斯坦福教授Chad Jones：AI奇点已至，为何经济没有爆发式增长？

来源：市场资讯

（来源：图灵人工智能）

2026年2月，普林斯顿大学Markus’ Academy第158期讲座上，斯坦福大学经济学教授Chad Jones（左）与副教授Chris Tonetti（右）抛出一个令全场沉默的问题：

“如果AI真的能自我进化、指数增长，为什么我们的GDP还在以每年2%的速度爬行？”

这不是技术狂潮首次遭遇经济冷遇。

1987年，诺贝尔经济学奖得主Robert Solow曾讽刺道：

“除了在生产率统计数据中，你可以在任何地方看到计算机时代。”

四十年后，历史重演：

大语言模型（LLM）在数月内掌握人类数十年积累的语言能力，AlphaFold破解蛋白质折叠这一生物学“圣杯”，AI绘图、编程、客服无处不在——

但全球主要经济体的全要素生产率（TFP）却波澜不惊，甚至持续疲软。

市场分裂成两派：

一派高呼“奇点已至”，NVIDIA市值突破万亿美元；

另一派则冷眼质问：

这是否只是软件演示与券商研报编织的幻觉？

Jones与Tonetti的研究给出了一把解剖刀：

AI并非无效，而是被宏观经济中一种深埋的“弱环节”机制所钳制。

这场本该瞬间引爆的增长核弹，正被系统性地拆解为一场跨越百年的“慢爆炸”。

一、经济增长的真实引擎：

自动化，而非技术本身

要理解AI为何“缺席”于GDP，必须先厘清现代经济增长的真实动力源。

传统经济学将增长归因于资本、劳动与“全要素生产率”（TFP）——

一个模糊的黑箱。

但Jones团队通过任务型生产函数模型，将经济拆解为无数具体任务（Tasks），并发现：

过去70年美国人均GDP增长的约50%，直接源于自动化。

他们做了一个思想实验：

若在1950年冻结所有自动化进程，禁止机器接管任何新任务，仅允许既有机器效率提升，那么1950–2023年间私营部门的TFP增长将几乎归零——

损失高达134%。

这意味着，若没有任务从人向机器的持续迁移，现代经济增长根本不会发生。

自动化的本质，是一场“切换红利”：

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，这构成了增长的核心斜率差。

更惊人的是，这种切换速度极其稳定：

自1950年以来，美国每年约有2%的未自动化任务被机器接管。

但无论技术如何突变，从大型机到PC，从互联网到云计算，社会对自动化的吸收速率始终却锚定在“2%准则”附近。

这说明，技术突破只是前提，真正的瓶颈在于：

组织、制度与人类认知的适配速度。

因此，AI并非新物种，而是自动化长河的最新支流。

它的特殊性不在于能否替代人类，而在于它开始触及那些曾被认为“不可自动化”的高阶认知任务——

如法律推理、科学假设生成、创意策划。

然而，即便这些任务被高效接管，其对整体经济的拉动仍受制于一个更深层的结构性约束。

二、弱环节机制：

最慢的1%决定整体产出

如果说自动化是引擎，那么“弱环节”（Weak Links）就是限速器。

Jones模型的核心参数是任务间的替代弹性σ。

当σ < 1时，任务呈现强互补性——

整个生产系统如同一条锁链，其强度不由最强环节决定，而由最弱一环锁定。

这正是现代经济的真相：

一辆汽车需要设计、编程、焊接、质检、物流、销售；

一份法律合同需要起草、谈判、情感安抚、道德判断、法庭陈述。

即便AI让前99%的环节效率趋于无限，只要剩下1%仍需人类手工完成（如精密装配、临终关怀、复杂谈判），整体产出就被钉死在这1%的低效水平上。

数学上，这被称为CES生产函数的“防御性”特征。

现实中的证据比比皆是：

过去25年，算力成本下降百万倍，但IT部门在GDP中的收入份额却从4.5%降至3%。

为何？

因为计算机资源极度丰裕且与人类劳动高度互补，其价格跌幅远超数量增幅，导致价值分配反而萎缩。

这正是Moravec悖论的经济映射：

机器擅长逻辑计算，人类擅长感知与物理协调。

企业优先自动化“人类表现差、成本高”的任务（如数据录入、基础编程），而将最难啃的“硬骨头”——涉及情感、触觉、不可预测环境的任务留到最后。

这些剩余任务，成了拖累全局的“病灶”。

于是，我们看到一个反直觉现象：

越是高效的环节，越难拉动整体增长。

例如，软件行业仅占GDP约2%，即便AI使其生产力无限提升，在σ=0.5的强互补假设下，对总产出的贡献也仅约2%。

同理，若将所有认知型远程任务（约占GDP 1/3）全部自动化，GDP增益也仅为50%——远非翻倍。

这就是“弱环节”的手术台：

它不否定技术威力，但将其威力严格限定在系统最脆弱的接口处。

三、奇点的“慢爆炸”：

飞轮转动，但被结构锁死

硅谷叙事中，AI具备“双重自动化”能力：

既可生产商品，也可生成创意（Idea）。

“AI研发新材料→新材料提升算力→更强算力训练更优AI”——

形成自我强化的飞轮。

理论上，这应触发Φ > 1的动态报酬递增，走向奇点。

Jones团队测算，Φ ≈ 1.40，确已越过爆炸阈值。

但问题在于：

飞轮转得再快，若被弱环节卡住，宏观增速依然平缓。

他们的模型模拟揭示了残酷现实：

到2040年，AI驱动的GDP仅比无AI基准高出4%；

到2060年，这一数字也仅为19%；

即便处于奇点路径上，抵达“无限收入”的时间点仍在178年之后。

这种“慢爆炸”并非技术失败，而是经济结构的必然结果。

只要存在σ < 1的互补约束，增长就必须等待最慢环节的进化。

而人类在物理交互、情感共鸣等领域的进步速率，仍停留在每年0.5%的原始水平。

更关键的是，三条未来路径在75年内几乎无法区分：

1. 全自动化路径：机器攻克所有任务，劳动份额归零，资本主导，最终走向奇点；

2. 不完全自动化路径：5%任务永不可替代，引发“鲍莫尔病”，劳动份额反升至100%，增长停滞于0.5%；

3. 基准路径：任务渐进自动化，劳动份额趋零但永不归零，资本份额稳定在37%，增长缓慢加速。

尽管终局天壤之别，但在2040–2060年间，三条曲线几乎重合。

这意味着，我们无法通过短期数据判断自己身处哪条轨道。

唯一确定的是：

奇点不会在十年内降临。

四、时间的馈赠：

弱环节为人类争取了战略窗口

表面看，“慢爆炸”令人失望；

实则，它是文明的救命稻草。

若AI真在五年内引爆GDP翻倍，社会将瞬间崩塌：

大规模失业、财富极端集中、政治秩序瓦解。

但弱环节机制像一道缓冲阀，将冲击拉长为数十年的平滑曲线。

这40–75年的窗口期，是经济结构赐予人类的“时间馈赠”。

对政策制定者而言，这意味着：

无需恐慌性干预：自动化率稳定在2%，任务迁移是渐进过程，有充足时间构建再培训体系与社会保障网；

聚焦分配而非增长：短期GDP增量有限，真正的挑战是如何分配AI红利，避免劳动份额断崖式下跌引发的社会撕裂；

投资“硬骨头”领域：根据Moravec悖论，人类在感知、社交、复杂环境决策上仍有比较优势。

这些“弱环节”恰是未来价值的锚点。

对企业而言，启示更为犀利：

警惕“软件幻觉：不要迷信局部效率提升。

若你的业务依赖线下交付、客户信任或物理操作，仅优化软件端无法带来质变；

识别真实瓶颈：用“木桶思维”审视价值链——哪个环节仍需人类？

那个环节就是你的增长天花板，也是竞争护城河；

布局人机协同：在弱环节未被攻克前，最优策略不是全替代，而是设计人机协作流程，让AI增强而非取代人类判断。

在等待中重塑未来

AI奇点或许真实存在，但它不是一场闪电战，而是一场百年长跑。

过去70年，我们靠年均2%的任务切换，将人类从繁重劳动中解放；

未来百年，我们将面对更深刻的命题：

当机器接管一切可标准化的任务，人类的价值究竟锚定在何处？

Jones与Tonetti的研究撕开了技术乌托邦的面纱，却也指明了务实路径：

不要等待奇点降临，而要在每一个“弱环节”中寻找重构价值的机会。

财富爆发需要等待，但人类智慧不应停歇。

真正的赢家，不是那些预言奇点的人，而是那些利用这百年窗口，稳步修补系统短板、重塑社会契约的长期主义者。

毕竟，在经济的手术台上，最锋利的不是AI的算法，而是人类对自身局限的清醒认知。