AI 无处不在，却不在 GDP 数据里——什么会触发拐点

Trendingnow1马克·扎克伯格称超过1000万人使用了Meta的Muse——需求如此之高，他不得不让Stripe提高信用额度2扎克伯格告诉Meta董事，他可能会离开加州，在那里他可能因财富税损失数十亿美元。Meta以一个新的股票类别作为回应3“我是百万富翁，我自豪地租房”：Mrs. Dow Jones说美国梦需要重新思考1马克·扎克伯格称超过1000万人使用了Meta的Muse——需求如此之高，他不得不让Stripe提高信用额度2扎克伯格告诉Meta董事，他可能会离开加州，在那里他可能因财富税损失数十亿美元。Meta以一个新的股票类别作为回应3“我是百万富翁，我自豪地租房”：Mrs. Dow Jones说美国梦需要重新思考评论经济AI无处不在，唯独不在GDP数据中——以下是触发拐点的因素作者：Stephen MesserStephen Messer作者：Stephen MesserStephen Messer2026年10月23日，美国东部时间上午6:30生产率J曲线：可衡量的生产率先下降。真正的生产率在底层复利增长。然后曲线出现拐点。来源：Brynjolfsson, Rock & Syverson, "The Productivity J-Curve: How Intangibles Complement General Purpose Technologies," American Economic Journal: Macroeconomics, 2021. 美国人口普查局CES工作论文25-27，2025年，证实了早期工业AI采用中的J曲线在Google上添加Fortune以获取类似内容。

大约一年半前，我受邀参加国外的一场活动，与来自世界各地的一些极其知名的创始人相聚。三天的对话围绕技术以及技术所触及的一切展开。非常棒。推荐视频

在一次关于AI的分组讨论中，我们一群人开始交流心得。房间里的大多数人认识Collective[i]已有多年。有些是客户。有些是投资者。有些是友好的怀疑者，他们看着我们构建了某种不符合标准科技叙事的东西，直到AI成为焦点。现在我们正处于AI大众革命的起点，每个人都有疑问。我们一直在构建的规模、采用的速度以及收入的增长终于大到足以让怀疑者反过来询问如何参与。

关于那个房间，有一点要说。他们每一个人都在早期错过了AI。每一位伟大的风投和每一位伟大的创始人都错过了。在科技圈，如果你错过了一场革命，你就不在圈内，所以你会拼命伪装，寻找一种曾经早期参与的方式。Andreessen Horowitz参与最近的OpenAI融资轮就是一个很好的例子。那些轮次在2024年末估值为1500亿美元，然后在2025年3月为3000亿美元，然后在2026年3月为8520亿美元。那是写在风投信头上的后期私募股权。我不确定其中任何一部分还能算作风投。

房间里充满了那种能量。每个人都在谈论AI有多伟大，以及它将多快地改变世界。我问了一个问题。如果AI就是房间里每个人刚才所说的那样，为什么我们没有看到通胀下降？为什么GDP增长没有飙升？这些在数据中体现在哪里？

他们看我的眼神像在看一个叛徒。那时那个房间里的每个人都自称是AI人士，而当我提问时，他们每个人都紧张地笑了。如果你晚到了派对，摇旗呐喊是最安全的姿态。任何一丝怀疑都像是你站在十年来最大转变错误一边的证据。我在Collective[i]基于人们现在称之为AI的东西构建了十年，所以我不在乎这个问题会如何被接受。我还是问了。

我认为这正是每个人都应该问的问题。一项真正改变生活的技术的好处多快流经经济，才是它被采用速度的实际衡量标准。Collective[i]网络所看到的情况表明，答案比几乎任何人预期的都要快。在网络内的企业中，我们看到公司选错了人、采用了错误的方法，却仍然看到修复在数周而非数年内落地。我曾在博客的其他地方写过《无人做出的取舍》，谈到数百万人现在通过大型语言模型获得了医生、律师或导师的帮助，而他们以前从未有过这些。这对世界很大一部分人口来说是改变生活的转变，而它发生在二十四个月内。

那个被嘲笑的问题也不是新问题。

1987年7月，经济学家Robert Solow写下了宏观经济学史上被引用最多的句子之一。“你到处都能看到计算机时代，唯独在生产率的统计数据中看不到。”又过了十年的计算机投资，美国生产率增长才真正摆脱长期停滞。数据并没有显示出每个人都知道正在发生的事情。

我们现在正生活在同一个悖论之中。AI出现在每一场财报电话会上。它出现在每一份董事会材料里。它出现在每一则招聘广告、每一份产品路线图、每一次咨询提案中。仅2025年一年，企业在生成式AI上的支出就达到300亿至400亿美元。而生产率统计数据却几乎毫无变化。

有一个例外值得点名。数据中心建设正在蓬勃发展，这部分资本支出在GDP中体现为私人非住宅固定投资。它对整体数字有实质影响。2025年，仅超大规模厂商就向数据中心、芯片和电网容量投入了超过3000亿美元，这笔支出在顶线增长数据中发挥着真实作用。把它剔除出去，潜在的增长图景比整体数字所显示的还要平坦。

正确的问题不是为什么。正确的问题是什么时候会改变。因为它确实会改变。如果你知道该关注什么，这个触发点是可衡量的。

我此前那篇《华尔街看不见的万亿美元交易墙》认为，每一条采用曲线都比上一条更短。AI的突破不会像计算机那样花十五年才体现在生产率数据中。它只需要五到八年，原因我在那篇文章中已经阐述。正是这种压缩，使得第三阶段时刻在每一个当前基金的时间视野内都变得可交易。

本文要论证的就是这个触发点，以及它背后的那笔交易。

第一阶段。所有人只是把积压的工作补上了。

在整个Collective[i]网络中，我们在2026年前六个月交付的产品比过去两年加起来还多。这是一个有意义的跃升。它本该让人感觉是一种优势。

除非你住在树下，否则其他所有人也是如此。

软件开发速度几乎在同一时间对每家公司都实现了跃升，这正是它没有为任何一家公司创造有意义优势的原因。每个团队都有无穷无尽的功能、集成、边缘情况和质量改进积压，这些事他们已拖延多年。AI辅助开发、智能体工作流和氛围编程同时落地。积压正在被消化。这对这些产品的用户来说是真正的礼物。对任何构建这些产品的人来说，这并不是新的收入。

同样的模式几乎出现在每一个职能中。写一份营销报告花的时间更少了。于是领导者要求在报告中加入更多内容。构建一个客户细分花的时间更少了。于是细分从每季度重跑一次变成每周重跑一次。起草一份法律审查花的时间更少了。于是法务每周多审五份合同。产出规模扩大了。生产它的成本下降了。GDP对这两件事的衡量都很差，因为国民账户的设计初衷是计算销售单位和劳动工时，而不是所生产之物的质量或丰富程度。

净结果是，这对一切事物的客户来说都是真正的改善。它不是增长信号。

第二阶段。削减成本是默认的第一步。

从一万英尺的高空看，第二阶段和第一阶段看起来一样。公司部署AI。股票分析师听说了这件事。顶线数据中什么也没有出现。

区别在于钱流向哪里。智能体让更少的人完成更多的工作，而几乎所有部署它们的企业都把这种节省指向成本，而不是增长。当一个小团队可以在一个周末用Claude构建出一个可用的CRM版本时，为什么还要付钱给CRM供应商？当智能体可以以四分之一的成本解决同样的工单时，为什么还要配备一线客户支持台？当内部自动化处理同样的业务量时，为什么还要支付BPO合同？

节省成本几乎是每位领导者的默认第一步。我在每一篇关于AI优先转型的文章中都论证过这一点。在《在AI上取胜的公司玩的是另一种游戏》中，我主张赢家会重建。在《成为AI优先意味着什么》中，我给出了操作手册。在《你能用AI做的最安全的举动》中，我解释了为什么谨慎的立场才是昂贵的立场。这个模式是一致的。大多数公司处于削减成本模式。一小部分公司在构建新东西。

证据并不软。麻省理工学院的Project NANDA在2025年研究了300多个企业AI部署，发现95%没有产生任何可衡量的损益影响。另外5%才是真正赚钱的地方。这种分布不是暂时现象。它是一种通用目的技术转型的标准形态。

95%的企业AI部署没有产生任何可衡量的损益影响。另外5%才是钱所在的地方。

经济学家对我所描述的现象有一个名称。埃里克·布林约尔松、丹尼尔·罗克和查德·赛弗森在2018年的一篇NBER论文中将其形式化，该论文于2021年以《生产率J曲线》为题发表在《美国经济杂志》上。他们的论证精确且可检验。当一种通用目的技术到来时，企业会向国民账户无法衡量的互补性无形投资投入大量资金。流程重新设计。劳动力再培训。数据基础设施。组织重组。

这些投资是真实的。它们在官方生产率数据中也是不可见的，因为它们被费用化，而非资本化。因此，即使真实生产率在底层不断累积，测得的生率看起来却是持平或下降的。当互补性资本最终落地时，测得的生产率便会飙升。

该论文对计算机时代的估算。在对与硬件和软件相关的无形资产进行调整后，截至2017年底，美国全要素生产率比官方指标所显示的高出15.9%。2025年，美国人口普查局在早期工业AI采用中确认了同样的J曲线模式。企业在重组时会先承受生产率损失。它们随后才会录得收益。

生产率J曲线：测得的生产率先下降。真实生产率在底层不断累积。然后曲线突破。来源：Brynjolfsson, Rock & Syverson，“The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, 2021。美国人口普查局CES工作论文25-27，2025年，确认了早期工业AI采用中的J曲线

我们今天在曲线上所处的位置是低谷的中段。每家公司都在加速其现有流程，并在力所能及之处削减成本。几乎没有一家完成了能在另一端产生累积收益的重组。

同样的曲线，每一次都是如此

怀疑者讲这个故事已经讲了一百年。经济历史学家保罗·戴维在1990年写了一篇任何为AI生产率建模的人都应该读的论文。这篇题为《发电机与计算机》的论文中，戴维追溯了电力如何花了大约四十年才体现在工厂生产率中。发电机装好了。电线铺好了。生产率却没有到来。缺失的是工厂的物理重组。蒸汽动力工厂围绕一根中央轴建造，用皮带驱动各台机器。电力工厂只有在整个车间围绕分布式电机重新设计——每台机器一个电机，按照实际生产流程布局——时，才能以满效率运转。工厂主花了四十年才实现这种规模化的重组。当他们做到时，美国劳动生产率增长在一代人的时间里翻了一番。

计算机也有同样的滞后。索洛在1987年写下了他那句话。美国测得的生产率增长最终在1990年代末加速。从技术无处不在到生产率可见，这大约有十五年的差距。

来源：Paul David，“The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review, 1990。Robert Solow，New York Times Book Review，1987年7月。Brynjolfsson, Rock & Syverson (2021) 的J曲线估算应用于当前的AI采用周期。

滞后是真实的。滞后也在每个周期中变得越来越短。我在《在AI上取胜的公司玩的是另一种游戏》中提出了这一论点。每一波新的基础设施都建立在上一波之上，这意味着重组不必从零开始构建。如果电力花了四十年，计算机花了十五年，那么AI很可能接近五到八年。有趣的问题是，在这个窗口期内，触发点何时会被点燃。

突破是递归的。这正是它不同之处。

此前每一种通用目的技术都是线性的。电力让每个现有流程都稍微更高效一点，一次一台机器。计算机让每次现有计算都稍微更快一点，一次一个部门。AI在一个特定方面不同。它会累积。

一个帮助工程师更快交付代码的AI系统，被用来构建下一个帮助工程师更快交付代码的AI系统。一个运行销售工作流的AI智能体，被用来构建下一个运行更好销售工作流的AI智能体。构建工具的工具就是工具。当一个组织越过其自身产品正被自身产品递归构建的那个点，生产率数学就不再像J曲线，而开始像曲棍球棒。

这不是理论。它此刻正在恰好一家公司以真实规模发生，值得仔细研究。

Anthropic实现了突破。在公司的一侧。

2026年5月，Anthropic披露，合并进其生产代码库的代码中有超过80%是由Claude编写的，而2025年2月Claude Code推出时这一比例仅为个位数。该公司工程师现在每季度交付的代码量约为2024年的8倍。在2026年6月一篇题为《当AI构建自身》的论文中，Anthropic警告称，这一递归循环从科幻走向运营现实的速度比公司自身预期的还要快。打造Claude Code的Boris Cherny已公开表示，他本人已有五个月没有亲手写过一行代码。

Anthropic首席产品官、Collective[i]顾问Mike Krieger用一句话做了总结。Claude现在正在编写Claude。这就是产品侧的突破时刻。AI正在构建AI。

现在看看公司的其余部分。

Anthropic自家的客户博客介绍了Jared Sires，他是一位初创企业客户经理，2024年加入销售团队时没有任何编程背景。他的客户簿增长到700个账户。他白天要打十到十五通客户电话。他的夜晚一直持续到晚上九点或十点，处理收到的邮件。他开发了一个名为CLAFTS（Claude Drafts的缩写）的Gmail应用，利用Claude API以他的口吻起草回复。这每天为他节省两到三个小时。他在Slack上分享后，销售组织中的其他人在二十四小时内就采用了它。

这就是交付Claude的公司。这家公司自己的产品在工程侧已有80%是递归的。它的销售代表们却在夜里用Google Apps Script各自编写个人Gmail脚本，只为应付一个收件箱——而同一家公司的AI优先版本一年前就该把它自动化了。

这里面还有第二层教训。对拿着锤子的人来说，世界看起来就像一颗钉子。Anthropic拥有世界上最好的锤子之一，而他们恰好也是这把锤子的制造者。这正是陷阱所在。它的销售团队试图用公司所销售的工具来解决眼前的所有问题，而这个工具是一个语言模型。语言模型在起草文本方面极为出色。它们不是用来拿700个账户对照一组销售管道数据来定价的工具，也不是用来建模这些账户中哪些最有可能在下季度成交的工具。那是另一种模型做的事。一种关于世界实际如何做生意的经济模型。

我在之前几篇文章中已经论证过这一点。在《下一台计算机是活的》中，我论证了所有AI都是狭义智能，用单一模型处理一切从定义上就是错误的架构。在《智能栈》中，我列出了设备清单。获胜的架构是一组狭义智能的栈，各自指向自己擅长的领域，并通过一个知道何时该用哪一个的框架来协调。Anthropic的产品侧只有一个大脑。这对工程来说足够了，因为工程在很大程度上是一个文本生成问题。Anthropic的收入侧需要多个大脑，而目前还没有。这就是为什么它的销售团队还在用Google Apps Script。

来源：Anthropic Institute，《当AI构建自身》，2026年6月，产品侧指标。Anthropic客户博客，《一位Anthropic销售如何用Claude Code重建其团队工作流》，2026年，Jared Sires与CLAFTS的故事。

这个差距就是J曲线下探从一家公司内部看的样子。产品侧已经突破。上市推广侧尚未起步。两者同处一个屋檐下，共享同一份股权计划，使用同一款产品。

越来越多的公司已经在收入侧运行同样的递归，而且这份名单正在快速变长。每个季度，都有更多组织跨过同一道门槛，将注意力从AI在工程内部能做什么，转向它在其他每一个职能中能做什么。Collective[i]网络正处在这一转变的中心，实时观察它在越来越多参与企业中发生。突破不再局限于工程。它正在同一批组织的收入团队、财务团队和运营团队内部发生。任何职能，只要其工作可以指向一个关于其底层业务的恰当模型，而不是一个通用语言模型，就开始像Anthropic的工程部门一年前那样复利增长。

这些收入团队内部的具体情况很重要。如今运行这一模式的大型B2B组织，每天早晨打开一份按优先级排序的账户清单，它来自一个关于买家在整个市场中行为的实时经济模型。信号来自并行观察到的数百万次购买旅程。他们的预测也基于同一个模型运行，并随着世界的变动而更新。他们为新客户经理做的入职培训只需数周，而不是数个季度。这些组织里没有人在夜里编写个人Gmail脚本来应付收件箱。

收入侧看起来与Anthropic内部交付的东西如此不同，原因在于架构。不是更大的语言模型。而是一个不同的模型，坐落在一组狭义智能的栈中，各自指向销售流程的每一部分。经济模型告诉语言模型，700个账户中今天哪一个值得写信。没有它，语言模型就是一种非常昂贵的方式，用来更快地给错误的人写邮件。

这一切都不是对Anthropic的批评。这恰恰是一家早期突围公司的样子。对这笔交易而言，重要的是当同样的递归从工程领域扩展到其他所有职能时会发生什么。

触发点。究竟是什么点燃了这条曲线。

触发点不是某个单一事件。而是企业把AI瞄准的目标发生了变化。

第一阶段是消化积压。第二阶段是削减成本。第三阶段——也就是点燃曲线的那一阶段——是当领导者不再问“我怎样才能用更低的成本做同样的事”，而是开始问“如果我能做十倍的事，我会建什么”。

十倍多的客户。十倍多的产品。十倍多的市场。十倍多的实验。当这些问题的答案不再是“多招人”，而是“多派智能体去做”时，增长就体现在营收上，而不是利润率上。那一刻，被计量的GDP才开始追上现实。

MIT NANDA的数字就是线索。95%为零，5%带来变革。那5%正是第三阶段的前沿。你要追踪的是这5%是否会增长到15%，然后30%，然后50%。当它做到时，J曲线就会断裂。

我对时点的诚实判断是：到2027年底，这5%会变成20%；到2029年底会变成50%。这落在当前每一个基金的存续期内。

一旦触发点点燃，生产率突破不会在世界各地均匀分布。它会跟随算力，也会跟随人口结构。

本系列的上一篇文章《华尔街看不见的万亿美元交易墙》论证道，台湾地区的中断可能将全球算力需求集中到美国，就像二战后电信产业在美国整合一样。即使没有台湾地区事件，算力建设也已经以美国为中心。美国和中国是仅有的两个按所需规模进行了投资的经济体。其他国家都在旁观。

在两者之间，美国更有条件将这一突破转化为增长。中国面临两个美国没有的结构性逆风。第一个是人口结构。中国劳动年龄人口在2013年达到峰值，此后逐年萎缩。AI生产率提升必须先克服本已下降的劳动力池，才能转化为人均收入增长。第二个是中国经济的形态。制造业、农业和个人服务业在中国就业中所占比重高于美国，而AI在这些类别中的推进速度慢于知识型工作。中国在其经济规模较小的领域获得生产率提升，却在其经济规模最大的领域错失这些提升。

欧洲是一个经济体错过通用技术转型时会发生什么的前瞻指标。2008年至2023年间，美国GDP名义增长87%，而欧盟增长13.5%。按人均计算，欧盟人均GDP从2008年相当于美国水平的76.5%降至2023年的50%。关于欧洲竞争力的德拉吉报告将生产率列为主要原因。这一差距是在计算机生产率突破的后半段拉开的，而美国比欧洲更有效地将其转化。如果AI沿同一轴线展开，分化会加快，而不是放慢。按当前增长率，美国人均产出翻倍需要二十年，欧盟则需要四十三年。

对这笔交易而言，这改变了头寸的地理分布。对第三阶段突破的最佳敞口是在美国算力上运营、由愿意围绕智能体重组而非优化现有组织的领导者经营的美国上市公司。这份名单比标普500窄得多。它不是整个市场，而是其中特定的一小片。

投资者目前以前沿实验室收入为AI基础设施定价（正如我在上一篇文章中所讨论的），并以增量利润率改善为AI软件赢家定价。这两种框架都完全停留在第一阶段和第二阶段之内。两者都没有为第三阶段突破定价。

如果你接受这一论点，这笔交易很简单。

做多那些正从削减成本转向建设的公司。做空那些仍困在消化积压中的公司。关注这个内部指标：“我们的新增收入中有多大比例来自采用AI之后构建的产品。”当一家真实运营公司的这个数字超过20%时，该公司就已跨入第三阶段。在我看过的任何可比对象中，市场都尚未将这一转变定价。

95%这个数字不会一直停留在95%。当它变动时，一切会同时变动。泡沫与真实的争论会戛然而止，另一场争论则会开始。

这笔交易是否奏效，归结为AI其他一切也都归结为的同一个变量。你相信爬坡会被压缩，还是相信它还需要二十年。如果你相信压缩，第三阶段交易就是当前定价为零的阿尔法。

接下来是什么

《人工常识》的每一篇文章都选取市场视为共识的某个东西，并揭示它遗漏了什么。

如果这篇文章改变了你对AI生产率差距的思考方式，请把它转发给一个需要读它的人。你公司的一位投资组合经理。你投资委员会里的某个人。一位管理成长型股票基金的朋友。你圈子里某位仍在试图把AI热潮与GDP数字对上号的特定决策者。论点就是这样传播的。一位读者告诉另一位读者。

如果你想争论，请回复。每一封我都会读。当读者反驳时，文章会变得更锋利。

最受欢迎