藏在·咖啡馆里的AI革命

坂田这个地方挺有意思，我在楼下咖啡馆买咖啡，邻桌在聊旺季策略，也在聊“AI帮我提高了效率”。听着这句话本身没错，但它像一个人站在海边说“这片水很湿润”——描述的是表象，错过的是潮汐的方向。

效率叙事解释不了一件事：如果AI只是让某件事快30%的工具，为什么全球头部巨头在用千亿美元级别的资本开支投票？为什么各地在一边倒地用产业政策抢生态位？为什么就业市场开始出现结构性撕裂，而不是平滑的“工具普及”曲线？

因为真正在发生的，不是工具升级，是生产函数在换底。

一、咖啡馆里的闲谈，为什么值得认真对待

咖啡馆是一个有意思的观察点。它不是实验室，不是董事会，不是政策发布会。它是日常话语流通的公共空间。当邻桌谈AI提高效率、谈旺季怎么打的时候，说明AI已经渗进了社会毛细血管——但渗进去的方式，仍然是旧语言。

人们用“效率”描述AI，就像十九世纪的人用“跑得更快的马车”描述铁路。不是他们错了，是他们的词汇表还没跟上正在发生的事。咖啡馆里的闲谈之所以值得认真对待，恰恰因为它暴露了一个时代错位：新要素已经进入日常生活，但公共认知还停留在旧的生产函数里。

巨头抢AI应用的山头，各地争相跟AI扯上关系，根本原因不在“效率更高、可靠性更好”这个维度。那个维度没错，但太浅。更深一层的问题是：AI正在把一种新的要素推入生产函数的核心位置，而围绕这个新要素的配置权、定价权和规则制定权，正在被重新分配。谁先完成生产函数的切换，谁就拿到下一个时代的入场券。

二、效率是涟漪，要素才是潮汐

传统经济增长的框架很稳定：劳动力在增长，资本在积累，两者组合产生产出。全要素生产率是那个“余量”，用来解释劳动力和资本之外的技术进步。在这个框架里，数据的位置是模糊的——它要么被塞进资本（服务器、软件），要么被归入效率参数。

AI改变的事情是：数据获得了独立的要素身份。

它的经济学特征与劳动力和资本截然不同。数据具有非竞争性，可以被无限次使用而不损耗；它的边际成本趋近于零，一旦被生产出来，复制的代价几乎可以忽略。传统要素遵循边际收益递减，而数据要素的边际成本结构指向的是相反的方向。当AI把数据纳入生产函数的核心位置时，增长逻辑的底层参数被更换了：不再是“投入更多劳动力和资本”，而是“让数据在高频调用中持续释放价值”。

一个直观的度量已经出现：Token，大模型处理信息的最小单元。国家数据局将其中文名定为“词元”，并定性为“智能时代的价值锚点”。2025年初，中国日均Token调用量刚超过1万亿；到2026年3月，这个数字突破了140万亿，两年间增长超过一千倍。摩根大通预测，2025年至2030年中国词元消耗量的年复合增长率将达到330%。

Token调用量不是“使用量”，它是数据作为生产要素被消耗的物理刻度。就像工业革命时期煤炭的吨位、电气化时代千瓦时的读数一样，它衡量的是一个经济体中新要素的流通规模和流速。咖啡馆里那句“AI帮我提高了效率”，翻译成要素语言就是：有人已经在日常工作中消耗新要素了，只是他还没意识到自己消耗的是什么。

三、全要素生产率的证据：不是“怎么做”变了，是“用什么做”变了

如果AI只是流程优化，它对全要素生产率的贡献应当与普通技术进步处于同一量级。但数据指向的是另一回事。一项基于中国上市公司AI专利数据的研究发现，AI驱动的创新对全要素生产率的提升效应，是普通专利的40倍。另一项宏观测算显示，AI技术推动中国工业全要素生产率年均可提升2.3个百分点，对GDP增长的直接贡献率达到0.8%。

这些数字需要放在正确的参照系里理解。全要素生产率衡量的是“在劳动力和资本投入不变的情况下，产出还能增加多少”，它捕捉的正是要素组合方式本身的变化。AI对全要素生产率的显著拉动，指向的不是“同样的机器运转得更快”，而是“生产的投入结构发生了质变”——数据、算力、算法正在成为与劳动力和资本并列的投入项，并且它们之间的替代弹性和互补关系，与传统的“机器换人”逻辑完全不同。

行内人士对此有一个精准的表述：“机器人既是资本又是劳动力，以前所说的劳动力和资本的分类已不再适用了。”当一种投入同时具备资本属性（可积累、可折旧）和劳动力属性（执行任务、替代工时）时，传统生产函数的两要素框架就失效了。AI不是在这两个要素之间做优化，它在制造第三个要素类别。

四、历史在重演，但这次换底的速度不同

把AI与蒸汽机、电力、互联网类比，不是修辞上的拔高，而是经济学分类上的事实。IMF的文章明确指出，AI因其为商品和服务生产带来的根本性全新可能以及在诸多领域中的广泛应用，很可能成为一种独特的通用技术，与蒸汽动力、电力、信息通讯技术同属一个序列。通用技术的定义性特征不是“效率更高”，而是它迫使整个经济体的组织方式围绕它重新排列：蒸汽动力把工人赶进工厂，电气化彻底改造了生产线，信息通讯技术要求企业重塑管理和行政体系。

AI正在做同一件事，但速度可能更快。索洛悖论——“你到处都能看到计算机时代，唯独在生产率统计数据中看不到”——在AI时代同样在重演。Apollo的首席经济学家指出，当前美国全要素生产率数据尚未显示出AI资本开支周期启动后的加速迹象，每小时产出约2.5%的增长更可能反映的是资本深化，而非真正的技术冲击。华创证券的综述也指出，目前研究普遍预测AI对生产率提振效应最显著的时期大致在2030年前后。

这恰恰印证了那个更深层的判断：人们追捧AI，本质上不是在追捧当下的效率提升，而是在为一个正在被重新定义的未来生产函数下注。短期的生产率数据可以滞后，但资本开支的流向、Token消耗的曲线、就业结构的撕裂，这些是生产要素正在迁移的先行指标。等到全要素生产率数据明确加速时，新的要素格局已经定型了。

回到那间咖啡馆

邻桌讨论“AI帮我提高了效率”的人，和讨论“旺季策略”的人，其实在同一个平面上：他们在用旧的语言描述正在发生的新事情。效率是旧语言，策略也是旧语言。真正在发生的事情是，一种新的生产要素正在进入经济体的血液，而围绕它的配置权、定价权和规则制定权，正在被重新分配。

巨头抢的是生产函数中数据入口和算力基础设施的位置，各地抢的是新要素在本地集聚的生态位。这不是一场关于工具的竞争，这是一场关于谁的生产函数先完成切换的竞争。

工业革命不是“蒸汽机提高了纺纱效率”，互联网革命也不是“电子邮件加快了沟通”。它们的本质是旧的要素组合被新的要素组合系统性替代。AI正在做的事情，是在劳动力和资本之外，把数据和智能推到了生产函数的核心位置。

我端起咖啡走出门的时候，邻桌的闲谈还在继续。那些关于效率和策略的句子，听起来琐碎，却是这场换底过程在社会毛细血管里的微弱回响。真正值得听的不是他们说了什么，而是他们用什么样的语言，谈论一个已经不再用旧语言运行的世界。