核心观点 - 美国可能正在从“AI投入期”跨入“AI收获期”，AI带来的生产力提升可能开始体现在宏观统计数据中 [1] - 基于更新后的数据预测，美国2025年的生产率增速大约会达到2.7%，几乎是过去十年1.4%年均水平的两倍 [1] 宏观数据信号 - 美国劳工统计局的基准修订显示，总薪资就业人数增长被向下修正约40.3万个岗位，同时实际GDP保持强劲，四季度增速达到3.7% [2] - 这种“产出高、投入的劳动却更少”的组合，是生产率增长的典型特征 [2] - 生产率数据波动性大，短期读数易受统计修订与周期因素影响，仍需更多时期验证 [2] 技术扩散与“J曲线”理论 - 许多通用技术（如蒸汽机、计算机）的普及遵循“生产力J曲线”规律，即先经历一个需要重组流程、培训员工、重做业务模式的“投入期”，之后才进入效率显现的“收获期” [3] - 历史上，工厂电气化后真正的效率提升也发生在厂房布局、工序组织、管理方式完成重构之后，AI的普及正面临类似的“生产率滞后”现象 [3] 微观层面的变化 - 在“AI暴露度高”的行业里，入门级岗位招聘降温明显，初级岗位招聘大约下降16% [4][5] - 使用AI来增强技能的人员，其就业机会反而在增长，表明企业开始将AI用于部分“可编码、标准化”的初级任务 [5] - 目前许多公司对生成式AI的应用仍停留在翻译、摘要等轻量场景，被形容为“高级词典” [5] - 一小部分“强力用户”已能通过AI代理自动化端到端流程，例如将生成完整营销方案的工作从“几周压缩到几小时” [5] - 生成式AI的价值释放，很大部分取决于流程再造与人员再培训，而非简单购买工具 [5] 未来趋势与竞争焦点 - AI正从试验阶段进入能稳定提供价值的“结构性效用”阶段 [6] - 企业竞争焦点将从“有没有模型”转向“能不能把模型嵌进业务骨架” [6] - 企业应聚焦三件事：将AI嵌入端到端流程以参与交付、将培训目标升级为“用AI重做工作法”、用数据与指标追踪收益以实现规模化 [6] - 地缘政治贸易战及宏观政策误判等外部风险可能抵消AI带来的效率收益 [6]