核心内容总结
这篇文章围绕“AI技术突飞猛进，但全球GDP增速却未明显提升”的矛盾展开，通过三位经济学家的不同观点，分析AI对经济的潜在影响：怀疑派认为AI对宏观经济影响极小；乐观派指出AI若发展到能替代所有人类工作，可能让GDP爆炸式增长但普通人工资崩盘；第三派则跳出经济增长，关注AI带来的生存风险与寿命延长的权衡。最后指出专家们的核心分歧在于AI能自动化多少任务、难学任务的边界、AI能否自我迭代这三个问题。
一、为什么AI没让GDP变快？——像当年计算机一样“隐形”
文章开头提到，ChatGPT问世三年多，AI能力不断突破，但中国和美国的GDP增速反而缓慢下行。这像1987年诺奖得主索洛说的“到处见计算机，生产率数据里却没有”——计算机普及后，过了近十年才在宏观数据中体现出贡献。现在AI也可能处于“潜伏期”：它改变了我们的生活（比如用AI写文案、查资料），但还没大规模渗透到所有行业（比如农业、制造业的核心环节），所以暂时没拉动GDP增长。
二、怀疑派：AI对经济的影响几乎可以忽略
代表人物是2024年诺奖得主阿西莫格鲁。他的结论是：未来十年AI对全要素生产率（技术进步带来的效率提升）的累计贡献最多0.66%，平均每年仅0.06%，几乎等于没有。
他的计算逻辑很简单：
1. 拆任务：把所有工作拆成无数小任务（比如会计要记账、报税、沟通），而不是看“能不能替代某个职业”。
2. 算比例：研究发现只有20%的任务受AI影响，其中仅23%能被“经济地替代”（AI做比人便宜），所以总共只有4.6%的任务会被AI自动化。
3. 打折：AI现在只能做有明确答案的“易学任务”（写代码、客服），未来要做没标准答案的“难学任务”（战略决策、管理）很难，实际影响可能更小。
他认为AI的宏观影响被严重高估，甚至不如零售业效率提升5%的贡献大。
三、乐观派：AI可能让GDP爆炸但工资崩盘
代表是弗吉尼亚大学的科林内克。他假设AI最终能做所有人类工作（AGI），核心看“自动化与资本积累的赛跑”：
- AI抢工作快：如果AI替代人类的速度超过资本创造新工作的速度（比如建数据中心、造GPU需要人），工资就会崩盘。
- 资本积累快：如果新工作创造得多，AI从业者和周边行业工资会上涨。
他设计了四种情景：
1. 基线情景：任务复杂度无限，AI永远做不完，经济照常增长。
2. 激进AGI：5年内AI替代所有任务，GDP爆炸但工资瞬间崩盘（人类劳动变没用）。
3. 基准AGI：20年完成自动化，过渡期后工资崩盘。
4. 长尾情景：AI替代大部分任务，但剩下难的“长尾任务”（比如跨国离婚监护权协调）需要人，工资先降后稳。
结论：AI越高效，GDP增长越快，普通人工资可能崩得越快——这是同一硬币的两面。
四、第三派：经济增长不重要，生存风险与寿命才是关键
斯坦福的琼斯认为，大家争AI能带来多少增长，却忽略了更重要的事：AI是双刃剑。
- 生存风险：AI可能因价值观不符导致人类灭绝（比如消耗资源、智能爆炸）。
- 寿命收益：AI可能治愈癌症、延缓衰老，让预期寿命从100岁延长到200岁。
他用模型计算：
- 如果AI仅提高GDP增速（从2%到10%），人类能接受的灭绝风险阈值仅4%（因为额外增长的幸福感有限）。
- 如果AI能延长寿命，风险阈值会升到25%——活得更长的收益远大于风险。
他的观点：AI的价值不仅是经济增长，更在于健康和寿命，人类可能为了长寿愿意承担高风险。
五、专家们的核心分歧在哪里？
三个关键问题：
1. 多少任务能被自动化？ 怀疑派说仅4.6%，乐观派认为理论上所有任务都能被替代。
2. 难学任务的边界？ 怀疑派觉得难学任务（管理、决策）AI学不会，乐观派认为AI进步快，未来能学会。
3. AI能否自我迭代？ 怀疑派不考虑，乐观派把它作为重要场景，琼斯则提醒这会带来最大生存风险。
回到开头的比喻：目前AI更像“手机”（改变生活但没拉GDP），但如果进步速度快于计算机（十年见效），未来可能像“蒸汽机”（颠覆经济）。至于“像火”的文明级跃迁，作者认为太遥远，没必要预测。