AI 投資砸重金卻成一場空？高盛首席經濟學家示警：對美國經濟成長貢獻幾乎為零 - 來自T客邦
結論與原因
文章結論直指 AI投資並沒有你想像中的美好。其原因在於，儘管美國科技巨頭在 AI 領域投入大量資金，但與美國 GDP 的成長幅度相比，並未顯現出顯著的關聯性。此外，許多企業高層也表示，導入 AI 並未明顯提高公司的生產力。
隱含假設
以下是一些我認為文章可能存在的隱含假設：
- 本土製造關鍵：對於GDP的成長來說，本土製造才是關鍵。
- 懼怕落後：科技巨頭公司現在對AI的投資只是擔心自己會是落後的那位。
- 算力至上：未來只要是沒有資料中心的基礎設施，那就很難與其他巨頭公司競爭。AI 競爭的勝負手在於「算力規模」而非「演算法效率」。
- 缺乏長遠規劃：科技巨頭公司對於AI的投資並沒有一個長遠的規劃。假設「資本支出（CAPEX）」能等同於「生產力成長」。
- 認知一致：企業和消費者對於AI可能帶來的經濟成長想法是一樣的。
- 供應鏈制約：美國的GDP成長受制於亞洲的硬體製造供應鏈上。
- 軟體無用論：軟體業已經沒辦法讓美國GDP有所成長了。假設軟體帶來的「隱性價值」或「消費者剩餘」無法被傳統 GDP 衡量。
可能的偏誤
- 線性思維：認為AI目前只能處理邊緣任務，所以未來幾年的變化不會太大，忽略了AI技術可能出現指數級成長。
- 誤因後果：將GDP沒有成長的原因，歸咎於硬體設備掌握在亞洲，卻忽略其他可能原因，或把相關性當成唯一因果。
相關問題
以下是一些值得進一步思考的問題：- AI的本質：現在的AI算是通用型技術嗎？
- 預期落差：原本AI對於就業市場或整體的生產力有預期是如何的影響呢？
- 基礎建設先行：如果現在AI的發展是在建立基礎設施，過去有沒有任何基礎設施還沒有建置完整時，就能發揮效益的案例呢？
- 技術與應用：AI還無法深入企業核心業務創造利潤，是因為AI的技術還有需要克服的，還是只是企業還不知道怎麼運用AI呢？
- GDP的迷思：所以只需要解決基礎設備進口的問題，就能改善GDP嗎？
- 軟硬體之爭：AI在未來的落地應用是會在軟體，還是硬體呢？
- 生產力指標：GDP的數據就能說明或支持企業的生產力並沒有太多的改善嗎？
- 企業導入策略：企業高層是如何導入AI的呢？期待的生產力提升是哪方面的生產力？
- 生產力認知：企業和消費者理解的生產力是相同的嗎？
- 比較基準：把台灣和韓國的GDP成長對比於美國的GDP成長，是能夠站在同樣的比較基準嗎？
- 歷史條件：那過去的GDP成長是基於什麼樣的條件呢？
- 地緣政治：我們如果建置AI所需的基礎設備，不要在本國，而是他國的話，那會怎麼樣呢？
- 產業衝擊：我們如果那些AI所需的基礎設備不要進口，而是改成本國製造生產，那會怎麼樣呢？會不會衝擊到原本軟體業的優勢呢？
- 資金規模：我們如果砸下九千億美元以上的話，會怎麼樣呢？
- 基礎設施規模：我們如果只建造一個全新的資料中心，會怎麼樣呢？
- 技術發展路徑：我們如果不要發展通用技術，而是專用型技術的話，會怎麼樣呢？
- 企業規模：我們如果拿掉科技巨頭等大型企業，只看中小型企業的話，生產力和影響力會是怎麼樣呢？
- 資金流向：如果投資AI的熱潮反轉的話，那麼熱錢又會流向哪裡呢？
Gemini的補充觀點
財富轉移？：「當 AI 的『算力成本』成為美國企業的固定支出，而這些利潤最終流向台積電或三星時，這是否意味著 AI 革命在短期內本質上是一場『美國研發補貼全球硬體供應鏈』的財富轉移？」。隱形資產積累期？：「歷史上的『索洛悖論』告訴我們電腦無處不在，唯獨不在生產力統計中。目前的 AI 投資是否正處於『隱形資產積累期』？我們該如何定義 AI 時代的『非貨幣化生產力』？」
學習重點
索洛悖論（Solow paradox）
索洛悖論又稱「生產力悖論」，指的是資訊科技（尤其是電腦）大量普及與投資後，整體生產力統計卻看不到明顯提升的現象。
基本概念
1980年代，美國許多企業大幅增加電腦與資訊科技投資，但產出成長率與勞動生產率卻並未同步加速，甚至呈現放緩。
諾貝爾經濟學獎得主羅伯特·索洛曾用一句話概括這個現象：「我們到處都看得見電腦，就是在生產率統計方面卻看不見電腦。」
因此，索洛悖論的核心就是：IT無處不在，但其對生產率的貢獻在統計上卻微乎其微。
常見解釋
學者對索洛悖論提出了多種可能原因，其中常被引用的包括：
- 電腦產業在整個經濟中的規模仍偏小，短期內難以拉高總體生產率。
- 生產力與服務品質的統計測度有問題，很多IT帶來的改善（例如服務速度、便利性）難以反映在GDP或生產率指標中。
- 存在「學習與調整」時滯：企業在導入新技術的過程中，需要花時間重組流程、培訓員工，短期內反而可能拖累效率。
- 通用技術（如電力、資訊科技）往往先帶來結構調整與重組成本，生產率提升會在較長時間後才顯現。
- 管理與組織若沒有相應變革，單純增加IT投資未必能轉化為真正的效率提升。
歡迎讀者分享對本文的看法，並提出可能存在的隱藏假設與偏誤。
