Stripe经济研究团队今日发文探讨美国生产率增长近期企稳走强的态势，以及人工智能在其中所能发挥的潜在作用。

核心概要： 当前美国大概率正处在一段高生产率周期，但截至目前，拉动增长的核心动因并非个体层面效率提升，而是企业将现有资本的使用强度拉满、超负荷运转存量资产。

——————————

学术界多项研究逐步达成共识：人工智能能够在微观层面（具体工作任务、职场劳动者、单个企业）带来实实在在的生产率提升。这类结论极具说服力，原因在于相关研究大多基于早期版本AI模型完成；倘若采用新一代大模型，提振效果势必会更加显著。

与此同时，美国宏观层面（整体总量）劳动生产率增速大幅走高，显著超越长期历史趋势：过去一年内增速达2.5%，而20年长期均值仅为1.6%。

研究团队运用马尔可夫区制转换模型测算美国生产率走势，这是经济学家用以划分经济数据不同运行阶段的统计工具。模型结果显示，美国当下正处于高生产率运行区间，但该阶段能够维持多久尚且无法确定。

人们很容易顺理成章地将两种现象关联起来：AI提升了劳动者个体的微观生产效率，诸多个体效率改善汇聚起来，最终推高了宏观整体生产率，事实果真如此吗？

实则不尽然。第一，如果宏观生产率上涨由人工智能驱动，全要素生产率（TFP）理应同步提速。全要素生产率被经济学界视作纯粹的技术进步与效率提升指标，但旧金山联邦储备银行、美国劳工统计局近期测算得出的全要素生产率数据均表现疲软。

第二，近三年各行业AI普及程度虽能微弱对应行业生产率提升，但这套关联逻辑，同样可以微弱解释疫情爆发之前的生产率走势——可疫情前根本不存在大规模AI应用。一旦剔除疫情前增长基数的干扰变量，AI与当下宏观生产率增长之间便不再存在任何相关性。

既然AI实实在在提升了微观生产效率，却尚未体现在整体宏观数据中，背后缘由是什么？一种合理解释是：AI虽加快了单项工作的处理速度，但企业尚未完成配套架构调整，无法打通下游环节瓶颈，难以把零散的效率增益转化为全社会整体产出提升。

可这依旧无法回答：美国整体劳动生产率为何现阶段持续上行？旧金山联储测算数据表明，2024年生产率上涨依托全要素生产率拉动，但2025年及之后的增长，根源在于资本利用率提升：企业不断透支使用存量固定资产（例如拉高GPU算力运转时长）。

顺带一提，这份结论并非唱衰人工智能前景。微观维度的效率研究成果前景向好，随着新一代模型落地迭代优势会进一步放大；一如历次重大技术变革周期，企业后续会逐步重构组织架构、理顺流程，彻底释放AI带来的效率红利。

只不过现有数据暂时无法证实：AI带来的微观效率提升，已经稳固、显著地兑现至国家宏观经济层面。现阶段生产率走高的核心原因，是企业不断深挖现有基础设施的运转上限，很大程度上也是为了适配日益增长的AI算力需求。