從創新到生產力爆發的「時滯」：信息通信技術革命給AI時代帶來的重要教訓

AI帶來的生產力提升可能是真的，但它進入宏觀數據的速度，未必會符合市場最樂觀的時間表。信息通信技術革命的經驗顯示，新技術從商業化、投資擴張到生產力爆發，往往存在顯著時滯。

據追風交易台，高盛美國經濟研究團隊的Elsie Peng在7月1日發表的研究中寫道，「我們預計AI將在未來十年顯著提振生產力增長。」這一定調意味著，AI的核心變量不只是能否提升效率，而是提升何時被宏觀統計確認。

關鍵問題正在從「AI是否有用」，轉向「AI何時轉化為可觀察的生產力增長」。企業和實驗層面已有不少效率改善證據，但宏觀數據通常要等企業完成流程重構、員工培訓和組織調整之後，才會開始體現。

信息通信技術，簡稱ICT，提供了一個重要參照。個人電腦在1981年前後商業化，ICT投資自上世紀80年代初開始上升，但美國生產力真正加速要到90年代下半段，滯後約15年。AI可能更快，但不會自動跳過組織磨合這一關。

ICT的核心教訓：投資先行，生產力滯後

上世紀80年代初，個人電腦商業化引發ICT創新浪潮。突破性ICT專利人均數量在80年代末、90年代初持續上升，ICT投資也從80年代開始明顯增加。專業服務、批發貿易、運輸、金融等行業較早加大投入。

但生產力並未同步上行。

行業面板測算顯示，ICT投資占資本存量的比例每提高1個百分點，最初四年對測算生產力增長反而有小幅負貢獻。正向影響大約要到第8年才變得清晰，第12年附近達到峰值，約為0.6個百分點。

這就是新技術擴散中的「J曲線」：企業先投入設備，調整流程，承擔磨合成本，然後才可能釋放效率。尤其當技術改變的是信息流、決策方式和員工協作方式時，統計數據裡最先出現的往往是成本，而不是產出。

三個拖慢因素：成本、網絡效應與無形資本

ICT生產力遲到，首先與成本有關。半導體和通信設備價格在80年代維持高位，直到90年代競爭加劇、監管變化推動市場開放後，成本才開始明顯下降。1996年美國電信法推動通信設備市場競爭，芯片領域競爭者增加，也壓低了關鍵組件成本。

其次是網絡效應。互聯網、移動通信等技術，在用戶規模達到臨界點之前，單個用戶獲得的價值有限。美國互聯網和移動電話等ICT應用的普及率在90年代後半段越過拐點後，生產力提升才更容易釋放。

更關鍵的是無形資本。企業需要重做流程、再訓練員工、調整組織結構、建設軟體和數據系統。測算顯示，每1美元ICT硬體投資，至少需要額外1.7美元配套無形投資。其中約三分之二投向軟體和數據庫，其餘投向勞動力組織重構。

這一點對AI尤其重要。GPU、數據中心和模型能力容易被市場觀察到，但組織改造不顯眼。歷史經驗顯示，後者往往決定生產力何時真正進入帳面。

AI可能更快，但不會沒有摩擦

AI與ICT相比，一個重要差異是成本曲線。AI模型使用成本下降速度明顯快於當年個人電腦價格下降。雖然部分美國前沿模型近期提高了名義價格以擴大利潤率，但競爭壓力和底層算力成本下降，可能限制持續漲價空間，整體token價格路徑更可能趨於穩定。

AI對網絡效應的依賴也弱於通信類技術。企業內部部署AI工具，不一定要等全行業或全社會同時採用，才能獲得局部效率提升。這使AI有機會比ICT更早體現在生產力數據中。

但慢變量仍然存在。企業必須重做工作流程、培訓員工、調整崗位分工和組織結構。AI相關硬件投資占總資本存量的比例，上升速度已經快於當年ICT建設週期；但以參與重組活動員工薪酬占比衡量的工作流程重構投資，目前看起來較慢。

同時，官方統計可能低估了企業正在進行的組織改造。亞特蘭大聯儲一項企業調查暗示，2026年AI相關無形資本支出約為2800億美元。基於公司數據的估算顯示，美國AI轉型相關勞動力成本可能達到每年1500億美元，高管時間分配對應的組織資本投資約每年400億美元。

早期信號或來自四類行業

尋找AI生產力的早期宏觀信號，不能只看整個經濟體。更可行的路徑是先觀察數位化基礎高、AI暴露度高、工作任務更容易被自動化或增強的行業。

報告給出的框架包括四類指標：既有IT暴露度、AI採用率、AI暴露度，以及2022年以來工作重組強度。按這一框架排序，靠前行業包括信息與數據處理、專業服務、電影與聲音相關行業、保險、信貸中介、計算機和電子製造。

其中，信息與數據處理平均得分1.97，專業服務為1.48，電影與聲音相關行業為1.21，保險為1.09，信貸中介為0.98，計算機和電子製造為0.97。

若合併到更大的行業觀察口徑，信息、專業服務、保險和金融最值得優先跟蹤。這些行業既有更高數位化基礎，也有更多可被AI自動化或增強的工作任務。

但判斷時需要謹慎。這些潛在受益行業過去幾十年本來生產力表現就更強。未來如果繼續跑贏，不能簡單歸因於AI。更關鍵的是，它們是否相對自身歷史趨勢出現新的加速。

市場應盯住三條主線

第一是成本。只要模型使用價格和算力成本繼續下行，AI擴散阻力就可能小於ICT時代。

第二是組織資本。企業是否真正重做流程、崗位和數據系統，比單純採購AI工具更重要。ICT革命已經證明，只買設備並不足以帶來生產力爆發。

第三是行業生產力拐點。信息、專業服務、保險和金融若率先出現超越歷史趨勢的生產力提升，才更可能成為AI進入宏觀數據的早期證據。

不過，行業級生產力數據本身存在發布滯後。即便AI已經在微觀層面產生效率收益，宏觀統計確認也可能還要數年。ICT革命給AI時代的最大提醒是：技術突破可以很快，生產力兌現通常更慢。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩內容來自追風交易台。

更詳細的解讀，包括即時解讀、一線研究等內容，請加入【追風交易台▪年度會員】