2025 年第四季美國 GDP 增長率僅為 0.7%，遠低於市場預期的 1.4%，更與早前的 3% 以上強勁增長形成鮮明對比。這引發了市場的普遍質疑：「傳說中的 AI 生產力紅利究竟在哪裡？」。
事實上，AI 的進步速度極其驚人，其能力大約每 3 至 7 個月便翻倍一次，進化速度遠超 1990 年代的互聯網。這意味著生產力的飛躍式增長——以及隨之而來的 GDP 提振——正蓄勢待發，只是企業將新技術轉化為實際效益仍需時間。
為何 2025 年第四季 GDP 表現低迷？
該季度的弱勢主要受短期非技術因素干擾：
- 聯邦政府停擺：大幅削減政府開支，令增長率直接減少約 1%。
- 外部與內部壓力：出口下降、消費者支出放緩，加上高利率與新關稅政策對經濟造成的雙重打擊。
- AI 投入的滯後效應：雖然企業在數據中心與芯片上的支出提供了部分支撐，但大量依賴設備進口抵消了對 GDP 的直接貢獻。
AI 的進化速度：遠超互聯網時代
根據 METR 的研究，AI 的任務處理能力（AI 獨立完成任務的時長）每 3 至 7 個月翻一倍。在過去 6 年中，這一增長速度穩定在每 7 個月翻倍，近期更有加速趨勢。 以具體案例來看，數年前 AI 僅能處理數分鐘的簡單任務，而當今頂尖模型已能以 50% 的成功率完成人類需時 50 分鐘的複雜工作。 依照此趨勢，AI 可能在數年內開始自動化處理需時長達一個月的軟件工程項目。
歷史的映照：1990 年代的「索洛悖論」
1990 年代初期，儘管電腦與網絡已普及，生產力數據卻多年停滯（即「索洛悖論」）。直到 1995 年至 2005 年間，真正的生產力爆發才正式降臨。 AI 正在重演這一模式：經歷了初期的興奮與隨後的沉寂後，即將迎來巨大的提升。
相比互聯網，AI 的優勢在於滲透速度：
- 目前已有 70% 至 78% 的企業開始使用 AI 工具。
- ChatGPT 在數月內即達到 1 億用戶，而互聯網達到相同規模則耗時數年。
生產力紅利延遲的現實障礙
儘管技術進步神速，但經濟範圍內的收益普及仍面臨阻力：
- 測量難度：衡量編寫代碼或決策等「知識型工作」的生產力極具挑戰。
- 組織轉型：企業需要重新培訓員工、重組流程並採購新工具，這往往耗時數年。
- 初期陣痛：在早期階段，修復 AI 的錯誤有時反而會降低員工效率。
未來展望與市場啟示
短期內（2026 年），AI 對 GDP 的貢獻約為 0.1% 至 0.2%，主要來自基建投資。 但長期潛力巨大：PwC 預測到 2035 年，AI 可能為全球 GDP 額外貢獻 15 個百分點；McKinsey 則估計到 2030 年代，每年可為全球增加 2.6 兆至 4.4 兆美元的價值。
總結： 弱勢的 GDP 數據並不代表 AI 的失敗，而是反映了我們仍處於「基礎建設與學習曲線」的早期階段。隨著 AI 能力呈指數級增長，生產力的爆發只是時間問題。目前，市場領導股的價格走勢與圖形結構將提供最真實的信號。