AI 与经济生产力的这场革命，怕是革不动

如今，越来越多的科技公司开始将 AI 应用到各行各业，但这项技术真的为社会的经济生产力带来了“革命性”的变化吗？近期，Jeffrey Funk 深入研究了有关此技术的新闻报道和研究数据，最终没有发现这项技术带来的“革命性”进展，只能说在促进经济发展。

2016 年，总部位于伦敦的 DeepMind Technologies（Alphabet 的子公司，Alphabet 也是谷歌的母公司）震惊了许多行业观察家，因为当时该公司报告说谷歌数据中心已经通过人工智能将散热成本降低了 40％。此外我们得知，就在这一年，DeepMind 开始与英国国家电网合作，通过深度学习优化电力流动来在全国范围内节约能源。

AI 真的可以大幅节约能源消耗吗？在过去的三年中，我一直在寻找将 AI 应用于其他数据中心的相关文章，但并没有发现有人取得了重大进展的证据。此外，DeepMind 与国家电网的能源合作谈判破裂了。而且 DeepMind 的财务业绩显然表明，其客户并没有在排队购买他们的服务：2018 年，该公司报告的亏损为 5.71 亿美元，收入为 1.25 亿美元，高于 2017 年的 3.66 亿美元亏损额。去年四月，《经济学人》称 DeepMind 在 2016 年的公告是一次公关炒作，他们引述一名内部消息人士的说法称：“DeepMind 只是想做一些 PR，以帮助他们在 Alphabet 内部提升自己的身价。”

见识过这出戏后，我开始深入研究 AI 的经济前景，以及这一技术的支持者在金融领域所做的乐观预测。这项调查只是我长期以来所做的工作的一项最新进展。在 80 年代初期，我就写了一篇有关机器人技术和 AI 经济学的博士论文；在我担任教授和技术顾问的整个职业生涯中，我一直在关注 AI 领域的经济预测信息，还会研究埃森哲、普华永道和麦肯锡等咨询公司的详细评估报告。

这些分析师最近断言，由 AI 支持的众多技术将大大提升经济产出。埃森哲声称，到 2035 年，人工智能将使 12 个发达国家的增长率翻倍，并将劳动生产率提高三分之一。普华永道声称，到 2030 年，人工智能将为全球经济增加15.7万亿美元产值，而麦肯锡预计到那时将增加13万亿美元。

其他预测则集中在零售、能源、教育和制造业等特定领域。其中，麦肯锡全球研究院在 2017 年题为《人工智能：新数字前沿》的报告中评估了 AI 对这四个领域的影响，并在 2018 年的报告中加入了更多行业的评估。该研究所得出的结论是，人工智能技术“有潜力在 19 个行业的 9 个业务部门中每年创造 3.5 万亿至 5.8 万亿美元的价值。而每年由所有分析技术实现的潜在收益总值为 9.5 万亿至 15.4 万亿美元，前者占到了总值的 40％。”

如果这能成真，就会给企业应用 AI 的进程带来巨大推动力——无论有没有麦肯锡顾问的帮助。但是这些预测真的准确吗？

麦肯锡的许多估算是根据众多初创公司的说法推断得出的。例如，根据 DeepMind 以及 Nest Labs 的成功案例，它预测英国和其他地区的能源效率将提高 10％。NestLabs 于 2018 年成为了谷歌硬件部门的一部分。Nest 作为一款家用智能恒温器等智能产品的生产商，在 2017 年的收入为 7.26 亿美元，亏损了6.21亿美元。这一事实与"Nest 等类似公司正在或准备为世界经济做出巨大贡献"的论点是相悖的。

因此我决定更系统地研究这类 AI 初创企业的表现。我发现，许多事实证明他们对社会的价值并不如各种炒作所暗示的那么高。这种说法肯定会让很多人误解并愤怒，麦肯锡的分析师就会是其中一员。因此，我想在这里描述我是怎样得出更为悲观的结论的。

我对 Nest Labs 的调查更进了一步，我开始寻找证据，证明智能电表整体而言会在能源效率方面带来巨大收益。2016 年，英国政府发起了一项协作运动，目标是到 2020 年在全国范围内普及安装智能电表。自 2010 年以来，美国能源部已投资约 45 亿美元，在全美安装了超过 1500 万个智能电表。奇怪的是，所有这些努力对能源使用量几乎没有什么可观察到的影响。英国政府最近下调了智能电表每年可以为每个家庭节省金额的数字估计，从26英镑降至11英镑。而且英国国家审计署警告说，智能电表的采购及安装成本上升了。对于那些坚信智能恒温器、智能家电和智能电表将节省大量能源的初创公司而言，所有这些都不是什么好消息。

其他类型的 AI 创业公司是否会对经济产生更大的积极影响呢？科技行业分析者 CB Insights 报告称，2018 年美国风险投资资金总额为 1,150 亿美元，其中 93 亿美元流向了 AI 初创公司。虽然这只占总数的 8％，但仍然是一笔数额不菲的资金，这表明有很多美国初创公司在投身 AI 领域（尽管有些人夸大 AI 在他们用来吸引投资的商业计划中的作用）。

为了进一步探讨，我收集了获得资金最多的美国 AI 初创公司的数据，并研究了他们希望颠覆的那些行业。这里的研究专注于美国的原因是，这个国家拥有最悠久的创业成功历史，因此，这里的 AI 初创公司似乎比其他国家的同行更容易发展壮大。我的目的是评估这些美国初创公司是否成功地重振了各个行业并提高了生产率，或者他们是否承诺不久就会实现这些目标。

我总共研究了 40 家投身 AI 的美国初创公司。这些公司要么估值超过 10 亿美元，要么拥有超过 7000 万美元的股权融资。除了两家被上市公司收购的企业之外，我研究的初创公司都是私人所有。我在 Crunchbase、Fortune 和 Datamation 汇总并发布的一流初创公司列表中找到了这些企业的名称和产品。然后，我使用关于这些公司的最新消息（包括一些内部报告）更新了我的数据集。

我根据这 40 家初创公司提供的产品或服务的类型做了分类。十七家公司正在研究所谓的基础计算机硬件和软件（例如 Wave Computing 和 OpenAI），其中还包括网络安全领域（例如 CrowdStrike）。也就是说，属于此类的公司构建的工具旨在支持计算环境本身。

另一大类（40 家公司中的 8 家）开发的是可自动完成各种任务的软件。例如，由 Automation Anywhere、UiPath 和 WorkFusion 开发的流程自动化软件可提高专业人员和其他白领工人的生产率。Brain Corp.的软件可以将手动装备转换为智能机器人。Algolia、Conversica 和 Xant 提供的是改善销售和市场营销活动的软件。ZipRecruiter 则以人力资源为改进目标。

名单上剩下的创业公司分布在各个行业。在医疗保健领域有三家（Flatiron Health、Freenome 和 Tempus Labs）；另外三家（Avant、Upstart 和 ZestFinance）则专注于金融技术；两家（Indigo、Zymergen）以农业或合成生物领域为目标市场； 其他三家（Nauto、Nuro 和 Zoox）涉及交通运输行业。名单上研究地理空间分析（Orbital Insight）、人机交互模式（Afiniti），照片/视频识别（Vicarious）和音乐识别（SoundHound）的初创公司各只有一家。

是否有迹象表明这些初创公司将在不久的将来带来巨大的生产率提升？在我看来，可以将通常由白领职员执行的任务自动化的软件，可能是应用 AI 的产品和服务中最有前途的。类似于过去针对白领专业人士的工具改进（包括会计师使用的 Excel 以及工程师和建筑师使用的计算机辅助设计软件等），这些基于 AI 的自动化工具对生产力有着最大的影响潜力。例如，人们对生成式设计寄予厚望，在这种设计模式中，团队成员输入约束条件，系统就能给出特定的设计。

但是，当我研究名单中的八家正在开发针对白领工作的自动化工具的初创公司时，我意识到他们并没有将重心放在那些会带来更高生产率的事情上。其中三家的重点放在销售和市场营销上，但这往往是一个零和游戏：拥有最出色软件的公司从竞争对手那里吸引客户，在某些情况下生产力仅能得到很小的提升。另一家公司正在开发人力资源软件，其生产力收益可能比销售和市场营销的收益要大，但可能比不上流程自动化的改进所能带来的收益。

这样就只剩下四家提供此类软件的初创公司了，他们的产品可能会提高生产率和降低成本。但即使在这些初创公司中，目前也没有任何一家提供了可帮助工程师和建筑师通过生成式设计提高生产力的软件。大型初创公司并没有在开发这类软件，可能是市场上有着强大的老字号对手 Autodesk，或者是因为 AI 技术的进展仍不足以在这一领域提供真正有用的工具。

我归纳的相对较大的一个类别，是研究用于计算的基础硬件和软件的初创公司（17 家），这也也表明要走到提高生产率那一步还需要很多年时间。尽管基础的硬件和软件是开发基于 AI 的高级工具（尤其是利用机器学习的工具）的要素，但从前者发展出后者是需要花费时间的。我认为这种情况反映出 AI 技术仍处于起步阶段。你肯定会从像 OpenAI 这样的公司那里得到这种印象：尽管它已经获得了 10 亿美元的资金（并得到了广泛的关注），但其目标是如此含糊其辞——“造福全人类”——说明要从这家公司的研究中发展出针对特定问题的有用产品和服务，还需要很多年的时间才行。

名单上专注于网络安全的初创公司数量众多（七家），凸显出安全问题的威胁日益严重，这也增加了通过互联网开展业务的成本。人工智能解决网络安全问题的能力可能会使互联网更加安全，可用性更好。但不管怎样，这种趋势反映出互联网业务在未来的成本会更高，而且在我看来，这不会带来整个经济整体生产率的大幅提升。

如果我们不是从人工智能技术带来的更好的软件工具中获得收益，那么这种技术还将在哪里带来可观的经济效益？你可能会认为，医疗保健行业会从 AI 中受益匪浅。但如果现实确实如此，我名单上将 AI 应用于医疗保健的初创公司（三家）的数量似乎有点稀少了。也许这与 IBM 在 Watson AI 上的教训有关，当初 IBM 将其应用于医学领域时，结果是令人失望的。

尽管如此，仍然有许多人希望主打 AI 技术的医疗保健初创公司能够填补 Watson 失败所留下的空白。Robert Wachter 对这种观点表示反对，他指出，将计算机用于医疗保健领域比应用在其他部门而言更加困难。他在 2015 年出版的著作《数字医生：医学计算时代的黎明中的希望、炒作和危害》详细介绍了医疗保健行业在计算机和软件应用方面落后于其他行业的诸多原因。尚不清楚将 AI 加入可用的数字技术组合中是否会改变这一现状。

这个资金雄厚的 AI 初创公司列表中也缺少一些大型应用类别。住房是美国消费者支出中最大的类别，但是这些初创企业中没有任何一家完全致力于解决这一经济领域的问题。交通运输是第二大支出类别，却只是其中三家初创公司的工作重心。一家公司正在研究一种可以识别驾驶员注意力的产品，另一家打算提供自动化的同城快送。名单上只有一家初创公司正在开发无人驾驶乘用车；类似地，福特、通用汽车和梅赛德斯-奔驰的高管们最近对无人驾驶汽车不久将大量普及的前景表示了悲观看法，虽然他们在相关研发工作上已经投入了 350 亿美元。

诚然，我对这 40 家公司的经营状况，以及他们的产品是否会在未来十年内影响世界的评估是主观的。要衡量这些公司是否正在为世界经济提供价值，一种更客观的方法也许更有意义：也就是他们的盈利能力。

可惜我们很难找到私有初创公司的详细财务数据，我名单上的公司中只有两家现在是上市公司的一部分，而初创公司通常要花费数年才能获利（亚马逊花了 7 年）。因此这里没有太多事情要做。尽管如此，技术领域仍存在一些宏观层面的趋势，已经足够说明问题了。

尽管从创立到首次公开募股（IPO）的平均时间一直在增加（从 1998 年的 2.8 年增加到 2016 年的 7.7 年），但首次公开募股前已开始获利的科技公司的比例从 1980 年的 76％下降到了 2018 年的 17％。此外，一些花费很长时间才能上市的知名初创公司的亏损是非常严重的。例如，没有任何一家大型共享乘车公司获利，不管是美国（Uber 和 Lyft）、中国、印度还是新加坡的公司都一样，他们在 2018 年的总亏损约为 50 亿美元。大多数单车和踏板车共享、办公室共享、食品配送、P2P 借贷、医疗保险和分析，以及其他消费者服务领域的初创公司也正在经历巨额亏损，不仅在美国，而且在中国和印度都是一样的。

我考察的 40 家 AI 初创企业中，大多数至少在短期内可能会保持私有状态。但即使有些公司确实能在未来几年内公开上市，考虑到其他众多科技公司的经验，他们在上市时应该不太可能会盈利。这些公司可能要花更多的时间才能跨越赚钱多于支出的界限。

考虑到我给出的这些原因，我很难相信我所考察的任何一家人工智能初创公司可以在未来十年内为美国经济带来巨大的推动力。类似的悲观情绪也开始出现在诸如《技术评论》和《科学美国人》等通常乐观积极的出版物中。甚至 AI 社区也开始在诸如《AI 妄想》和《重新引导 AI：构建我们可以信赖的人工智能》之类的书中表达自己的担忧；随着许多新技术的炒作愈加热烈，这种担忧的声音也越来越多了。

快速提高生产率的最有希望的领域可能是针对白领工人的流程自动化改进，延续了数十年来一直存在的趋势。但这些改进将是渐进的，就像计算机辅助设计和计算机辅助工程软件、电子表格以及文字处理软件的改进一样。

在过去的几十年中，此类软件产生的价值令人印象深刻，为工程师、会计师、律师、建筑师、记者和其他人员带来了巨大的生产力提升，并使其中的一些专业人员（尤其是工程师）能够以数不清的方式为全球经济做出了贡献。

毫无疑问，在机器学习和其他形式的 AI 技术推动下，这种前进趋势还将继续下去。但不像许多观察家所声称的那样，它们对公司、工人或整个经济并不会有什么颠覆效应。

作者介绍：

Jeffrey Funk 于 2017 年从新加坡国立大学退休，之前他在该校以技术管理教授的身份教授新技术经济学等课程。他仍然留在新加坡，为许多技术和商业领域提供咨询服务。

原文链接：https://spectrum.ieee.org/computing/software/ai-and-economic-productivity-expect-evolution-not-revolution