AI热潮先于生产率兑现
主要观点
这篇内容把AI热潮放回技术革命的长周期里看：问题不是AI没用，而是市场、企业和制度都在抢跑，生产率兑现却天然滞后。短期里最容易先出现的是估值泡沫、组织磨损、统计失真和治理冲突；真正决定AI能否穿越热潮的，不只是模型升级，而是流程改造、制度配套和增量价值何时形成。
关键要点
- 索洛悖论的关键不在于技术无效，而在于“看得见工具、看不见统计改善”：文中举出1970至1990年代美国信息技术投资激增时，生产率增速却从2.9%降到1.1%，说明投资扩张和宏观效率提升之间并非同步关系。
- 旧统计口径难以捕捉新技术的真实福利增量。随身听、磁带、MP3到智能手机的替代，以及QQ早期长期难以变现的例子，都指向一个问题：用户得到的便利、成本节约和体验提升，并不会立刻转成GDP或企业利润。
- 企业导入颠覆性技术时，先发生的往往不是增产，而是流程重做、员工培训和组织调整。文中强调全社会磨合可能需要5到10年甚至更久，这意味着早期财务报表里更容易看到费用上升和试错损耗。
- AI目前更多还处在“抢夺存量”阶段，即替代既有岗位和任务，而不是稳定创造新的大规模增量价值。这个阶段会放大焦虑与冲突，却未必马上带来更强的总需求与更广泛的财富扩散。
- 社会治理滞后被放在与技术、资本同等重要的位置。平台经济曾因规则缺位走向无序扩张，AI则可能在内容污染、基础设施阻力等问题上更早遭遇约束，技术扩散速度未必只由模型能力决定。
- 文中援引覆盖多国近6000名高管的调查，称超过80%的受访者认为过去三年AI尚未对企业就业和生产率产生可衡量影响，这构成了“微观有感、宏观无感”的直接证据，也解释了企业热用工具却难交经营结果的落差。
建议带着这些问题阅读
- 如果AI创造的大量价值不进入GDP和利润，企业与市场应怎样重估“成效”？
- 当AI还主要停留在替代存量任务时，哪些行业最有可能率先形成真正的增量价值？
- 治理规则会在哪些环节最先决定AI扩散速度：内容、就业，还是算力基础设施？