AI能否被视作社会生产力？

这一点值得我们认真想一想：AI究竟算不算社会生产力？如果答案是肯定的，那么它体现出来的“能力性格”又是什么？它与蒸汽机、电力、互联网这些技术的性质又有哪些差异？

DeepSeek V4，究竟打破了哪层常规认知？

V4的到来，至少在三个方面让“AI=生产力”这一判断更接近现实：

智力被做成“可复制的大规模生产力”

回顾人类每一次生产力跃迁，通常都在解决某种稀缺。蒸汽机主要缓解的是体力的不足，电力突破的是能源在距离上传输的限制，互联网则减少了信息传递的短板。而AI要跨越的，是“智力本身”的稀缺问题。

呈现出“越用越便宜”的反常特征

传统生产力常被概括为：规模越大，边际成本越容易上升。比如要多生产汽车，就往往需要更多原材料、更多人手、更多厂房。但AI的机制恰好相反——训练费用相当于一笔固定门槛费；一旦跨过去，每新增一个用户所带来的额外成本会越来越接近于零。

在V4中，DSA稀疏注意力机制实现了一个很巧的取舍：面对长文本时，不是把每个字都用同样的精力去处理，而是把“关键且相关”的部分做精读，把“弱关联”的内容进行压缩或直接跳过。由此带来的效果是：处理每个token所需的算力开销只有上一代的27%，缓存占用则降到10%。

当AI能够以接近零的边际成本复现知识与创意时，原本那套传统成本逻辑就被重写了。麦肯锡认为，生成式AI有望为全球经济带来约7万亿美元的价值，其中中国约贡献2万亿。穆迪也估算，未来十年生成式AI可使全球年均生产率提升1.5%，并在累计层面带来近15%的增幅。这并非小幅度的效率修补，而是生产函数层面的变化。

从“替代人”走向“和一群人并肩作战”

谈到AI，很多人第一反应是担心“会不会抢走饭碗”。但越来越多的落地案例说明：AI作为生产力的关键价值并不在于替代，而在于协作。

以2026年2月的一项调研为例，52%的中国CEO表示在使用AI之后，企业收入出现了增长；这一比例明显高于全球约30%的平均水平。AI已经从“投入项”逐步变成“回报项”。它并不是要和人抢位置，而是成为放大人类能力的“外挂”。

进一步重塑“生产要素”的边界

过去，人们通常把主要生产要素归为土地、劳动力和资本。如今，“数据”逐渐成为第四类要素，“算法”则被视为第五类要素。AI不仅是这些要素的使用工具，它本身也在成为生产要素的一部分。