商界

“如果 AI 真的能自我进化、指数增长，为什么我们（美国）的 GDP还在以每年 2% 的速度爬行？”在 2026年 2 月份的一次讲座上，斯坦福大学教授Chad Jones 提出这个令人深思的问题。

在 AI 狂飙的当下，全球经济呈现出一幅矛盾的双面图景 ：A 面，AI 领域持续火爆和日新月异，AI 头部公司财报亮眼，各类企业旗下 AI 应用迅速推进，资本市场异常兴奋。麦肯锡、普华永道、世界银行都对 AI 给出了相当乐观的预测，一家叫 Epoch AI 的智库甚至预测，一旦AI 能够完成 30% 的任务，经济的年增长率将超过 20%。

但 B 面却是经济的步履蹒跚 ：全球主要经济体的全要素生产率波澜不惊。

为了形容这种图景，就在 ChatGPT问世的几乎同时，有人造出了一个新词 ：氛围衰退。

意思是各种宏观经济指标的表现还可以，但公众却普遍感到低迷。

产生这种现象的原因在哪里？

第一层挤压 ：AI 对传统产业的挤压与冲击

AI 对传统产业和商业模式的挤压与冲击，是造成上述反差最直接也最表面的原因。

2026 年 1 月 26 日，桥水基金给客户发送了一份报告，报告指出，人工智能吸干资本市场的现象正在出现。数据显示，2025 年全球 AI 领域风险投资已占全球风险投资总额的 53%~58%，科技巨头2026 年的 AI 相关资本开支较 2024 年飙升 165%。

这种集中度意味着超过一半的风险资本涌向了单一技术领域，其热度远超历史上任何一次技术投资浪潮。

在其他行业，AI 挤出效应同样明显。一些市场研究指出，汽车、手机等传统行业的融资能力明显下降，其他有前景的创新项目也面临资金匮乏。股市的分裂感更为直观，AI 算力、半导体、商业航天等赛道的龙头股涨幅动辄翻倍，而传统权重股步履蹒跚，大量中小盘非主线个股持续沉沦。

这种资本的挤压投射到宏观经济中，带来了 2025 年的经济分化 ：高技术制造业蓬勃生长，AI、新能源、生物医药等新兴产业的增加值增速超 12% ；传统产业则不得不进行艰难调整，尤其是房地产、钢铁、水泥等传统制造业。

更严峻的是，国际间的竞争又促使资源进一步集中，导致挤压加剧。2025 年，赫拉利曾在多个场合问过 AI 行业领导者一个问题 ：“你们为什么进展这么快？就不能放慢一点吗？”

他们的回答是 ：“我们理解巨大风险的存在，我们想放慢速度，但我们不能。因为如果我们放慢速度，而其他公司、其他国家的竞争对手不放慢速度，他们就会 赢得竞赛。”

这种竞争压力层层传导至产业末梢， AI 对传统商业模式的颠覆，以及随之而来的无声“内卷”，给普通人带来了更直接的感受 ：钱似乎越来越难挣了。

不止个人感觉如此，中小企业感觉亦如此。在人工智能时代，由于效率的极致提升，利润率正在不断降低，甚至趋向于零。

历史镜鉴 ：怎样的技术革命才能带来经济繁荣？

既然科技是第一生产力，为何当下的AI 革命没有带来预期的经济繁荣？要理解这个问题，不妨先回顾历史。

第一位值得关注的经济学家是罗伯特 ·J ·戈登。在其著作《美国增长的起落》中，他认为人类历史上共经历了三次工业革命 ：第一次工业革命（1770—1840年），持续影响至 1900 年 ；第二次工业革命（1870—1920年），持续影响至 1970年；第三次工业革命，1960 年至今。

他对这三次革命的评价大相径庭。在他看来，只有第二次工业革命才是真正独一无二的革命—第一次工业革命的影响力范围有限，第三次工业革命局限于特定领域，且边际效应递减。

对于第二次工业革命，可以概括为三句话 ：改变翻天覆地，影响方方面面，造福芸芸众生。其中电力的发明与普及是这场革命的“核心引擎”，发电机、电动机、电力传输系统的发明与完善，从根本上改变了人们的经济与社会生活。

换言之，只有彻底改变了人们全部生活的工业革命，才会带来空前的经济繁荣。

第二位是大家更熟悉的熊彼特。他关于技术创新的观点众所周知 ：经济发展的本质是创新，只有科技创新才能带来经济的真正繁荣。

但人们可能忽略了熊彼特的后半句，可以大致解释为 ：技术创新并不能自动推动经济发展，中间必须经过两个关键环节—商业革命或称产业革命（生产端或供给侧的革命）、消费革命（消费端或需求侧的革命）。

科技革命能不能带来经济繁荣，最关键的，正是看这场革命能不能带来产业革命和消费革命。

看清这个逻辑，就能找到当前人工智能的痛点所在了。

第二层钳制：“弱环节”与缺失的“消费革命”

先从产业革命的角度看。

有人怀疑，AI 没有带来经济的爆发性增长，是成果还没来得及转化的阶段性现象。

这种理解未尝不可，但还不够透彻。 Chad Jones 给出了一个更深刻的解释 ：这并非 AI 在技术层面的无效，而是被宏观经济中一种深层的“弱环节”机制所钳制。

在 Chad Jones 看来，AI 并非凭空出现，而是过去两百多年自动化进程的延续。自动化的本质是将“任务”从人向机器迁移，是一场“红利切换”—将“任务”从年生产率增速仅 0.5% 的人类，切换至年增速超 5.5% 的机器，两者相差 5 个百分点以上。

然而，即便大多数“任务”被高效接管，其对整体经济的拉动仍受制于一个更深层的结构性约束 ：“弱环节”机制。其核心是，最慢的 1% 决定整体产出。

具体而言，整个生产系统如同一条锁链，“弱环节”相当于限速器，整体强度不由最强环节决定，而由最弱一环锁定。只要剩下 1% 仍需人类手工完成，整体产出就被钉死在这 1% 的低效水平上。

正是这个“限速器”，让本该瞬间引爆的增长核弹，被系统性地拆解为一场跨越百年的“慢爆炸”。

再从消费革命的角度看。

戈登的分析表明，第二次工业革命之所以威力巨大，是因为它颠覆性地改变了人们的生活，开辟了广阔的消费市场—开汽车与骑马、用电灯与点蜡烛、手洗衣物与用洗衣机……这些差距是革命性的，它们满足了人们内心最原始的强烈期待。相比之下，第三次工业革命以来的许多创新，往往带有“锦上添花”的色彩。

回顾中国过去几十年的发展，可以更直观地理解这一点。中国经济为什么在过去几十年发展那么快？有一个很重要的因素，就是中国在改革开放之后赶上了一场消费革命 ：家电消费革命。

机电技术革命积累后，技术创新外化 成一系列的家电产品，形成了以“七大件” （彩电、冰箱、洗衣机、空调等） 为主体的大规模集中消费过程。这“七大件”有 一些共同特征 ：第一，实现了人们改善生 活的原始期待，从根本上改变了生活 ；第 二，由家庭或个人拥有，可以直接转化为 居民消费 ；第三，操作简单，可以轻松使 用。这些特点决定了其在生活中的广泛应 用以及由此形成的巨大市场。

反观当下，AI 革命的痛点正在于此 ：在产业端，它受“弱环节”钳制，无法实现生产率的整体跃升 ；在消费端，它尚未创造出类似“七大件”那样能普及千家 万户、彻底改变生活的革命性产品。

第三层困境 ：AI 经济的本质是通缩

如果说前两个问题是结构和传导层面的障碍，那么第三个问题则更为根本，也最难办—AI 经济的本质是通缩。

1987 年，诺贝尔经济学奖得主罗伯特 ·索洛有一个著名的观察 ：“你随处都可以看到计算机时代的到来，唯独在生产率的统计数据中看不到。”

人们将其称之为“索洛悖论”，又称“生产率悖论”，它揭示了当时一个令人困惑的现象 ：尽管企业大量投资信息技术，但在宏观的经济生产率统计数据上，却几乎看不到这些投资带来的明显提升。

为什么会发生这种现象？

理解这个悖论，必须先理解一个关键环节 ：在科技进步与人们福祉提升之间，通常隔着“经济发展 （GDP 增长）”这一环。但这一环有时是可以被跳过的 ：你自己做一顿可口的饭菜，把屋子打扫得窗明几净，种的花草赏心悦目……这些提升了你的生活质量，但却无法计入 GDP 的增长当中。

同理，网络和 AI 带来的是“方便”，而方便的含义是减少交易环节，也就是减少交易额，而 GDP 正是按照交易额计算的，那么“方便”就相当于通缩。

这正是山姆 ·奥特曼在多个场合强调的观点 ：AI 经济的本质是通缩，它将带来“巨大通缩效应”。

这种“AI 通缩”使得人类经济发展史上第一次出现产业革命与消费革命相冲突的现象 ：产业革命减少了人力的使用，人力使用的减少又加剧了失业，再进一步的结果，就是可能降低消费。

现代经济体系的运转链条是，技术进步通过经济增长渗透进人们的生活，让现代经济实现成果传递和循环过程。但现在，技术进步跳过了经济增长这个中间环节，直接落到日常生活的便利上。这意味着，现代经济体系中那个关键的传递和循环过程，被打断了。

“AI 通缩”与传统通缩有本质区别“AI 的本质是通缩”，这一观点挑战了 传统认知中“技术进步往往伴随温和通胀”的假设。

但值得注意的是，奥特曼、马斯克、沃什和布斯等人所谈论的“AI 带来的通 缩”，其描述的图景与教科书上的“通缩”有着本质区别。

在传统经济学的框架中，通缩从来不是一个受欢迎的概念，它往往与需求崩塌、债务紧缩、经济萧条联系在一起，因此传统通缩理论以稀缺性为基础。

而 AI 和自动化正在改变这个前提。这里的通缩不是“人们没钱了”，而是 AI让东西变得“极其便宜”—便宜到传统的货币衡量标准失效。

另外需要甄别的是，“AI 通缩”带来的 GDP“失效”，又与近期有人谈论的“幽灵 GDP”有所不同。 “幽灵 GDP”的概念出现在 2026 年 2 月发布的报告《2028 年全球智能危机》中，该报告主要以美国经济为分析对象。所谓“幽灵 GDP”，指账面上持续增长的产出未真正进入实体经济循环，它与普通民众的收入、消费、购买力和社会福利毫无关联，这些 GDP 仿佛“幽灵”一般，在真实的经济循环中“隐身”了。

在这个概念中，GDP 是存在的，只是不进入实体经济。而“AI 通缩”的观点认为，它可以改善人民的生活，但并未通过 GDP 的途径。

在 2026 年 2 月印度举行的 AI 峰会 上，有人问：“各国 GDP 增速会翻倍吗？”奥特曼回应说 ：“GDP 将变成一个‘糟 糕’的指标，因为 AI 具有显著的通缩效 应。”他解释，GDP 衡量的是“交易额”，而不是“效率”或“生活质量”。当 AI 把越来越多的服务成本压到接近于零时，名义 GDP 可能停滞甚至下降，但实际福祉却在飙升。

带来的现实挑战 ：就业与 K 型分化

无论理论上如何解释，在现实生活中，两个严峻的问题已经日益凸显。

第一是就业。以美国为例，一个诡异的现象正在发生 ：公司越赚钱，越是要裁员。 2025 年，美国 GDP 在涨，股市在创新高，CEO 们的奖金也水涨船高。但同时，裁员潮却席卷了很多企业。而且与往年不同，美国近期的裁员潮有两个明显特点 ：

不是效益不好的企业在裁员，而是越挣钱的企业越裁员，“越裁越挣钱”；最先被裁的不再是蓝领和临时工，而是那些年薪 15 万~30 万美元的高薪白领甚至高管，包括技术骨干。

第二是“K 型”经济的形成。

“K 型”经济指的是在不同地区、不同行业、不同部门以及人群中经济发展的不平衡性，其最大特点是“分化”，它塑造着一种新的社会结构 ：随着数字经济的崛起，以 AI 为核心的技术革命正冲击着中产阶层的岗位，使得原有的中产阶层可能坍塌。

原本以中产为主的橄榄型社会结构，不得不向着“K 型”结构转变，并导致社会从工作岗位、财富持有到消费方式的一系列重组与变化。这种变化，或许会形成财富鸿沟。

窗口期的救赎 ：如何应对这场“慢爆炸”？

以上从三个层面分析了 AI 与经济增长的复杂关系，意在避免将两者关系简单化、直线化。

如上所述，Chad Jones 认为，AI 对经济的作用被“弱环节”机制所钳制，从而使得技术革命由本该瞬间引爆的增长核弹，变成了一种“慢爆炸”。

但在此基础上，他又提出另一个更有价值的观点：“慢爆炸”看起来令人失望，却是文明的“救命稻草”。

他认为，若 AI 真在五年内引爆 GDP，社会可能崩塌，带来失业、财富集中、秩  序危机。而“弱环节”机制和“慢爆炸”像一道缓冲阀，将冲击拉长为周期长达 数十年的平滑曲线。按照 Chad Jones 的估  计，“慢爆炸”会给人类带来几十年的缓  冲期。

这几十年的缓冲期或称窗口期，是经济结构赐予人类的“时间馈赠”。

在这个窗口期，我们应当做些什么来应对“慢爆炸”？ Chad Jones 提出了如下建议 ：

对政策制定者而言，其核心任务不是与技术赛跑，而是利用这段时间，构建社会的缓冲带和新契约。

具体包括 ：不必急于出台可能扼杀创新的激进法规，而应从容地构建大规模的再培训体系和完善的社会保障网，帮助劳动者平稳过渡。与此同时，将政策重心从追求增长转向分配红利，政策的核心应聚焦于如何防止劳动份额断崖式下跌，避免因财富极端集中而引发社会撕裂。此外，对人类的“硬骨头”领域进行战略性投资，特别是在感知、社交互动、复杂环境下的决策和情感共鸣等领域。

对企业而言，不能沉迷于技术乌托邦的幻想，而应回归经济系统的底层逻辑。

警惕“软件幻觉”，诊断真实瓶颈，必须用“木桶效应”的思维审视整个价值链，找到那个仍需人类深度参与、效率提升最慢的环节。再将瓶颈转化为护城河，因为识别出的“弱环节”不仅是限制，更是机遇。另外布局人机协同，而非全盘替代。

因为在可预见的未来，最优策略不是用机器完全取代人，而是设计精妙的人机协作流程，让 AI 去增强而非替代人类的判断。