生产力是国家繁荣的基石，其本质在于效率衡量，即产出与创造商品、服务所需投入的比率。对于经济体而言，生产力直接体现为通过劳动力、资本、土地、机械设备和基础设施创造收入的能力。
生产力的增长则意味着经济能够“以更少资源创造更多价值”，实现质的飞跃。作为全球最大经济体，美国的生产力动态对世界经济发展格局和全球经济预期产生深远影响。当前，AI技术浪潮席卷而来，能否像电力、信息技术一般，成为推动美国生产力持续增长的新引擎？
日前，兰德智库发布的报告《人工智能影响生产力增长的动态机制》（The Dynamics Behind Artificial Intelligence’s Impact on Productivity Growth）或许提供了一套系统的分析框架。
一、生产力的核心构成与测量困境
要理解AI带来的影响，第一步要先明确生产力的构成与测量难点。经济学家最常关注劳动力生产率，即每小时实际劳动产出的比率，该指标可长期追踪、跨经济体比较。
劳动生产率由三要素构成：劳动质量、资本深化以及全要素生产率（TFP），三者通过不同机制推动产出提升。其中，劳动质量的改善源于教育、培训或经验积累，使工人单位时间产出增加；资本深化体现为劳动者获得更优质的机器、软件等有形资产投资，直接提升产出效率，但若缺乏持续的创新与配套变革，其增长效应可能难以维持；全要素生产率被称为“剩余增长”，源于技术进步与创新，是衡量技术变革影响的最佳指标。这些要素的区分对理解经济健康至关重要，但生产力测量面临诸多挑战，催生了“技术生产率悖论”。
新技术引入后，统计指标难体现显著增长。其一，质量提升与新产品调整难。标准化商品易统计，但新产品、免费数字服务的价值常被GDP核算忽视，导致通胀高估、生产率低估。其二，服务业产出量化难。制造业产出直观可测，而医院、软件公司等难以量化，增加测量不确定性。其三，无形资本测算难。现代经济依赖知识产权等无形资产投资，但传统会计准则将其归为运营成本，低估投资规模、扭曲生产率指标。
这种测量偏差催生了所谓的“生产力J型曲线”。一项新的通用技术（如AI）引入初期，由于大量资源被投入到难以统计的互补性资产中，可观测的生产力增长可能停滞甚至下降，直至这些投资完成并开始释放效益，生产力增长才会迎来强劲反弹。
二、技术扩散的“滞后定律”
回顾美国百年生产力增长史，技术变革的轨迹并非直线。以电力为例，尽管电动机在19世纪末已进入工厂，但直到20世纪20年代，当生产流程围绕分布式电力进行全面重组（如诞生流水线）后，生产力才迎来爆发式增长。
同样，在信息技术普及的七八十年代，出现了著名的“索洛悖论”——“计算机无处不在，唯独生产力统计中不见其踪影”。直到90年代末，随着互联网普及、商业流程数字化改造完成，IT投资的红利才在生产力数据上充分显现。
这些案例揭示了一个共性：通用技术的经济影响，不仅取决于技术本身的突破，更依赖于一系列互补性投资（包括有形基础设施与无形组织变革）的完成。基础设施建设往往能较快推动劳动生产率，但代表技术核心效率提升的TFP增长，则通常需要更长的酝酿期。
三、AI影响生产力的三大路径
AI作为潜在的下一代通用技术，正通过劳动质量、资本深化和全要素生产率三个渠道影响美国生产力。其具备跨行业渗透性、快速迭代能力，能处理语言、分析趋势等，有望成为生产力增长核心动力。
一是提升劳动质量，缩小技能差距。人工智能通过增强员工的技能、知识和能力，有效提升生产力，扮演着效率提升工具的角色，而非替代员工。多项研究验证了这一效应，在客服领域，采用生成式AI对话助手后，每小时问题解决量提升了14%；在管理咨询领域，AI使用者完成任务量增加了12%，效率提升了25%，质量高出40%；在软件开发领域，AI编码助手使编程速度翻倍。一个值得关注的新趋势是，AI在一定程度上可能缩小技能差距。研究表明，相较于资深员工，生成式AI工具对低技能或新手员工的提升效果尤为显著。
二是加速资本深化，投资热潮遭遇能源瓶颈。AI的迅猛发展正带动半导体、数据中心及配套基础设施的大规模投资，预计到2025年，AI相关投资对美国GDP增长的贡献将超过消费支出总和，这标志着典型的资本深化进程。然而，这一路径面临严峻的能源制约。大型AI模型的训练和运行耗能巨大，据国际能源署预测，到2030年全球数据中心的用电量可能翻倍。美国能否迅速建设充足的发电与输电能力，以满足AI的能源需求，将成为制约AI生产力释放的关键瓶颈。
三是推动全要素生产率增长，宏观效应尚未显现。人工智能的长期影响可能主要集中于TFP上，其改进反映了创新与组织实践的优化。以中国制造业为例，AI渗透率每增加1%，企业层面的TFP增长14.2%。然而，这一经验未必适用于美国，且企业TFP的增长需要经过广泛的扩散才能转化为整体经济增长。
从宏观角度来看，AI能加速美国经济的创新能力，即便在“温和”的情景下，预计到2040年仍将推动生产力增长0.1至1.5个百分点。最新数据显示，2023年至今，美国资本深化增幅从21世纪10年代的每年0.3个百分点提升至0.9个百分点，劳动质量增长率从0.2个百分点提高至0.4个百分点，TFP仅略有改善，尚未成为增长的主要驱动力。
四、人工智能时代的特殊挑战与不确定性
人工智能推动生产力增长的进程面临多重挑战与不确定性。
测量挑战加剧：许多AI服务免费或被整合进现有产品，其价值难以在GDP中体现；企业实施AI所需的组织重构、员工培训等无形投资，也难以被传统统计方法捕捉，进一步加剧了测量偏差。
普及路径可能加速：基于云的AI服务降低了企业采用门槛，有望缩短从技术获取到产生效益的时间。
未必是真正的“通用技术”：目前AI应用高度集中于信息、科技和专业服务领域。如果AI无法像电力一样渗透到经济的各个角落，那么其生产力影响可能仅表现为“局部繁荣”，而非带来广泛的、延迟性的整体经济加速。因此，若其渗透性不足，AI可能无法完全发挥历史上通用技术所具有的全球经济影响力。
五、结语
兰德报告提出，企业层面的互补性投资固然重要，但美国联邦政府的研发投入同样在国家创新生态和长期生产力根基的塑造中扮演着关键角色。值得注意的是，美国联邦研发支出占GDP的比重已从20世纪60年代的2%降至近年的0.5%。研究表明，非国防研发（尤其是基础研究和民用应用领域）的社会回报率极高（可达140%—201%），远超私营部门研发的平均水平。
人工智能对美国生产力的重塑，很可能依然遵循“突破－投资－重组－爆发”这一历史规律。当前，微观应用“火热”而宏观TFP反应平淡，正是这一规律在早期阶段的典型体现，预示着整个社会或许正处在新一轮“AI生产力悖论”的序幕中。
更深层次的启示在于耐心与系统性投入。技术浪潮的经济价值实现，绝非简单的技术采购，而是一场伴随着大量隐性投资和组织学习的深刻转型。对于全球而言，在积极拥抱AI技术的同时，必须解决能源瓶颈、完善测量体系，并持续进行对基础研究和关键基础设施的长期公共投资。唯有如此，才能稳健地将AI的技术潜力转化为生产力进步和持久的繁荣。
文章参考来源：兰德
关于赛博研究院
上海赛博网络安全产业创新研究院（简称赛博研究院），是上海市级民办非企业机构，成立至今，赛博研究院秉持战略、管理和技术的综合服务模式、致力于成为面向数字经济时代的战略科技智库、服务数据要素市场的专业咨询机构和汇聚数智安全技术的协同创新平台。
赛博研究院立足上海服务全国，是包括上海市委网信办、上海市通管局、上海市经信委、上海市数据局等单位的专业支撑机构，同时承担上海人工智能产业安全专家委员会秘书长单位、上海“浦江护航”数据安全工作委员会秘书长单位、上海数据安全协同创新实验室发起单位等重要功能，并组织“浦江护航”数据安全上海论坛、世界人工智能大会安全高端对话等一系列重要专业会议。
欢迎联络咨询：
邮件：public@sicsi.org.cn；
电话：021-61432693。
