AI 的宏观真相：高盛拆解 GDP、生产率与就业的三大叙事

摘要

过去一年，「如果不是 AI，美国 GDP 早就持平了」的说法从多位知名经济学家与跨国机构口中传出，成为市场上最响亮的叙事之一。Goldman Sachs 财富管理首席投资官 Sharmin Mossavar-Rahmani 在这期对话中请来首席经济学家 Jan Hatzius，用国民账户数据做了系统性纠偏：目前 AI 投资对美国 GDP 增速的贡献只有约 0.1 个百分点——在 2% 左右的增速里拿掉 AI，得到的是 1.9% 而不是 0。原因有二：大量 AI 设备来自进口（计作投资的同时也计作进口，相互抵消），而半导体在国民核算中被视为中间投入而非最终产品。当前真正驱动美国经济的，是消费支出与 AI 之外的设备及知识产权投资。

在资本开支问题上，Hatzius 给出三种测算口径——hyperscaler 资本开支、生态企业营收、国民账户细目——三角验证后的估计是美国约 6000 亿美元、全球约 1 万亿美元；到 2030 年累计 5 万亿至 7 万亿美元的预测听起来惊人，但以峰值年份占 GDP 的比重衡量（约 2.5%–3%），仍在此前各次技术革命的区间之内，19 世纪的铁路热曾接近 5%。生产率方面，GS 估计 AI 最终将把生产率水平抬升约 15%，用大约十年时间扩散，折合每年约 1.5 个百分点的额外增长；即使扣除 CapEx 挤出与劳动力增长放缓，GS 仍把美国长期增速预期从 1.75% 上调至约 2.3%。

就业是情绪最浓的部分——《The Economist》五月封面写着「job apocalypse」。但数据的图景冷静得多：AI 敞口与各职业就业表现的相关性很小，估计每月约 1 万至 1.5 万个岗位流失可归因于 AI，同时数据中心建设又在创造岗位；约 25% 的工作任务受影响，但其中大部分只是把每人 20%–30% 的时间还给人，真正对应岗位消失的约为六七个百分点。Hatzius 引用 MIT 经济学家 David Autor 的研究：今天 60% 的职业在 1940 年并不存在。他的十年之约是：失业率会有 0.5–1 个百分点的上行压力，但新岗位的创造会逐步对冲，十年后美国失业率大概率仍在 4.1% 附近——是渐进的位移，而不是突如其来的崩塌。

正文

一、0.1 个百分点：AI 投资在 GDP 里的真实分量

对话从市场流传最广的一个说法开始。Sharmin Mossavar-Rahmani 提到，过去一年里有相当有影响力的经济学家和一些跨国、多政府组织公开宣称：如果不是 AI，美国 GDP 增长本来会是零。而 Goldman Sachs 全球投资研究部做了大量工作，结论恰恰相反。她请 Jan Hatzius 从 GDP 的构成讲起，解释为什么 AI 的贡献远比这些说法小得多。

Hatzius 的回答很直接：AI 投资对 GDP 增长确实有贡献，但远小于有人主张的「1 个百分点」或「占总增长一半」。原因基本上有两个。第一，AI 投资所用的大量设备是进口的——它们大量贡献的是台湾和韩国的 GDP，而一台进口的半导体或服务器不会进入美国 GDP：它以投资的形式出现，但同时也以进口的形式出现，两者基本相互抵消。第二，半导体在国民核算中根本不会作为最终产品出现在美国 GDP 里，因为它们被当作中间投入（intermediate inputs）处理。「这是一个统计上的问题（measurement error），」Hatzius 说，「但它的结果就是，这部分支出不会出现在我们看到的 2% 左右的美国 GDP 增速里。」

那么 GS 自己的估算是多少？大约 0.1 个百分点。「不是零，但这是一个相当小的数字，远不到总数的一半。」Sharmin 追问确认：如果美国 GDP 增速一直在 2% 上下，你的意思是其中只有 0.1 个百分点来自 AI 投资？Hatzius 确认：「对，没有它就是 1.9%。」

Hatzius 随后补上了这段论述里最重要的一句边界声明：这不意味着 AI 不重要。「我们确实认为，它会在未来对生产率增长产生显著影响。但就目前而言，AI 投资并不是美国 GDP 增长的主要驱动力——真正的驱动力是消费支出，以及 AI 之外的设备和知识产权投资。」他的结论是：这个叙事需要一些修正。

二、6000 亿美元与 7 万亿：CapEx 口径与「前所未有」的错觉

第二个话题是市场上吵得最凶的数字：AI 资本开支到底有多少。Sharmin 指出，人们引用的 CapEx 数字五花八门，说不清指的是一般性支出还是 12 个月内的支出、是今年的还是去年的。Hatzius 解释，测算 AI CapEx 基本有三种方法，而且没有一种是完美的。

第一种是看 hyperscaler（Google、Microsoft 等超大规模云厂商）的资本开支。这是最流行的方法，但有两个坑：hyperscalers 在「ChatGPT 时刻」之前就一直在做资本开支，必须把这部分基数减掉；而且它覆盖不全，因为还有大量较小的公司在投资。第二种是看 AI 生态圈里各公司的营收之和，但要小心重复计算——一家公司可能卖给另一家公司，后者再卖给最终消费者。第三种是直接看国民收入与生产账户（national income and product accounts）里涵盖 AI 支出的细分科目，但哪些该算进来、哪些不该，本身就有争议。

GS 的做法是在三种方法之间做三角验证，得出的估计是：美国约 6000 亿美元，全球约 1 万亿美元。如果拉长视角看累计预测，有数字说到 2030 年累计可以到 5 万亿美元，甚至有高达 7 万亿的说法。于是 Sharmin 抛出了关键问题：这个数字是过度的吗，还是与前几次技术革命相比在正常区间、甚至偏低？

Hatzius 认为在做几个必要调整之后，它在历史区间之内。首先要 relative to 经济体量——美国和全球经济比过去大了很多倍，所以应该看占 GDP 的份额；其次他倾向于不看累计投资额，而是看某一年 AI 投资的峰值水平占 GDP 的比重。按目前的路径，2027、2028 年前后大约在 2.5%–3% 的区间。「这在此前技术革命的区间之内。事实上，19 世纪的铁路热处于那个区间的高端，接近 GDP 的 5%——尽管那是在一个小得多的经济体里。」

那为什么总有人说「前所未有」？Hatzius 的回答带着一点经济学家式的冷幽默：「按名义美元计算，它确实前所未有——但在一个增长的经济体里，几乎所有东西按名义美元算都是前所未有的。」Sharmin 顺势补刀：何况这个说法能吸引更多注意力。

三、15% 与十年：生产率的渐进剧本

第三个话题转向劳动生产率。Sharmin 先从采用率问起：企业究竟有多少在用 AI？她提到 GS 有一张著名的图表：采用率从 10% 跳到了 20% 以上，看起来是巨大的跃升，但实际上只是问卷措辞变了。

Hatzius 解释了来龙去脉。商务部（Commerce Department）的企业调查最初问的是「你是否在当前生产中使用 AI」，只有 10% 的企业回答是；后来改成了「你是否在任何业务职能中使用 AI」，回答率立刻升到 20% 出头。「生产」是一个更高的门槛——用 AI 生产商品和服务；而「任何业务职能」的门槛低得多，捕捉到的可能只是相对边缘的活动。按全行业看，采用率大约是刚过 20%，但行业间的差异非常大：科技相关行业高得多，偏体力的行业低得多。他预计大多数行业、大多数公司的采用率还会有大幅上升，只是「这些事情需要时间」。

对生产率影响的估计，市场分歧极大：低到 10%，高到 70%。Hatzius 认为这种分歧在这个阶段是自然的——一项非常有前景的新技术，附带着巨大的不确定性。GS 自己的估计是：相对于没有 AI 的反事实世界，AI 对生产率水平的提升约为 15%，并且预计用大约十年时间扩散显现。「这大致折合每年 1.5 个百分点的额外生产率增长——这还没算抵消项。」

抵消项主要有三个。其一，企业的 CapEx 预算是有限的：更多投向 AI，就意味着更少投向其他本来能带来可观生产率提升的地方。其二，移民流入大幅下降。其三，更具结构性的因素——出生率低迷，劳动力增长正在放缓。但即便扣除这些，GS 还是上调了美国长期生产率增速和长期 GDP 增速的估计：从 2020 年代初之前的 1.75% 上调到约 2.3%，而且认为这个数字还有上探至 2% 中段或略高的空间。

对话中还引用了 GS 同事 Jim Covello 的一张图表的悖论：高管层（C-suite）对 AI 生产率效果的期望极高，一线员工却被调查出「每周节省的时间」微乎其微。Hatzius 给出了两层解释：一是现在还为时过早，解释空间很大；二是双方都有动机偏差——员工有动机低估工具的帮助，「否则就会被要求用这些新工具做更多的事」，而管理层则倾向于对已经做出的投资收到更正面的回报报告。「真相可能 somewhere in the middle。但我的核心观点是：现在还非常早。」

四、「工作末日论」没有出现：就业数据的冷静读法

最后一个话题是就业——也是情绪最浓的部分。Sharmin 提到《The Economist》五月那期著名的封面故事「job apocalypse」（工作末日），它让很多人对 AI 与工作的前景感到紧张。

Hatzius 的态度是：现在下结论仍然太早，需要保持克制。但可以说的部分，数据其实相当清晰：如果把各职业的 AI 采用率或 AI 敞口，与这些职业的就业增长或失业率做相关分析，相关性非常小；换不同方式切分数据，有时能看到一点效应，但从来都不大。「我们估计每月大约有 1 万到 1.5 万个岗位流失给 AI，但同时也有其他部门在获得就业提振——比如数据中心建设。」他的阶段性结论是：「就劳动力市场影响而言，这目前还不是一件大事。」

Sharmin 请他厘清一个容易被混淆的关键区分：一个「职能」受影响的百分比，和劳动力整体受影响的百分比，是两回事。Hatzius 解释，GS 那个广为流传的「25%」，指的是工作任务（work tasks）——可以理解为可能被波及的工作时长。这当然是个大数字，但它的构成方式是：经济中的许多人会拿回自己 20%–30% 的时间，然后把这些时间重新部署到其他地方——希望能是更有生产性的地方。「它释放了时间，但不等于岗位的消失。」真正会走向岗位消失的部分，大约占这 25% 中的六七个百分点。这会在大约十年里构成一个劳动力市场的转型过程——但失业率不会因此上升六七个百分点，因为还要看其他领域新创造出来的岗位。

那么新岗位从哪来？Sharmin 提到，技术创新在历史上总是带来全新的职业，而历史正是 GS 投资哲学的支柱之一：未来十年，除了建数据中心，还会有别的岗位被创造出来吗？Hatzius 的回答是肯定的，而且他认为历史给出的最重要的一课恰恰是：我们往往无法预知会是哪些行业、哪些职业。他引用 MIT 经济学家 David Autor 的研究：今天存在的就业岗位中，约 60% 所在的职业在 1940 年并不存在。

把这一切放回数字上：他的预期是会有扰动、会有失业率约 0.5–1 个百分点的上行压力，但求职创造的节奏也会加快，并随着时间推移至少对冲掉岗位损失。展望十年后，他对美国失业率的最优猜测是「与现在没有太大不同——现在是 4.1%」。

Sharmin 追问：普通人听到「失业率升高半个百分点或一个百分点」还是会紧张，这是缓慢发生还是突然冲击？Hatzius 的回答是渐进的，并且给了一个校准用的时间尺度：在平均程度的美国衰退中，失业率会上升 2–3 个百分点；在深度衰退中，这个数字是 5–6 个百分点。「相对于那些相当痛苦的事件，我们预计 AI 可能带来的上行压力，大概率会更小。」