人工智能的五个悖论

人工智能走过符号主义、深度学习到大模型三轮浪潮，技术能力今非昔比，但围绕它的判断与期待却不断出现自相矛盾之处。腾讯研究院闫德利撰文提出「AI 的五个悖论」，从预测、就业、生产率、数据价值与工业革命五个维度，梳理这一领域普遍存在却常被忽视的张力。

预测悖论：业界领袖也难断 AI 未来

越是顶尖的 AI 从业者，对未来的预测反而越是反复「翻车」。马文·明斯基 1970 年曾预言 3 到 8 年内将造出具有人类平均智能的机器；杰弗里·辛顿 2016 年建议停止培养放射科医生，认为深度学习 5 年内将超越人类放射科医生——但近十年美国放射科医生数量和收入反而大幅增长。

对 AGI 实现时间，企业家和学者呈现明显分化：企业家通常乐观，分「已经到来」「马上就来」「短期会来」「长期才来」四类；学者则普遍悲观，部分人甚至认为 AGI 是伪命题。预测之所以失准，原因在于未来并非按既定剧本展开，而是被众人的选择、断裂式创新和偶然事件共同塑造。

就业量化悖论：测算结果几乎不可比

OECD、IMF、世界银行、麦肯锡、高盛等机构近年密集发布 AI 影响就业的量化测算报告。然而把多份报告并排比较会发现，结论差距高达 0.4% 到 67%，几乎不具备可比性。

这种量化之所以陷入悖论，在于其前提条件难以满足：技术本身在快速演进，经济周期、产业政策、人口结构、突发事件等多种变量同时作用，无法将 AI 从中干净地剥离出来独立测量。

生产率悖论：技术飞跃与增长停滞并存

自 ChatGPT 发布以来，欧盟每小时劳动生产率增速长期在 0% 上下波动，2022 年四季度到 2026 年一季度共 14 个季度中，仅 3 个季度增速超过 1999 年以来的长期平均水平 1.0%。美国表现相对强劲，非农企业部门年均增长 2.2%，但也仅相当于 1948 年以来的长期均值。

这种「技术创新突飞猛进、生产率增长令人失望」的并立，即著名的「索洛悖论」。主流解释包括错误预期、测量误差与时滞效应，其中 J 形曲线最具说服力：蒸汽机、发电机、计算机分别在发明 118、91、49 年后才明显拉动生产率。AI 推动生产率实质性提升，或许仍需更长周期。

数据价值悖论：「新石油」难以货币化

数据被冠以「新石油」「与能源材料同等重要」之名，但它的使用价值与交易价值严重脱节。李国杰指出，数据只有在使用的过程中才能确定其价值。OECD 梳理 46 国数据政策文件发现，「数据」高频出现的语境是创新、信任、社会、市场开放、利用、就业与准入，「交易」几乎不在其中。

从企业财报看，国内 136 家上市公司披露的数据资源入表金额合计仅 37.86 亿元，占 A 股公司数量的 2.5%，相当于我国人工智能核心产业规模的 0.3%。三大电信运营商 2025 年合计入表 21 亿元，占上市公司总入表金额的 55.46%，但也只占其总资产的 0.06%。数据价值密度低、难以货币化的悖论由此可见一斑。

工业革命悖论：每次新技术都被贴上「第四次」标签

把当下的技术浪潮比作「第四次工业革命」的做法至少持续了半个世纪。早期被赋予这一标签的包括微电子、计算机、纳米技术、互联网、替代能源等，近十年更扩展到大数据、人工智能、物联网、区块链、量子计算与智能制造等 20 余项技术。

文章提醒两点：第一，工业革命与经济危机不应同时发生；第二，历次工业革命都是事后叙事，身处其中的人并不知道自己正身处革命。第一次工业革命结束 40 年后「Industrial Revolution」才被大众接受，第二次工业革命结束 55 年后才在学术上被标准化。至于当下 AI 是否真正构成新一轮工业革命，或许只能留给后人判断。