AI为何未推高生产率？历史给出的答案

近年来，人工智能技术迅速融入生产与生活的多个场景。然而，一个矛盾现象引发关注：企业持续加大算法与算力投入，宏观劳动生产率却未见明显提升。这一情景，让人回想起上世纪八十年代末经济学家罗伯特·索洛的名言——“计算机无处不在，唯独在生产率数据中找不到”。历史是否正在重演？斯坦福大学经济史学者保罗·大卫1990年发表的论文《发电机与计算机》，为我们理解当下提供了关键视角。

保罗·大卫在《美国经济学评论》中指出，破解计算机时代生产率停滞的钥匙，正是第二次工业革命中的电力。电灯1879年问世，纽约与伦敦1881年建成首批电站，电力看似已普及。但若以1900年为节点，几乎找不到证据表明“电力革命”显著提升了工商业效率。

原因在于早期的使用方式。当时工厂仍以蒸汽机为核心，通过天轴与皮带传动动力，厂房布局围绕动力传输而非流程优化。电力初入时，企业仅简单替换蒸汽机为电动机，其余结构照旧。这种“成组驱动”的机械替代，未能带来实质效率提升。

转折出现在二十世纪二十年代。新一代工厂彻底摒弃集中传动，为每台设备配备独立电机，实现“单元驱动”；厂房由多层转为单层，设备按工艺流程重新布局。经济史研究显示，美国制造业全要素生产率在1920年代年均增长超5%，其中约一半源于电力驱动的系统性重构。从电动机在制造业中的占比看，1899年仅5%，1909年升至23%，1929年已达77%——技术普及与效益释放之间，横亘着整整一代人的组织变革。

1987年，因经济增长理论获诺奖的索洛在《纽约时报书评》中写道：“我们处处可见计算机时代，却唯独不见于生产率统计。”此后十余年，学界争论不休：信息技术是否被高估？

保罗·大卫的答案是：这非异常，而是通用目的技术扩散的常态。电力如此，计算机亦然。自上世纪六十年代微处理器与存储芯片问世，企业仍经历“只替换、不重构”阶段：将记账、库存等职能迁移至电脑，换取有限成本节约，却未改变生产方式。直至九十年代中期，当信息技术与流程、商业模式深度融合，美国劳动生产率才重新提速。后续研究将其总结为“生产率J型曲线”：通用技术释放价值前，需先积累大量互补性无形资本。

2017年，埃里克·布林约尔弗森等学者在NBER工作论文中指出，人工智能同样面临“预期与统计的落差”；2021年研究进一步证实，无形组织投资是技术兑现价值的前提。

当前围绕AI的生产率争议，与百年前两次技术革命高度相似：一方面模型能力飞速进步，企业应用方兴未艾；另一方面宏观生产率对巨额投入反应迟缓。2024年，麻省理工学院教授达龙·阿西莫格鲁研究估计：未来十年AI对全要素生产率贡献不超过0.66%。这并非否定技术潜力，而是提醒：效益主要来自边界清晰、易标准化的任务；涉及复杂情境与价值判断的工作，提升更难、耗时更久。

历史启示我们：作为新一代通用目的技术，AI的红利不会自动降临。它不会因采购先进工具而自然显现，也不会因概念火爆而提前兑现。从电力到计算机，再到AI，技术从商用到释放可衡量经济价值，普遍需数十年适配与重构。

重读《发电机与计算机》，至少有三重启示值得铭记。

其一，保持战略耐心。技术革命不是按下开关即刻生效，而是需时间沉淀的长期过程。评判AI成效，应遵循技术扩散节奏，勿以短期数据否定长期趋势。

其二，推动组织重构。电力红利的真正