8月28日，美联储主席凯文·沃什在演讲中谈及AI及其对经济的长期影响。他将AI定义为新生产要素，指出其大幅提高经济增长潜力的可能性正在上升。沃什同时提出了一个更根本的问题：AI的应用是否会导致整个经济体生产率显著且持续地提升？如果是，何时会发生？——这也正是当下全球市场围绕AI最核心的分歧所在。若AI能推动TFP持续上行，那么当前高投入、高估值背后对应的就是新一轮增长中枢抬升；若不能，这种繁荣就很难摆脱泡沫疑虑。因此，AI的生产率红利能否兑现，是当下市场最值得回答的问题。
　　焦点一：AI究竟能在多大程度上拉动TFP？从诺奖得主Acemoglu的谨慎判断，到部分学者接近“奇点式”跃升的乐观图景，现有研究差异很大。首先，分歧来自研究边界不同：是将AI视为既有流程中的提效工具，还是进一步视为创新活动的加速器。前者主要测算AI对现有任务的自动化与辅助，后者则进一步将研发、设计、知识发现和新任务创造纳入分析。其次，分歧也来自对AI影响范围、现实落地条件和提效幅度的判断不同：若AI主要作用于可标准化任务，则现实可兑现的生产率改善相对有限；若其能力边界持续扩展，则影响范围进一步外溢。同时，技术上“做得到”并不等于现实中“用得起、推得广”，工资水平、部署成本、组织嵌入能力和监管环境都会影响红利兑现；而简单任务中的高提效，也未必能直接外推到更复杂的任务中。最后，分歧还来自对微观提效如何传导至宏观总量的理解不同：现实经济中不同部门之间存在联动关系，低效率环节可能拖累高效率环节，少数关键瓶颈也可能限制整体改善幅度，因此AI在微观层面的提效未必能无摩擦地传导至宏观层面。
　　焦点二：索洛生产率悖论是否在AI时代再度上演？主要经济体宏观统计中的生产率尚未明显改善，原因大体有四类：一是时滞问题，通用技术扩散普遍表现为组织重构先于生产率增长的“J型曲线”，且红利首先集中于前沿企业和高暴露场景；二是现实约束问题，算力、电力、数据、监管和组织改造等瓶颈，使技术进步难以同步转化为大规模部署；三是统计识别问题，现有统计体系对新型数字化投入和质量改进的识别不足，可能使官方统计低估真实红利；四是需求与分配问题，若AI更多替代劳动而非增强劳动，劳动收入份额下降和总需求不足还可能反过来削弱增长兑现。
　　焦点三：中国情境下，AI究竟会把TFP前景推向何处？本文结合中国行业结构、采用条件和劳动份额等因素进行展望：保守情景下，AI更多改善既有流程效率，利好数字化程度较高、任务标准化较强、流程容易形成验证闭环的行业和龙头企业；中性情景下，AI开始渐进式进入创新链前端，市场关注重点将转向研发工具链、工业软件、科研服务平台和企业级智能化解决方案；乐观情景下，AI带来的将不只是部分行业景气改善，而是整体生产率中枢的抬升，受益范围将沿着上游算力与能源支撑、中有软件与平台能力、下游场景应用和传统行业改造展开全链条扩散。
　　风险提示：对政策理解不到位的风险；政策落实不及预期的风险；技术发展和商业化节奏不确定性风险。