技术、创新与产业结构演变

本篇任务：从技术能力一路追踪到部署、采用、任务产出和收益归属，学会用合适的权重聚合局部改善。我们用无形资本理论、企业AI使用调查和客服工作研究作三种不同的证据。建议约20分钟。

一、技术变化先改变哪些可行的事情

技术可以让同样的人和设备做得更多，改善产品质量，也可以让原先不能完成的任务变得可行。但从“技术能做”到“企业获得利润”，中间还有部署、客户或员工采用、互补投入和竞争。行业分析的任务，是把这些连接具体化。

我们先把路径写完整：

每条箭头都可能有自己的瓶颈。模型回答准确，并不意味着已经接入业务系统；系统接入以后，员工也可能只在部分任务使用；任务时间节省以后，企业还要面对工资、软件收费、客户议价和竞争。我们因此需要不同层次的证据，而不是找到一个“AI提升率”后从头乘到底。

二、无形资源为什么既能扩张，又需要互补投入

Crouzet等人的2022年JEP文章把无形资本视为能够储存并用于生产的信息，例如软件、数据、设计、组织流程。文章特别强调使用中的非竞争性与有限排他性：同一信息能够在多个生产环节同时使用，但创造者未必能独占全部收益。¹

这里要区分信息与载体。复制一段算法不需要把原算法从第一台机器搬走，但第二套服务器、整合服务、权限管理和操作人员仍可能需要新增投入。把知识从一个团队转交给另一个团队，也可能损失语境，因而组织内部的“可复制使用”并不是完全无成本。

文章的生产模型把投资、经营范围和资源配置分成相互联系的选择。范围扩大，一方面让同一信息用于更多生产活动，另一方面也可能增加模仿、协调和收益分享的成本。这正适合用来解释一种常见的行业现象：技术层的复制成本下降，企业却仍需要投入很多部署和组织资源。¹

非竞争使用与网络效应也应分清。前者说同一资源能否被多处同时使用；后者说新增使用者是否会改变其他使用者的收益。一个内部排班算法可以复制到很多门店，却未必因使用者人数增加而自动变得更有用。不能从“软件可复制”直接推出平台网络效应或垄断结果。

三、两份AI材料：一份测“用了没有”，一份测“任务表现如何”

先读美国人口普查局2026年5月26日的BTOS文章。材料窗口为2025年12月14日至2026年5月3日，问企业是否在最近两周使用AI；5月3日的企业使用比例约19.8%。该调查在2025年11月17日改变了问题表述，把关注范围由商品和服务生产扩展到业务功能，比较历史序列时必须保留这个变化。²

这份资料可以帮助判断企业使用范围、行业和规模差异，却没有告诉我们每家采用企业投入多少劳动，也没有测出所有采用者的产出提升。因此19.8%的分母是企业总体，不是全经济产出或全部工作时长。

再读Brynjolfsson、Li和Raymond的2025年QJE正式发表版。研究观察一家公司客服工作的分阶段AI辅助部署，完整样本包括5,172名客服人员；关键回归以“人员—月份”为观测单位。³

正式材料定位	记录内容	应保留的单位
Table I，p.903	全部5,172名客服人员	人，而不是回归观测数
Table II第(3)列，p.907	12,295条观测	人员—月份
同一列处理项系数	0.301	每小时成功解决问题数的增量
正文报告的相对提升	约15.2%	相对处理前基准
Table II总体因变量均值	2.176	不自动等于处理前组的分母

为什么不能用 \(0.301/2.176\) 强制核出15.2%？因为表中总体均值和正文采用的处理前基准不是同一总体、同一时间位置，公开数字还经过舍入。正确做法是先确定分母身份，再重算；若底层未舍入均值未取得，就保留作者报告的相对结果，而不倒造一个“精确基准”。

论文在大规模部署前做过一个约50人的小型随机试验，但本篇采用的主要结果来自随后覆盖5,172名客服人员的错峰部署。主部署的先后受到培训容量、预算和经理排期等因素影响，因此不能把整个5,172人样本称为随机试验。Table II 第(3)列的主规格使用年月、地点、人员和工龄固定效应，论文还用事件研究和稳健估计检查动态；把这些结果解释为部署的条件效果仍依赖平行趋势、没有预先反应等识别条件。技能和工龄分组显示改善程度有差异，所以平均结果也不能自动覆盖每个人。³

两份资料因此各承担一个位置：BTOS描述企业使用的广度；QJE研究某类任务在特定部署下的工作结果。把19.8%直接乘15.2%，会把企业比例、人员任务和产出分母混在一起。

四、真正能够聚合的，是同一对象下的产出变化

现在不使用两个真实研究的数值，另设一个完全透明的教学模型。同一期间内，各单位基期产出为 \(y_i\ge0\)；\(d_i\in\{0,1\}\) 表示是否采用；采用后的相对产出变化为 \(g_i\)。假设总投入固定、产出单位可加、没有溢出，也没有因采用而改变未采用者产出。

于是采用后产出是 \(y_i(1+d_i g_i)\)。总产出增长率为

\[ \begin{aligned} G&=\frac{\sum_i y_i(1+d_i g_i)-\sum_i y_i}{\sum_i y_i}\\ &=\sum_i w_i d_i g_i,\\ w_i&=\frac{y_i}{\sum_jy_j}. \end{aligned} \]

这里要求总基期产出为正。若所有采用者有相同的相对改善 \(g\)，才可以写成 \(G=a_y g\)，其中 \(a_y=\sum_iw_i d_i\) 是采用者的基期产出份额。用人数或企业数份额代替它，还需要各单位基期产出相等等额外条件。

把这个条件放到一个很小但有区分力的例子中：两个单位的基期产出分别为1和9，只有一个采用，改善均为10%。

谁采用	企业／单位数量采用率	采用者基期产出份额	总产出增长
产出1的单位	50%	10%	1%
产出9的单位	50%	90%	9%
误用数量权重	50%	未核	错算5%

第一行采用后总产出为 \(1.1+9=10.1\)，增长1%；第二行是 \(1+9.9=10.9\)，增长9%。同样的数量采用率和同样的个人改善，却给出完全不同的总体结果。区别来自谁占原有产出的更多份额，而不是采用技术突然变了。

先在实验中交换两单位的采用状态，再把两个基期产出都设成5。此时数量权重才恰好等于产出权重，只有一家采用时总提升5%。这样我们既看到反例，也知道简化公式什么时候成立。

五、任务产出增加后，价值怎样分配

产出加总完成了，仍没有得到企业利润。一个新的流程可能让单位劳动服务更多客户，但节省的价值可以分给员工、软件提供商、集成服务商，也可以通过更低价格转给客户。企业还要负担部署费用、运行费及维护更新。

作为另一条分析关系，可以把每期利润变化展开为：

\[ \Delta\Pi=\Delta(pq)-\Delta C_{\mathrm{operating}} -\Delta C_{\mathrm{deployment}}. \]

它并不要求所有部署支出都立即进入当期损益；具体会计确认须另读政策。这里先按一致的经济期间口径比较资源占用。若技术让产出效率提高，客户却尚未增加需求，企业可能得到的是空闲时间而非额外销售；若竞争导致降价，收入提升又可能小于任务产出提升。

因此我们应为每一层选择一个有职责的观察：能力看可完成任务与质量；部署看系统接入、成本和故障；采用看真实使用频率；工作结果看质量调整后的单位投入产出；价值取得看价格、成本、投入及客户行为。一次实验测到了哪层，就先把判断停在那层，再寻找下一条连接的证据。

六、重建与迁移

任务一：两单位产出1和9，第一家提升10%，第二家不变，重建总增长。为什么50%乘10%不对？

解析：增量是0.1，总基数10，增长1%。50%是单位数量份额，第一家只占基期产出10%，所以正确权重是10%。只有基期产出相同，数量份额才可代替产出份额。

任务二：把第二家也设为采用，但它只提升2%。总增长是多少？

解析：新产出为 \(1.1+9.18=10.28\)，总体+2.8%；也可用 \(0.1\times10\%+0.9\times2\%=2.8\%\)。这说明效果异质时还要保留各自 \(g_i\)，不能先做无权平均。

任务三：团队看到BTOS企业采用19.8%与QJE客服效率15.2%，想算全经济AI提升。请指出至少三个缺项。

解析：缺同一总体下的产出或工时权重；缺采用者的实际使用强度和任务构成；缺效果从特定客服部署迁移到其他行业的证据；也未处理投入变化和溢出。两个数字都可能准确，但仍不构成可相乘的模型。

迁移任务：一项视觉检测技术准确率改善，但工厂需要新相机、数据标注和停线改造。怎样给出不跳步的经营解释？

解析：先核任务质量与误报，再核设备及数据能否部署，然后核生产线实际采用和故障率，最后观察良率、人工工时、停线损失及客户验收。技术能力可以先改善，短期成本却因改造上升；只有在一致期间比较新增产出与互补投入，才有资格讨论企业收益。