AI燒了1.3兆美元，生產力數據為何紋絲不動？

全球企業過去三年在AI上砸下超過1.3兆美元，但生產力統計數據幾乎一動也不動。這筆錢究竟去了哪裡？

這個問題正在讓越來越多的機構投資人和政策制定者感到不安。不是因為AI沒有用，而是因為「有用」和「讓整體經濟更有效率」之間，存在一條我們還沒跨越的鴻溝。

數字說了什麼，又藏了什麼

IMF在2026年4月的《世界經濟展望》中指出，先進經濟體的全要素生產力（TFP）年增率僅為0.8%，與AI投資爆發前的水準相差無幾。OECD的研究同樣顯示，即便是AI導入率最高的金融與資訊服務業，生產力的顯著提升「尚未反映在統計數據中」。

解釋這一現象的理論不少。最常被引用的是「實施落差」：正如電力發明後花了將近40年才讓工廠設計徹底改變，AI的紅利或許需要更長時間的組織重構才能顯現。另一個解釋是「測量盲區」：當律師用AI將合約審查速度提升10倍，GDP帳本上仍然只記錄「一份合約」，效率提升以價格下降或品質改善的形式流失在傳統統計方法的縫隙之間。

但第三種可能性最值得警惕：許多企業的AI投資，本質上是一種「防禦性支出」——不是因為真的能提升效率，而是因為不投就會落後於競爭對手。高盛估計，目前企業AI投資中約30至40%無法量化具體的投資回報率。換句話說，相當大比例的AI支出，買的是「不掉隊的安心感」，而非真實的生產力。

亞洲的位置：機會與裂縫並存

廣告

廣告合作

[email protected]

廣告

對於華人世界與亞洲市場而言，這場辯論有其特殊的地緣政治維度。

中國大陸在AI領域的國家級投入規模龐大，百度、阿里巴巴、華為等企業在生成式AI的應用層快速推進。但在晶片禁令持續收緊的背景下，算力瓶頸仍是核心制約。英偉達的高階GPU對中國市場的限制，迫使中國企業在既有算力條件下尋求模型效率的突破，這在客觀上催生了一種「效率導向」的AI發展路徑，與美國「算力堆疊」的策略形成對比。

台灣的角色則更為關鍵且脆弱。台積電作為全球AI晶片製造的核心節點，其產能與技術路線直接影響全球AI投資能否轉化為實際的計算能力。台灣在這場生產力競賽中，既是基礎設施的提供者，也是地緣政治風險的承載者。

東南亞市場正在成為另一個觀察窗口。新加坡積極打造區域AI中心，越南、馬來西亞等國則在承接製造業轉移的同時，開始布局AI應用於製造流程的實驗。這些市場的AI生產力轉化速度，或許比已開發國家更快——因為它們的起點更低，改善空間更大，組織慣性也相對較小。

誰是真正的贏家，誰在承擔成本

在宏觀數據沉默的同時，微觀層面的財富重分配已經悄然發生。

AI浪潮的最直接受益者，是工具的開發者與銷售者：微軟、Google、Anthropic、OpenAI。其次是擁有大規模實施能力的跨國大企業。中小企業、非正式就業者、以及缺乏數位技能的勞工群體，則面臨被邊緣化的風險。

世界銀行的研究顯示，在新興市場中，AI帶來的生產力提升若缺乏相應的技能培訓與社會安全網，可能加劇而非縮小收入不平等。這對東南亞與南亞的龐大勞動力群體而言，是一個不能迴避的結構性挑戰。

政策面上，歐盟AI法案的分階段實施正在為企業設定新的合規成本。亞洲各國的AI治理框架仍在形成中，如何在監管與競爭力之間找到平衡，是各國政府面臨的共同難題。過於寬鬆可能帶來系統性風險，過於嚴格則可能讓本地企業在全球競爭中處於不利位置。