrastruktura, \(1-\theta\) hissəsini isə AI təhsili, tədqiqat və insan kapitalına yönəldir. Tədqiqatın Rəqəmsal Optimallıq Teoremi artımı maksimumlaşdıran infrastruktur payını \(\theta^*=\beta/(\beta+\eta)\) kimi verir. Baseline kalibrləmədə \(\beta=0.15\) və \(\eta=0.25\) olduqda bu nisbət %37,5 infrastruktur və %62,5 AI insan kapitalı/tədqiqat şəklindədir. Lakin bu bölgü universal ölkə resepti deyil; model parametrlərindən asılı nəzəri optimumdur.

Tədqiqat həmçinin Digital Laffer Curve, crowding-in əmsalı və geniş parametr həssaslığı təhlilləri təqdim edir. Burada mühüm mənbədaxili məhdudiyyət vardır: vergi dərəcəsinin nəzəri optimumu məsələsində əsas mətn, kalibrləmə və Appendix A.3 bir-biri ilə tam uyğun deyil. Appendix A.3 \( \tau^*=\beta \) nəticəsini açıq şəkildə çıxarır, baseline bölməsi isə təxminən %40-lıq fərqli formuldan istifadə edir. Buna görə %40 dəyəri vahid və ardıcıl şəkildə sübut edilmiş universal artım-optimal vergi dərəcəsi kimi şərh edilməməlidir. Bundan əlavə, kalibrləmə nəticələri müəyyən bir ölkənin ekonometrik qiymətləndirmələri deyil, nəzəri modelin davranışını göstərmək üçün istifadə olunan stilizə edilmiş ədədi ssenarilərdir.

Tədqiqatın əsas sualı

Klassik artım nəzəriyyələrində dövlət infrastrukturu çox vaxt yollar, enerji sistemləri və ənənəvi rabitə infrastrukturu vasitəsilə nəzərdən keçirilir. Süni intellekt iqtisadiyyatında isə istehsal gücü getdikcə yüksək məhsuldarlıqlı hesablama qurğuları, bulud infrastrukturu, məlumat sistemləri, təhlükəsiz rəqəmsal şəbəkələr, AI tədqiqat platformaları və ixtisaslaşmış işçi qüvvəsi kimi girişlərdən asılı olur.

Tədqiqatın əsas sualı budur: Dövlət bu rəqəmsal infrastrukturu və AI bilik qabiliyyətini məhsuldar ictimai giriş kimi təmin etdikdə uzunmüddətli iqtisadi artım və özəl kapital yığımı necə dəyişir?

Model bu suala dövlət xərclərini yalnız istehlak və ya yenidən bölgü kimi deyil, istehsal funksiyasının səmərəliliyini dəyişdirən məhsuldar rəqəmsal kapital kimi qəbul edərək cavab verməyə çalışır.

Süni intellekt niyə “hibrid istehsal amili” kimi modelləşdirilir?

Modeldə süni intellektin iki fərqli iqtisadi təbiəti vardır. Alqoritmlər, bilik və öyrədilmiş modellər böyük ölçüdə non-rival xarakterlidir; eyni bilik bir neçə iqtisadi aktor tərəfindən istifadə edildikdə fiziki olaraq tükənmir. Buna qarşılıq AI sistemlərinin işlədilməsi üçün tələb olunan GPU/hesablama gücü, məlumat mərkəzləri, bulud infrastrukturu, bağlantı gücü və ixtisaslaşmış insan əməyi məhdud və bahalıdır.

Buna görə AI yalnız ənənəvi fiziki kapitala və ya yalnız bilik ehtiyatına endirilmir. Tədqiqatın nəzəri yeniliyi bu iki xüsusiyyəti ictimai infrastruktur və bilik yığımı kanallarında birləşdirməsidir.

İctimai rəqəmsal kapital nələri əhatə edir?

\(G_d\), modeldə dövlət tərəfindən təqdim olunan rəqəmsal infrastruktur xidmətləri axınını təmsil edir. Mənbədəki nümunələr arasında yüksək məhsuldarlıqlı hesablama infrastrukturu, suveren bulud sistemləri, inkişaf etmiş bağlantı şəbəkələri, məlumat infrastrukturları, ortaq AI platformaları və ictimai hesablama gücü vardır.

\(G_h\) isə AI ilə bağlı insan kapitalı və bilik istehsalına ayrılan büdcə kanalını təmsil edir. Tədqiqat və inkişaf, AI təhsili, bacarıqların inkişafı və innovasiya qabiliyyəti bu kanalın iqtisadi məzmunudur.

Modelin əsas dəyişənləri

İstehsal funksiyası

Modelin əsas istehsal tənliyi genişləndirilmiş Cobb–Douglas formasındadır:

\[ Y=K^{\alpha}(A L)^{1-\alpha}G_d^{\beta} \]

Burada \(Y\) ümumi məhsulu göstərir. Özəl kapital \(K\), AI biliyi ilə gücləndirilmiş əmək \(A L\) və ictimai rəqəmsal infrastruktur \(G_d\) birlikdə istehsala daxil olur.

\(\alpha\), özəl kapitalın məhsul elastikliyidir. \(\beta\), ictimai rəqəmsal infrastrukturun məhsul elastikliyidir. Mənbənin nəzəri çərçivəsində ictimai rəqəmsal infrastruktur və bilik xarici təsirləri firma səviyyəsində özəl girişlər arasında olmayan iqtisadiyyat miqyaslı məhsuldarlıq təsirləri yarada bilər.

Bilik ehtiyatı necə böyüyür?

AI bilik ehtiyatının hərəkət tənliyi:

\[ \dot A=\eta G_h A^{\phi} \]

şəklindədir.

\(\eta\), dövlətin AI tədqiqatı, təhsil və bacarıq xərclərini istifadəyə yararlı biliyə çevirmə səmərəliliyini; \(\phi\) isə bilik yığımının şəbəkə xarici təsirini və özünü gücləndirmə dərəcəsini təmsil edir.

\(\phi\) yüksəldikcə mövcud bilik ehtiyatının yeni bilik istehsalına töhfəsi güclənir. Mənbə yüksək şəbəkə xarici təsiri hallarını AI biliyi, məlumat və öyrənmə yayılmalarının bir-birini qidalandırdığı ssenarilər kimi şərh edir.

İctimai büdcə iki kanala bölünür

Dövlət balanslaşdırılmış büdcə altında məhsulun \(\tau\) nisbətini vergi kimi toplayır. Vergi gəlirinin \(\theta\) payı rəqəmsal infrastruktura ayrılır:

\[ G_d=\theta\tau Y \]

Qalan \(1-\theta\) pay AI insan kapitalı və tədqiqat kanalına gedir:

\[ G_h=(1-\theta)\tau Y \]

Bu bölgü modelin ən mühüm siyasət dəyişənlərindən biridir. Dövlət yalnız “nə qədər” rəqəmsal dövlət xərci ediləcəyinə deyil, eyni büdcənin avadanlıq/infrastruktur ilə bilik/insan kapitalı arasında necə bölünəcəyinə qərar verir.

İctimai AI infrastrukturu özəl investisiyanı niyə sıxışdırmaq əvəzinə təşviq edə bilər?

Modeldə ictimai rəqəmsal infrastruktur \(G_d\), özəl kapital \(K\)-nın marjinal məhsulunu artıran tamamlayıcı girişdir; istehsal funksiyasının çarpaz törəməsi \( \partial^2Y/(\partial K\partial G_d)>0 \) olduğu müddətdə daha çox ictimai rəqəmsal infrastruktur özəl kapitalın gəlirliliyini yüksəldir və model tarazlığı daxilində daha yüksək özəl kapital ehtiyatı ilə əlaqələndirilir. Bu nəticə nəzəri istehsal quruluşunun nəticəsidir; real iqtisadiyyatlarda ölçülmüş səbəb-nəticə təsiri deyil.

Özəl kapitalın marjinal məhsulu

İstehsal funksiyasının \(K\)-ya görə törəməsi:

\[ MPK=\frac{\partial Y}{\partial K} =\alpha K^{\alpha-1}(AL)^{1-\alpha}G_d^\beta \]

şəklindədir. \(G_d\) artdıqda digər şərtlər sabit qalarsa \(MPK\) də yüksəlir.

İctimai infrastruktur ilə özəl kapitalın tamamlayıcılığı çarpaz törəmə ilə ifadə edilir:

\[ \frac{\partial^2Y}{\partial K\,\partial G_d} = \alpha\beta K^{\alpha-1}(AL)^{1-\alpha}G_d^{\beta-1} >0 \]

\(\alpha>0\), \(\beta>0\) və faktor ehtiyatları müsbət olduqda bu törəmə müsbətdir. Mənbə bunu özəl kapital ilə ictimai rəqəmsal infrastrukturun Edgeworth–Pareto complements olması kimi müəyyən edir.

Crowding-in əmsalı

Mənbə tarazlıq özəl kapital ehtiyatının ictimai rəqəmsal infrastruktura elastikliyini:

\[ \chi= \frac{d\ln K^*}{d\ln G_d} = \frac{\beta}{1-\alpha} \]

kimi müəyyən edir.

Baseline dəyərlərdə:

\[ \alpha=0.30,\qquad \beta=0.15 \]

olduqda:

\[ \chi=\frac{0.15}{0.70}\approx0.214 \]

alınır. Modelin şərhinə görə ictimai rəqəmsal infrastrukturda %1 artım, digər struktur şərtlər sabit qalarkən tarazlıq özəl kapital ehtiyatında təxminən %0,214 artımla uyğun gəlir.

Bu rəqəm ekonometrik təsir ölçüsü deyil. Hər hansı ölkənin real investisiya məlumatlarından qiymətləndirilməyib; seçilən Cobb–Douglas istehsal quruluşundan və kalibrlənmiş \(\alpha,\beta\) dəyərlərindən törəyən nəzəri elastiklikdir.

Rəqəmsal Optimallıq Teoremi ictimai AI büdcəsini necə bölür?

Rəqəmsal Optimallıq Teoremi rəqəmsal büdcənin infrastruktura ayrılan artım-maksimallaşdırıcı payını \( \theta^*=\beta/(\beta+\eta) \) kimi verir; infrastruktur məhsuldarlığının nisbi əhəmiyyəti \(\beta\) yüksəldikcə optimal infrastruktur payı artır, AI bilik və insan kapitalı istehsalı səmərəliliyi \(\eta\) yüksəldikcə büdcənin daha böyük hissəsi bilik/insan kapitalı kanalına keçir.

Modelin siyasət məqsəd funksiyasında artım baxımından uyğun bölgü komponenti:

\[ \theta^\beta(1-\theta)^\eta \]

şəklindədir. \(\theta\)-ya görə birinci dərəcə şərt:

\[ \beta(1-\theta)=\eta\theta \]

nəticəsini verir və buradan:

\[ \boxed{\theta^*=\frac{\beta}{\beta+\eta}} \]

alınır.

Baseline kalibrləmədə:

\[ \beta=0.15,\qquad \eta=0.25 \]

olduğuna görə:

\[ \theta^*=\frac{0.15}{0.15+0.25}=0.375 \]

nəticəsinə gəlinir. Bu stilizə edilmiş iqtisadiyyatda büdcənin %37,5-i infrastruktur \(G_d\), %62,5-i AI tədqiqatı/insan kapitalı \(G_h\) üçün ayrılır.

Lakin genişləndirilmiş həssaslıq təhlili optimal payın sabit olmadığını açıq göstərir. Məsələn \(\beta=0.15\) sabit olduqda \(\eta=0.15\) üçün optimal infrastruktur payı 0,50; \(\eta=0.25\) üçün 0,375; \(\eta=0.45\) üçün 0,25; \(\eta=0.60\) üçün 0,20 olur. Mənbənin geniş \(\beta-\eta\) sahəsində optimal infrastruktur nisbəti təxminən 0,071 ilə 0,778 arasında dəyişir.

Buna görə tədqiqatın dediyi “bütün ölkələr %37,5 ayırmalıdır” deyil. Ümumi nəzəri nəticə budur ki, optimal fiskal tərkib iqtisadiyyatın infrastruktur elastikliyinə və bilik istehsalı qabiliyyətinə görə dəyişir.

İnfrastruktur-məhdud və bilik-məhdud iqtisadiyyatlar

Tarazlı artım yolu

Özəl kapital dinamikası:

\[ \dot K=s(1-\tau)Y-\delta_k K \]

ilə müəyyən edilir. Tarazlı artım yolunda \(Y\), \(K\) və \(G_d\)-nin ortaq sabit nisbət \(\gamma\) ilə artdığı fərz edilir.

İstehsal funksiyasının loqarifmik törədilməsi bilik artımı ilə ümumi məhsul artımı arasındakı əlaqəni:

\[ \gamma= \frac{1-\alpha}{1-\alpha-\beta}g_A \]

şəklində verir.

Mənbə daha sonra struktur terminləri birləşdirərək siyasət məqsədli sadələşdirilmiş artım ifadəsini:

\[ \gamma= \lambda\,\tau\,\theta^\beta(1-\theta)^\eta-\delta \]

şəklində istifadə edir. Buradakı \(\lambda\), modelin struktur məhsuldarlıq əmsalı; \(\delta\), fiziki və rəqəmsal kapitalın birləşmiş amortizasiya/yenilənmə tələbatıdır.

Rəqəmsal multiplikator \( \Omega \)

Mənbə ümumi tarazlıq geribildirimlərini vahid struktur tənzimləmə terminində toplamaq üçün \( \Omega \) terminindən istifadə edir. İqtisadi şərh budur ki, ictimai rəqəmsal infrastruktur özəl kapitalın məhsuldarlığını artırır, bu məhsulu və vergi bazasını böyüdür və genişlənən fiskal məkan yeni ictimai rəqəmsal investisiyanı dəstəkləyir.

Müəllif bu dövrü “Digital Multiplier Effect” adlandırır. Buradakı mühüm məhdudiyyət odur ki, bu, müşahidə edilmiş fiskal multiplikator qiymətləndirməsi deyil, qurulan nəzəri sistemin geribildirim strukturudur.

Modeldə artımı maksimumlaşdıran vergi dərəcəsi həqiqətən %40-dırmı?

Mənbə bu mövzuda vahid və riyazi baxımdan ardıcıl nəticə vermir: bölmə 4 artım-optimal vergi dərəcəsinin təxminən \( \beta \)-ya bərabər olduğunu bildirir və Appendix A.3 açıq şəkildə \( \tau^*=\beta \) çıxarır; baseline kalibrləmə isə fərqli olaraq \( \tau^*=(\beta+\eta)/(1-\alpha)\approx0.40 \) formulundan istifadə edir və genişləndirilmiş ədədi səth təxminən \(0.389\) optimum yaradır. Baseline \(\beta=0.15\) olduğuna görə ilk törətmə %15-ə uyğun gəlir; buna görə %40 dəyəri mənbədaxili formul uyğunsuzluğu həll edilmədən universal nəzəri optimum kimi qəbul edilməməlidir.

Digital Laffer Curve-un əsas iqtisadi məntiqi

Digital Laffer Curve klassik vergi gəliri Laffer əyrisindən fərqli olaraq vergi dərəcəsi ilə uzunmüddətli iqtisadi artım arasındakı nəzəri əlaqəni göstərir.

Aşağı vergi dərəcələrində dövlətin məhsuldar rəqəmsal infrastruktur və AI insan kapitalını maliyyələşdirmə qabiliyyəti məhduddur. Vergi artdıqca bu ictimai girişlərin məhsuldarlıq təsiri artımı yüksəldə bilər. Lakin vergi dərəcəsi həddindən artıq yüksəldikdə özəl investisiyanın vergidən sonrakı gəliri azalır və verginin təhrifedici təsiri dominant ola bilər. Beləliklə tərs-U formalı əlaqə yaranır.

Appendix A.3-ün istifadə etdiyi reduced-form:

\[ \gamma(\tau) = \Psi(1-\tau)\tau^{\frac{\beta}{1-\beta}}-\delta \]

ifadəsindən çıxarılan birinci dərəcə şərt:

\[ -\tau(1-\beta)+\beta(1-\tau)=0 \]

və buna görə:

\[ \boxed{\tau^*=\beta} \]

nəticəsini verir.

Lakin baseline kalibrləmə bölməsindəki:

\[ \tau^*=\frac{\beta+\eta}{1-\alpha}\approx0.40 \]

ifadəsi bu Appendix törətməsi ilə eyni deyil. Verianla baxımından mənbəyə sədaqət üçün hər iki ifadə görünən saxlanmalı; biri səssizcə digərinin yerinə keçirilməməlidir.

Tədqiqatın Metodu və Nəticələri

Tədqiqat növü

Bu tədqiqatda eksperiment qrupu, klinik nümunə və ya ölkə paneli üzərində səbəb-nəticə yönümlü ekonometrik qiymətləndirmə yoxdur. Əsas metod analitik nəzəri modelləşdirmə, simvolik törətmə, kalibrləmə və parametr həssaslığı simulyasiyasıdır.

2016–2023 AI investisiyası və adambaşına ÜDM artımı müqayisəsi ilə 2023 ictimai AI xərcləri tərkibi qrafikləri yalnız nəzəri modeli motivasiya edən təsviri vizuallardır. Mənbə xüsusilə bu ölkə qrafiklərinin model üçün empirik təsdiq olmadığını bildirir.

Baseline kalibrləmə

Mənbə bu dəyərləri hər hansı konkret ölkəni yenidən yaratmaq üçün qiymətləndirilmiş parametrlər kimi deyil, ədəbiyyatdan götürülmüş iqtisadi baxımdan məqbul benchmark dəyərləri kimi müəyyən edir.

Baseline Digital Optimality nəticəsi

\[ \theta^*=0.375 \]

olduğuna görə mənbə stilizə edilmiş baseline iqtisadiyyatda rəqəmsal büdcənin %37,5-nin ictimai rəqəmsal infrastruktura, %62,5-nin AI insan kapitalı və tədqiqata ayrıldığı benchmark hesablayır.

Altı siyasət ssenarisi

Bu cədvəl modelin əsas mesajını aydın şəkildə göstərir: daha yüksək vergi özlüyündə daha yüksək artım yaratmır. Eyni şəkildə ictimai AI xərclərinin mövcudluğu da özlüyündə kifayət deyil. İnstitusional səmərəlilik \(\eta\), şəbəkə xarici təsiri \(\phi\) və büdcənin tərkibi nəticəni güclü şəkildə dəyişə bilər.

İnstitusional səmərəlilik ssenarini necə dəyişir?

Keçid iqtisadiyyatı ilə səmərəli iqtisadiyyat ssenarisində \(\tau=0.40\) və \(\phi=0.05\) sabitdir. \(\eta\)-nın 0,25-dən 0,45-ə yüksəlməsi ilə net model artımı −%1,50-dən +%2,20-yə keçir.

Bu rəqəm real institusional islahatın ölçülmüş təsiri deyil. Eyni nəzəri model daxilində yalnız \(\eta\) parametrinin dəyişdirilməsindən doğan müqayisədir.

Şəbəkə xarici təsirləri

Səmərəli iqtisadiyyat ilə yüksək-spillover ssenarisi müqayisə edildikdə \(\tau=0.40\) və \(\eta=0.45\) sabit qalarkən \(\phi\) 0,05-dən 0,15-ə yüksəlir. Net model artımı +%2,20-dən +%6,50-yə çıxır.

Bu nəticə modelin AI biliyinin yayılmasına və şəbəkə təsirlərinə yüksək həssaslığını göstərir.

Vergi və büdcə tərkibinin birgə həssaslığı

Şəkil 7-də \(\eta=0.45\) və \(\phi=0.05\) sabit qalarkən \(\tau\) və \(\theta\) birlikdə skan edilmişdir. Mənbədə ədədi maksimum təxminən:

\[ \tau\approx0.389,\qquad \theta\approx0.252,\qquad \gamma\approx2.57\% \]

kimi bildirilir.

\(\eta=0.45\) olduqda Rəqəmsal Optimallıq Teoremi:

\[ \theta^*=\frac{0.15}{0.15+0.45}=0.25 \]

verdiyinə görə ədədi \(\theta\) optimumu analitik bölgü qaydası ilə yaxından uyğunlaşır.

Vergi optimumu üçün isə eyni uyğunluq şərhi ehtiyatla aparılmalıdır; təxminən 0,389 nəticəsi mənbədə istifadə olunan ədədi artım səthi ilə uyğundur, lakin Appendix A.3-ün \( \tau^*=\beta=0.15 \) törətməsi ilə uyğun deyil.

20 illik məhsul yolları

Mənbə altı sabit artım dərəcəsini başlanğıc məhsul indeksi 100 olacaq şəkildə irəli aparır. 20 ilin sonunda aşağı-səmərəlilik iqtisadiyyatı 44,4-ə, keçid iqtisadiyyatı 74,1-ə və yüksək-vergi/aşağı-səmərəlilik ssenarisi 56,0-a geriləyir. Səmərəli iqtisadiyyat 155,3-ə, yüksək-spillover iqtisadiyyatı 366,9-a və frontier ssenarisi 1059,1-ə yüksəlir.

Bu yollar hər ssenaridəki sabit illik model artım templərinin mexaniki şəkildə mürəkkəbləşdirilməsidir; 20 illik makroiqtisadi proqnoz və ya ölkə forecast-i deyil.

Crowding-in həssaslığı

Mənbənin Şəkil 9 təhlili icazə verilən parametr sahəsində crowding-in əmsalının təxminən 0,047 ilə 0,667 arasında dəyişdiyini və işarəsinin müsbət qaldığını bildirir.

Bu müsbətlik istifadə olunan istehsal funksiyasında \(0<\alpha<1\) və \(\beta>0\) şərtlərinin struktur nəticəsidir. Buna görə burada edilən “robustness” testi müstəqil real dünya məlumatlarında crowding-in-in təsdiqi deyil, modelin müxtəlif parametr dəyərlərində eyni riyazi tamamlayıcılıq mexanizmini qorumasıdır.

İnstitusional səmərəlilik yüksəldikdə optimal büdcə tərkibi

Şəkil 10 və Şəkil 12-nin ortaq nəticəsi \(\eta\) artdıqca optimal infrastruktur payının azalmasıdır. Məsələn \(\eta=0.65\) olduqda analitik qayda:

\[ \theta^*= \frac{0.15}{0.15+0.65} = 0.1875 \]

verərkən ədədi səth optimumu təxminən 0,185 tapır.

Eyni səthdə \(\eta=0.65\) kimi güclü institusional bilik istehsalı qabiliyyətinə baxmayaraq rəqəmsal büdcənin demək olar hamısının infrastruktura verilməsi net artımı təxminən −%12,53-ə qədər azalda bilər. Modelin mesajı “yaxşı institutlar hər pis büdcə bölgüsünü kompensasiya edir” deyil.

Geniş parametr sahəsi testi

Şəkil 14-də mənbə 20.000 uniform parametr kombinasiyası yaratmışdır:

Bu nəticələrin ən mühüm şərh sərhədi odur ki, parametrlər real iqtisadiyyatlardakı ehtimal paylanmalarından çəkilmir. Uniform seçmə bir coverage exercise-dır. Buna görə “iqtisadiyyatların %34,1-i AI investisiyası ilə böyüyür” nəticəsi çıxarıla bilməz.

Rəqəmsal sekulyar durğunluq

Mənbə “digital secular stagnation” terminini özəl kapitalın istifadə edə biləcəyi kifayət qədər rəqəmsal ictimai girişin olmadığı təklif tərəfi darboğazı üçün istifadə edir. Model daxilində qeyri-kafi \(G_d\), aşağı \(MPK\), zəif özəl kapital yığımı və daha aşağı məhsul vasitəsilə özünü göstərə bilər.

Bundan əlavə tarazlı artım yolunun davamlı olması üçün özəl yığımların amortizasiya və artım tələbatlarını qarşılayacaq səviyyədə olması lazımdır. Bu şərt pozularsa model “decapitalization” prosesini təsvir edir. Bunlar nəzəri model rejimləridir; konkret ölkələrdə diaqnoz edilmiş empirik makroiqtisadi vəziyyətlər deyil.

Tədqiqatın dəstəklədiyi və dəstəkləmədiyi şərhlər

Tədqiqatın güclü tərəfləri

Model ictimai rəqəmsal infrastrukturu, AI insan kapitalını, özəl kapitalı, şəbəkə xarici təsirlərini, vergi maliyyələşməsini və fiskal bölgü problemini vahid nəzəri sistem daxilində nəzərdən keçirir. Əsas siyasət iddialarını yalnız şifahi səviyyədə saxlamayıb istehsal funksiyası, birinci dərəcə optimal şərtlər və çarpaz törəmələrlə riyazi şəkildə formullaşdırır.

Genişləndirilmiş həssaslıq təhlilləri də vahid kalibrləmə nöqtəsindən kənara çıxaraq bölgü, institusional səmərəlilik, şəbəkə xarici təsirləri və vergi dərəcələrinin müxtəlif kombinasiyalarını görünən edir.

Əsas məhdudiyyətlər

Nəzəri model sərhədi: Model konkret bir iqtisadiyyatın tam kəmiyyət təsviri deyil.

Empirik təsdiq sərhədi: Əsas crowding-in əmsalı və optimal bölgü qaydası ölkə məlumatlarından ekonometrik olaraq qiymətləndirilməyib.

Qapalı iqtisadiyyat fərziyyəsi: Beynəlxalq kapital hərəkətləri, sərhədlərarası AI infrastrukturu və rəqəmsal xarici təsirlər əsas modeldə yer almır.

Bölgü təsirləri: İstehsal qazancının kapital sahibləri ilə AI tərəfindən gücləndirilən və ya əvəz olunan işçilər arasında necə bölündüyü modelləşdirilməyib.

Verginin ekzogen siyasət dəyişəni olması: Demokratik seçim, yenidən bölgü və siyasi iqtisadiyyat mexanizmləri əsas modeldən kənarda saxlanılıb.

Məlumat ehtiyatı: Məlumat əsas modeldə ayrıca yığılan kapital ehtiyatı kimi modelləşdirilməyib; mənbə bunu gələcək genişləndirmə sahəsi kimi təklif edir.

Vergi optimumu uyğunsuzluğu: Mənbədə \( \tau^*=\beta \), təxminən %40-lıq alternativ formul və təxminən 0,389 ədədi optimum eyni anlayış altında birlikdə mövcuddur. Bunların riyazi uyğunluğu mənbədə tam izah edilmir.

Gələcək tədqiqat istiqamətləri

Mənbə məlumatı ayrıca yığılan ehtiyat kimi modelə əlavə etməyi, açıq iqtisadiyyat və sərhədlərarası rəqəmsal xarici təsirləri araşdırmağı, AI artım qazancının işçilər və kapital sahibləri arasında bölgüsünü tədqiq etməyi və vergi siyasətini siyasi seçimlərin nəticəsi kimi endogenləşdirməyi təklif edir.

Ən mühüm empirik genişləndirmə isə ölkələrarası rəqəmsal infrastruktur investisiyası, AI insan kapitalı xərcləri və məhsuldarlıq məlumatlarından istifadə etməklə \(\beta\) və \(\eta\) parametrlərinin qiymətləndirilməsi; nəzəri optimal bölgü qaydasının müşahidə olunan fiskal büdcələrlə müqayisə edilməsi və crowding-in əmsalının endogenlik probleminə qarşı instrumental dəyişən yanaşmaları ilə sınanmasıdır.

Mənbə və Metod Qeydi

Orijinal başlıq: A Theory of Endogenous Growth Through Public AI Infrastructure and Digital Crowding-In

Müəllif: Ezer Ayadi.

Qurum: Department of Finance, College of Business, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh, Saudi Arabia.

Jurnal: Economies.

Nəşriyyat: MDPI.

Biblioqrafik qeyd: Economies, 2026, 14(8), Article 342.

DOI: 10.3390/economies14080342

Nəşr prosesi: Received 26 may 2026; revised 27 iyul 2026; accepted 5 avqust 2026; published 13 avqust 2026.

Mənbə növü: Rəyçilər tərəfindən qiymətləndirilmiş açıq girişli nəzəri iqtisadiyyat tədqiqat məqaləsi.

Lisenziya: Creative Commons Attribution (CC BY).

Əsas metod: Endogen artım nəzəriyyəsi; genişləndirilmiş Cobb–Douglas istehsal funksiyası; ictimai AI bilik ehtiyatı dinamikası; balanced-growth-path törətməsi; Digital Laffer Curve; Rəqəmsal Optimallıq Teoremi; özəl kapitalın marjinal məhsulu və çarpaz törəmə vasitəsilə digital crowding-in; illustrative calibration; çoxölçülü həssaslıq və parametr sahəsi simulyasiyaları.

Tədqiqatın empirik statusu: Əsas model nəzəridir. İlk ölkələrarası müqayisəli şəkillər təsviri motivasiya verir; model üçün səbəb-nəticə yönümlü empirik təsdiq deyil. Kalibrləmə konkret ölkəni yenidən yaratmaq məqsədilə aparılmayıb.

Maliyyələşmə: Imam Mohammad Ibn Saud Islamic University, Deanship of Scientific Research; grant IMSIU-DDRSP2604.

Etika komitəsi: Tətbiq edilmir.

Məlumatlandırılmış razılıq: Tətbiq edilmir.

Məlumat əlçatanlığı: Məqalənin nəticələrini dəstəkləyən xam məlumatların tələb əsasında təqdim ediləcəyi bildirilir.

Dil redaktə aləti: Müəllif ingilis dili və qrammatika redaktəsinə kömək etmək üçün Ginger Software v2.8.72 istifadə etdiyini; elmi məzmun, təhlil, şərh və nəticələrə görə məsuliyyətin özündə olduğunu bildirmişdir.

Maraqlar toqquşması: Müəllif maraqlar toqquşmasının olmadığını bəyan edir; maliyyələşdirənlərin tədqiqat dizaynı, məlumat, təhlil, şərh, yazı və ya nəşr qərarında rolu olmadığı bildirilir.

Müəllif töhfələri: Məqalə tək müəlliflidir; mənbədə ayrıca CRediT müəllif töhfələri bölməsi bildirilməyib.

Mənbədaxili texniki xəbərdarlıq: Digital Laffer optimumu üçün əsas mətn/Appendix A.3-də \( \tau^*=\beta \) yanaşması mövcuddur, baseline kalibrləmə isə fərqli təxminən %40-lıq formuldan istifadə edir. Bu ziddiyyət həll edilmədən vahid optimal vergi dərəcəsinin mənbə tərəfindən ardıcıl şəkildə müəyyən edildiyi qəbul edilməməlidir.

Əsas elmi şərh sərhədi: Tədqiqatın irəli sürdüyü crowding-in, optimal bölgü və artım əlaqələri nəzəri modelin struktur nəticələridir. Real ölkələrdəki miqyas və səbəblilik ayrıca empirik olaraq sınaqdan keçirilməlidir.