过去几年，如果只看AI模型能力的进步，很容易相信我们正站在一场新工业革命的起点。
从ChatGPT出现，到今天AI可以写代码、制作视频、完成研究、调用工具，甚至独立执行越来越复杂的任务，技术进步几乎肉眼可见。与此同时，OpenAI、Anthropic、Google等公司不断把未来指向AGI，科技巨头投入AI基础设施的资金也从几百亿美元迅速增长到数千亿美元。Google DeepMind CEO Demis Hassabis甚至形容，AI带来的变化可能比工业革命大10倍、快10倍。
但如果AI真的正在以这样的速度改变世界，我们应该已经开始在经济数据里看到些什么。
2024年诺贝尔经济学奖得主、MIT教授达龙·阿西莫格鲁（Daron Acemoglu）对此相当谨慎。在论文《The Simple Macroeconomics of AI》中，他估算未来十年AI带来的全要素生产率增长累计可能只有0.53%—0.66%左右，GDP累计增长在不同假设下约为0.93%—1.56%。
这并不是说AI没有价值。真正的问题是：技术能力的快速提升，并不会自动变成同等规模的经济价值。
一、AI效率提高了，为什么生产率没有起飞？
过去需要一个小时整理的信息，现在可能十分钟完成；一些程序员一天才能完成的工作，现在几个小时就可以交付。类似体验越来越普遍，很容易让人产生一种感觉：AI生产率革命已经发生了。
但阿西莫格鲁认为，从个人效率提升推导到整个经济的生产率爆发，中间还有很长的距离。
今天AI最擅长的，往往是任务边界清楚、结果容易验证、训练数据丰富的工作。一封邮件写得好不好、一段代码能不能运行、一份文档能不能总结，都比较容易判断。但真实经济中的大量高价值工作并非如此。医生处理复杂病例、工程师解决现场故障、管理者判断一个项目是否继续，都包含大量环境信息、隐性知识和责任判断。
即使AI技术上能够完成其中一部分，企业还要考虑数据准备、系统集成、监督以及错误成本。因此，“某项工作快了三倍”和“整个公司生产率提高三倍”从来不是一回事。
按照阿西莫格鲁的估计，目前真正具有经济意义、能够有利可图地实现AI自动化的任务，大约只有整体任务的5%。这个数字未来当然可能继续提高，但至少说明，今天许多宏观预测实际上隐含了一个很强的前提：AI必须很快进入大量现实世界中的复杂任务。
如果这个前提没有兑现，AI依然会是一项非常重要的技术，只是经济价值兑现的速度，可能没有资本市场想象得那么快。
二、工业革命真正的教训，不是“最后大家都会受益”
硅谷很喜欢把AI比作工业革命，这个类比并没有错。但我们今天回望工业革命，往往只看到结局：蒸汽机、铁路和机械化最终大幅提高生产率，人类生活水平也远高于两百年前。
容易被忽略的是，这个过程并没有迅速惠及所有人。
经济史上有一个著名的“恩格斯暂停”（Engels’ Pause）：工业革命早期，英国劳动生产率已经明显提高，但普通工人的实际工资在几十年间增长非常缓慢。机器提高了产出，并不意味着技术收益会自动流向劳动者。
后来随着资本积累、劳动力市场变化，以及工会、劳动立法和公共制度逐渐完善，生产率提升才越来越广泛地转化为生活水平改善。
这段历史对今天AI真正有意义的启示，不是“机器以前也抢过工作，所以不用担心”，而是：技术能够创造多少财富，与这些财富最后由谁获得，是两个不同的问题。
阿西莫格鲁尤其担心，今天AI的发展越来越集中于Automation，也就是用机器完成原本由人完成的工作。自动化当然能够降低成本，也能够提高生产率，但如果创新主要围绕“如何用更少的人完成同样的事情”，企业得到的主要是成本下降，而不是新的产品、服务和需求。
今年他与David Autor、Simon Johnson提出“Pro-worker AI”，强调另一条技术路线：AI不仅替代已有任务，更应该让普通人获得过去只有专家才能拥有的能力，并创造新的工作和任务。
这也是过去真正重要的通用技术产生巨大经济价值的方式。汽车最大的价值不是让马车夫效率更高，而是创造了制造、维修、公路、物流等整个产业；互联网最大的价值也不是让人写信更快，而是后来出现了搜索、电商、云计算和移动支付。
如果AI最后最大的用途只是“让五个人完成过去十个人的工作”，它当然仍然有价值，但可能远远没有发挥这项技术真正的潜力。
三、GPU不是光纤，AI泡沫和互联网泡沫并不完全一样
对于今天巨大的AI资本投入，一个常见的辩护是互联网泡沫。
2000年前后，大量公司同样疯狂投资网络基础设施，电信企业铺设了远超当时需求的光纤。泡沫最终破裂，无数公司倒闭，但互联网没有失败。相反，当年留下的一部分基础设施后来继续被使用，最终支撑了搜索、电商、视频和云计算的发展。
于是有人认为，即使今天AI也存在投资泡沫，只要技术方向是对的，现在多建设一些数据中心、多购买一些GPU，未来迟早都会用上。
阿西莫格鲁在访谈里提醒了一个很容易被忽略的问题：GPU不是光纤。
当年埋到地下的光纤，即使建设它的公司破产，仍然可以使用很多年。但GPU属于另一类资产，它不仅存在物理折旧，还有非常明显的技术折旧。新一代芯片性能更高、功耗更低，同样完成一次训练或者推理任务，成本可能越来越低。于是旧GPU即使还能正常工作，它的相对经济价值也可能迅速下降。
这意味着，如果今天整个行业高估了未来几年的算力需求，留下来的未必是一批可以低成本使用十几年的基础设施，其中相当一部分可能是正在快速失去成本竞争力的计算设备。
这并不意味着今天建设数据中心是错的，旧GPU也不会几年后就全部失去价值。但它改变了一个重要的投资逻辑：AI基础设施必须更快产生足够大的商业回报。
而这恰恰是今天AI行业最值得讨论的问题。
AI商业化当然已经发生，模型公司收入也在快速增长。真正的问题不是“AI有没有收入”，而是这些收入未来能不能支撑整个行业数千亿美元规模的资本投入，并最终产生与之匹配的利润和生产率。
互联网最后成功了，并不代表2000年投资互联网的每家公司都成功。当年的技术革命是真的，投资泡沫也是真的。
AI完全可能重复这种情况。
AI是真的，泡沫也可能是真的
我们经常把“AI是不是泡沫”理解成一个非黑即白的问题。相信AI最终改变世界，似乎就必须同时相信今天的资本开支、公司估值和AGI时间表都是合理的；如果质疑今天的投资规模，又很容易被认为是在否定AI。
其实完全没有必要。
AI可以是一项改变世界的技术，同时资本市场也可能高估了它产生经济回报的速度。判断这件事情最终只有一个很朴素的标准：今天投入进去的这些钱，未来究竟能够产生多少真实的收入、利润和生产率。
如果AI真的能够迅速进入医疗、制造、科研和大量复杂工作，让整个经济生产率出现大幅增长，那么今天数千亿美元的投资也许只是开始。但如果阿西莫格鲁的估算更接近现实，未来十年的生产率提升依然相当有限，那么很多按照AGI快速到来进行的投资，就需要重新计算回报。
这也是我认为阿西莫格鲁的观点真正值得讨论的地方。
技术价值、生产率价值和投资价值，本来就是三件不同的事情。
AI越来越好用，并不意味着它马上能够改变整个经济；它最终能够改变整个经济，也不意味着今天投入其中的每一美元资本都能够赚回来。
而比判断有没有泡沫更加重要的问题，是我们最终准备把AI用在哪里。如果AI只是帮助企业用更少的人完成同样的事情，我们得到的可能主要是成本下降；如果AI能够让医生解决过去解决不了的问题，让工人掌握过去只有专家才有的能力，让科学家发现新的药物和材料，它才真正可能创造过去不存在的价值。
到那个时候，AI带来的经济增长也许会远远超过阿西莫格鲁今天那个保守的预测。
但这仍然不能证明今天所有关于AGI、资本开支和估值的故事都是对的。
互联网时代已经证明过一次：
技术革命是真的，泡沫也可以是真的。