AI技术扩散过程中的时滞效应与资源错配如何解释当前的生产率悖论？

AI技术对生产率的长期提升作用在短期内受到多重因素的制约，形成了所谓的“生产率悖论”。首先，时滞效应是核心解释之一。通用技术如电力、半导体从发明到全面释放生产率红利往往需要数十年，期间需经历配套的组织变革、人力资本积累和技术扩散。AI作为通用技术，其初期应用常伴随流程重构和学习成本，导致生产率呈现J曲线特征，即初期可能下降，随后才进入快速提升阶段。微观数据显示，早期采用AI的企业在经历短期调整后，长期生产率增速显著高于未采用者。

其次，资源错配导致生产率提升集中在头部企业。新技术的收益往往首先被具备规模优势、高劳动生产率和较高薪资水平的企业获取，如金融、信息通信等行业。这种结构性分化使得宏观层面的生产率提升缺乏广泛的行业基础，部分行业甚至未感知到明显变化。此外，测量误差也起到一定作用，传统国民经济核算体系难以充分捕捉AI带来的无形资产价值和效率改善，导致对AI生产率的贡献被低估。

尽管存在上述障碍，学术界主流观点仍认为AI将在长期带来生产率提升，预计2030年前后效应将显著显现。货币政策在应对这一转型期时，应重视微观数据，区分结构性调整与周期性波动，维持相对宽松以支持技术扩散，同时警惕资产泡沫风险。