本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论
导语
当下美股AI板块波动明显加大，市场对AI远期估值的乐观预期持续松动。但美国财政仍在为未落地的AI红利“提前买单”。CBO将短期生产率走高归因为AI赋能，以此乐观预判制定财政规划，对冲各类政策带来的增长拖累。但多重实证数据佐证，美国本轮生产率翻倍并非技术革新驱动，只是疫情囤工出清的周期调整。AI目前仅存微观试点价值，暂无宏观增长赋能效应。这场“预期先行、事实滞后”的财政博弈，暗藏万亿级债务风险。完善数字经济统计体系，才是破解AI红利误判、规避财政危机的最优解。
原文来源：战略与国际研究中心（CSIS）
原文标题：America's Unproven Productivity Boom,and the Cost of Misreading the Data
编译解读：数字经济发展评论
近期，美国科技股波动加大，市场开始重新审视那些建立在AI乐观预期之上、却尚未落地兑现的资产估值。事实上，资本市场对AI红利的炒作降温早已显现，但股票市场并非唯一体现AI乐观情绪的领域。
当前美国财政测算体系中，乐观倾向更为突出：美国国会预算办公室（CBO）已直接将AI赋能的生产率提升视为已经兑现的红利，纳入联邦财政收入核算体系。
2026年2月，CBO首次在官方基线预测中引入AI生产力专项假设，认定AI将可持续、可量化地提升未来单位劳动产出，并以此上调联邦财政收入预期。不仅如此，政策层面直接借助这份理想化的AI增长红利，来对冲贸易摩擦、移民限制等本土政策对经济增长的拖累。
数字经济发展评论认为，这一财政逻辑存在明显的预期前置偏差：在AI对宏观经济的结构性赋能效果尚无确凿实证、行业红利尚未全面释放的前提下，美国财政政策已基于AI繁荣的乐观叙事，超前透支了未来的增长空间，属于典型的“预期先行、事实滞后”决策。
倘若这套核心生产率假设出现偏差，美国财政将面临巨额赤字风险。根据CBO官方敏感性分析，全美劳动生产力增速每波动0.1个百分点，未来十年美国联邦累计赤字规模将相应变动约3000亿美元。
战略与国际研究中心（CSIS）经济学项目主任菲利普·勒克（Philip Luck）的测算则更具体：若疫情后劳动力市场的收缩效应消退一半、用工回归常态，美国联邦政府将新增约1.1万亿美元借款；若本轮短期劳动力调整效应完全出清，新增债务规模将高达2.2万亿美元。
从当前经济数据来看，CBO基于AI的乐观增长假设，缺乏扎实的现实支撑。
数据显示，美国劳动生产力年均增速从2013—2019年的1.3%跃升至2022年以来的2.4%，增速近乎翻倍。技术乐观派将这一轮生产率跃升，简单归因于AI规模化渗透带来的早期红利。但勒克通过三种独立的修正方法，推翻了这一主流乐观结论，证明本轮生产率提升并非技术驱动。
▲图源：CSIS
第一，宏观总量分解。相对于2013—2019年的经济运行趋势，2025年之前美国劳动投入年均增速下降了约1.3个百分点，但产出增速基本保持稳定，意味着企业以更少的工时维持了原有产出。
关键线索是：从技术逻辑来看，AI规模化落地必然伴随企业智能化设备、数字资本的持续加码，但本轮周期中美国资本投入增速同样在下降，这与大规模AI投资应带来的劳动增强效应并不相符。劳动投入的降幅足以解释本轮全要素生产率的回升，技术残差实际上是微负的，表明并不存在技术增量赋能效应。
第二，利用率修正。旧金山联邦储备银行的独立测算进一步佐证了上述结论：其发布的净利用率调整后的全要素生产率数据（剔除了加班和产能利用率波动的干扰）显示，截至2026年一季度的四个季度中，全要素生产率仅增长0.07%，而同期名义劳动生产力增速约为2.5%。
通过用工时长、产能利用率两个不同维度的周期修正，最终得出完全一致的结论，彻底否定了本轮生产率增长源于AI技术的说法。
第三，细分行业归因。从行业维度来看，2020—2021年疫情期间囤工最多的行业，正是2022年后用工工时压缩幅度最大、人员减少最为显著的行业。勒克将各行业的劳动力囤积程度与六项权威AI行业渗透指标同步纳入回归模型，仅劳动力囤积变量具备显著解释力，六项AI暴露度指标全部不具备统计显著性。
当下AI已在企业微观层面实现降本增效、优化流程，但仍处于点状试点阶段，尚未形成跨行业、可量化、可传导的宏观增长红利，而这恰恰是CBO财政预测的核心前提。截至2024年，AI尚未引发全行业的结构性生产力变革。
▲图源：CSIS
换言之，本轮美国劳动生产率的短期高增，本质是疫情特殊周期下，企业消化疫情期间囤积的冗余劳动力的修复性结果，是典型的劳动力市场周期性调整，而非人工智能等新技术驱动的结构性技术变革。
这并非无关紧要的学术争论，而是关乎美国财政安全与长期经济竞争力的核心现实问题。经济内生增长动力，是美国维系经济霸权和全球影响力的资源基础。CBO的生产力预判，直接锁定了联邦收入的长期走势，进而框定了美国国防开支、产业扶持、社会民生、国债利息等核心领域的财政空间。
未来十年，美国需投入数万亿美元用于基础设施重建、关键供应链加固、全球安全布局升级，巨额资金高度依赖联邦债务融资，而债务可持续性则高度依赖经济的结构性增长能力。AI也许最终会提供实质性帮助，但依托尚未落地的技术预期制定长期财政计划，本质是透支未来经济韧性。
针对这一风险，一个成本极低的对冲方案是改善测量。当前美国联邦统计体系持续老化，适配数字经济、AI新业态的统计维度缺失，大量受新技术冲击、改造的行业，缺乏精细化、颗粒化的监测数据。两党联合提出的《AI数据法案》（AI DATA Act）将扩大联邦AI数据收集，并要求提交关于技术对劳动力影响的年度报告。
在万亿级财政误差风险面前，加码数字经济统计基础设施建设，精准锚定AI真实经济价值，是性价比最高的政策投资，远优于基于乐观预期的盲目财政扩张。