《經濟學人》丨投資者期待人工智能應用激增，然而并沒有

Investors expect AI use to soar. That’s not happening

近期調查顯示企業(yè)采用率陷入停滯

2025年11月26日

11月20日，美國統(tǒng)計機構發(fā)布了一項調查結果。數據深處隱藏著一個關乎數萬億美元支出的趨勢：美國人口普查局詢問企業(yè)在過去兩周內是否“在商品生產和服務提供中使用了人工智能”。我們估算，近期美國就業(yè)加權口徑下的職場人工智能使用率下降了1個百分點，目前為11%（見圖1）。員工人數超過250人的大型企業(yè)采用率降幅尤為顯著。生成式人工智能熱潮已持續(xù)三年，該技術的需求卻出人意料地疲軟。

人工智能的普及速度快慢具有深遠影響。全球若要從人工智能中獲得生產力提升，普通企業(yè)必須將這項技術融入日常運營。這也是判斷全球是否處于“人工智能泡沫”的核心問題。據摩根大通銀行預測，從現在到2030年，大型科技公司將投入5萬億美元用于人工智能服務相關基礎設施建設。要讓這些投資物有所值，它們每年需要約6500億美元的人工智能相關收入，而目前這一數字僅為每年約500億美元。個人消費者的人工智能付費可能僅能滿足最終需求的一小部分，其余部分必須由企業(yè)來填補。

圖表來源：《經濟學人》

美國人口普查局只是其中一個數據來源。其他研究機構也在編制各自的人工智能采用率估算數據，多數結果顯示這一比例高于10%（見圖2）。經濟學家對數據差異的成因存在爭議。部分學者認為人口普查局的調查標準過于嚴格（受訪者難以準確解讀“在商品生產和服務提供中使用人工智能”的定義）；詢問員工自身的職場使用情況，可能比詢問高管關于企業(yè)層面的應用情況更容易得到肯定答復。而支持人口普查局數據的人則反駁稱，只有政府具備足夠廣泛的調查網絡，能夠抽樣覆蓋真正具有代表性的美國各類企業(yè)，而非僅限于編程等創(chuàng)新行業(yè)。

即便非官方數據也顯示企業(yè)采用率陷入停滯。斯坦福大學的喬恩·哈特利及其同事發(fā)現，2025年9月有37%的美國人在工作中使用生成式人工智能，低于6月的46%。圣路易斯聯邦儲備銀行的亞歷克斯·比克及其團隊的追蹤數據顯示，2024年8月有12.1%的勞動年齡成年人每天在工作中使用生成式人工智能，一年后這一比例僅為12.6%。金融科技公司Ramp的數據顯示，2025年初美國企業(yè)人工智能使用率飆升至40%，隨后趨于平穩(wěn)。采用率的增長勢頭確實在放緩。

一個可能的解釋是經濟不確定性——貿易摩擦加劇、移民數量下降以及利率前景不明朗，這些因素都加劇了企業(yè)的觀望情緒。企業(yè)可能會推遲投資，直到形勢明朗。此外，歷史經驗表明，技術普及往往是斷斷續(xù)續(xù)的。以美國家庭計算機使用率為例，20世紀80年代末的普及速度曾出現放緩，而這只是90年代計算機全面進入美國家庭前的短暫停頓。

圖表來源：《經濟學人》

然而，人工智能采用率停滯可能存在更負面的原因。其一與企業(yè)內部的權力結構有關。幾乎所有高層管理者都對人工智能贊不絕口——在近期的財報電話會議中，標準普爾500指數成分股公司中有近三分之二的高管提及了人工智能。但與此同時，實際負責人工智能落地實施的人員可能并不那么具有前瞻性，部分原因可能是他們擔心這項技術會讓自己失業(yè)。軟件公司Dayforce的一項調查顯示，87%的高管在工作中使用人工智能，但僅有57%的中層管理者和27%的普通員工這樣做。或許中層管理者為了滿足上級要求而啟動人工智能項目，之后卻悄悄終止了這些項目。

對人工智能實用性的認知轉變可能是另一原因。越來越多的證據表明，當前一代人工智能模型無法改變大多數企業(yè)的生產力。如果現有用戶認為人工智能的回報不盡如人意，潛在用戶可能會推遲采用。以下三方面證據可能讓潛在采用者猶豫不決。

現狀評估

首先是公開市場的證據。高盛編制了一個指數，涵蓋“通過提高生產力采用人工智能后，基準收益預計變化最大”的公司，其中包括汽車制造商福特、稅務服務公司H&R Block以及媒體公司新聞集團——這些企業(yè)均在積極推進人工智能項目。長期以來，這些公司的股價與市場同步波動，但近期該指數開始跑輸大盤（見圖3）。至少到目前為止，投資者并未看到人工智能應用轉化為盈利能力的提升或業(yè)務增長。

圖表來源：《經濟學人》

其次是調查證據。德勤咨詢公司與香港大學人工智能、管理與組織中心聯合對高管進行的調查顯示，45%的受訪者表示人工智能項目的回報低于預期，僅有10%的受訪者表示超出預期。另一家咨詢公司麥肯錫近期的研究指出，對于大多數組織而言，人工智能的使用尚未對企業(yè)整體利潤產生顯著影響。

第三是經濟學研究證據。至少在短期內，引入人工智能可能會以意想不到的方式降低生產力。斯坦福大學的埃里克·布林約爾松將這一現象稱為“生產力J曲線”：在重新調整IT系統(tǒng)和工作流程的過程中，效率可能會暫時下降，之后才會大幅提升。有人懷疑人工智能存在一個特定問題。上海科技大學的陳宇紅及其同事在一篇論文中提出了“生成式人工智能的平庸陷阱”：在該技術的幫助下，人們能夠產出“足夠好”的成果，這對能力較弱的員工有幫助，但論文發(fā)現這可能會損害能力較強員工的生產力——他們會因此減少努力程度。

企業(yè)終將學會更高效地整合人工智能，而模型本身也會持續(xù)改進。如果有越來越多的證據表明這項技術能對職場效率產生變革性影響，更多企業(yè)將意識到自己離不開它。然而，即便如此，當前的停滯現象表明，人工智能帶來的經濟回報將比當前投資熱潮所暗示的來得更慢、更不均衡，且成本更高。除非采用率迅速加速，否則支撐5萬億美元人工智能資本支出所需的收入將始終難以實現。■

說明：本號刊發(fā)來自各方的文章，是為了獲得更全面的信息，不代表本號支持文章中的觀點。由于微信公眾號每天只能推送一次，無法即時更新，本站目前在騰訊新聞發(fā)布最新的文章，每天24小時不間斷更新，請收藏以下地址（請完整復制），隨時刷新：

https://news.qq.com/omn/author/8QIf3nxc64AYuDfe4wc%3D