摩根士丹利：从五次创新浪潮看AI时代的历史规律

从AI之前的五次创新浪潮里能学到什么？这是大摩最新的一份报告，英文原题是《Lessons from the Five Innovation Waves That Preceded AI》，由首席美国经济学家Michael Gapen领衔。这篇报告的核心问题只有一个：AI浪潮到底会怎样改变美国经济？摩根士丹利没有选择预测未来，而是选择了回看过去。他们系统梳理了美国过去250年经历的五次重大技术革命，试图从中提炼出适用于AI时代的共同规律。

五次创新浪潮

过去250年，美国经历了五次由突破性技术集群驱动的创新浪潮：

第一次是工业革命（约1790s-1840s），核心是工厂、蒸汽动力、运河和早期铁路，持续约60年；

第二次是蒸汽、铁路与钢铁时代（1830-1910），铁路里程从1860年的3万英里飙升到1900年的19.2万英里，持续约55年；

第三次是电气化与内燃机时代（1890s-1940s），1902年到1929年间美国发电量增长超过十倍，福特Model T在1908年面世，持续约50年；

第四次是电子与航空时代（1940s-1980s），晶体管发明、喷气式客机、州际公路系统，联邦研发开支占GDP的比重翻了四倍，持续约40年；

第五次是互联网与数字网络时代（1990s-2020），到2000年约一半美国家庭接入了互联网，持续约30年。

一个明显的趋势是：每一波比上一波扩散得更快。如果这个规律延续，AI的扩散速度可能超过互联网。

六条反复出现的规律

跨越250年的五次浪潮，摩根士丹利提炼出六条高度一致的共同模式。

第一，资本开支的巨大脉冲。创新浪潮从来不是温和渐进的。运河建设在高峰期占GDP的1%（相当于今天的约3150亿美元），铁路投资在1872-1881年间平均占GDP的2.5%（约7900亿美元），且经常超过全国总资本形成的10%。报告直言，如果要给当前AI投资热潮找一个历史对标物，就是铁路投资。

第二，劳动力被重新配置而非消灭。每一次浪潮都引发了对大规模失业的恐惧，但历史上从未成真。农业就业占比从1800年的75%降到1910年的30%再到今天的不足2%，但总就业需求从未崩溃。工作的构成改变了——从手工匠人到工厂工人，从蓝领到白领，从制造业到服务业，从中等技能岗位到两极化分布——但工作本身一直延续。

第三，生产率提升需要时间和组织变革。早期扩散慢且不均匀，但一旦配套投资和管理模式到位，产出效率就会加速。工业革命年均约0.8-1%，铁路时代翻倍到约2%，电气化时代实现了"大飞跃"（1900-1929年非农每小时产出翻番），互联网时代在1990年代末从1.5%加速到3%。但每次加速都滞后于技术发明本身10-20年。

第四，繁荣-衰退周期是标配。1837年运河崩盘，1873年和1893年铁路恐慌，1929年股灾和大萧条，2000年互联网泡沫破裂。模式惊人地一致：狂热投资→投机融资→杠杆攀升→预期调整→痛苦出清。金融市场既加速了技术扩散，也放大了周期波动。

第五，不平等走向取决于制度而非技术。镀金时代的极度财富集中，到1940-1970年代的"大压缩"（工会、累进税、教育扩展推动收入差距缩小），再到1980年后的不平等持续扩大——技术本身不决定分配结果，制度和政策才是关键变量。

第六，教育体系每次都被迫转型。工业革命催生公立小学，铁路时代催生赠地大学，电气化时代推动高中运动，战后GI Bill扩展高等教育，互联网时代加强STEM需求。当教育扩展充分时，技术红利被广泛分享；当教育滞后时，不平等就加剧。

对AI时代的六大启示

基于历史规律，摩根士丹利对AI浪潮给出了六条判断：

生产率提升大概率发生，但需要配合组织重新设计。劳动力置换是过渡性的，岗位构成会变化，但就业不会消失。繁荣-衰退周期几乎必然，AI基础设施投资与铁路/电信建设高度相似。不平等风险处于高位，收入和财富不平等已达125年来最高，AI的可扩展性可能进一步加剧集中。教育和再培训将是决定性因素，AI可能需要终身学习体系而非传统学位路径。政策制度至关重要，反垄断、社会保障、人力资本投资决定了红利是被广泛分享还是被少数人垄断。

如果这次不一样呢？

摩根士丹利也讨论了一个重要的风险场景。AI作为通用技术，跨行业覆盖面可能比以往任何技术都广，扩散速度也在加快。

在极端情况下，AI可能不是辅助劳动力而是替代劳动力。如果走到那一步，经济可能经历一次向高增长的体制转换，同时伴随劳动收入份额的急剧下降和不平等的大幅恶化。

报告并未排除这种可能性，但认为历史仍然是形成基准预期的最佳参照。