高盛首席经济学家 Jan Hatzius 最近说了一句让很多人不舒服的话：
AI 投资支出对 2025 年美国 GDP 增长的贡献，基本上是零。
这句话来自微软、谷歌、亚马逊加起来几千亿美元数据中心投资之后。来自 ChatGPT 用户突破 2 亿的这个时代。来自每个 AI 公司都在喊”颠覆行业”的背景下。
基本上零。
为什么不意外
先说一个让人清醒的历史事实：互联网的基础设施，在 1999-2003 年大规模铺开。但互联网对生产力的真实影响，是在 2005 年之后才显现的。整整滞后了 5-7 年。
技术经济学里有个概念叫 J 曲线：先投入，后收益。曲线先向下（成本），再向上（回报）。我们可能刚好在 AI 的 J 曲线底部。
具体到这次 AI 浪潮：
成本侧（已经发生）：数据中心和 GPU、远超预期的电力消耗、高薪 AI 工程师、训练大模型的时间。
收益侧（还没体现）：工作流程自动化大多数公司还在试点；替代了多少人力成本很难统计；催生了哪些新服务还太早看。
GDP 是个滞后指标。它衡量的是现在产出了多少价值，不是你为未来花了多少钱。
测量问题
还有一个没被充分讨论的点：即使 AI 创造了价值，GDP 也未必能捕捉到。
举个例子：AI 帮一个开发者节省了每天 2 小时。如果他拿来休息，GDP 里看不到。如果他用这 2 小时多写了代码，且产品最后卖出去了，那才进入 GDP。中间那条链很长，随时可能断。
知识工作的生产率提升，历来是 GDP 的测量盲区。
再比如：AI 帮你把 3 小时的代码 review 压到 30 分钟。对这个项目来说，产值没变，只是用时减少了。少用的那 90 分钟，消失在统计里了。
所以高盛的数字不一定意味着 AI 没创造价值，可能只是意味着现有 GDP 框架没法很好地测量知识工作的效率提升。
一个真实的 10x 案例
Ladybird 浏览器的开发者 Andreas Kling，前天发布了一个真实案例。
他用 Claude Code 和 Codex 把 Ladybird 的 JavaScript 引擎（LibJS）从 C++ 翻译成了 Rust。结果：25,000 行 Rust 代码，两周完成，零回归——test262 的 52,898 个测试全通过，Ladybird 自有回归测试 12,461 个也全通过。他估计手工做同样的事要花”多个月”。
重要的是：他明确说这是”human-directed, not autonomous code generation”。他决定移植哪些模块、按什么顺序、Rust 代码长什么样，AI 做的是翻译和初稿，他做了多轮对抗性 review。
这是真实的 10x 生产力提升，但有两个条件：一个懂 C++ 和 Rust 的工程师，以及一个有明确目标的具体任务。
只是 Ladybird 是开源项目，不产生收入。这个生产力提升不会以任何方式进入 GDP。
那么 AI 有没有价值？
有，但价值的形式跟想象的不一样。
目前真正有价值的 AI 用途：个人生产力（涉众够小，GDP 感受不到）；垂直领域专用部署（AlphaFold 这类科学突破）；降低有明确目标的软件开发成本（Ladybird 这类）。
还没证明价值的用途：企业级大规模部署（大多数还在 POC）；取代白领工作（目前更多是辅助）；AI agent 自主完成复杂工作流（可靠性和信任还需要时间）。
对开发者的含义
不要高估近期回报：J 曲线告诉你可能在底部待 2-3 年。竞争者也在等，资本也在等。现在不是”晚了就出局”，而是”还早”。
聚焦真实问题：真正有价值的 AI 产品，解决具体的、可测量的问题，而不是”我们集成了 GPT”。降低客服成本 40%，把代码 review 从 2 小时压到 30 分钟——具体问题，具体答案。
个人工具优先于平台：现阶段 AI 最确定的价值，在个人生产力层面。帮你自己更快干活，ROI 最确定，不需要说服客户和股东。
落点
高盛的数字不是唱衰。高盛自己也说这是早期阶段。
这个数字是一个诚实的现实检验：我们正在基础设施建设期，不是收益期。互联网用了 5-7 年才在 GDP 里体现。AI 可能快一点（软件的可复制性），也可能慢一点（可靠性和信任建立需要时间）。
关键是：不要把预期收益当成已有收益来规划。
数据来源：Goldman Sachs Chief Economist Jan Hatzius 近期表态；Ladybird 案例来自 Andreas Kling 的官方博客 ladybird.org/posts/adopting-rust/（2026-02-23 发布）。
评论
还没有评论，来说点什么吧
登录后评论，或填写昵称匿名留言
用 GitHub 登录 ✅