ChatGPT 发布 4 年，社会生产力纹丝不动？索洛悖论 2.0 与消失的效率

2022 年 11 月ChatGPT 上线。2024 年全球企业 AI 投资超过 2500 亿美元。2026 年美国国家经济研究局NBER调查了 6000 名企业高管结论是近 90% 的企业表示过去三年 AI 对就业或生产率未产生任何影响。这不是某个环节出了问题。这是整个传导链条的结构性失灵。微观热宏观冷一道算不平的账先看微观证据数字相当漂亮。Noy 和 Zhang 在《Science》上发表的预注册实验453 名受过高等教育的专业人士使用 ChatGPT 后写作任务完成时间下降40%质量提高18%。Brynjolfsson、Li 和 Raymond 在《Quarterly Journal of Economics》上追踪了 5172 名客服人员AI 助手让每小时解决问题数平均提高15%最低技能组提升约36%。NBER 2026 年的工作论文追踪了十万多名 GitHub 开发者从自动补全到自主代理开发者提交活动累计提高约180%。再看宏观数据几乎纹丝不动。美国劳工统计局2025 年私人非农商业部门全要素生产率增长0.8%劳动生产率增长2.2%。2019 年第四季度到 2026 年第一季度非农商业劳动生产率年均增长2.1%——高于上一个商业周期的 1.5%但这个差异能不能全算给 ChatGPT谁敢认领谁大概比 AI 还会幻觉。阿波罗首席经济学家 Torsten Slok 的判断更直接“无论是在就业数据、生产率数据还是通胀数据中都看不到 AI 带来的实质变化。”除了美股七巨头之外AI 在利润率和盈利预期中也没有体现。Gartner 的调查补了一刀67% 的企业无法量化 AI 工具投资的 ROI。这不是AI 没用而是AI 有用但有用到不了该到的地方。AI 工具能力季度级迭代个人效率提升写作40% 代码180%组织瓶颈审核/集成/发布企业产出发布仅30%宏观统计生产率0.8%隐没成本验证税/工具过载/流程摩擦这张图展示了效率从个人到宏观的传递路径每一层都有漏点180% 的代码提交增幅到最终使用量只剩 5%。瓶颈转移不是消失了是被堵住了NBER 那篇追踪十万名开发者的论文是理解这个悖论最有力的证据。AI 自主代理让代码提交活动提高180%。但沿着生产链继续往下看项目数增长约50%正式发布增长约30%四大应用市场里的新应用增加了总使用量却几乎没有增长。有人说写了更多代码却没有人用所以只是生产力幻觉。这个判断有问题。写代码提高 180%最终发布只提高 30%不是前面的 180% 凭空消失了而是整套系统只允许一部分收益通过。过去软件生产的一个瓶颈是写代码AI 把这道瓶颈打穿以后审查、集成、测试、发布、获客和需求变成了新瓶颈。经济不是某个工位上的秒表而是一串互相咬合的齿轮。单独把一只齿轮换成发动机整台机器不会同步加速甚至会因为上游向下游狂倒半成品而暂时堵死。这就是为什么买几个 ChatGPT 账号不叫完成了 AI 改造。企业还要重写流程、整理数据、划定责任、改审批、培训员工、建立审查标准。成本先付收益后到中间还可能出现一段生产率下降。BCG 2026 年 6 月的调查给出了另一个角度74% 的一线员工已是 AI 常规用户42% 表示每周节省了 8 小时以上。但同一份调查也发现当员工使用不少于 4 种 AI 工具时自评工作效率大幅下滑——员工称之为AI 脑疲劳。更扎心的是验证成本。2026 年 3 月的一项调查高管预估每周使用 AI 省下 4 小时 36 分钟但花了 4 小时 20 分钟检查 AI 产出净收益 16 分钟。普通员工省下 3 小时 36 分钟验证花了 3 小时 21 分钟净收益 15 分钟。这不是 AI 不行。是组织没跟上。索洛悖论 2.0历史不会缺席但总是迟到1987 年诺贝尔经济学奖得主罗伯特·索洛在《纽约时报书评》写下一句话“计算机带来的改变无处不在但在生产率的数据统计上却没有体现。”这句话被引用了近四十年。现在计算机换成了大模型那个看不见的问题依然还在。但历史也给出了答案。电力等了四十年。爱迪生 1882 年在纽约建立第一家商业发电站但美国制造业的电气化生产率红利要到 1920 年代才全面兑现。早期工厂装上电动机起初只是把中央蒸汽机换掉厂房仍按天花板传动轴和旧工序布置。真正的收益要等到每台机器配置独立电机、厂房重新布局、管理和技能一起改变。IT 等了二十四年。1971 年微处理器问世但美国全要素生产率增速从 1948-1973 年的 2.9% 降至 1973 年后的 1.1%。直到 1995-2005 年间生产率才真正爆发年均增速超过 2.5%。经济学家 Paul David 把这个规律总结为生产率 J 曲线通用技术刚进入企业时训练、数据库、软件、流程和组织资本先消耗资源许多无形投资还没被统计为产出等互补资产长成收益才逐渐兑现。Brynjolfsson、Rock 和 Syverson 后来把这个理论正式化信息技术只有和组织重构、新产品以及新服务一起出现时生产率效果才显著。那么 AI 走到哪里了美国人口普查局 2025 年 11 月至 2026 年 1 月的全国代表性调查18% 的企业在某项业务职能中使用 AI按就业人数加权为 32%。采用 AI 的企业中57% 只把它用在三个或更少的业务职能里。四年对于一款产品很长。对于全社会的资本存量、责任制度、数据系统、组织流程和劳动技能来说实在谈不上很长。GDP 失灵一把伟大但对 AI 失效的尺子还有一层问题容易被忽略我们用来测量生产力的工具本身出了问题。GDP 的设计哲学存在一个深层局限它计量的是交换价值而不是使用价值或消费者剩余。一件商品或服务只有在市场上以货币价格成交才能计入 GDP。当 ChatGPT 基础版免费、谷歌搜索免费、维基百科免费这些零价格的巨大价值在原理上就无法计入 GDP。AI 时代使这个缺口剧烈扩大。美国经济分析局 2026 年做了一项实验性核算把广告支持、营销支持的免费内容和 AI 服务纳入扩展账户后2022-2025 年实际 GDP 年均增速会比官方口径高0.22 个百分点。0.22 个百分点听起来不大但放在纹丝不动的叙事里它意味着我们可能一直在用一把量不到 AI 的尺子然后抱怨尺子上没有刻度。GDP 测不到GDP 能测量付费软件许可AI 算力采购企业 AI 咨询服务免费 AI 工具的消费者剩余质量改善带来的隐性价值时间节省的价值无形资本投资流程重构/培训/数据治理零价格数字产品的全部产出计入 GDP逃离统计这张图展示了 GDP 核算的盲区企业买 GPU 的钱进了 GDP但员工用 AI 省下的时间、免费工具带来的消费者剩余、流程重构的无形投资全部逃出了统计视野。恩格斯停顿生产率上去了体感为什么更差认可AI 提高了生产率不等于认可AI 让多数人过得更好。这两个判断不矛盾甚至经常同时发生。经济史学家 Robert Allen 汇总英国 1760-1913 年数据发现19 世纪上半叶单位劳动产出上升真实工资却长期停滞利润率翻了一倍利润在国民收入中的份额扩大。直到 19 世纪中叶以后资本积累赶上技术变化工资才开始和生产率同步。这段时期有个名字恩格斯停顿Engels’ Pause。机器确实更能生产了。工人的日子也确实没有立刻变好。回到今天一个文职人员用 Codex 十分钟干完八小时的任务剩下时间摸鱼。如果单位没有增加产出GDP 没怎么动但他用更少劳动完成了同样工作生产率提高了。如果单位发现这件事把七小时五十分钟全部塞进新任务产出可能上升他的体感反而更差。如果单位干脆裁掉其他人利润上升失业者会觉得技术在倒退。同一项技术收益可以被分成闲暇、产出、利润与失业四种不同结果。这取决于制度不取决于生产率。达拉斯联储 2026 年初的研究显示22-25 岁、从事 AI 高暴露职业的年轻人就业率下降了13%。J.P. Morgan 发现美国大学毕业生失业率升至5.8%四年多来最高而且罕见地开始高于全体劳动力总失业率。Block 金融支付公司 2026 年 2 月宣布裁员 40%同期上调全年利润指引。60% 的人力完成了超过原有水平的产出。Pinterest、CrowdStrike、Chegg 相继出现类似模式。2025 年全年美国至少有 5.5 万个岗位被明确归因于 AI 驱动的效率优化是两年前的 12 倍。这不是AI 没用。这是 AI 的收益正在被分配——只是分配的方向不是多数人期待的那个。真正的问题不是有没有用而是归谁知乎那个问题下面有人写了一句话“人既不能吃信息也不能穿信息。”这句话在 1866 年也成立。那一年跨大西洋电报接通它既没有多种一公斤棉花也没有让货轮跑得更快。但经济史学家 Claudia Steinwender 的研究显示信息传递加快后纽约与利物浦的棉花价差均值和波动都下降了贸易增加估算出的效率收益相当于出口价值的8%。不能吃的信息减少了错误发货、错误定价、无效等待和库存风险最后改变的是实实在在的棉花贸易。所以真正该追问的不是人能不能吃信息而是谁拥有模型、数据与算力谁决定节省下来的时间怎样分配谁承担幻觉和失业的成本我们能不能把局部提效变成更低价格、更短工时、更好的公共服务和多数人的真实收入如果这些问题没有答案AI 可能提高生产率却无法兑现为普遍繁荣。那不是生产力幻觉。那是政治经济制度没有把生产力进步转化成人类生活的改善。诺贝尔经济学奖得主 Daron Acemoglu 的谨慎估计是未来十年 AI 给全要素生产率带来的提升不超过0.66%。把难学习的任务算进去可能低于0.53%。这和咨询公司的宣传差得很远。但小于广告不等于等于幻觉。AI 已经在部分信息密集、目标明确、结果可核验的任务中提高了生产率。局部收益穿过企业流程时被人类瓶颈层层折损有效需求决定企业是否扩产竞争与劳动制度决定收益归谁统计制度决定我们最后能看见多少。四年不够。电力用了四十年IT 用了二十四年。AI 正在黑暗隧道里但隧道有出口——前提是我们愿意在到达出口之前先解决分配问题。