为什么GDP里找不到AI？卡帕西拆解科技扩散与“数9的长征”

去查美国过去一百年的 GDP 增长图，你根本找不到个人电脑和智能手机是什么时候出现的。

按常理，这种改写全人类生活方式的技术革命，怎么也得在经济曲线上砸出一个陡峭的台阶来。 可现实是，整整一百多年，那条线几乎以每年大约 2% 的匀速在往前走。 个人电脑普及的八九十年代，它没跳； iPhone 掀起移动互联风暴的 2008 年，它也没跳。

前阵子，前特斯拉人工智能总监、OpenAI 创始成员安德烈·卡帕西（Andrej Karpathy）在访谈里聊起这件事。 他说自己前段时间也干了件较真的事：他跑去宏观经济数据里找人工智能，想看看大模型到底有没有把美国的 GDP 拉起来。 结果什么都没找到。 AI 没找到就算了；他顺着历史往前翻，发现当年席卷全球的个人电脑和移动电话，在 GDP 数据里也全都是平的。

为什么会这样？ 当年诺贝尔经济学奖得主罗伯特·索洛在 1987 年就吐槽过一句话：计算机时代随处可见，唯独在生产率统计里看不见。 搞了一辈子技术落地的卡帕西，给出了一个工程师视角的答案。 事情其实很简单：技术的扩散太慢了。

我们现在回头看 2007 年乔布斯掏出初代 iPhone，觉得那是天翻地覆的时刻。 但如果你真的用过那台机子，就会记得它当时有多简陋。 初代 iPhone 连应用商店都没有。 它不能复制粘贴文本。 没有前置摄像头，不能录视频，跑在慢如蜗牛的 2G 网络上。 当时它就是一个好看的大号触屏 iPod 加电话，对全社会的生产效率几乎没有任何拉动。

一项技术从石破天惊的发布会，到真正重构一个国家的生产方式，中间隔着十几年甚至几十年的漫长爬坡。 苹果用了好几年才建起应用生态； 电信运营商花了上万亿美元，在全国铺满 4G 基站； 物流公司、出租车行业、外卖、移动支付，一点一点把业务搬到手机上。 等智能手机真正把社会的运转效率推上去的时候，它的影响已经被漫长的时间稀释到了十几年里。 一年分摊一点，最后全被抹平进了那条每年 2% 的自然增长线里。

卡帕西说，现在的人工智能也是完全一模一样的事。 在很多科幻迷的嘴里，AI 是一个马上要带来奇点爆炸的超级神话。 但在天天调试代码的顶级工程师眼里，AI 并没有脱离历史的发展轨迹。 它的名字听起来神神秘秘，归根结底仍然是一段程序。 过去的软件，是程序员一行一行手写规则； 现在的人工智能，是用海量数据和算力去优化参数，让计算机自己生成规则。 它确实能写出人类以前写不出来的复杂程序，但从产业角度看，它依然只是自动化技术的又一次延伸。

既然是自动化，为什么不能像大家想的那样，几个月内就让全社会的生产力垂直起飞？ 卡帕西给出了一个很实在的工程规律：数 9 的长征。 在实验室里，你搞出一个大模型，给它出十道题，它做对九道。 90% 的成功率。 这段演示视频发到网上，立刻能拿到上亿次播放，吸引几百亿美元的风险投资。 但这 90% 的可用性，在工程师眼里仅仅是第一个 9。 你想把它变成一个商业公司敢掏钱用的生产工具，就必须迈向第二个 9：99%。 然后是第三个 9：99.9%。 再然后是第四个 9：99.99%。

每往前跨一个 9，背后所要付出的工程工作量都是恒定的，甚至成倍增加。 卡帕西回忆，他在特斯拉带队死磕自动驾驶整整五年，熬干了心血，团队也就艰难跨过了两三个 9，后面还有更难啃的关卡。 在真实世界的商业链条里，90% 的准确率基本上等于零可用。 如果一家医院的处方系统、一家银行的对账程序、或者一家跨国公司的合同审查，每十次任务就会出一次错，人类敢不敢放手让它自己干？ 根本不敢。 只要你不敢放手，人类员工就必须寸步不离地坐在旁边盯梢、核对、兜底。 这时候，人力成本一分钱没有省下来，反而凭空多出了一套校对和伺候 AI 的工作流程。

只有当技术在泥泞的工程细节里一点一点熬，把准确率从三个 9 推进到四个 9、五个 9，企业才敢真正解构原来的组织架构，把人类从那个环节上撤下来。 而把这几个 9 啃完，往往需要十年甚至二十年。 在这期间，数据中心要扩建，电网要改造，企业的工作流要重写，法律和行业监管要重新建立信任。 这些现实世界的摩擦力，是任何算力扩张都跳不过去的物理定律。

所以卡帕西的预期很克制，但格外清醒： 未来的 GDP 曲线，大概率还是会像过去一百年那样，继续沿着每年 2% 的速度波澜不惊地走下去。 这并不代表人工智能是泡沫。 就像当年的个人电脑和智能手机一样，它们确实把世界翻了个底朝天； 但真实世界的改变，从来不会是一道平地拔起的垂直断崖。 它就是一场由无数工程师在代码堆里数着 9、一点一点渗透进千行百业的漫长马拉松。