自IBM深藍超級計算機戰(zhàn)勝國際象棋冠軍加里卡斯帕羅夫—這一標志著人工智能技術發(fā)展的歷史性時刻到來已經(jīng)有21年了。從那時起，人工智能就逐漸進入了人們的日常生活，如手機，汽車，冰箱和電視機。但世界經(jīng)濟似乎沒有顯示出人工智能的作用。在發(fā)達經(jīng)濟體中，現(xiàn)在的生產(chǎn)率增長速度比過去五十年的任何時候都要慢。與此同時，國民生產(chǎn)總值和生活水平多年來也一直相對停滯不前。

這樣的情況不由得讓人心生疑惑。技術創(chuàng)新往往伴隨著生產(chǎn)力提高，同時又會帶來了經(jīng)濟增長和社會福祉的飛躍。例如，20世紀電力在美國普及，勞動生產(chǎn)率開始以每年4％的速度增長，這幾乎是之前的四倍。

關于今天的生產(chǎn)力難題，有兩種思想流派。一方面是技術悲觀主義者，如西北大學教授Robert Gordon，他認為人工智能技術是問題所在。從1870年到1970年總共有6項創(chuàng)新推動經(jīng)濟增長分別為電力，城市環(huán)境衛(wèi)生，化學品，制藥，內(nèi)燃機和現(xiàn)代通信技術，這些比人工智能像是Siri，Alexa更具變革型。

另一方面，技術樂觀主義者反駁說，今天的云計算，大數(shù)據(jù)和“物聯(lián)網(wǎng)”是人工智能革命的核心，它們的好處已經(jīng)被世界各地的公司和消費者所享受。英國經(jīng)濟學家Jonathan Haskel和Stian Westlake等學者認為，問題在于國民會計統(tǒng)計數(shù)據(jù)根本無法捕捉到這些利益。國內(nèi)生產(chǎn)總值的概念最初出現(xiàn)在20世紀30年代，用于衡量用于生產(chǎn)有形商品的經(jīng)濟體。相比之下，無形商品和服務日益成為當今經(jīng)濟的主導。如果GDP可以反應當?shù)責o形經(jīng)濟，那么當?shù)厣�產(chǎn)力增長看起來會好很多。

兩種理論都有一些道理，誠然，電力改變了工作和家庭生活的結構，Google Home卻沒有。同樣正確的是，國內(nèi)生產(chǎn)總值不包括谷歌，臉書和蘋果等免費在線服務，這些服務大大促進了消費者的福祉。但是，生產(chǎn)力之謎可能會有第三種更直接的解決方案。即使是第三種解決方案存在，我們也必須承認，最新的人工智能革命還沒有開始。

實際上，經(jīng)濟學家Erik Brynjolfsson，Daniel Rock和Chad Syverson在美國國家經(jīng)濟研究局的一份工作文件中表示，企業(yè)需要花費大量時間來充分利用新技術，特別是通用技術。實際上，只有在新技術的量存充足，有形和無形的互補創(chuàng)新開始之后，技術革命才會出現(xiàn)，這通常至少需要25年的時間。

經(jīng)濟學家Boyan Jovanovic和Peter Rousseau 在撰寫的通用技術中寫道，創(chuàng)新可以隨著時間的推移而改進，并產(chǎn)生進一步創(chuàng)新。大量的創(chuàng)新刺激了自19世紀以來的經(jīng)濟革命，蒸汽機在19世紀90年代到20世紀20年代推動了第一波工業(yè)化浪潮；，電力為19世紀90年代到20世紀30年代的第二次浪潮提供動力，信息技術帶來了第三個，它始于20世紀70年代，并隨著2000年代互聯(lián)網(wǎng)的爆炸而達到頂峰，從而為目前正在進行的第四次工業(yè)革命鋪了道路。其關鍵驅動因素是人工智能，它使機器人更加智能化便于大數(shù)據(jù)分析，幾乎可以定制任何產(chǎn)品控制復雜的工業(yè)流程。

由于通用技術可以應用在方方面面，因此它們的采用需要很長時間才能達到臨界質量。例如，電力超過蒸汽需要二十多年的時間，并且近四十年才成為無可爭議的發(fā)電來源。這是有道理的，為了利用電力，政府不得不投資全國范圍的電網(wǎng)；企業(yè)家必須發(fā)明諸如燈泡，電纜和開關等硬件；官僚們必須就電流電壓和電源形態(tài)達成一致；最終，企業(yè)必須創(chuàng)造與新能源兼容的可銷售產(chǎn)品。

現(xiàn)代信息和通信技術也采用了類似的過程。這種設備花了大約20年時間才超過所有資本存量的1％。然后，在1991年至2001年之間，該份額上升至5％，在2008年再次上升至8％，并大致穩(wěn)定下來。同樣，人工智能革命的第一次現(xiàn)代推動發(fā)生在2011年，當時IBM Watson計算機系統(tǒng)在Jeopardy上贏得了100萬美元。五年之后，谷歌DeepMind團隊開發(fā)的AlphaGo計算機系統(tǒng)以4：1擊敗了下世界上最偉大的圍棋選手之一李世石。從那時起，皮膚癌和語音識別也有了重大突破，但大多與人工智能相關的活動仍然是科技巨頭或高度專業(yè)化快速成長的初創(chuàng)企業(yè)特權。

Jovanovic和Rousseau記錄了生產(chǎn)力統(tǒng)計中的匹配模式。在電力和IT的歷史案例中，新的通用技術爆發(fā)后的前25年，生產(chǎn)率增長仍然低迷。接下來是長達十年的加速期，其間增長率躍升至4％左右，然后再次減速至約1％。生產(chǎn)率增長的滯后并不令人驚訝。通用技術的真正潛力需要時間才能變得清晰，此后公司需要更多的時間來決定如何相應地調(diào)整生產(chǎn)過程。

因此當前世界同時處于人工智能的繁榮期和生產(chǎn)力增長的蕭條期，這一點也不足為奇了。好消息是人工智能相關的商業(yè)活動正在加速，目前在美國發(fā)展人工智能系統(tǒng)的公司是2000年的14倍。同樣工業(yè)機器人也比以往更加普遍，從2003年到2010年，全球工業(yè)機器人的數(shù)量大致停滯不前。該數(shù)字在2010年至2014年間幾乎翻了一番。到2020年，機器人庫存預計將比2014年增加近三倍。