隨著“AI＋”融合的持續(xù)深化，勞動(dòng)生產(chǎn)率有望迎來快速增長。

生產(chǎn)率悖論的三類闡釋

勞動(dòng)生產(chǎn)率為總產(chǎn)出與總勞動(dòng)時(shí)間的比值，用于衡量勞動(dòng)投入轉(zhuǎn)化為實(shí)際產(chǎn)出的效率，是關(guān)鍵的經(jīng)濟(jì)指標(biāo)。從長遠(yuǎn)視角看，生產(chǎn)率增長是提升生活水平的唯一途徑（Tim Sargent，2024）。技術(shù)進(jìn)步是生產(chǎn)率增長的核心來源（布魯金斯學(xué)會(huì)，2024），但“技術(shù)創(chuàng)新飛速發(fā)展與生產(chǎn)率增長不盡如人意”的現(xiàn)象卻常同時(shí)存在，這便是生產(chǎn)率悖論（Productivity Paradox）。

1987年，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主羅伯特·索洛在一篇關(guān)于去工業(yè)化的文章中提到：“You can see the computer age everywhere but in the productivity statistics（計(jì)算機(jī)時(shí)代的痕跡隨處可見，唯獨(dú)在生產(chǎn)率統(tǒng)計(jì)中難以尋覓）?！边@句看似隨意的表述，成為“生產(chǎn)率悖論”或“索洛悖論”的經(jīng)典詮釋。盡管人們普遍認(rèn)為索洛是生產(chǎn)率悖論的提出者，但實(shí)際可能另有其人，彭賡和呂本富（2003）認(rèn)為提出者是Stephen S. Roach。

四十年來，學(xué)者們對生產(chǎn)率悖論展開了持續(xù)研究。美國的Paul David和Brynjolfsson是該領(lǐng)域的開創(chuàng)者與引領(lǐng)者，他們提出了錯(cuò)誤預(yù)期、測量誤差和時(shí)間滯后三種主要解釋。

其一為錯(cuò)誤預(yù)期。人們對技術(shù)潛力的樂觀預(yù)期存在偏差，技術(shù)實(shí)際的變革性并不如想象中那般顯著。歷史上有不少曾令人興奮的技術(shù)未能實(shí)現(xiàn)最初的預(yù)期。例如：核能遠(yuǎn)未達(dá)到“便宜到無需計(jì)量（Too Cheap To Meter）”的程度；可控核聚變“似乎永遠(yuǎn)需要30年才能實(shí)現(xiàn)（Always 30 Years Away）”；馬文?明斯基（1970）曾預(yù)言“三到八年內(nèi)我們將擁有一臺(tái)具備人類平均智能的機(jī)器”，但這一目標(biāo)至今仍未達(dá)成。

其二是測量誤差。在實(shí)際操作中，準(zhǔn)確衡量生產(chǎn)率并非易事（Tim Sargent，2024）。新技術(shù)帶來的生產(chǎn)率收益真實(shí)存在，卻未被精準(zhǔn)測量捕捉，人們用于衡量實(shí)證現(xiàn)實(shí)的工具未能有效發(fā)揮作用。例如：免費(fèi)的互聯(lián)網(wǎng)服務(wù)，以及性能持續(xù)提升、價(jià)格不斷下降的科技產(chǎn)品，都難以在傳統(tǒng)統(tǒng)計(jì)中得到充分體現(xiàn)。

其三為時(shí)間滯后。前兩種解釋試圖消除樂觀預(yù)期與令人失望的統(tǒng)計(jì)現(xiàn)實(shí)之間的矛盾，假設(shè)其中一方存在某種程度的錯(cuò)誤。而時(shí)滯性解釋則認(rèn)為，看似矛盾的兩個(gè)方面可以同時(shí)成立，只是時(shí)間尚未成熟。也就是說，新技術(shù)需要較長時(shí)間才能對生產(chǎn)率產(chǎn)生實(shí)質(zhì)影響，通用目的技術(shù)（GPTs）尤其如此。

新技術(shù)對生產(chǎn)率的影響具有滯后性

Brynjolfsson（2017）認(rèn)為，時(shí)滯性解釋最具說服力，是導(dǎo)致生產(chǎn)率悖論的主要原因。Paul David（2000）指出：“范式轉(zhuǎn)型的早期階段不應(yīng)期望獲得最大的生產(chǎn)率回報(bào)，盡管此時(shí)新技術(shù)的擴(kuò)散速度可能最快?！蓖ㄓ媚康募夹g(shù)需要經(jīng)過多次次級創(chuàng)新、互補(bǔ)創(chuàng)新和組織變革，才能對生產(chǎn)率產(chǎn)生實(shí)質(zhì)影響。Brynjolfsson（2020）將通用目的技術(shù)對生產(chǎn)率影響的滯后效應(yīng)概括為“J形曲線”。Helpman和Trajtenberg（1994）也有類似觀點(diǎn)，他們把通用目的技術(shù)對經(jīng)濟(jì)增長的影響分為播種和收獲兩個(gè)階段，在播種階段生產(chǎn)率增長緩慢甚至下降，只有到收獲階段增長才真正開始。

因此，從長期來看，生產(chǎn)率悖論并非真正的悖論，它只是特定階段的現(xiàn)象，比如索洛所處的1980年代。從1990年代中后期開始，信息技術(shù)的資本積累才達(dá)到足以影響生產(chǎn)率的程度（Stephen Oliner & Daniel Sichel，2000）。根據(jù)歐洲央行的研究（2020），電和ICT對美國勞動(dòng)生產(chǎn)率的貢獻(xiàn)在歷史走勢上極為相似，均為前期平緩、后期加速，拐點(diǎn)分別出現(xiàn)在1915年和1995年。從歷史角度看，蒸汽機(jī)、發(fā)電機(jī)和計(jì)算機(jī)分別在發(fā)明118年、91年和49年，以及商業(yè)化54年、40年和21年后，才開始顯著推動(dòng)生產(chǎn)率提高。如下圖所示。

圖 通用目的技術(shù)從發(fā)明和商業(yè)化到明顯提升生產(chǎn)率的年限，數(shù)據(jù)來源：根據(jù)Nicholas Crafts（2018）、Paul David（1990）、Stephen Oliner & Daniel Sichel（2000）和歐洲央行（2020）數(shù)據(jù)整理。

AI尚未能顯著推動(dòng)生產(chǎn)率提升

人工智能是新的通用目的技術(shù)（Nicholas Crafts，2021；OECD，2024；NBER，2026），具有普遍適用、持續(xù)改進(jìn)和催生創(chuàng)新的特點(diǎn)，是未來經(jīng)濟(jì)增長的引擎。人工智能術(shù)語提出已有70年，機(jī)器學(xué)習(xí)革命已有14年，當(dāng)前AI浪潮蓬勃發(fā)展，從大語言模型、多模態(tài)，到世界模型、智能體、物理AI，不斷涌現(xiàn)。然而，生產(chǎn)率增速并未明顯加快，甚至面臨生產(chǎn)力危機(jī)（Rogers，2024）。

自2022年11月ChatGPT發(fā)布以來，加拿大和歐盟的勞動(dòng)生產(chǎn)率基本保持穩(wěn)定，增速在0%上下波動(dòng)。而歐盟在1999-2008年每小時(shí)勞動(dòng)生產(chǎn)率平均增速達(dá)到1.5%，2010-2019年達(dá)到1%。如下圖所示。美國增長態(tài)勢強(qiáng)勁，2025年非農(nóng)部門勞動(dòng)生產(chǎn)率增速達(dá)2.2%，在西方國家中獨(dú)樹一幟，但這也僅相當(dāng)于1947年以來的長期平均水平（來源：勞工統(tǒng)計(jì)局）。

圖 歐盟近年的勞動(dòng)生產(chǎn)率增速（來源：歐盟統(tǒng)計(jì)局）

媒體常用“iPhone時(shí)刻”“ChatGPT時(shí)刻”等詞匯描述重要的技術(shù)變革，給人一種瞬間性和突發(fā)性的感覺。但技術(shù)對經(jīng)濟(jì)社會(huì)的影響是一個(gè)長期過程。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Daron Acemoglu（2024）指出：“很多人認(rèn)為，AI能迅速徹底改變經(jīng)濟(jì)的各個(gè)方面，大幅提高生產(chǎn)率，甚至讓我們接近奇點(diǎn)。雖然這種可能性不能完全排除，但迄今為止沒有證據(jù)表明革命性影響已經(jīng)發(fā)生?！?/p>

“AI＋”指數(shù)需達(dá)到50%

滲透率是前置指標(biāo)，決定著生產(chǎn)率的貢獻(xiàn)度。AI對勞動(dòng)生產(chǎn)率的影響程度，可通過滲透率直觀體現(xiàn)。Paul David（2000）指出：“成本節(jié)約型技術(shù)的滲透率只有達(dá)到50%的門檻后，才會(huì)對全要素生產(chǎn)率的增速產(chǎn)生最大影響。”也就是說，“AI＋”指數(shù)需達(dá)到50%，生產(chǎn)率增速才能明顯加快。

然而，官方數(shù)據(jù)顯示，AI的企業(yè)應(yīng)用仍處于早期階段，面臨企業(yè)級壁壘。美國和加拿大的企業(yè)AI滲透率約為10%，歐盟和英國約為20%，我國規(guī)上制造業(yè)企業(yè)AI技術(shù)應(yīng)用普及率超30%。這里的滲透率是“是否應(yīng)用”的衡量，只要應(yīng)用某一項(xiàng)AI技術(shù)就算；尚未進(jìn)入“應(yīng)用效果如何”的高級階段，暫不考慮應(yīng)用的深度、廣度和效果。由于統(tǒng)計(jì)口徑不同，這些數(shù)字不能直接橫向比較，但都表明AI仍處于早期技術(shù)擴(kuò)散階段，滲透率遠(yuǎn)未達(dá)到50%的門檻。如下圖所示。

圖 主要國家和地區(qū)的企業(yè)AI滲透率，注：中國指規(guī)上制造業(yè)企業(yè)；歐盟、德國和法國限定為10人及以上企業(yè)；英國和美國的調(diào)查時(shí)間均為當(dāng)年9月，加拿大為當(dāng)年二季度。

我國在人工智能領(lǐng)域與美國實(shí)力相當(dāng)（鐘才文，2025），卻走出了不同的發(fā)展道路。美國投入大、注重性能、追求AGI。我國則開放權(quán)重、強(qiáng)化應(yīng)用，大力推動(dòng)AI與各行各業(yè)的深度融合，將“AI＋”作為促進(jìn)技術(shù)變革和賦能行業(yè)高質(zhì)量發(fā)展的重要抓手?！癆I＋”的本質(zhì)是提高AI采納率，進(jìn)而提升勞動(dòng)生產(chǎn)率。隨著“AI＋”融合的持續(xù)深化，勞動(dòng)生產(chǎn)率必將迎來快速增長。

參考文獻(xiàn)：

【1】Erik Brynjolfsson, Daniel Rock, and Chad Syverson, "Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics," NBER Working Paper 24001 (2017), https://doi.org/10.3386/w24001.

【2】Paul A. David，2000. “Understanding Digital Technology's Evolution and the Path of Measured Productivity Growth: Present and Future in the Mirror of the Past,” https://doi.org/10.7551/mitpress/6986.003.0005

【3】S. S. Roach, “America’s Technology Dilemma: A Profile of the Information Economy,” Morgan Stanley, 1987.

【4】Daron Acemoglu, 2024. "The Simple Macroeconomics of AI," NBER Working Papers 32487, National Bureau of Economic Research, Inc.

【5】Filippucci, F, P Gal and M Schief (2024), "Miracle or Myth? Assessing the macroeconomic productivity gains from Artificial Intelligence", OECD Artificial Intelligence Papers, No. 29.

本文來自微信公眾號(hào)“騰訊研究院”（ID：cyberlawrc），作者：閆德利，36氪經(jīng)授權(quán)發(fā)布。

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?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

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