AI花了这么多钱,生产率为什么还没起来?

AI投资已经到了一个很难忽视的规模。

芯片、服务器、数据中心、电力基础设施，几乎所有和算力相关的东西都在扩张。科技巨头的资本开支持续上升，美股最强的公司也大多集中在AI产业链。

但法国兴业银行的Albert Edwards最近提出了一个有些扫兴的问题：

如果AI真的已经开始改变经济，为什么最应该反映技术进步的生产率指标，还没什么反应？

这个问题看起来很学术，但其实直接关系到今天AI投资最核心的一笔账。

Apollo首席经济学家Torsten Slok最近专门写了一篇报告，标题就叫《生产率数据里还看不到AI》。

他看的指标是全要素生产率，也就是TFP。

简单理解，它衡量的是企业在不额外增加太多劳动力和资本的情况下，能不能生产出更多东西。真正意义上的技术进步，最后应该体现在这里。

目前的数据却有点尴尬。

美国每小时劳动产出增长还不错，大约在2.5%左右，但经过利用率调整后的TFP仍然在零附近徘徊，AI资本开支大幅增加之后，也没有出现明显上行。

这两者放在一起看，意思就很不一样了。

企业的确生产了更多东西，但至少到目前为止，其中相当一部分可能只是因为投了更多设备、买了更多GPU、建了更多数据中心，而不是因为整个生产过程突然变得高效了。

这也是最值得注意的地方：AI已经很明显地出现在投资数据和股票估值里，但还没有明显出现在生产率里。

一、这让Edwards想起了1997年

Edwards看到这张图后，想到的是30年前的亚洲。

1990年代初，东亚经济奇迹几乎是当时最流行的宏观叙事之一。高速增长、高投资、高储蓄，韩国、台湾地区、东南亚经济体都被视为新增长模式的代表。

但1994年，Paul Krugman写了一篇后来非常有名的文章《亚洲奇迹的神话》。

他的观点并不是亚洲没有增长，而是说这种增长在很大程度上来自不断增加资本和劳动力，而不是生产效率真正提高。

这个区别很重要。

如果一个经济体的增长主要靠不断增加投入，那么只要资本还便宜、融资还容易，增长就可以继续；但如果资本开始变贵，问题就会暴露出来。

Edwards当年就是沿着这条线看空亚洲。

1993年，世界银行还出版了《东亚奇迹》；1996年，还有报告称赞“泰国的宏观经济奇迹”。

不到一年后，泰铢贬值，亚洲金融危机爆发。

所以Edwards现在看AI，并不是简单说AI等于1997年的亚洲。

他真正担心的是另一件事：大量资本是不是正在因为一个过于一致的故事，被过快地投入同一个方向？

二、AI最容易被忽视的一笔成本，是折旧

这也是今天AI投资和过去很多技术周期不太一样的地方。

一座工厂、一条铁路可以使用几十年。但GPU没有这么长的经济寿命。

现在AI芯片更新速度非常快，几年前还是最先进的设备，很快就可能被新一代产品取代。

所以只看资本开支，很容易高估真正留下来的净投资。

原文里有一张很有意思的图。

美国实际企业总投资已经升到GDP大约15.5%的高位，但扣除折旧之后，净投资占GDP仍然只有3.5%左右，和2015年、2019年相比并没有明显提高。

这意味着企业确实在花很多钱，但其中越来越大的一部分，可能只是为了补充快速贬值的资产。

这个问题放到AI上尤其关键。

高盛做过一个测算：如果大型科技公司的AI资本开支最终拿不到任何额外资本回报，仅仅为了覆盖折旧和运行成本，每年都可能需要接近9200亿美元的相关收入。

这个数字听起来很夸张，但它提醒了一个很现实的问题：

AI不是一次性投入。

设备会折旧，模型要升级，数据中心要扩容，电力成本长期存在。

所以真正重要的不是今年投了多少钱，而是这些投入以后能不能持续产生足够高的收入。

三、更大的问题是，这场投资才刚刚开始

如果现在已经是AI资本开支的高峰，那问题还没那么大。

但高盛的数据恰恰显示，未来几年投资还可能继续大幅增加。

其估算是：

2023—2025年，AI基础设施投资大约6330亿美元；

2026—2027年，增加到1.73万亿美元；

2028—2030年，可能进一步升到4.14万亿美元。

按年度计算，平均资本开支可能从第一阶段的约2110亿美元，增加到后面的1.38万亿美元。

这已经不是普通科技产品更新的规模，而更像一次大型基础设施建设周期。

与此同时，高盛还测算，为了让2026—2027年这一阶段的AI投资获得15%的资本回报率，美国六大科技公司需要在2028—2030年创造约1.42万亿美元累计相关收入。

现在的问题就很清楚了。

AI的技术能力可以继续提高，但资本市场最终还是会问：

这些能力能不能转化成足够多、足够快的收入？

四、真正危险的地方，可能不在技术本身

1997年的亚洲最后并不是因为某一张生产率图而出问题。

真正让整个体系发生变化的是，廉价资本停止流入。

这一点可能也是今天最值得注意的地方。

现在AI基础设施并不只是用科技巨头自己的现金流建设。债券、私人信贷、租赁、SPV等融资方式越来越普遍。

这场AI基础设施建设，本身也越来越依赖资本市场。

当利率很低、资金很多时，这不是问题。

但如果长期利率维持高位，而AI商业化速度又低于预期，那么资本成本就会越来越重要。

到那个时候，市场讨论的重点可能不再是哪个模型更聪明，而是：

谁愿意继续为下一轮数据中心和GPU买单？

五、现在就说AI是泡沫，也还太早

这篇报告最容易被误读成“AI一定是泡沫”。

其实Edwards自己没有这么说。

历史上很多通用技术，从大规模投入到真正体现到宏观生产率，中间确实有很长的时间差。电力、计算机、互联网都经历过类似过程。

所以今天TFP还没有明显提高，并不能证明AI没有价值。

问题只是，目前资本投入增长得太快，而生产率和收入的兑现速度还没有跟上。

这个时间差到底是正常的技术扩散过程，还是资本投入过度，可能要几年之后才知道。

但至少现在，有一件事已经很清楚：

AI接下来真正要证明的，不再只是技术能力，而是经济回报。

结论

AI有没有革命性，并不是最重要的问题。

真正重要的是，整个市场已经按照“它会成为革命性技术”这个假设，提前投入了非常多的钱。

如果未来生产率、收入和现金流逐渐跟上，那么今天的大量资本开支可能会被证明是合理的。

如果跟不上，问题就会从科技行业慢慢变成资本市场的问题。

1997年的教训并不是“奇迹都是假的”。

而是，当一个奇迹需要越来越多资本才能继续维持时，最终决定故事还能不能讲下去的，往往不是技术本身。而是钱。