张瑜系华创证券首席经济学家、中国首席经济学家论坛成员

焦点看法

本文将通过文献综述，，，讨论AI能否带来生产率提升？？？？

① AI属于什么类型的手艺前进？？？？历史上的科技前进保存差别类型，，，对生产率的影响也差别。。。。。学术界普遍以为AI切合通用手艺的特征，，，能在长周期推动生产率增添。。。。。而客观数据也显示，，，2023年以来美国劳动生产率已泛起提升。。。。。

② AI能否带来生产率的恒久提升？？？？保存两派看法。。。。。一派看法以Gordon为代表，，，以为在第二次工业革命以后的新手艺普遍难以带来长期的生产率提升；；；；；另一派看规律以“索洛生产率悖论”、J曲线效应为代表，，，以为信息手艺、AI手艺作为通用手艺，，，能够在恒久带来生产率提升，，，只不过在手艺生长早期对生产率的影响并不显著，，，主要原因在于时滞效应、资源错配、丈量误差等。。。。。

③ AI何时才华带来生产率提升？？？？现在的研究普遍展望，，，AI对生产率提振效应最显著的时期大致在2030年前后。。。。。

④ “AI生产率悖论”怎样影响钱币政策？？？？学界普遍以为钱币政接应更关注转型时期的经济结构转变、更重视企业微观视察数据（它们比宏观数据更早看到转变），，，钱币政策需维持相对宽松以支持新手艺的扩散。。。。。

报告摘要

1、AI属于什么类型的手艺前进？？？？

历史上的科技前进保存差别类型，，，如“灯胆型”手艺、“发电机型”的通用手艺、“显微镜型”的“发明要领的发明”。。。。。而AI兼具通用手艺与“发明要领的发明”的双重属性。。。。。一方面，，，AI具备通用手艺的普遍特征（手艺在经济各部分普遍扩散；；；；；手艺随时间一连刷新；；；；；手艺能够催化立异），，，另一方面，，，AI作为“发明要领的发明”，，，能够优化组织结构、提升研发效率、催生新的谋划模式。。。。。

2023年以来美国劳动生产率已泛起提升。。。。。从总量体现看，，，美国劳动生产率已显著高于疫情前的趋势水平。。。。。从生产率的孝顺结构剖析来看，，，2023年至今，，，生产率提升主要由资源深化（从0.3pp升至0.9pp）和劳动质量提升（从0.2pp升至0.4pp）驱动，，，而全要素生产率的提升仍然较为温顺。。。。。

2、AI能否带来生产率的恒久提升？？？？

这一问题保存两派看法。。。。。一派看法以Gordon为代表，，，以为在第二次工业革命以后的新手艺普遍难以带来长期的生产率提升，，，即新手艺对生产率的提升效益在放缓。。。。。

Gordon（2000）是这一看法最经典的文献之一，，，通过比照1870–1970年第二次工业革命（电力、内燃机、自来水、抗生素、电信等）与信息革命的影响，，，以为前者从基础上重构了生产与生涯，，，而信息手艺主要影响娱乐、信息和相同领域，，，对生产效率的边际拉动远小于前者，，，因此无法支持恒久的高生产率增添。。。。。

目今也有一部分研究支持Gordon的看法，，，以为AI可能同样难以带来恒久生产率的提升，，，原因在于：教育水平已触及平台期；；；；；互联网革命的渗透广度远非目今AI可比；；；；；AI创立的是“信息”而非“能源”，，，在物理上不具备生产力等。。。。。

另一派看规律以“索洛生产率悖论”、J曲线效应为代表，，，以为信息手艺、AI手艺作为通用手艺，，，能够在恒久带来生产率提升，，，只不过在手艺生长早期对生产率的影响并不显著，，，主要原因在于时滞效应、资源错配、丈量误差等。。。。。

①时滞效应：通用手艺释放生产率需要周期

所谓时滞假说，，，是指蒸汽机、电力、半导体这类通用手艺，，，由于需要配套的组织厘革、人力资源积累和手艺扩散，，，因此其生产率盈利必定会履历较长的释放周期，，，而非连忙兑现。。。。。生产率J曲线理论则是对时滞假说的定量诠释。。。。。

针对AI何时能带来生产率的提升，，，时滞效应正是现在学术界的主流看法。。。。。学者普遍以为，，，由于AI属于通用手艺，，，因此也切合通用手艺的时滞效应特点。。。。。只有在前期AI投资渗透到全工业链，，，同时企业基于AI手艺重新设计生产与谋划逻辑、而非在原有营业框架内简朴叠加AI工具（类比在铁路革命时代在铁轨上驾驶马车），，，才会带来更显著的生产率提升。。。。。

而基于微观视察也能看到AI目今保存的时滞效应。。。。。McElheran et al.（2025） 视察了美国制造业企业使用AI的微观数据，，，发明在使用AI初期，，，AI指数（作者体例的权衡企业使用AI强度的指标）每提升一个标准差，，，制造业企业的全要素生产率下降1.33个百分点；；；；；不过2017年已接纳AI手艺且延续至2021年的企业，，，其生产率的增添速率显著高于未接纳AI的企业。。。。。

②资源错配：生产率提升集中在头部企业

新手艺收益可能集中于少数“超等明星”企业，，，导致整体宏观生产率未提升。。。。。资源错配在AI领域，，，也获得了大宗微观企业与行业层面的数据验证。。。。。

?ak?r Melek & Miller（2026）研究以为：从结构特征看，，，本轮生产率回升尚不具备普遍的行业基础，，，生产率的增添主要集中在特定细分领域（如数据处理与托管业、盘算机系统设计业等），，，并非全行业普遍提升。。。。。

Brynjolfsson et al.（2023）使用来自5179名客服职员的数据，，，发明AI能够带来整体生产率提升14%，，，但结构上对新人和低手艺员工的生产力提高了34%，，，而对履历富厚和高手艺员工的影响甚微。。。。。

2026年美英德澳四国央行联合视察也显示，，，规模更大、劳动生产率更高、员工平均薪资水平更高的企业，，，AI落地概率显著更高；；；；；行业维度上，，，金融、信息通讯、专业科研服务业AI普及率领先，，，响应行业的生产率提升预期也最强，，，泛起高度的行业分化。。。。。

③丈量误差：保存但影响有限

由于国民经济核算要领不可实时适配新手艺，，，会在手艺生长早期泛起统计误差。。。。。研究以为，，，一则，，，由于目今的核算要领无法充分核算无形资产、AI服务的价值，，，因此会低估AI对生产率的影响。。。。。二则，，，当企业通过API、云服务订阅等方式使用AI时，，，这些支出被记为中心消耗，，，而非资源形成，，，这会通过“产出渠道”（高估了中心投资、压低增添值）和“投入渠道”（低估资源投入）影响劳动生产率的测算。。。。。

3、AI何时才华带来生产率提升？？？？

历史研究以为，，，通用手艺对生产率的滞后效应可能在10-40年，，，且从蒸汽机到信息手艺，，，滞后时长在一直缩短。。。。。现在的研究普遍展望，，，AI对生产率提振效应最显著的时期大致在2030年前后。。。。。

4、“AI生产率悖论”怎样影响钱币政策？？？？

由于在第一次和第二次工业革命时代全球实验金本位制，，，因此对这一问题的研究大部分围绕格林斯潘时代的履历睁开。。。。。从研究结论来看，，，普遍以为央行应更关注转型时期的经济结构转变、更重视企业微观视察数据（它们比宏观数据更早看到转变），，，钱币政策需维持相对宽松以支持新手艺的扩散。。。。。

风险提醒：本文仅系统整理学术界关于新手艺对生产率影响的种种研究视角与理论效果，，，相关议题在学术领域保存多元看法与讨论，，，本文不做态度判断与看法取舍。。。。。

报告目录

报告正文

一、AI属于什么类型的手艺前进？？？？

历史上的科技前进保存差别类型，，，也具备对生产率的差别影响。。。。。因此在讨论AI会怎样影响劳动生产率的转变前，，，我们需要先明确AI事实属于哪一类型的科技前进。。。。。这一问题上，，，学术界普遍以为AI切合通用手艺的特征，，，能在长周期推动生产率增添。。。。。而客观数据也已显示，，，2023年以来美国劳动生产率已泛起提升。。。。。

（一）AI切合通用手艺的特征

Baily et al.（2025）[1] 判断AI兼具通用手艺与“发明要领的发明”的双重属性。。。。。作者引入三类手艺立异的剖析框架：①“灯胆型”手艺，，，仅在普及阶段短暂拉动生产率增速，，，市场饱和后增添效应消退；；；；；②“发电机型”的通用手艺，，，具备普遍普及、发动大宗衍生立异、焦点手艺一连前进三大特征，，，能在更长周期内推动生产率增添；；；；；③“显微镜型”的“发明要领的发明”，，，通过优化视察、剖析、相同、组织环节提升研发效率，，，可一连释放增添动力。。。。。

Calvino, Haerle, & Liu（2025）[2] 的研究以为，，，由于AI具备通用手艺的普遍特征，，，因此可以判断AI属于通用手艺。。。。。通用手艺保存3个特征，，，而AI在这三方面均体现亮眼：①普遍性，，，即手艺在经济各部分之间普遍扩散。。。。。AI目今已泛起出扩散潜力，，，目今全球AI专利横跨21个行业领域；；；；；不过现在AI扩散尚处于早期阶段。。。。。②手艺随时间一连刷新。。。。。现在AI在盘算能力和模子性能两方面均在快速前进。。。。。③催化立异，，，手艺能够催生产品和流程立异。。。。。数据显示，，，2010-2020年间美国AI专利，，，凌驾80%在3年内获得了后续专利引用，，，成为后续手艺生长的基础。。。。。

（二）2023年以来美国劳动生产率已泛起提升

从总量体现看，，，美国劳动生产率已显著高于疫情前的趋势水平。。。。。2022年以来，，，美国劳动生产率水平逐渐偏离疫情前基线，，，一连向上攀升。。。。。

Sytsma（2025）[4] 对美国生产率数据的孝顺结构举行剖析，，，较量了2010-2019年和2023年至今两个时期的生产率结构。。。。。劳动生产率由3个部分组成：劳动质量提升、资源深化、全要素生产率，，，2023年至今，，，生产率提升主要由资源深化（从0.3pp升至0.9pp）和劳动质量提升（从0.2pp升至0.4pp）驱动，，，而全要素生产率（TFP）的提升仍然较为温顺。。。。。文献指出：这一特征与通用手艺的扩散历程一致，，，即手艺生长早期，，，资源深化驱动了大部分的生产率增添，，，而效率与手艺提升对生产率的提升孝顺有限。。。。。

二、AI能否带来生产率的恒久提升？？？？

关于互联网革命以来的新手艺能否带来生产率的恒久提升，，，这一问题保存两派看法。。。。。一派看法以Gordon为代表，，，以为在第二次工业革命以后的新手艺普遍难以带来长期的生产率提升，，，即新手艺对生产率的提升效益在放缓；；；；；另一派看规律以“索洛生产率悖论”、J曲线效应为代表，，，以为信息手艺、AI手艺作为通用手艺，，，能够在恒久带来生产率提升，，，只不过在手艺生长早期对生产率的影响并不显著。。。。。

（一）手艺前进放缓论

Gordon（2000）[5] 是这一看法最经典的文献之一，，，通过比照1870–1970年第二次工业革命（电力、内燃机、自来水、抗生素、电信等）与信息革命的影响，，，以为前者从基础上重构了生产与生涯，，，并引发了1913–1972年的生产率增添黄金时代；；；；；而信息手艺主要影响娱乐、信息和相同领域，，，对生产效率的边际拉动远小于前者，，，因此无法支持恒久的高生产率增添。。。。。

Gordon（2024）[6] 在纽约联储的演讲则表达了其对AI的偏气馁看法，，，以为AI可能同样难以带来恒久生产率的提升。。。。。2005年以来，，，美国劳动生产率增速一直障碍在1.2%，，，远低于1950–1972年的2.8%和1995–2005年互联网昌盛期的2.6%。。。。。而AI时代，，，新手艺对生产率的提升保存几大“逆风”：①教育水平已触及平台期，，，完成大学或更高学位的比例见顶回落；；；；；②学生债务、政府债务挤占了生产性资源；；；；；③互联网革命的渗透广度远非目今AI可比，，，这些因素进一步制约了AI手艺对生产率的提升。。。。。

Beaudreau（2025）也支持Gordon的理论，，，他从经典力学、热力学和动力学的框架出发，，，以为生产历程都需要三个要素：质料、能量和信息，，，只有能量在物理上具备生产力，，，信息和质料自己不可做功。。。。。已往两百年的工业革命实质上是“能源革命”，，，但AI实质上是“信息”、且创立“信息”还需要消耗能量。。。。。因此AI难以一连大幅提升生产率。。。。。

（二）手艺前进的“生产率悖论”

1987年，，，诺贝尔经济学奖得主罗伯特·索洛在《纽约时报书评》提出了经典的“生产率悖论”：你可以在任何地方看到盘算机时代，，，唯独在生产率统计中看不到它。。。。。“生产率悖论”形貌了互联网浪潮初期，，，宏观经济保存的矛盾，，，即信息手艺领域的投资高速增添、手艺快速迭代，，，但全社会的全要素生产率增速反而一连放缓。。。。。学术界针对“生产率悖论”征象，，，提出了诸如丈量误差、时滞效应等诠释。。。。。

反观当下，，，目今针对AI对生产率潜在影响的讨论，，，也有大宗研究围绕着“生产率悖论”的角度睁开。。。。。Ajuzieogu（2025）[7] 就从生产率悖论的角度总结了AI对生产率影响保存的问题：①时滞效应。。。。。AI手艺落地到应用遵照“生产率J曲线”纪律，，，即在实验初期会带来短期企业生产率的下降，，，下降源于员工学习本钱、现有流程的重构等，，，以后才会逐渐带来生产率的提升。。。。。②丈量误差。。。。。古板的GDP核算要领脱胎于工业经济框架，，，无法充分核算无形资产的价值，，，例如AI训练用数据的价值大部分未被资源化。。。。。③资源错配。。。。。企业对AI的使用率高度不平衡，，，主要集中在信息手艺、专业服务、金融服务、传媒娱乐等行业，，，因此会稀释对整体生产率的提升效果。。。。。④能力-安排缺口。。。。。实验室中的AI能力与现实生产安排保存显著差别，，，例如信息质量、可靠性、羁系等都可能阻碍AI的现实应用以及对生产率的提升效果。。。。。下面我们将从“生产率悖论”的差别诠释视角出发，，，来总结目今的研究怎样剖析AI对生产率的潜在影响。。。。。

1、时滞效应：通用手艺释放生产率需要周期

所谓时滞假说，，，是指蒸汽机、电力、半导体这类通用手艺，，，由于需要配套的组织厘革、人力资源积累和手艺扩散，，，因此其生产率盈利必定会履历较长的释放周期，，，而非连忙兑现。。。。。这一理论最早由David（1990）[8] 提出，，，该研究以电力革命为参照：发电机从发明到周全重构工厂生产结构、释放全行业生产率盈利，，，距离了近40年；；；；；早期工厂仅用电机替换蒸汽机，，，未改变生产组织形式，，，效率提升微乎其微。。。。。作者以为，，，通用手艺带来的生产率释放具有长周期性，，，从手艺突破到全要素生产率增添峰值通常需要40-50年，，，其生产率效应的释放需要配套的组织厘革、人力资源积累和手艺扩散，，，生产率增添峰值泛起在手艺扩散曲线（描绘新手艺的普及历程：初期渗透缓慢，，，中期加速扩散，，，后期增速回落直至靠近饱和）的拐点之后，，，而非手艺突破初期。。。。。针对AI何时能带来生产率的提升，，，时滞效应正是现在学术界的主流看法。。。。。

Brynjolfsson et al.（2020）[9] 提出生产率J曲线，，，说明晰在通用手艺生长早期，，，统计数据只能计量投资、而难以计量产出，，，由于这些产出主要以无形资产的形式保存（如新营业流程、商业模式等），，，因此会低估新手艺对生产率的影响；；；；；而在通用手艺生长后期，，，早期的无形资产投入最先爆发效益，，，进而带来生产率快速提升。。。。。同时，，，作者研究也以为，，，其时以机械学习、图像识别等为代表的早期AI手艺也保存生产率J曲线的特点。。。。。

Baily et al.（2025）的研究以为，，，①AI同时具备通用手艺与“发明要领的发明”的双重属性，，，这一特征预示其将对生产率水平爆发显著正向影响。。。。。作为通用手艺，，，AI在衍生立异、焦点手艺前进两个维度已有效果，，，但普及度仍有局限，，，非科技行业、中小企业落地进度缓慢，，，因此可能需要更高的普及度才华进一步增进生产率的提高。。。。。作为“发明要领的发明”，，，AI在科研领域已体现出对研发效率的提升。。。。。②AI作为通用手艺，，，其对生产率的提升，，，保存“本钱先行、收益滞后”的时间差，，，即前期需要先投入手艺、人力、基础设施的建设，，，因此会在拉低生产率的增速。。。。。AI手艺也遵照这一纪律，，，目今期投资渗透到全工业链后，，，才会带来更显著的生产率提升。。。。。

Daly（2026）[10] 的研究以为AI手艺属于通用手艺厘革，，，与电力手艺的生长路径相似；；；；；电力手艺从原理突破到生产力释放历时近百年：响应地，，，将AI手艺与电力手艺的生长历程举行比照：20世纪30-50年月涤讪盘算科学基础，，，20世纪90年月实现流程自动化与数据驱动的机械学习应用，，，2022年大语言模子面向公众宣布，，，进入商业应用与普及扩张的要害阶段。。。。。但现在，，，AI尚未进入系统性拉动全经济生产率增添的时期。。。。。目今大都AI应用仅停留在局部流程优化层面，，，尚未实现生产系统与商业模式的根天性重构；；；；；真正的厘革性突破依赖企业基于AI手艺重新设计生产与谋划逻辑，，，而非在原有营业框架内简朴叠加AI工具。。。。。

在微观视察中，，，AI手艺也泛起出一定的“时滞效应”。。。。。

Becker et al. (2025)[11] 、Becker et al. (2026)[12] 一连2年举行代码开发职员视察，，，2025年的视察效果显示，，，开发者使用AI工具后，，，事情时间比不使用时增添了19%——AI反而降低了他们的效率。。。。。但2026年再度开展视察时，，，研究团队发明：选择不加入视察的开发职员数目显著增添，，，由于他们不肯在没有人工智能的情形下事情，，，或也间接反映了AI对代码开发职员生产率的影响泛起显着提升。。。。。

McElheran et al.（2025）[13] 研究基于美国制造业企业的微观数据，，，磨练工业企业AI的普及特征以及对生产率的影响。。。。。其研究以为：①美国制造业企业AI渗透率整体偏低，，，阻止2021年仅约23%的制造业工厂接纳AI；；；；；②制造业企业使用AI保存显著的J曲线特征，，，在使用AI初期，，，AI指数（作者体例的权衡企业使用AI强度的指标）每提升一个标准差，，，制造业企业的全要素生产率下降1.33个百分点。。。。。不过恒久来看，，，2017年已接纳AI手艺且延续至2021年的企业，，，其生产率的增添速率显著高于未接纳AI的企业，，，即恒久来看，，，AI手艺已发动企业生产率进入J曲线的上行阶段。。。。。③短期生产率损失源于生产流程调解本钱与结构化治理能力退化。。。。。

Writer Team（2026）[14] 对企业应用AI举行视察，，，笼罩全球2400名受访者（包括1200名日常使用AI的非手艺员工、以及1200名企业高管），，，视察效果显示：①个体层面，，，97%的企业已安排AI智能体，，，半数员工已日常使用；；；；；深度使用AI的员工，，，生产率可能较通俗员工提升5倍。。。。。②但整体层面，，，仅有29%的企业实现了显著的AI投资回报。。。。。

2、资源错配：生产率提升集中在头部企业

新手艺收益可能集中于少数“超等明星”企业，，，导致整体宏观生产率未提升。。。。。这一方面的经典研究文献为Andrews et al.（2015）[15] ，，，作者使用OECD 23国的数据，，，发明2001-2009年时代，，，全球头部企业的制造业劳动生产率年均增添约3.5%，，，而非头部企业的制造业劳动生产率年均增添仅约0.5%。。。。。其研究以为，，，在2001-2009年时代，，，只管蓬勃国家整体生产率增添放缓，，，但全球头部企业的生产率仍在快速增添；；；；；只不过新手艺在头部企业以外的扩散速率较慢，，，并未发动绝大部分企业生产率的提升。。。。。

以后，，，Autor et al.（2020）[16]在此研究基础上，，，也发明：在全球化与信息手艺前进的大配景下，，，市场竞争变得更“赢家通吃”，，，每个行业里效率最高的头部企业抢走了越来越多的市场份额；；；；；进而导致头部企业在新手艺的加成下劳动生产率增添较快，，，但落伍企业追赶不上，，，导致企业间差别拉大，，，拖累了整体生产率。。。。。

而资源错配在AI领域，，，也获得了大宗微观企业与行业层面的数据验证。。。。。

?ak?r Melek & Miller（2026）研究以为，，，AI带来生产率回升的可一连性保存不确定性，，，其未来走向取决于增添的扩散历程：若是生产率增添能够逐步拓宽行业笼罩规模并恒久一连，，，就足以支持更快的非通胀式经济增添；；；；；若是增添始终集中在少数行业，，，则回升的可一连性将面临挑战。。。。。从数据来看，，，本轮生产率回升尚不具备普遍的行业基础。。。。。只管天生式AI时代的累计生产率孝顺已较疫情前翻倍以上，，，但净增添中的大部分仍由少数行业孝顺。。。。。天生式AI时代孝顺排名前四位的行业依次为零售商业，，，信息业，，，专业、科学、手艺服务业（简称PSTS），，，房地产及租赁业；；；；；信息业，，，专业、科学、手艺服务业内部，，，生产率的增添主要集中在特定细分领域（如数据处理与托管业、盘算机系统设计业等），，，并非全行业普遍提升。。。。。

Brynjolfsson et al.（2023）[17] 使用来自5179名客服职员的数据，，，发明AI能够带来整体生产率提升14%，，，但分化显着；；；；；对新人和低手艺员工的生产力提高了34%，，，而对履历富厚和高手艺员工的影响甚微。。。。。即AI对提升整体生产率确实保存效果，，，不过保存一定的内部分化。。。。。

2026年，，，美国亚特兰大联储、英国央行、德国联邦银行、澳大利亚麦考瑞大学四大研究团队联合开展跨国同程序研[18] ，，，在2025年11月至2026年1月同步举行四国近6000名企业高管举行调研。。。。。焦点结论显示目今绝大部分企业以为AI对就业或生产率无显著影响。。。。。详细来看：①四国企业AI整体普及度较高，，，且普及速率一连提升，，，但企业AI应用保存显著结构性分化：规模更大、劳动生产率更高、员工平均薪资水平更高的企业，，，AI落地概率显著更高；；；；；行业维度上，，，金融、信息通讯、专业科研服务业AI普及率领先，，，住宿餐饮、古板生产制造行业普及滞后。。。。。②阻止调研时点，，，已往三年AI对各国企业就业、生产率的现实宏观影响极其微弱，，，绝大大都企业未感知显着转变。。。。。但企业高管预判未来三年AI将爆发显著经济效应，，，且保存国别与行业分化。。。。。国别上，，，美国企业对AI生产率提升预期最高（2.25%）；；；；；行业上，，，信息通讯、行政配套业生产率提升幅度预期最强。。。。。

3、丈量误差：保存但影响有限

由于国民经济核算要领不可实时适配新手艺，，，会在手艺生长早期泛起统计误差。。。。。Baily & Gordon（1988）[19] 从统计误差的角度诠释了1970年月美国生产率增添放缓的问题。。。。。①盘算机带来的便当性难以统计。。。。。例如盘算机手艺带来超市营业时间变长、商品种类变富厚，，，这些服务改善能让消耗者生涯更便当，，，但统计上只按“产出/劳动小时数”盘算生产率。。。。。②忽视了劳动力质量的转变，，，统计中将一个劳动小时当做同质单位，，，但现实中差别劳动者的“质量”完全差别，，，若新进入者多为低履历、低教育水平的工人，，，可能会压低生产率增添。。。。。不过作者也以为，，，丈量误差只能诠释生产率放缓的一小部分，，，并非焦点原因。。。。。

现在，，，也有部分研究以为，，，AI手艺在使用早期也保存统计上的误差，，，导致其对生产率的影响被低估。。。。。Ajuzieogu（2025），，，Sytsma（2025）在研究中均提到，，，由于目今的核算要领无法充分核算无形资产、AI服务的价值，，，因此会低估AI对生产率的影响。。。。。Bontadini et al.（2026）[20] 也以为，，，目今的国民经济核算系统保存系统性的统计误差，，，导致AI对生产率的影响被低估，，，主要原因在于：①当企业通过API、云服务订阅等方式使用AI时，，，这些支出被记为中心消耗，，，而非资源形成，，，这会通过“产出渠道”（高估了中心投资、压低增添值）和“投入渠道”（低估资源投入）影响劳动生产率的测算。。。。。②现在官方统计中，，，对软件/IT平减指数的估算未能捕获到AI能力的快速提升，，，导致投资价钱被高估、从而低估投资量。。。。。③由于AI上游企业以资源投资为主，，，下游企业使用AI但不被记为投资，，，这也导致了总量的生产率数据更多反映了上游企业特点，，，不具备经济整体的代表性。。。。。不过，，，上述研究也以为，，，只管保存对AI的统计误差，，，但AI能够对生产率爆发多大的影响，，，仍取决于AI手艺在生产中的渗透率。。。。。

三、AI何时才华带来生产率提升？？？？

历史研究以为，，，通用手艺对生产率的滞后效应可能在10-40年，，，且从蒸汽机到信息手艺，，，滞后时长在一直缩短。。。。。现在的研究普遍展望，，，AI对生产率提振效应最显著的时期大致在2030年前后。。。。。

Ajuzieogu（2025）对AI何时能带来劳动生产率提升做出了明确的时间展望。。。。。作者提出了三阶段演化模子。。。。。第一阶段：生产率悖论期（2022-2025年）。。。。。这一阶段的特点是：大宗投资，，，但宏观生产率没有显著提升。。。。。第二阶段：影响展现期（2026-2029年）。。。。。这一阶段的特点是：随着实验知识扩散和互补性投资成熟，，，领先企业的经济回报变得显著，，，行业层面的生产率提升将逐渐展现，，，但总体数据可能仍不完全。。。。。第三阶段：生产率加速期（2030-2035年）。。。。。这一阶段的特点是：AI手艺在经济中普遍扩散，，，最终在宏观统计数据中体现为显著的生产率增添。。。。。

别的，，，作者还展望了差别类别的行业进入生产率加速期的时间。。。。。①快速扩散行业（IT、金融、专业服务）：2028–2029年；；；；；②中速扩散行业（零售、媒体、电信、先进制造）：2030–2031年；；；；；③慢速扩散行业（医疗、教育、交通、修建）：2032–2034年；；；；；④晚扩散行业（古板制造、农业、自然资源）：2035年之后。。。。。

最后，，，作者指出，，，AI能否准期带来生产率加速提升，，，要害取决于企业能否完成组织转型、政府能否建设新的统计框架、以及手艺能否从个体头部企业扩散至更普遍的经济体中。。。。。

Arnon（2025）[21] 测算了AI对未来美国全要素生产率的影响路径，，，其测算显示：①AI对生产率的宏观影响现在尚不显著。。。。。在特定使命中AI能够显著提升效率（如编程速率提高56%），，，但由于许多事情场景AI尚缺乏经济可行性、且企业安排和熟练应用手艺需要时间，，，因此2025年AI对全要素生产率增添的孝顺仅为0.01个百分点。。。。。②而恒久来看，，，AI对生产率的影响将泛起“驼峰型”。。。。。预计随着AI工具被普遍应用及手艺自身的成熟，，，AI对全要素生产率增添的年度孝顺将逐渐提升，，，在2032年抵达0.2个百分点的峰值。。。。。而一旦手艺接纳抵达饱和，，，AI对生产率的拉动将逐步衰减。。。。。

Boussour & Daco（2023）[22] 的研究以为，，，AI对经济的提振将在未来3-5年内感受到（约莫为2026-2028年）。。。。。文章通过历史比照来支持这一展望。。。。。作者以为，，，蒸汽机、电力、盘算机从发明到显著提升生产率，，，划分滞后约80年、40年、20年，，，泛起逐渐缩短的特点。。。。。而AI由于手艺扩散和接纳速率更快，，，预计滞后时间将缩短至3–5年。。。。。同时参考盘算机带来的生产率提升幅度，，，预计AI能在未来10年带来生产率增速提升20%-50%，，，这一增幅虽然显著，，，但可能也缺乏电力所带来的生产率翻倍。。。。。

四、“AI生产率悖论”怎样影响钱币政策？？？？

思量到“生产率悖论”征象的保存，，，会导致AI等新手艺保存一段时间的“高投入、低回报”，，，因此也有部分文献讨论了AI手艺生长配景下，，，钱币政接应该做出怎样的调解。。。。。由于在第一次和第二次工业革命时代全球实验金本位制，，，因此对这一问题的研究大部分围绕格林斯潘时代的履历睁开。。。。。从研究结论来看，，，普遍以为央行应更关注转型时期的经济结构转变、更重视企业微观视察数据（它们比宏观数据更早看到转变），，，钱币政策需维持相对宽松以支持新手艺的扩散。。。。。

Brault et al. (2026)[23] 以为，，，AI会带来经济结构的转变，，，因此钱币政策需要区分经济的结构性调解与周期性波动，，，接纳更为无邪的政策。。。。。详细来说：

①AI可能引发“双速经济”，，，AI扩张部分供应欠缺、价钱上涨，，，可能推高整体通胀；；；；；但这类通胀属于结构性调解，，，而非需求过热信号，，，因此钱币政策不应过早缩短，，，需容忍阶段性通胀以实现资源再设置。。。。。

②钱币政策需要区分结构性错位与周期性疲软，，，作者以劳动力市场为例，，，以为钱币政策需要区分疲弱的劳动力市场指标事实反映的是总需求缺乏（周期性）、照旧手艺引发的再分配（结构性）；；；；；作者提出了4个视察指标来识别结构性错位与周期性疲软。。。。。应对结构性调解，，，钱币政策可以在稳定价钱预期的条件下，，，容纳一定的经济波动，，，指导经济平稳过渡至新平衡。。。。。

Daly（2026）基于AI属于通用手艺厘革的配景，，，提出转型时期的钱币政接应对战略，，，以为：①不可仅依赖生产率、劳动力市场、通胀等总量宏观数据判断经济走势，，，需挖掘细分微观数据捕获手艺厘革的早期信号；；；；；②不保存牢靠的指标系统可用于跟踪手艺转型，，，央行需要能够识别真正具有前瞻性的信息，，，同时发明数据中的纷歧致性并起劲解决；；；；；③企业的一线反馈具有主要价值，，，需要将这类信息纳入钱币政策判断框架。。。。。作者以格林斯潘时代为例，，，以为在1990年月互联网革命初期，，，宏观数据也看不到生产率的显著增添，，，但格林斯潘坚持从企业微观数据和实地走访中寻找信号，，，选择不急于加息，，，最终为“咆哮的90年月”创立了条件。。。。。

Poloz (2019)[24] 提出，，，在第一次和第二次工业革命时代，，，全球实验金本位制，，，无法扩张钱币供应，，，从而诱发了两次经济衰退。。。。。第三次工业革命（1990年月）由于通胀目的制简直立，，，钱币政策得以坚持宽松，，，阻止了深度萧条。。。。。作者复盘了格林斯潘时代应对信息革命的钱币政策决议。。。。。从1995年起，，，美国的潜在产出就一连高于展望值，，，但由于其时的通胀一连低于目的值，，，允许美联储坚持相对宽松的钱币政策，，，允许经济增添“跑起来”，，，这使到手艺转型比前两次工业革命平滑得多；；；；；但价钱是恒久的金融宽松为金融；；；；；裣铝酥肿印。。。；；；；；诖俗髡咛岢隽耸忠绽甯锸逼诘那艺策框架：①允许增添在通胀温顺时"跑起来"，，，从而为被新手艺替换的劳动力创立新的就业时机。。。。。当手艺攻击导致的供应增添凌驾需求时，，，通胀会自然走低；；；；；②将金融稳固纳入钱币政策考量，，，需要宏观审慎工具来抑制资产泡沫和太过杠杆。。。。。

不过，，，Goolsbee（2025）[25] 也指出，，，央行判断新手艺能否带来生产率一连提升是极其难题的，，，作者提出，，，应对这一逆境，，，一则央行需要纳入实地视角，，，关注行业专家、商业首脑和一线从业者的视察，，，由于他们可能比统计数据更早看到转变；；；；；二则央行不可盲目乐观，，，高估AI对生产率的起劲效果，，，防止因对AI远景太过兴奋而引发投资过热与资产泡沫，，，重蹈2001年互联网泡沫的覆辙。。。。。

《预案》包括总则、组织机构、预判预警与值班安排、应急响应、包管步伐、培训演练、预案治理和附件8部分内容，，，作为国家层面部分应急预案，，，适用于自然资源部组织开展的我国统领海域规模内风暴潮(海水倒灌)、海浪、海冰和海啸灾难的视察、预警和灾难视察评估等事情。。。。。