AI还没到终局：真正的大戏，藏在生产率和美国财政里
最近，市场对 AI 的情绪明显开始分裂。
一边，AI 硬件股经历高位震荡，Meta 相关的资本开支担忧，让不少投资者重新想起过去科技泡沫破裂前的那一系列“鬼故事”；另一边，AI 产业链依然在扩张，算力、模型、应用、企业数字化改造还在继续推进。于是，一个核心问题浮出水面：AI 这轮行情，到底是泡沫的尾声，还是技术革命的前半场？
想回答这个问题，不能只盯着一天两天的股价涨跌。真正有参考价值的，是回到上一轮技术革命——1980 年到 2000 年的信息与通信技术浪潮。
个人电脑早在 1981 年就已经商业化，但美国真正出现显著的生产率繁荣，要等到 90 年代后半段。换句话说，从技术出现，到企业真正用它改造流程、提升效率、创造利润，中间隔了十几年。
这就是技术革命最容易被市场误解的地方：技术领先于股价叙事，股价领先于企业盈利，而企业盈利又领先于宏观数据。
当大家在早期看不到生产率提升时，很容易怀疑技术价值；可真正的红利，往往要等到整个经济系统完成重组之后才会释放。
上一轮 ICT 浪潮就是典型的 J 型曲线。
最开始，企业花钱买电脑、买服务器、建网络、配软件，账面上看到的是成本增加、折旧增加、培训增加，生产率数据甚至会被短期拖累。前四年左右，宏观层面很难看到立竿见影的效果。这个阶段，最先受益的是硬件设备，因为所有行业要上车，第一步都是买工具。
但工具买回来以后，企业并不会马上变得高效。真正困难的，是把技术嵌进组织内部：业务流程要重做，员工要重新培训，数据系统要打通，管理方式要调整，甚至公司的部门架构也要变化。也就是说，技术本身只是起点，后面的组织重构才是胜负手。
高盛对上一轮技术革命的拆解很有启发：每 1 美元 ICT 硬件投资背后，往往还需要约 1.7 美元的互补性无形投资，包括软件、数据系统、流程再造、员工培训和管理体系重塑。很多企业真正落后的地方，并不在于没买设备，而在于买了设备之后，没有把组织改造成适合新技术运行的形态。
这也解释了为什么上一轮最早看到效率提升的行业，未必是最早采购硬件的行业。教育、管理、批发、专业服务、行政支持等行业，因为更早完成了软件、数据和流程层面的投入，反而率先出现效率改善。
把这个框架放到今天的 AI，就会发现市场现在的焦虑有一部分是正常的。
AI 的硬件投资已经很快，算力建设、数据中心、GPU、网络设备、电力配套都在快速扩张，速度甚至超过当年互联网基础设施建设期。但问题在于，硬件只是第一段。真正决定 AI 能不能从科技公司的利润故事，变成全社会的生产率故事，关键在于企业愿不愿意进行无形资本投入。
这包括员工会不会用 AI，业务流程是否围绕 AI 重做，数据是否能被模型调用，管理层是否愿意改变决策机制，传统岗位是否能被重新设计。这些东西很慢，也很贵，而且短期内不会像芯片订单那样直接体现在财报里。
所以，AI 的争议点不该停留在“算力是不是买多了”。更重要的问题是：这些算力最终能不能转化成更高的人均产出、更低的运营成本、更强的企业利润，以及更广泛的经济增长。
高盛对 AI 的态度偏乐观，原因主要有两个。
第一，AI 模型成本下降的速度，远快于当年 ICT 设备降价的速度。过去企业部署新技术，需要长期等待硬件和通信设备价格下降；今天模型调用成本、推理成本、开发工具成熟度都在快速改善，这会缩短技术扩散周期。
第二，AI 对网络效应的依赖程度，低于当年的互联网。互联网很多应用必须等用户规模越过临界点，价值才会爆发；AI 的很多应用则可以在单个企业、单个部门、单个流程里先产生效率提升，比如客服、投研、代码、设计、财务、法务、保险理赔、金融风控等。
这意味着，AI 的生产率红利可能比上一轮互联网来得更早。但“更早”不代表“马上”。从企业部署到组织重构，再到行业数据体现，再到宏观生产率抬升，中间依然需要几年时间。
更深一层看，AI 的意义还不止于生产率，它可能关系到美国财政的长期路径。
过去两年，全球市场反复讨论美债压力。美国真正的难题，是债务规模过高带来的财政可持续性问题。这个问题背后，牵动着美债收益率、黄金、美股估值、美元信用以及全球资金流向。
解决债务压力，通常只有三条路。
第一，少花钱，也就是财政紧缩。但在美国政治极化、福利支出刚性、减税诉求长期存在的背景下，大规模削减开支很难推进。
第二，多印钱，用通胀稀释债务。可这条路会伤害美元信用，也会加速全球对美元体系的重新评估。
第三，多挣钱，让经济增长做大分母。只要名义 GDP 和财政收入增长足够强，债务率就可能自然下降。
最理想的路径，显然是第三条。而 90 年代的美国，曾经走通过一次。
90 年代中后期，美国劳动生产率明显抬升，企业利润改善，就业稳定，税基扩大，财政状况随之修复。到 1998 年到 2001 年，美国联邦财政甚至一度从赤字转为盈余，公众持有债务占 GDP 比重也同步回落。这几乎是一场少见的“增长型化债”。
当然，90 年代的财政改善并非单靠互联网。冷战结束后的国防开支下降、此前的财政约束、股市上涨带来的资本利得税，都共同发挥了作用。但技术进步是重要放大器。它让财政修复不必完全依赖痛苦的需求收缩，而是通过更高效率、更高利润和更宽税基来完成。
这正是今天 AI 最值得关注的地方。
如果 AI 最终只停留在少数科技巨头的盈利扩张上，那么它对经济和财政的意义会被高估；如果 AI 能扩散到信息服务、金融、保险、专业服务、制造、医疗、教育、行政管理等更多行业，并带来持续的人均产出提升，那么它就可能成为美国经济重新获得增长弹性的关键变量。
市场现在担心 AI 泡沫，并不奇怪。任何技术革命的早期，都会伴随估值过热、资本开支争议、盈利兑现滞后和阶段性回撤。真正需要判断的是，AI 的扩散有没有停下，企业的无形资本投入有没有跟上，生产率数据有没有在未来几年持续抬头。
所以，判断 AI 是否已经到头，不能只看英伟达、数据中心、云厂商和硬件股的短线波动。更重要的是看五个指标：
第一，劳动生产率的 3 到 5 年平均增速能否持续上行；
第二，盈利改善能否从头部科技公司扩散到更广泛的企业部门；
第三，美国财政赤字占 GDP 比重能否开始收敛；
第四，公众持有债务占 GDP 比重能否停止上行；
第五，名义增长率能否长期覆盖融资成本。
一句话总结：AI 大概率还没到终局，真正的生产率故事可能刚刚进入前奏。市场现在看到的是算力开支和估值波动，未来真正决定大周期的，是 AI 能不能从科技股行情，走向企业效率、经济增长和财政修复。
90 年代已经证明，技术革命有能力改变一个国家的增长曲线。今天的 AI 也有这个潜力，只是这条链条才刚刚走完第一段。
