Stanford expert: The U.S. is entering the "AI harvest period," with productivity growth expected to double to 2.7% by 2025

英國《金融時報》（Financial Times）最近發了一篇評論文章，主題很直接：AI 帶來的生產力 “起飛”，可能終於能在宏觀統計裏看見了。

文章作者是埃裏克·布林約爾松（Erik Brynjolfsson），他是斯坦福大學數字經濟實驗室主任，也是一家研究 AI 與組織效率的公司 Workhelix 的聯合創始人，既站在學術研究的一線，也能看到企業真實的 AI 落地情況。

在這篇文章裏，他拋出的核心判斷是：美國可能正在從“AI 投入期” 跨入 “AI 收穫期”。他引用最新經濟數據指出，過去那種 “到處都在談 AI，但生產率數據看不到” 的局面，正在發生變化。

更具體地説，他基於更新後的數據預測，美國2025 年的生產率增速大約會達到 2.7%，幾乎是過去十年 1.4% 年均水平兩倍。如果這一趨勢站穩腳跟，意味着：AI 不再只是 PPT 裏的故事，開始變成 GDP 裏可被計量的效率提升。

宏觀數據給出的信號：產出沒掉，但用工少了

布林約爾松先從一個 “反直覺” 的宏觀修正説起：美國勞工統計局的基準修訂顯示，總薪資就業人數增長被向下修正約 40.3 萬個崗位。同時，美國經濟產出並沒有走弱，實際 GDP 仍然強勁，四季度增速達到 3.7%。

他把這種 “產出高、投入的勞動卻更少” 的組合，稱為生產率增長的典型特徵，並直接寫道：“This decoupling — maintaining high output with significantly lower labour input — is the hallmark of productivity growth.” 即：同樣甚至更多的活兒，用更少的人做完了，生產率自然會上去。

不過，作者也提醒不要過度興奮，因為生產率數據本來就 “愛波動”，短期讀數容易受統計修訂與週期因素影響，“仍需更多時期驗證”。

對此，像 MIT 經濟學家達龍·阿西莫格魯（Daron Acemoglu）就曾在公開研究中偏謹慎地指出：AI 對總體生產率的影響，取決於它能否在足夠多的任務上真正替代或增強勞動，而不僅是 “點狀提效”。

“J 曲線” 解釋了為什麼現在才顯現：先栽樹，再結果

布林約爾松把 AI 的擴散路徑，放進一個更長的技術史框架裏。他提到經濟學界長期糾結一個現代版 “索洛悖論”（Solow Paradox）。

並用一句原文概括這種尷尬：“we have seen artificial intelligence everywhere except in the productivity statistics.” 也就是：AI 無處不在，但統計裏的生產率就是不動。

他給出的解釋是 “生產力 J 曲線”。許多通用技術，從蒸汽機到計算機，都不會一裝上就立刻抬升生產率，而是要經歷一個 “投入期”。

企業要重組流程、培訓員工、重做業務模式，這些投入很多是無形資本，短期還可能把 “可測量的生產率” 壓下去。等組織改造完成，才進入 “收穫期”，效率才會在數據裏體現。

經濟史學者 Paul David 研究過電氣化時代的 “生產率滯後”，發現工廠把蒸汽動力換成電動機後，真正的大幅提效往往要等到廠房佈局、工序組織、管理方式一起重構完成才出現。AI 今天遭遇的 “先改造組織，再看到統計回報”，本質上是同一套邏輯。

微觀層面正在變：初級招聘降 16%，但 “強力用户” 在壓縮工期

除了宏觀數據，作者還給出微觀證據。他與合作者 Bharat Chandar、Ruyu Chen 的研究發現：在 “AI 暴露度高” 的行業裏，入門級崗位招聘降温明顯，初級崗位招聘大約下降 16%。

但另一方面，那些用 AI 來增強技能的人，就業反而在增長。作者的解讀是：企業已經開始把 AI 用於部分 “可編碼、標準化” 的初級任務。

作者還區分了 “潛力” 和 “已實現收益”。很多公司目前只把生成式 AI 用在翻譯、摘要等輕量場景，他用一個很尖鋭的説法形容這種用法是 “glorified dictionary”（“高級詞典”）。

而在他公司觀察到的一小撮 “強力用户” 那裏，AI 代理（agents）已經能通過交互式對話自動化端到端流程，比如直接生成完整營銷方案，把 “幾周工作壓縮到幾小時”。他強調企業真正的難點在於：不僅僅是獲得技術，而是如何運用技術。

從外部研究看，這種 “少數人先吃到紅利” 的現象並不意外。麥肯錫在多份行業報告中都強調：生成式 AI 的價值釋放，很大部分取決於流程再造與人員再培訓，而不是簡單買工具。

從試驗走向結構性效用：接下來拼的是組織能力與宏觀環境

布林約爾松在文末給出一個更強的趨勢判斷：“We are transitioning from an era of AI experimentation to one of structural utility.” 意思是，AI 正在從 “試試看、玩一玩” 的階段，進入能穩定提供價值的階段。對企業而言，下一步競爭焦點會從 “有沒有模型” 轉向 “能不能把模型嵌進業務骨架”。

那企業具體該做什麼？結合作者觀點，可以歸納成三件事：第一，別停留在 “高級詞典”，要把 AI 嵌入端到端流程，讓它參與交付而非只做輔助；第二，把培訓目標從 “會用工具” 升級為 “會用 AI 重做工作法”，讓平均員工能力被 AI 拉昇；第三，用數據與指標追蹤收益，避免熱鬧一陣後難以覆盤、無法規模化。

同時，他也提醒外部風險可能抵消效率收益，包括 “地緣政治貿易戰” 以及財政、貨幣政策誤判等宏觀逆風。保持中立地看，技術進步與宏觀治理是兩條線：前者提供可能性，後者決定能否順利兑現。