AI从“资本支出热潮”转化为生产率

2026年9月18日，埃隆·马斯克在X上发帖：“My guess is that AI roughly doubles US GDP growth next year from ~2% to ~4%. Maybe even more.”（AI将使明年美国GDP增速大致翻倍，从约2%到约4%，或许更高。）这一判断远高于美联储同期对2027年2.4%的中位数预测，也高于主流机构更保守的展望。

从资本支出到产出的快速转化

马斯克没有给出详细公式或假设清单，但结合他此前多次公开表态，包括全球经济因AI可能增加20%–30%产出、人形机器人量产后甚至可能实现更高增长，其底层逻辑可以拆解为三层：

超大规模资本支出直接推高当期GDP阿波罗全球管理的托尔斯滕·斯洛克估计，2027–2029年美国AI相关资本支出可能达到GDP的约3%（三年前仅0.6%）。穆迪等机构也指出，美国科技公司在芯片与数据中心的支出到2027年可能接近万亿美元级别。这些投入本身就是GDP的组成部分（投资项），短期就能形成可观拉动。

AI作为通用技术带来全要素生产率（TFP）跃升历史经验表明，电力、计算机、互联网等通用技术最终会显著提高产出/工人。马斯克押注的是：这一次转化速度更快。大模型、AI Agent、自动化工具正在快速渗透知识工作与部分体力环节，如果企业层面的效率提升能在1–2年内广泛扩散，就能把潜在增速从长期约2%推高到4%区间。4%意味着接近1990年代末科技繁荣时期的扩张速度。

机器人与自动化的“第二曲线”马斯克反复强调人形机器人（特斯拉Optimus）量产的重要性。一旦物理世界的劳动力也能大规模被AI+机器人替代或增强，增长潜力会进一步放大。他甚至对更极端情景（如年增速15%）表示“人形机器人量产后一定会成真”。这是典型的“技术乐观派”路径：先有软件智能，再有硬件落地，最终形成自我强化的生产力飞轮。

需要清醒看到的是，主流经济学家对“一年内翻倍”普遍持怀疑态度。历史规律显示，通用技术从资本投入到全经济范围的生产率提升，往往有数年时滞；当前AI投资仍面临利率上升、融资成本抬高、商业化变现不确定性等“宏观测试”。马斯克的判断更像是站在产业链最前端的直觉投射，而非严格的计量模型。

中国的AI增长

AI已被提升到国家战略高度，“AI+”行动明确提出到2027年重点行业渗透率超70%、2030年达90%。中国在制造、物流、客服等场景的落地速度甚至更快，企业层面已出现显著的效率提升案例（ILO研究显示，部分保险企业用AI后客服处理量从日均6000单升至15000单）。

差异则更为关键：

增长侧的潜力真实存在。中国仍有大量中低端、重复性任务可以被AI重构。制造业机器人密度全球领先，AI在供应链优化、质量检测、研发提效上已开始产生可测量的产出提升。若能像美国一样把大规模算力、数据中心投资转化为可扩散的生产率提升，中长期潜在增速确实有抬升空间。

就业侧的挑战更尖锐。中国拥有世界上最大的劳动力队伍，青年失业率本已承压，2026年还有约1270万大学毕业生进入市场。ILO、花旗等研究显示，约9.6%的中国岗位面临较高AI替代风险（年轻群体更高）。“静默裁员”、入门级岗位收缩、技能错配已在互联网、内容、客服等领域出现。AI创造的新岗位（算法、数据、AI应用工程师等）目前仍难以完全对冲被替代的规模，尤其是对低技能与经验不足的群体。

但中国的就业创造效应也在同步显现。基于全国300个城市招聘数据监测，2025年1—8月，算法工程师、人工智能训练师、数据分析师等AI相关岗位需求同比增速超过100%。世界经济论坛预测，到2030年全球将有9200万个岗位被自动化替代，但同时创造1.7亿个新岗位，实现净增7800万个就业机会。人力资源社会保障部的数据显示，我国人工智能人才缺口超500万人，供需比例达1∶10。

然而，结构性矛盾的尖锐程度不容低估。被替代的岗位与被创造的岗位之间，在地域、技能层级和行业分布上存在显著错位。传统制造业工人面临的是岗位消失而非岗位升级，而AI创造的高薪技术岗位则集中于一线和新一线城市。这种“就业难”与“招工难”并存的结构性矛盾，在AI加速渗透的背景下只会更加突出。

中国用AI带动增长是可能的，但“同时增加就业”并非自动实现。更可能的路径是：短期就业结构剧烈调整（部分岗位消失、新岗位出现），中期通过生产率提升扩大经济蛋糕，再通过再培训与新产业吸收劳动力。成功与否取决于政策能否把“效率优先”与“就业优先”有效平衡——中国法院已开始出现保护劳动者免受AI冲击的判例，政府也在强调“减少对就业的影响”，这说明官方已意识到社会稳定约束。

马斯克的赌局本质上是对“技术-资本-生产率”飞轮速度的极度乐观押注。我们完全可以用AI显著拉动增长，尤其是在制造业升级与新质生产力领域；但要同时实现“增加就业”，必须主动设计缓冲机制——大规模再培训、鼓励人机协作岗位、发展AI难以完全替代的服务与创新产业、完善社会保障。否则，增长数字上去了，就业与收入分配问题可能更突出。真正的考验不在于能否复制4%的口号，而在于能否把AI变成既做大蛋糕、又让更多人分到蛋糕的工具。