鲍威尔：尚未看到AI对生产率的影响 服务业效率待突破！自工业革命以来，人类社会生产力增长呈现出显著的非均衡性。制造业通过资本深化、自动化流水线和标准化技术进步，实现了劳动生产率的指数级攀升。然而，服务业长期受困于威廉·鲍莫尔在20世纪60年代提出的“成本病”假说。该理论指出，教育、医疗、表演艺术等服务业部门高度依赖劳动投入，且生产和消费具有同时性，技术进步难以有效替代人工，导致其生产率增速长期滞后于制造业。这不仅推高了服务价格，还因劳动力向这些部门转移，在宏观上拖累了全要素生产率的整体提升。
进入数字经济时代，尽管互联网和数字化技术降低了信息搜寻成本，但并未从根本上改变服务业“劳动密集型”的特征。然而，以大模型为代表的生成式AI的突破性进展正在改变这一局面。不同于以往主要替代体力劳动或简单重复性脑力劳动的技术浪潮，生成式AI开始具备处理非结构化数据、理解复杂语境并生成创造性内容的能力。这意味着技术进步的边界从蓝领任务拓展至白领任务，从手臂的延伸跃升为大脑的扩展。
生成式AI的核心在于突破了服务业所面临的工时约束。传统模式下，资深律师起草合同或心理医生进行诊疗，产出严格受限于投入的时间。单位时间内，服务产出的数量和质量很难像工业品那样通过增加机器设备来实现倍增。然而，生成式AI使得以知识和符号处理为核心的服务环节首次具备了工业化大规模生产的可能。它通过将依赖直觉与经验的隐性知识显性化，打破了长期制约服务业自动化的核心技术瓶颈。基于海量数据的预训练大模型，通过对人类语言逻辑和行为模式的深度概率学习，成功将这种非结构化的隐性知识转化为可计算、可生成的显性算法。这使得原本需要由高技能劳动者亲力亲为的工作能够以极低的边际成本由AI智能体完成。在经济学意义上，这是将原本属于可变成本的高技能劳动转化为用于模型训练与部署的固定成本，远非简单的劳动替代。一旦跨过这一固定成本门槛，服务产出的边际成本将迅速趋近于零，从而呈现出强劲的规模报酬递增特征。
