在经济学的世界里，有一个被视为「终极答案」的指标，用来衡量一个经济体长期成长的真正动力，那就是「全生产力要素」（Total Factor Productivity，简称 TFP），反映在资本与劳动投入不变的情况下，经济体是否能透过技术进步与效率提升，持续创造更多产能。经济学家认为 TFP 几乎决定了一个国家的长期命运。诺贝尔经济学奖得主保罗克鲁曼曾指出，一个国家能否随时间推移提高生活水准，几乎完全取决于其提升人均产出的能力。而技术进步，正是这一切的核心。本文摘自 The Blockworks ，重点编译整理。
美国债务占 GDP 的比重维持稳定就能稳定财务
TFP 的重要性不仅体现在抽象的成长理论中，也直接关系到政府财政的可持续性。美国国家经济研究局（NBER）近期一篇研究指出，若美国政府能让债务占 GDP 的比重维持稳定，只需要每年额外增加 0.5 个百分点的全生产力要素成长，就足以让美国财政趋于稳定。
0.5 % 看似微不足道，影响却极为深远。根据该研究推估，若这样的生产力增幅能持续十年，美国政府债务的基准预测值将减少约 2 兆美元；若放眼 30 年，债务占 GDP 的比率将比基准预测低 42 个百分点，甚至比悲观情境低出 80 个百分点。
人工智慧辅助人类可助长全生产力
在美国财政赤字与债务规模屡创新高的背景下，这样的结果近乎不可思议。然而，人工智慧公司 Anthropic 的研究人员认为，科技的潜力可能远不止于此。Anthropic 近期分析了约 10 万次 Claude.ai 的实际使用对话，试图估算在有或是无人工智慧辅助的情况下，人类完成相同任务所需的时间差异，进一步推论其对整体经济生产力的影响。研究结论显示，人工智慧辅助有潜力让全生产力要素提高约 1.1 个百分点。
这个数字引发广泛关注。若 0.5 % 的生产力提升就足以稳定政府财政数十年，那么 1.1 % 的增幅，理论上可能对经济与公共财政产生颠覆性影响。当然，对如此乐观的推估，学界与政策圈并非毫无疑虑。Anthropic 的研究本身也承认，其分析高度依赖模型假设。例如研究显示 Claude 能在 11 分钟内完成一门课程设计，为教师节省约 4 小时工时，但「节省时间」是否必然转化为「增加产出」，仍存在高度不确定性。
批评者指出，节省下来的时间，未必会投入更高价值的经济活动，反而可能被用于娱乐或消费，如滑社群平台或阅读简报。在这种情况下，人工智慧确实提升了人们的福利与休闲时间，却未必增加整体财富，对政府解决债务问题的帮助也相对有限。不过，Anthropic 同时认为，他们的估算可能反而偏向保守。研究并未纳入人工智慧加速普及的速度，也未考虑未来模型能力持续进化所带来的额外生产力提升。换言之，该研究假设人类未来十年仍以现有方式、使用现有水准的语言模型。考量到大型语言模型几乎每隔数月便出现显著进步，人类对其应用方式仍在快速学习中，Anthropic 认为 1.1% 可能只是人工智慧生产力效应的「近似下限」。
更重要的是，这项研究仅衡量人工智慧「加快既有任务完成速度」的影响，并未纳入技术对工作流程与生产方式的根本性重组。Anthropic 指出，历史上的重大生产力跃进，从电力、电脑到网际网路，并非只是把旧事情做得更快，而是彻底改变了事情的做法。
这类结构性变革难以建模，却往往带来最深远的影响。即便如此，研究人员仍保持审慎态度，详细列出方法限制与假设条件。他们也坦言，即使人工智慧真的为政府创造了更大的财政空间，未来的立法者仍可能透过扩大支出再次累积债务。然而，在普遍认为财政风险迫在眉睫的当下，这种乐观情境即便可能只有小部分成真，也值得期待。
这篇文章 人工智慧能拯救美国财政？Anthropic 分析指出 AI 能提升 TFP 全生产力要素稳定财政 最早出现于 链新闻 ABMedia。
