我们也许对人工智能太过乐观了

2025年，全球人工智能市场规模达到7575.8亿美元，同比增长18.7%。预计到2026年，这个数字将突破9000亿美元。美国四大科技巨头——微软、谷歌、Meta、亚马逊——2024年的AI相关资本支出合计超过2000亿美元。

我们也不甘落后，2025年3月宣布成立一只1380亿美元的国家级VC基金，专门投资AI等前沿技术。

资本正在以史无前例的速度涌入人工智能。

但在这场狂欢背后，有一个被忽视的问题：AI带来的生产率提升，真的能够同步转化为经济增长和居民福利吗？

历史给出的答案，并不乐观。

索洛悖论：为什么技术总是“看得见、摸不着”？

1987年，诺贝尔经济学奖得主罗伯特·索洛留下了一句著名的评语：“计算机时代随处可见，唯独在生产率统计中看不到它。”

这句话被称为“索洛悖论”。它的含义是：尽管计算机技术在当时已经渗透到经济的各个角落，但在宏观经济数据——特别是全要素生产率（TFP）——中，几乎找不到技术的痕迹。

今天的AI，正呈现出高度相似的特征。

2023年以来，大模型驱动的资本开支热潮已使全球AI基础设施投资突破3000亿美元。但全要素生产率的实际提升，尚未在宏观统计中显现。斯坦福大学的数字经济实验室、麻省理工学院的达龙·阿西莫格鲁等学者都指出：从通用目的技术（GPT）的发明，到全要素生产率的显著提升，通常需要20至30年的互补性投资周期。

换句话说，今天的AI投资，更多是“为未来买单”，而不是“当下就有回报”。

但这还不是最危险的。最危险的是，在投资狂热与生产率滞后的时间差里，供给端已经在快速扩张，而需求端却正在萎缩。

历史告诉我们：技术浪潮首先伤害的是劳动者。

经济史学家罗伯特·艾伦有一个著名的研究：第一次工业浪潮始于18世纪60年代，但英国工人的实际工资在之后数十年内几乎没有增长。直到19世纪70年代，劳动收入占经济总产出的比例才开始上升。

工业浪潮爆发后大约一百年，劳动者才开始分到蛋糕中更大的一块。

北大国发院院长黄益平把这段历史称为“恩格斯停顿”——工人的人均产出明显提升，但实际工资并未明显增长。

19世纪后期的美国，经历了类似的阵痛。大规模机械化、铁路扩张和规模化生产推动生产率快速提高，供给能力加速扩张。但金本位对名义需求扩张形成约束，1870年代至1890年代中期，美国总体价格水平累计下降约三成。这一时期被称为“长萧条”（Long Depression），伴随多次金融危机和经济调整。

每一次技术浪潮，都先经历一段“效率狂飙、工资停滞、资本收益暴涨”的时期。

而今天的AI，可能把这段“阵痛期”压缩得更短、冲击更剧烈。

为什么？因为AI直接瞄准的是脑力劳动。

工业替代的是纺织工人、矿工、搬运工——体力劳动者。而AI替代的，是初级程序员、行政文秘、金融分析师、基础设计师、标准化咨询师——曾经的“金领饭碗”。

2026年一季度，全球科技行业裁员7.8万人，近半数岗位淘汰直接归因于AI替代。上海科技大学的研究显示，ChatGPT推出后，超四分之一的新增招聘岗位存在较高AI替代敞口，26.6%的岗位面临较高替代压力。

AI不是在未来替代人类，而是在当下就挤压就业和收入。

2026年第二季度，美国经济产出增长1.7%，而劳动者工时仅增加了0.3%。企业利润占GDP的比重升至创纪录的14.9%，而劳动者收入占比则滑落至52.8%，创下1947年官方有统计以来的最低纪录。

这不是AI独有的问题，但AI正在加剧这一趋势。

国际货币基金组织（IMF）的研究直接将AI定性为“资本偏向型技术”：它赚的钱，天然更偏向掌握资本、数据与算力的少数方。

阿波罗全球管理公司的研究显示，2023年以后，AI高度暴露职业的实际工资增幅，比AI暴露程度较低的职业慢6.7个百分点。虽然AI还没有造成大规模失业，但它已经在削弱劳动者的工资增长和议价能力。

俞敏洪说得很直接：“人工智能让人类的财富以极快的速度聚集在了极少一部分人的手中。”

这才是AI时代最残酷的真相：技术红利没有被广泛分享，而是被高度集中。

核心逻辑链：供给增加→收入下降→消费不足→需求不足。

现在，让我们把碎片拼成完整的图景。

第一步：AI投资激增，供给能力快速扩张。

全球每年近万亿美元的AI投资，正在以前所未有的速度提升全要素生产率、提高供给能力、重塑产业形态。企业用AI替代人力，用算法优化流程，用机器人替代产线工人。供给端的效率在飙升。

第二步：就业受挤压，劳动收入占比下降。

AI替代的不仅是岗位，更是劳动者的议价能力。当企业可以用AI完成初级法律文书、基础代码编写、标准化财务处理时，它们对人工的需求下降，对工资的压制增强。劳动收入占GDP的比重持续下滑。

第三步：居民收入放缓，消费能力不足。

当越来越多的人面临工资停滞甚至下降时，他们的消费能力自然萎缩。AI可以生产，但AI不能消费。AI可以写代码、做设计、分析数据，但AI不会买房、不会买车、不会下馆子、不会给孩子报兴趣班。

第四步：需求增长慢于供给增长，供强需弱加剧。

供给在AI的推动下快速扩张，但需求却因为居民收入下降而萎靡不振。这就是“强供给、弱需求”的困境。企业生产了更多的东西，但没人买得起。于是库存积压、价格下降、企业利润受损、进一步裁员降薪——恶性循环就此形成。

这不是理论推演，而是正在发生的现实。

2026年8月，我国新增人民币贷款仅600亿元，同比少增5300亿元，居民贷款减少2029亿元。人们不仅不借钱消费，还在提前还贷。CPI同比仅上涨0.6%，PPI连续多月负增长——通缩的阴影正在逼近。

AI无法消费，这是它最致命的短板。

我们的特殊性则是：本来就“强供给、弱需求”，AI可能雪上加霜。

我们的经济现状，本来就存在供强需弱的结构性矛盾。

对外开放以来，我们建立了全球最完整的工业体系，制造业增加值占全球的比重超过30%。供给能力全球第一。但内需始终不足——居民消费占GDP的比重长期徘徊在38%左右，远低于美国的68%、欧盟的54%，甚至低于印度的60%。

这意味着，我们的经济增长，长期以来是靠“别人消费”（出口）和“地方消费”（投资）拉动的，而不是靠“自己消费”。

在这个背景下，AI的冲击可能更为剧烈。

一方面，AI将进一步提升供给能力，加剧产能过剩。我国的工业机器人运行存量已经超过200万台，全球最多，占全球存量的43%。AI+制造业的组合，将让“中国制造”的效率再上一个台阶。

另一方面，AI对就业和收入的挤压，将进一步抑制本已疲弱的内需。当越来越多的劳动者面临工资停滞、岗位被替代时，他们拿什么来消费？

供给端越强，需求端越弱，这个悖论在AI时代可能被放大到极致。

出路在哪里？

面对AI带来的结构性冲击，传统的货币政策和财政政策已经难以奏效。

降息降准？企业和居民没有借贷意愿，再低的利率也刺激不了需求。

扩大基建投资？可以短期拉动需求，但无法解决收入分配的根本问题。

真正需要的，是一场分配体系的变革。

正如经济学家罗志恒所指出的：AI时代的宏观矛盾集中体现为供给跃升与需求萎缩，应对之策不能止于传统的逆周期调控，而需从国民收入分配改革、财税激励重构、工资增长机制等方面进行系统性制度安排。

具体而言，至少需要三个层面的调整：

第一，优化财税，让AI的红利惠及更广泛的劳动者。

探索开征“超额利润调节税”，对AI技术带来的超额利润进行合理调节。提高个税、财产税等直接税对收入分配的调节功能。将AI的生产率红利，通过税收和转移支付，转化为居民可支配收入的增长。

第二，变革工资增长机制，提高劳动者在国民收入分配中的比重。

长期以来，我国居民可支配收入占GDP的比重约为45%，而发达国家普遍在60%以上。需要通过制度性安排，确保劳动者能够分享技术进步带来的收益，而不是让资本独占蛋糕。

第三，加强社会保障和再培训体系，缓解AI对就业的冲击。

比尔·盖茨警告，全球可能要经历一段长达约20年的动荡转型期。在这期间，需要为被AI替代的劳动者提供基本保障和再培训机会，帮助他们过渡到新的就业岗位。

回望历史，每一次技术浪潮，最终都提高了人类的整体福利。

但“最终”不等于“立即”。从蒸汽机到电力，从计算机到互联网，每一次技术浪潮都伴随着一段痛苦的调整期。在这段调整期里，劳动者承受了最大的代价，而资本收获了最大的红利。

AI可能是有史以来最剧烈的一次技术浪潮。因为它不仅替代体力劳动，更替代脑力劳动。它不仅改变生产方式，更改变分配方式。

如果我们不对分配体系进行系统性变革，AI带来的可能不是共同富裕，而是贫富分化加剧；不是经济繁荣，而是供强需弱的恶性循环；不是人类解放，而是大规模失业和社会动荡。

我们对AI的长期前景，可以保持乐观。但对AI的短期冲击，必须保持警惕。

因为技术不会自动带来公平，也不会必然造福所有人。它最终的影响，取决于我们当下做出的选择。

而留给我们的时间，的确不多了。

end.