1987年，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主羅伯特·索洛在《紐約書(shū)評(píng)》留下了一句影響深遠(yuǎn)的話：“計(jì)算機(jī)無(wú)處不在，唯獨(dú)看不到它們出現(xiàn)在生產(chǎn)率統(tǒng)計(jì)中?！边@句被稱為“索洛悖論”的斷言，曾給技術(shù)樂(lè)觀主義潑了冷水。如今，在AI時(shí)代，這句話以相似的方式重演——計(jì)算機(jī)換成了大模型，“看不見(jiàn)”的問(wèn)題依然存在。

一、索洛悖論重現(xiàn)：AI時(shí)代的生產(chǎn)率困局

回溯上世紀(jì)八九十年代，PC革命席卷全球，IBM機(jī)器進(jìn)入辦公室，文字處理軟件取代打字機(jī)，電子表格讓會(huì)計(jì)師告別算盤，IT投資占GDP比重持續(xù)上升。但美國(guó)全要素生產(chǎn)率（TFP）增速卻陷入十余年停滯，技術(shù)進(jìn)步與生產(chǎn)率增長(zhǎng)脫節(jié)，這便是“索洛悖論”的由來(lái)。

進(jìn)入2020年代，AI浪潮中歷史模式高度重演。盡管AI技術(shù)能力提升遠(yuǎn)超PC時(shí)代，微觀層面效率提升顯著，但宏觀生產(chǎn)率數(shù)據(jù)中仍難尋AI的清晰貢獻(xiàn)。Block金融支付公司2026年2月宣布裁員40%，卻上調(diào)全年利潤(rùn)指引，60%人力完成超原有產(chǎn)出；Pinterest、CrowdStrike、Chegg等企業(yè)也出現(xiàn)“以AI換人”模式。2025年美國(guó)至少5.5萬(wàn)個(gè)崗位因AI效率優(yōu)化消失，是兩年前的12倍。然而，這些微觀效率躍升并未在宏觀統(tǒng)計(jì)中顯現(xiàn)，背后機(jī)制與索洛時(shí)代一致，某些維度更被放大。

二、歷史的啟示：新技術(shù)的“黑暗隧道”

悲觀主義者認(rèn)為AI速度太快，破壞大于建設(shè)，但歷史給出不同視角。1987年索洛感嘆后，美國(guó)等了十年，才在1995—2005年迎來(lái)IT驅(qū)動(dòng)的生產(chǎn)率大爆發(fā)，全要素生產(chǎn)率年均增速超2.5%，是1973—1995年的兩倍多。更早的電力普及也經(jīng)歷類似過(guò)程：愛(ài)迪生1882年建立第一家商業(yè)發(fā)電站，美國(guó)制造業(yè)電氣化紅利直到1920年代才全面兌現(xiàn)，耗時(shí)四十年。

經(jīng)濟(jì)學(xué)家保羅·大衛(wèi)總結(jié)：通用技術(shù)被經(jīng)濟(jì)體吸收前，必然經(jīng)歷生產(chǎn)率下滑的“黑暗隧道”。新系統(tǒng)重建成本與舊系統(tǒng)拆解成本疊加，會(huì)讓賬面生產(chǎn)率看似變差，而真正的組織重構(gòu)和能力積累正在悄然發(fā)生。AI正處于這條隧道中，其生產(chǎn)率紅利并非隨技術(shù)就緒立即兌現(xiàn)，需依賴經(jīng)濟(jì)體系協(xié)同重組，包括工作流程再設(shè)計(jì)、從業(yè)者技能再積累、管理架構(gòu)再調(diào)整等。

三、GDP的局限：AI時(shí)代的測(cè)量失靈

GDP作為核心經(jīng)濟(jì)指標(biāo)，理論基礎(chǔ)源于1930年代西蒙·庫(kù)茲涅茨的國(guó)民賬戶核算體系，二戰(zhàn)后定型為以市場(chǎng)價(jià)格加權(quán)的物質(zhì)產(chǎn)出框架。工業(yè)化時(shí)代，鋼鐵產(chǎn)量、汽車銷量等可數(shù)可定價(jià)的物質(zhì)產(chǎn)出是經(jīng)濟(jì)核心，GDP框架信息密度高。但GDP計(jì)量交換價(jià)值，而非使用價(jià)值或消費(fèi)者剩余：自己做飯不貢獻(xiàn)GDP，外包給外賣平臺(tái)則增加GDP。這一邏輯在工業(yè)時(shí)代誤差可接受，AI時(shí)代卻產(chǎn)生系統(tǒng)性扭曲，具體機(jī)制有五：

機(jī)制一：質(zhì)量改善不可見(jiàn)。麻省理工和斯坦福大學(xué)追蹤大型呼叫中心，引入AI輔助后低經(jīng)驗(yàn)客服處理速度提升14%，錯(cuò)誤率大降，但服務(wù)定價(jià)未變，質(zhì)量提升在GDP中幾乎無(wú)體現(xiàn)。

機(jī)制二：需求替代的通縮效應(yīng)。咨詢公司原雇10名初級(jí)分析師，現(xiàn)2名分析師加AI完成同等工作，8個(gè)崗位消失使GDP少了8份工資性收入，但分析產(chǎn)出不降反升。用人成本角度是“通縮”，信息生產(chǎn)實(shí)質(zhì)是效率躍升。

機(jī)制三：零價(jià)格數(shù)字產(chǎn)品。ChatGPT基礎(chǔ)版、谷歌搜索、維基百科等零價(jià)格服務(wù)的巨大價(jià)值，原理上無(wú)法計(jì)入GDP，AI時(shí)代其規(guī)模劇增。

機(jī)制四：無(wú)形資本投資遺漏。企業(yè)購(gòu)買AI算力計(jì)入資本支出，但數(shù)據(jù)治理、流程再造、員工培訓(xùn)等無(wú)形投資大量未被統(tǒng)計(jì)。研究顯示，被忽略的無(wú)形資本支出可能是有形IT投資的3—10倍，導(dǎo)致數(shù)字經(jīng)濟(jì)實(shí)際資本存量被系統(tǒng)性低估。

機(jī)制五：時(shí)間節(jié)省的價(jià)值隱匿。醫(yī)生用AI5分鐘完成原本3天的影像分析，節(jié)省的時(shí)間在以價(jià)格為錨的GDP體系中幾乎無(wú)法體現(xiàn)。

AI全面滲透下，實(shí)體經(jīng)濟(jì)的價(jià)值創(chuàng)造與重組正加速逃離傳統(tǒng)統(tǒng)計(jì)范圍，經(jīng)濟(jì)學(xué)家稱之為“幽靈GDP”。

四、AI生產(chǎn)率提升的路徑與挑戰(zhàn)

微觀層面AI提升生產(chǎn)率的證據(jù)充分，轉(zhuǎn)化為宏觀紅利主要有三條路徑：

路徑一：任務(wù)自動(dòng)化與資源重配。AI承接標(biāo)準(zhǔn)化、重復(fù)性認(rèn)知任務(wù)，釋放人力資源至創(chuàng)造性、關(guān)系性、高判斷力工作。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主阿西莫格魯指出，自動(dòng)化凈效應(yīng)取決于新崗位涌現(xiàn)的“任務(wù)恢復(fù)”速度。

路徑二：知識(shí)生產(chǎn)加速。AI在科研、新藥發(fā)現(xiàn)、材料設(shè)計(jì)等領(lǐng)域的突破，將加速人類知識(shí)前沿推進(jìn)。若AI使全球科研效率提升一倍，對(duì)長(zhǎng)期增長(zhǎng)路徑的影響將是結(jié)構(gòu)性的。

路徑三：邊際成本趨零的規(guī)模擴(kuò)張。AI內(nèi)容生產(chǎn)、診斷、代碼生成等服務(wù)邊際成本接近零，初始研發(fā)成本攤薄后可極低成本無(wú)限擴(kuò)展。傳統(tǒng)效率提升最慢的教育、醫(yī)療、法律等服務(wù)業(yè)，恰是AI滲透率最高領(lǐng)域，將根本改變長(zhǎng)期宏觀增長(zhǎng)約束。

但轉(zhuǎn)化過(guò)程存在三大結(jié)構(gòu)性挑戰(zhàn)：

第一，分配斷裂。生產(chǎn)率紅利若主要流向資本所有者，將侵蝕需求基礎(chǔ)。達(dá)拉斯聯(lián)儲(chǔ)2026年初研究顯示，22—25歲AI高暴露職業(yè)年輕人就業(yè)率下降13%，有經(jīng)驗(yàn)從業(yè)者則平穩(wěn)或上升；J.P. Morgan發(fā)現(xiàn)美國(guó)大學(xué)畢業(yè)生失業(yè)率升至5.8%，四年最高且罕見(jiàn)高于總失業(yè)率，形成“資歷斷崖”，未來(lái)10—15年可能出現(xiàn)中堅(jiān)層人才斷層。

第二，組織適應(yīng)滯后。技術(shù)能力季度迭代，組織能力以年演進(jìn)，制度適應(yīng)以十年漂移。企業(yè)若僅采購(gòu)AI工具，未重構(gòu)流程、培訓(xùn)人員，生產(chǎn)率可能短期下滑（“J形曲線效應(yīng)”）。需在組織能力上投入數(shù)倍于IT硬件的無(wú)形資本，才能轉(zhuǎn)化AI效能為可持續(xù)生產(chǎn)率提升。

第三，監(jiān)管與信任摩擦。醫(yī)療、法律等高度監(jiān)管行業(yè)，AI應(yīng)用面臨合規(guī)門檻和責(zé)任認(rèn)定困難。這些領(lǐng)域AI潛在效率提升最大，但監(jiān)管滯后可能長(zhǎng)期鎖死紅利。歐盟《AI法案》、美國(guó)SEC對(duì)AI金融建議的限制、醫(yī)療AI的FDA準(zhǔn)入流程，都形成技術(shù)擴(kuò)散的摩擦力。

五、政策出路：突破舊框架的新探索

AI提升生產(chǎn)率長(zhǎng)期展望樂(lè)觀，但需正視轉(zhuǎn)型中的分配斷裂與結(jié)構(gòu)性挑戰(zhàn)，從三方面突破政策困境：

統(tǒng)計(jì)方法現(xiàn)代化。“GDP+”概念（納入數(shù)字產(chǎn)品消費(fèi)者剩余、無(wú)形資本投資、數(shù)據(jù)資產(chǎn)價(jià)值）已從學(xué)術(shù)討論變?yōu)檎咔疤?。需修訂?guó)民賬戶核算框架，納入無(wú)形資本存量估算；顯性化AI產(chǎn)品質(zhì)量改善；探索追蹤數(shù)字服務(wù)真實(shí)消費(fèi)者剩余。

正視分配問(wèn)題。若生產(chǎn)率收益僅流向資本所有者，勞動(dòng)者失業(yè)且失去消費(fèi)能力，需求基礎(chǔ)將塌陷。需提供有吸引力的AI結(jié)構(gòu)性失業(yè)再培訓(xùn)激勵(lì)；探索勞動(dòng)者參與AI增值分配機(jī)制（如利潤(rùn)分享、廣義數(shù)據(jù)權(quán)益）；改革教育體系，重建人才培養(yǎng)管道底層基礎(chǔ)。

主動(dòng)管理時(shí)間差。技術(shù)、組織、制度的速度差間，應(yīng)屆生找工作難、中年白領(lǐng)被裁的痛苦真實(shí)存在。政策需管理時(shí)間差：設(shè)計(jì)彈性社會(huì)安全網(wǎng)承載職業(yè)轉(zhuǎn)換；加大AI技能培訓(xùn)公共投入，縮短技能遷移周期；基礎(chǔ)教育階段嵌入AI素養(yǎng)課程。

歷史證明技術(shù)創(chuàng)新的“黑暗隧道”終有出口，索洛悖論映照出人類對(duì)新技術(shù)的認(rèn)知慣性（高估短期影響、低估長(zhǎng)期重構(gòu)）與統(tǒng)計(jì)體系的局限。AI時(shí)代需以更準(zhǔn)確的測(cè)量、更公平的分配和更聰明的政策設(shè)計(jì)，讓這場(chǎng)深刻技術(shù)革命真正惠及廣泛人群。

(作者施東輝為復(fù)旦大學(xué)國(guó)際金融學(xué)院教授)

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com