📰 研报摘要
查看全文 ➔摘要： 本报告通过回顾美国过去 250 年的五次重大创新浪潮（工业革命、蒸汽与铁路、电力与内燃机、电子与航空、互联网与数字网络），分析通用技术如何驱动宏观经济转型，并以此为基准为当前的 AI 浪潮提供预测参考。
核心观点：
- 生产率提升是必然结果：AI 将像此前技术一样提高人均产出，但其释放需要组织变革和配套投资的扩散过程。
- 劳动力影响是结构性而非永久性：历史表明技术进步会导致职业重构而非大规模永久性失业，工人将被重新配置。
- 繁荣与泡沫周期并存：AI 基础设施的重资本投入类似于早期的铁路和电信建设，容易诱发金融过度扩张和波动。
- 不平等风险增加：由于规模效应和数据网络效应，AI 可能会加剧财富集中，需依赖政策干预调节。
论据支撑：
- 资本支出模式：历次浪潮均由资本支出激增驱动，如铁路投资曾占 GDP 的 2-3%，AI 基础设施投入亦呈现类似特征。
- 生产率曲线：从 19 世纪初的渐进增长到 20 世纪初的“大跳跃”，证明技术扩散最终能显著提升总要素生产率。
- 教育适配机制：历次转型均伴随教育体系的扩张（如高中运动、GI 法案），以匹配新的技能需求。
局限性/风险：
- 扩散速度加速：AI 的扩散速度可能远快于此前浪潮，导致社会调整压力增大。
- 替代风险：在极端情境下，AI 可能直接替代劳动力而非增强劳动力，导致劳动力份额下降和极端不平等。