泉源：天下杯决赛上演貌寝一幕作者： 林珍瑶：

从立异到生产力爆发的“时滞”：信息通讯手艺革命给AI时代带来的主要教训

AI带来的生产率提升可能是真实的，，，，，，但它进入宏观数据的速率，，，，，，未必会切合市场最乐观的时间表。。。信息通讯手艺革命的履历显示，，，，，，新手艺从商业化、投资扩张到生产率爆发，，，，，，往往保存显著时滞。。。

据追风生意台，，，，，，高盛美国经济研究团队的Elsie Peng在7月1日宣布的研究中写道，，，，，，“我们预计AI将在未来十年显著提振生产率增添。。。”这一定调意味着，，，，，，AI的焦点变量不但是能否提升效率，，，，，，而是提升何时被宏观统计确认。。。

要害问题正在从“AI是否有用”，，，，，，转向“AI何时转化为可视察的生产率增添”。。。企业和实验层面已有不少效率改善证据，，，，，，但宏观数据通常要等企业完成流程重构、员工培训和组织调解之后，，，，，，才会最先体现。。。

信息通讯手艺，，，，，，简称ICT，，，，，，提供了一个主要参照。。。个人电脑在1981年前后商业化，，，，，，ICT投资自上世纪80年月初最先上升，，，，，，但美国生产率真正加速要到90年月后半段，，，，，，滞后约15年。。。AI可能更快，，，，，，但不会自动跳过组织磨合这一关。。。

ICT的焦点教训：投资先行，，，，，，生产率滞后

上世纪80年月初，，，，，，个人电脑商业化引发ICT立异潮。。。突破性ICT专利人均数目在80年月末、90年月初一连上升，，，，，，ICT投资也从80年月最先显着增添。。。专业服务、批发商业、运输、金融等行业较早加大投入。。。

但生产率并未同步上行。。。

行业面板测算显示，，，，，，ICT投资占资源存量的比例每提高1个百分点，，，，，，最初四年对测算生产率增添反而有小幅负孝顺。。。正向影响约莫要到第8年才变得清晰，，，，，，第12年周围密达峰值，，，，，，约为0.6个百分点。。。

这就是新手艺扩散中的“J曲线”：企业先投入装备，，，，，，调解流程，，，，，，肩负磨合本钱，，，，，，然后才可能释放效率。。。尤其当手艺改变的是信息流、决议方式和员工协作方式时，，，，，，统计数据里最先泛起的往往是本钱，，，，，，而不是产出。。。

三个拖慢因素：本钱、网络效应与无形资源

ICT生产率迟到，，，，，，首先与本钱有关。。。半导体和通讯装备价钱在80年月维持高位，，，，，，直到90年月竞争加剧、羁系转变推动市场开放后，，，，，，本钱才最先显着下降。。。1996年美国电信法推动通讯装备市场竞争，，，，，，芯片领域竞争者增添，，，，，，也压低了要害组件本钱。。。

其次是网络效应。。。；；；；；チ⒁贫ㄑ兜仁忠，，，，，，在用户规模抵达临界点之前，，，，，，单个用户获得的价值有限。。。美国互联网和移动电话等ICT应用的普及率在90年月后半段越过拐点后，，，，，，生产率提升才更容易释放。。。

更要害的是无形资源。。。企业需要重做流程、再培训员工、调解组织结构、建设软件和数据系统。。。测算显示，，，，，，每1美元ICT硬件投资，，，，，，至少需要特殊1.7美元配套无形投资。。。其中约三分之二投向软件和数据库，，，，，，其余投向劳动力组织重构。。。

这一点对AI尤其主要。。。GPU、数据中心和模子能力容易被市场视察到，，，，，，但组织刷新不显眼。。。历史履历显示，，，，，，后者往往决议生产率何时真正进入账面。。。

AI可能更快，，，，，，但不会没有摩擦

AI与ICT相比，，，，，，一个主要差别是本钱曲线。。。AI模子使用本钱下降速率显着快于昔时个人电脑价钱下降。。。虽然部分美国前沿模子近期提高了名义价钱以扩大利润率，，，，，，但竞争压力和底层算力本钱下降，，，，，，可能限制一连涨价空间，，，，，，整体token价钱路径更可能趋于稳固。。。

AI对网络效应的依赖也弱于通讯类手艺。。。企业内部安排AI工具，，，，，，纷歧定要等全行业或全社会同时接纳，，，，，，才华获得局部效率提升。。。这使AI有时机比ICT更早体现在生产率数据中。。。

但慢变量仍然保存。。。企业必需重做事情流程、培训员工、调解岗位分工和组织结构。。。AI相关硬件投资占总资源存量的比例，，，，，，上升速率已经快于昔时ICT建设周期；；；；；；但以加入重组活发动工薪酬占比权衡的事情流程重构投资，，，，，，现在看起来较慢。。。

同时，，，，，，官方统计可能低估了企业正在举行的组织刷新。。。亚特兰大联储一项企业视察体现，，，，，，2026年AI相关无形资笔僻出约为2800亿美元。。。；；；；；诠臼莸墓浪阆允，，，，，，美国AI转型相关劳动力本钱可能抵达每年1500亿美元，，，，，，高管时间分配对应的组织资源投资约每年400亿美元。。。

早期信号或来自四类行业

寻找AI生产率的早期宏观信号，，，，，，不可只看整个经济体。。。更可行的路径是先视察数字化基础高、AI袒露度高、事情使命更容易被自动化或增强的行业。。。

报告给出的框架包括四类指标：既有IT袒露度、AI接纳率、AI袒露度，，，，，，以及2022年以来事情重组强度。。。按这一框架排序，，，，，，靠前行业包括信息与数据处理、专业服务、影戏与声音相关行业、包管、信贷中介、盘算机和电子制造。。。

其中，，，，，，信息与数据处理平均得分1.97，，，，，，专业服务为1.48，，，，，，影戏与声音相关行业为1.21，，，，，，包管为1.09，，，，，，信贷中介为0.98，，，，，，盘算机和电子制造为0.97。。。

若合并到更大的行业视察口径，，，，，，信息、专业服务、包管和金融最值得优先跟踪。。。这些行业既有更高数字化基础，，，，，，也有更多可被AI自动化或增强的事情使命。。。

但判断时需要审慎。。。这些潜在受益行业已往几十年原来生产率体现就更强。。。未来若是继续跑赢，，，，，，不可简朴归因于AI。。。更要害的是，，，，，，它们是否相对自身历史趋势泛起新的加速。。。

市场应盯住三条主线

第一是本钱。。。只要模子使用价钱和算力本钱继续下行，，，，，，AI扩散阻力就可能小于ICT时代。。。

第二是组织资源。。。企业是否真正重做流程、岗位和数据系统，，，，，，比纯粹采购AI工具更主要。。。ICT革命已经证实，，，，，，只买装备并缺乏以带来生产率爆发。。。

第三是行业生产率拐点。。。信息、专业服务、包管和金融若率先泛起逾越历史趋势的生产率提升，，，，，，才更可能成为AI进入宏观数据的早期证据。。。

不过，，，，，，行业级生产率数据自己保存宣布滞后。。。即便AI已经在微观层面爆发效率收益，，，，，，宏观统计确认也可能还要数年。。。ICT革命给AI时代的最大提醒是：手艺突破可以很快，，，，，，生产率兑现通常更慢。。。