1987年，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主羅伯特·索洛在《紐約書評(píng)》上留下了一句讓后來者引用了近四十年的名言：“計(jì)算機(jī)無處不在，唯獨(dú)看不到它們出現(xiàn)在生產(chǎn)率統(tǒng)計(jì)中。”這句被稱為“索羅悖論”（Solow Paradox）的斷言，當(dāng)時(shí)被視為對(duì)技術(shù)樂觀主義的當(dāng)頭棒喝。眼下，這句話正以一種令人相似的方式在AI時(shí)代重演，只不過這一次，計(jì)算機(jī)換成了大模型，而那個(gè)“看不見”的問題，依然還在。

一、索洛悖論：為什么技術(shù)在進(jìn)步，生產(chǎn)率卻在“睡覺”

讓我們先把時(shí)針撥回到上世紀(jì)八九十年代。PC革命正在全面鋪開，IBM的機(jī)器進(jìn)入辦公室，文字處理軟件替代了打字機(jī)，電子表格讓會(huì)計(jì)師們?nèi)拥袅怂惚P，IT投資占GDP比重持續(xù)上升。這場變革的規(guī)模和深度，任何親歷者都不會(huì)否認(rèn)。

然而，偏偏就在那個(gè)年代，美國全要素生產(chǎn)率（TFP）的增速陷入了長達(dá)十余年的停滯。數(shù)據(jù)是清楚的：技術(shù)在進(jìn)步，生產(chǎn)率卻在睡覺。這就是“索洛悖論”的由來。

進(jìn)入2020年代，這一歷史模式正在AI浪潮中高度相似地重演。盡管AI技術(shù)能力的提升速度遠(yuǎn)超PC時(shí)代，微觀層面的證據(jù)已經(jīng)十分充分，但宏觀生產(chǎn)率數(shù)據(jù)中仍難覓清晰的AI貢獻(xiàn)蹤跡。

Block金融支付公司于2026年2月宣布裁員40%，同期上調(diào)全年利潤指引，預(yù)計(jì)調(diào)整后每股收益3.66美元，大幅超出分析師預(yù)期的3.22美元。換言之，60%的人力完成了超過原有水平的產(chǎn)出。Pinterest、CrowdStrike、Chegg等企業(yè)也相繼出現(xiàn)類似的“以AI換人”模式。2025年全年，美國至少有5.5萬個(gè)崗位被明確歸因于AI驅(qū)動(dòng)的效率優(yōu)化，是兩年前的12倍。

然而，這些微觀層面的效率躍升，并未在宏觀統(tǒng)計(jì)中產(chǎn)生相應(yīng)的可見痕跡。這種悖論背后的機(jī)制與索洛時(shí)代高度一致，但某些維度上有所放大。

二、歷史的鏡子：新技術(shù)和生產(chǎn)率之間，永遠(yuǎn)有一段“黑暗隧道”

面對(duì)上述現(xiàn)象，悲觀主義者會(huì)說：這次不同了，AI的速度太快，破壞大于建設(shè)，人類無法適應(yīng)。但歷史提供了另一個(gè)視角。

1987年索洛發(fā)出那句感嘆之后，美國等了整整十年，才在1995—2005年間真正迎來了IT驅(qū)動(dòng)的生產(chǎn)率大爆發(fā)。其間全要素生產(chǎn)率年均增速超過2.5%，是1973—1995年間年均約1%的兩倍以上。IT時(shí)代的價(jià)值，只是來晚了，但并沒有缺席。

更早之前，電力的普及也經(jīng)歷了幾乎一模一樣的模式。愛迪生1882年在紐約建立第一家商業(yè)發(fā)電站，但美國制造業(yè)的電氣化生產(chǎn)率紅利，要到1920年代才全面兌現(xiàn)，其間整整經(jīng)歷了四十年。可見，技術(shù)就緒，并不等于經(jīng)濟(jì)就緒；能力到位，并不等于應(yīng)用到位；應(yīng)用到位，并不等于組織到位。

經(jīng)濟(jì)學(xué)家保羅·大衛(wèi)把這個(gè)歷史規(guī)律總結(jié)為一個(gè)命題：通用技術(shù)在被經(jīng)濟(jì)體真正吸收之前，必然要經(jīng)歷一段生產(chǎn)率下滑的“黑暗隧道”。當(dāng)新系統(tǒng)的重建成本和舊系統(tǒng)的拆解成本疊加在一起，在某些年份會(huì)讓賬面生產(chǎn)率看起來變差了。而正是在這個(gè)賬面數(shù)字看起來最難看的時(shí)候，真正的組織重構(gòu)和能力積累在悄悄發(fā)生。

AI很可能正處在這條隧道里。盡管AI工具的能力正在以月為單位復(fù)利增長，但AI技術(shù)的生產(chǎn)率紅利不因技術(shù)能力本身的就緒而立即兌現(xiàn)，而是依賴于整個(gè)經(jīng)濟(jì)體系的協(xié)同重組，包括工作流程的再設(shè)計(jì)、從業(yè)者技能的再積累、管理架構(gòu)的再調(diào)整等等。

三、GDP：一把偉大但對(duì)AI失靈的尺子

國內(nèi)生產(chǎn)總值（GDP）作為衡量經(jīng)濟(jì)活動(dòng)規(guī)模的核心指標(biāo)，其理論基礎(chǔ)奠定于1930年代西蒙·庫茲涅茨的國民賬戶核算體系，并在二戰(zhàn)后的國際協(xié)調(diào)中逐步定型為以市場價(jià)格加權(quán)的物質(zhì)產(chǎn)出核算框架。這一框架在工業(yè)化時(shí)代具有高度的信息密度：鋼鐵產(chǎn)量、汽車銷量、建筑投資，這些可數(shù)、可稱、可定價(jià)的物質(zhì)產(chǎn)出，恰好是彼時(shí)經(jīng)濟(jì)活動(dòng)的核心載體。

然而，GDP的設(shè)計(jì)哲學(xué)存在一個(gè)深層的局限，它計(jì)量的是交換價(jià)值，而不是使用價(jià)值或消費(fèi)者剩余。一件商品或服務(wù)，只有在市場上以貨幣價(jià)格成交，才能計(jì)入GDP。當(dāng)一個(gè)人自己做飯，不貢獻(xiàn)GDP；當(dāng)同一個(gè)人把做飯外包給外賣平臺(tái)，GDP就增加了。這一邏輯在工業(yè)時(shí)代的誤差尚在可接受范圍內(nèi)，但在AI時(shí)代，它產(chǎn)生了系統(tǒng)性的嚴(yán)重扭曲，呈現(xiàn)出以下五種相互疊加的具體機(jī)制。

機(jī)制一：質(zhì)量改善的不可見性。麻省理工和斯坦福大學(xué)聯(lián)合追蹤了一家大型呼叫中心，引入AI輔助工具后，低經(jīng)驗(yàn)客服人員的處理速度提升了14%，錯(cuò)誤率大幅下降。但由于服務(wù)定價(jià)未變，這14%的質(zhì)量提升在GDP中幾乎毫無體現(xiàn)，“更快更準(zhǔn)”的價(jià)值被統(tǒng)計(jì)漏掉了。

機(jī)制二：需求替代的通縮效應(yīng)。一家咨詢公司原本雇傭10名初級(jí)分析師，現(xiàn)在2名分析師加AI即可完成同等工作。這8個(gè)崗位消失后，GDP中少了8份工資性收入，但公司的分析產(chǎn)出不降反升。從用人成本的角度看，這是“通縮”，是“產(chǎn)出消失”；但從信息生產(chǎn)的實(shí)質(zhì)來看，這是巨大的效率躍升。

機(jī)制三：零價(jià)格數(shù)字產(chǎn)品。當(dāng)ChatGPT基礎(chǔ)版免費(fèi)、谷歌搜索免費(fèi)、維基百科免費(fèi)，這些零價(jià)格的巨大價(jià)值在原理上就無法計(jì)入GDP。AI時(shí)代使其規(guī)模劇烈擴(kuò)大。

機(jī)制四：無形資本投資的遺漏。企業(yè)購買AI算力算進(jìn)了資本支出，但配套的數(shù)據(jù)治理、流程再造、員工培訓(xùn)等無形投資大量缺席于統(tǒng)計(jì)。相關(guān)研究指出，被忽略的無形資本支出可能是有形IT投資的3—10倍，由此造成對(duì)數(shù)字經(jīng)濟(jì)實(shí)際資本存量的系統(tǒng)性低估。

機(jī)制五：時(shí)間節(jié)省的價(jià)值。一位醫(yī)生使用AI在5分鐘內(nèi)完成原本需要3天才能處理的影像分析，這節(jié)省的時(shí)間，統(tǒng)計(jì)系統(tǒng)幾乎感知不到。時(shí)間本身的使用價(jià)值，在以價(jià)格為錨的GDP體系中幾乎完全隱匿。

可見，在AI全面滲透的當(dāng)下，實(shí)體經(jīng)濟(jì)里正在發(fā)生的價(jià)值創(chuàng)造與重組，正在以越來越快的速度逃離傳統(tǒng)統(tǒng)計(jì)體系的測(cè)量范圍。經(jīng)濟(jì)學(xué)家們給這種現(xiàn)象起了個(gè)有趣的名字：“幽靈GDP”（Ghost GDP）。

四、AI提升生產(chǎn)效率的展望：從微觀證據(jù)到宏觀效率

微觀層面的證據(jù)已經(jīng)十分充分，AI對(duì)生產(chǎn)率的提升正在發(fā)生，但最終轉(zhuǎn)化為宏觀生產(chǎn)率紅利，主要體現(xiàn)在以下三個(gè)路徑。

路徑一是任務(wù)自動(dòng)化與資源重配。AI承接大量標(biāo)準(zhǔn)化、重復(fù)性的認(rèn)知任務(wù)，將人力資源釋放至創(chuàng)造性、關(guān)系性、高判斷力的工作。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主阿西莫格魯?shù)睦碚摽蚣鼙砻?，自?dòng)化技術(shù)的最終凈效應(yīng)取決于“任務(wù)恢復(fù)”速度，即新的人類工作崗位涌現(xiàn)的速度。

路徑二是知識(shí)生產(chǎn)加速。AI在科學(xué)研究、新藥發(fā)現(xiàn)、材料設(shè)計(jì)等領(lǐng)域的突破，將加速人類知識(shí)前沿的推進(jìn)速度。如果AI使全球科研效率提升一倍，其對(duì)長期增長路徑的影響將是結(jié)構(gòu)性的。

路徑三是邊際成本趨零的規(guī)模擴(kuò)張。AI內(nèi)容生產(chǎn)、AI診斷、AI代碼生成等服務(wù)的邊際成本接近于零，這意味著一旦初始研發(fā)成本攤薄，這些服務(wù)可以以極低成本無限擴(kuò)展。傳統(tǒng)上效率提升最慢的服務(wù)業(yè)，如教育、醫(yī)療、法律、金融咨詢等，恰好是AI滲透率最高的領(lǐng)域，這將從根本上改變長期宏觀增長的約束結(jié)構(gòu)。

然而，從微觀證據(jù)到宏觀效率的轉(zhuǎn)化，并非沒有障礙，而是存在著三大結(jié)構(gòu)性挑戰(zhàn)。

第一，分配斷裂。生產(chǎn)率紅利若主要流向資本所有者而非勞動(dòng)者，將形成需求基礎(chǔ)的侵蝕。達(dá)拉斯聯(lián)儲(chǔ)2026年初的研究顯示，22—25歲、從事AI高暴露職業(yè)的年輕人就業(yè)率已經(jīng)下降了13%；同期，有經(jīng)驗(yàn)的從業(yè)者就業(yè)率保持平穩(wěn)甚至上升。J.P. Morgan的團(tuán)隊(duì)發(fā)現(xiàn)，美國大學(xué)畢業(yè)生的失業(yè)率已升至5.8%，是四年多以來的最高水平，而且罕見地開始高于全體勞動(dòng)力的總失業(yè)率。這是一個(gè)結(jié)構(gòu)性信號(hào)，不是周期性波動(dòng)，將形成所謂的“資歷斷崖”，人才管道底層正在空洞化，在未來10—15年形成中堅(jiān)層人才的系統(tǒng)性斷層。

第二，組織適應(yīng)滯后。技術(shù)能力以季度為單位迭代，組織能力以年為單位演進(jìn)，制度適應(yīng)以十年為單位漂移。夾在這個(gè)速度差中間的企業(yè)，即使工具買了、能力沒到位、流程沒重構(gòu)、人員沒培訓(xùn)，生產(chǎn)率反而可能短期下滑（即“J形曲線效應(yīng)”）。企業(yè)在AI工具采購之外，還需要在組織能力上投入相當(dāng)于IT硬件數(shù)倍的無形資本，才能真正將AI效能轉(zhuǎn)化為可持續(xù)的生產(chǎn)率提升。

第三，監(jiān)管與信任摩擦。在醫(yī)療、法律、金融、教育等高度監(jiān)管行業(yè)，AI應(yīng)用面臨顯著的合規(guī)門檻和責(zé)任認(rèn)定困難。這些領(lǐng)域恰好是AI潛在效率提升最大的地方，但監(jiān)管框架的滯后可能使紅利長期被鎖在門外。歐盟的《AI法案》、美國SEC對(duì)AI輔助金融建議的限制、醫(yī)療AI的FDA準(zhǔn)入流程，都在客觀上形成了技術(shù)擴(kuò)散的摩擦力。

五、用舊地圖走新路：政策的困境與可能的出路

AI提升生產(chǎn)效率的長期展望總體樂觀，微觀證據(jù)充分、宏觀兌現(xiàn)路徑清晰，但這并不意味著可以漠視轉(zhuǎn)型過程中的分配斷裂與結(jié)構(gòu)性挑戰(zhàn)，還需要從以下方面突破政策困境，探尋可能出路。

統(tǒng)計(jì)方法的現(xiàn)代化。學(xué)術(shù)界呼吁多年的“GDP+”概念——將數(shù)字產(chǎn)品消費(fèi)者剩余、無形資本投資、數(shù)據(jù)資產(chǎn)價(jià)值納入統(tǒng)計(jì)框架，在AI時(shí)代已從學(xué)術(shù)討論演變?yōu)檎咴O(shè)計(jì)的前提條件。沒有準(zhǔn)確的測(cè)量，就沒有準(zhǔn)確的判斷，就沒有準(zhǔn)確的政策。當(dāng)前急需推進(jìn)的工作包括：修訂國民賬戶核算框架，納入無形資本存量的系統(tǒng)性估算；將AI產(chǎn)品的質(zhì)量改善顯性化；探索追蹤數(shù)字服務(wù)的真實(shí)消費(fèi)者剩余等。

對(duì)分配問題的正視。生產(chǎn)率的收益如果只是安靜地流向資本所有者，而勞動(dòng)者既失去工作又失去消費(fèi)能力，那整個(gè)系統(tǒng)的需求基礎(chǔ)將會(huì)塌陷。羅素在《閑暇頌》里早就描述過這個(gè)困境，技術(shù)讓一半人過度勞累，讓另一半人失業(yè)挨餓。而AI版本的這個(gè)困境，需要同樣認(rèn)真的制度性回應(yīng)。針對(duì)AI引發(fā)的結(jié)構(gòu)性失業(yè)提供足夠具有吸引力的再培訓(xùn)激勵(lì)；探索勞動(dòng)者參與AI增值分配的機(jī)制安排（如利潤分享、廣義數(shù)據(jù)權(quán)益）；加速針對(duì)“資歷斷崖”的教育體系改革，重建人才培養(yǎng)管道的底層基礎(chǔ)。

時(shí)間差的主動(dòng)管理。技術(shù)能力以季度為單位移動(dòng)，組織能力以年為單位移動(dòng)，制度適應(yīng)以十年為單位移動(dòng)。被夾在這個(gè)速度差之間的一代人——此刻正在找工作的應(yīng)屆生，此刻正在被裁的中年白領(lǐng)，他們的痛苦是真實(shí)的，即使長期前景是光明的。政策的責(zé)任，是管理這個(gè)時(shí)間差，而不是用長期樂觀來掩蓋短期失序。具體而言，這意味著：設(shè)計(jì)更具彈性的社會(huì)安全網(wǎng)以承載更頻繁的職業(yè)轉(zhuǎn)換；加大對(duì)AI技能培訓(xùn)的公共投入，縮短從舊技能到新技能的遷移周期；在教育體系中從基礎(chǔ)教育階段就系統(tǒng)性地嵌入AI素養(yǎng)課程。

歷史一再證明，技術(shù)創(chuàng)新的“黑暗隧道”終有出口，索洛悖論則是一面鏡子，它既映照出人類對(duì)新技術(shù)的認(rèn)知慣性，總是高估短期影響、低估長期重構(gòu)，也映照出統(tǒng)計(jì)體系的歷史局限。AI時(shí)代的任務(wù)，是在承認(rèn)這一局限的前提下，以更準(zhǔn)確的測(cè)量、更公平的分配和更聰明的政策設(shè)計(jì)，讓這一輪可能是人類歷史上最深刻的技術(shù)革命，真正惠及最廣泛的人群。

(作者施東輝為復(fù)旦大學(xué)國際金融學(xué)院教授)