让我们期待这一次不同。这是人工智能的时代它充满着悖论——预测悖论、就业量化悖论、生产率悖论、数据价值悖论、工业革命悖论……我们在悖论中前行。预测悖论对人工智能的未来人们似乎永远预测不准无论是图灵奖得主、诺贝尔奖得主还是企业家、创业者。他们总是做出不切实际或过于保守的判断。这就是人工智能的预测悖论。历史上马文·明斯基、艾伦·纽厄尔、赫伯特·西蒙等开拓者都曾作出大跌眼镜的预言。例如马文·明斯基在1970年指出“在三到八年的时间里我们将得到一台具有人类平均智能的机器。”至今我们仍在为之努力。杰弗里·辛顿是当今最具影响力的人物被誉为“AI教父”。他在2016年做出预测“应该立即停止培训放射科医生。显而易见深度学习的表现将会在五年之内超越放射科医生。”它未能成真现实朝着相反的方向发展近十年美国放射科医生的数量和收入均大幅增长。德米斯·哈萨比斯的地位可比肩辛顿他表示 2025 “在未来十年左右AI可能帮助治愈所有疾病。”作为最成功的AI企业家阿莫迪2025认为AI能在5-10年内使人类寿命翻一番。对近期预言我们拭目以待。以上是最著名的6个人物的预言。就话题来说AGI是当下最受追捧的。企业家和学者两个群体对AGI实现时间的判断呈现出明显分化。企业家激进乐观甚至认为很快就能实现。主要4类①已经到来 身在其中却不知晓 ②马上就来 一两年 ③短期会来 三五年 ④长期才来 五到十年甚至更久 。这些判断有的已经证伪有的仍需要时间检验。如下表所示。学者的判断普遍悲观甚至认为AGI是伪命题永远不会到来。例如Iris van Rooij指出 2024 :“创造具有人类水平认知能力的AGI是不可能的。”表著名AI公司CEO对AGI到来时间的预测 来源腾讯研究院整理2026年5月人们喜欢预测。有的是为了宣传、给自己鼓劲有的是为了论文和课题还有纯粹的口舌之争。事实上谁也不知道未来是什么样子。未来并不遵循设定的剧本它由众人的选择和行为所决定由与过去的彻底决裂所塑造充满着巧合和悖论。就像一头岁月静好的猪无法预测春节的黑天鹅。就业量化悖论技术对就业的影响是一门显学也是一门玄学。它是一个古老话题像一个幽灵游荡数百年。它妇孺皆知鸿儒可谈笑白丁亦可往来。它下限极低、上限极高人们争论不休众说纷纭。近些年学者和机构转向“用数据说话”试图用一种看起来科学、严谨和高级的方法来证明自己的高明。OECD、IMF、世界经济论坛、联合国贸发会议、国际劳工组织、世界银行等国际组织以及高盛、麦肯锡、皮尤研究中心等咨询机构纷纷推出AI影响就业的测算报告。如下表所示。表AI影响就业的部分量化测算结果单独一份报告都足够有份量甚至被奉为圭臬。但把这些报告放在一起看则发现测算结果差距甚大大体处于0.4%-67%之间几乎不具可比性。让人祛魅。就业量化测算的先决条件是能够准确把握技术的发展脉搏。如前所述技术大佬还无法准确预测AI技术的未来发展经济学家如何量化AI的就业影响只能假定技术是静止不动的或者以规定好的速度向前发展然而这不是现实中的样子。另一方面AI不是独立影响因素经济周期、产业经济、技术发展、人口结构、就业偏好、就业政策、全球化、突发事件等多重因素共同影响着就业。它们之间相互联系、相互作用把AI从中完好切割出来是不可能的。从这种意义上讲量化AI对就业的影响是一个悖论。生产率悖论人工智能是新的通用目的技术具有普遍适用、持续改进和催生创新的特征是未来经济增长的引擎。人工智能术语提出已有70年机器学习革命已有14年当前AI浪潮如火如荼从大语言模型、多模态到世界模型、智能体、物理AI此起彼伏层出不穷。然而生产率增速并没有明显加快甚至面临着生产率危机 Rogers2024 。自ChatGPT发布以来欧盟每小时劳动生产率增速在0%上下波动今年一季度增长0.1%。在2022年四季度到2026年一季度的14个季度中仅有3个季度的生产率增速超过1999年以来的长期平均水平 1.0% 。如下图所示。美国增长强劲从2022年四季度到2026年二季度非农企业部门劳动生产率年均增长2.2%在西方国家中一枝独秀但这也仅相当于1948年以来的长期平均水平 来 源 美 国劳工统计局 。图欧盟近年的劳动生产率增速来源欧盟统计局这种“技术创新突飞猛进和生产率增长令人失望”同时存在的情况就是生产率悖论。它不是第一次出现。诺贝尔经济学奖得主罗伯特·索洛在1987年写到“You can see the computer age everywhere but in the productivity statistics 计算机时代的踪影无处不在唯独生产率统计中看不出来 。”这被看作是“生产率悖论”或“索洛悖论”最经典的表达。对生产率悖论主要有错误预期、测量误差和时间滞后三种解释。Brynjolfsson认为 2017 时滞性解释最具说服力是导致生产率悖论的主要原因并把通用目的技术对生产率影响的滞后效应概括为“J形曲线”。通用目的技术需要经过多次次级创新、互补创新和组织变革才能对生产率产生实质影响。从历史上看蒸汽机、发电机和计算机分别在发明118年、91年和49年分别在商业化54年、40年和21年后才开始明显推动生产率提高。因此长期来看生产率悖论并不是什么悖论。AI推动生产率明显提升尚需时日。数据价值悖论数据是AI的粮食要量大质优量大到无底洞质上“垃圾进垃圾出 GIGO ”或者说数据有“高尚”和“龌龊”之分。数据决定着AI能力的上限常被誉为“新石油” Clive Humby2006 和“世界上最有价值的资源” 经济学人2017 “与能源、材料资源同等重要” 2004年两办文件 。数据的使用价值极大却不像普通商品那样具有交易价值、货币价值。正如李国杰2025所言“数据只有在使用中才能确定它的价值。”OECD 2024 梳理了46个国家的数据政策文件发现“数据”出现的政策语境由高到低依次是创新、信任、社会、市场开放、利用、就业和准入他们并不关注“交易”。陈昌盛 2023 曾指出“数据交易所遍地开花但数据交易所中的‘交易’发展的并不是很好”“在各地掀起的数据市场建设热潮下应警惕形成‘只有经过交易买卖的数据才是可用数据’的行为导向”。数据的价值密度低难以货币化体现在资产负债表中的占比微乎其微几乎可以忽略不计。根据上海交通大学上海高级金融学院最新数据我国有136家上市公司披露了数据资源入表的相关事项入表金额共计37.86亿元。据此推算前者仅占A股上市公司数量的2.5%后者仅相当于我国人工智能核心产业规模的0.3%。三大电信运营商在入表规模上占主导地位2025年合计入表金额21亿元占上市公司入表总金额的55.46%。但这些数据资源在公司总资产中仅占0.06%左右微不足道。如下表所示。表三大运营商数据资源入表金额及其占比2025.12.31 数据来源根据财报中合并资产负债表整理。工业革命悖论每一次技术浪潮兴起总有人把它比作蒸汽机、电力或者计算机并兴奋大呼“它将引发第四次工业革命”这种现象持续了至少半个世纪早期如微电子 1984 、计算机 1988 、纳米技术 1994 、互联网 2000 、替代能源 2010 、信息物理系统 2014 。近十年更是愈演愈烈大数据 2016 、人工智能 2016 、物联网 2016 、工业互联网 2017 、区块链 2017 、量子计算 2018 和智能制造 2021 都曾被赋予第四次工业革命的使命。如下图所示。图中国知网以“第四次工业革命”等为篇名的文章数量分布 注选取标准是篇名中包括“第三次工业革命”“第三次产业革命”“第四次工业革命”和“第四次产业革命”的文章。对当下革命有人认为是第三次有人认为是第四次而且工业革命和产业革命在英文中是同一个短语“Industrial Revolution”。因此本文不做严格区分。我们在媒体上几乎时刻在经历第四次工业革命。引发这场革命的技术总是“芳林新叶催陈叶流水前波让后波”初步统计至少有20多个。每出现一种新技术并赋予第四次工业革命的重大意义似乎意味着之前都是错误的。当下人们普遍认为AI就是第四次工业革命。德米斯·哈萨比斯 2026 甚至指出“AGI的规模和速度可能10倍于工业革命。”国内亦有企业家把AI看作人类社会的最后一次技术革命。AI对过往作出了证明AI本身又如何证明我们无法争论强调两点。一是工业革命和经济危机不可能同时发生。二是历次工业革命不是先知先觉而是事后叙事身处其中的人们并不知道自己正处于工业革命之中。第一次工业革命 1760年代—1840 年代 结束40年后术语“Industrial Revolution”在阿诺德·汤因比的推动下才为大众所知。第二次工业革命 1870年代—1914年 结束40年后经济学家才开始使用“Second Industrial Revolution”结束55年后戴维·兰德斯《不受束缚的普罗米修斯》 1969 才标准化了其学术定义。第三次工业革命尚无统一认识杰里米·里夫金 2011 认为它的主题是互联网和可再生能源的融合《经济学人》 2012 认为是制造业数字化埃里克·布莱恩约弗森和安德鲁·麦卡菲 2011 认为第三次工业革命是由计算机和网络推动的。让我们期待这一次不同。原文链接人工智能的五个悖论-36氪