自IBM深藍超級計算機戰勝國際象棋冠軍加里卡斯帕羅夫—這一標志著人工智能技術發展的歷史性時刻到來已經有21年了。從那時起，人工智能就逐漸進入了人們的日常生活，如手機，汽車，冰箱和電視機。但世界經濟似乎沒有顯示出人工智能的作用。在發達經濟體中，現在的生產率增長速度比過去五十年的任何時候都要慢。與此同時，國民生產總值和生活水平多年來也一直相對停滯不前。

這樣的情況不由得讓人心生疑惑。技術創新往往伴隨著生產力提高，同時又會帶來了經濟增長和社會福祉的飛躍。例如，20世紀電力在美國普及，勞動生產率開始以每年4％的速度增長，這幾乎是之前的四倍。

關于今天的生產力難題，有兩種思想流派。一方面是技術悲觀主義者，如西北大學教授Robert Gordon，他認為人工智能技術是問題所在。從1870年到1970年總共有6項創新推動經濟增長分別為電力，城市環境衛生，化學品，制藥，內燃機和現代通信技術，這些比人工智能像是Siri，Alexa更具變革型。

另一方面，技術樂觀主義者反駁說，今天的云計算，大數據和“物聯網”是人工智能革命的核心，它們的好處已經被世界各地的公司和消費者所享受。英國經濟學家Jonathan Haskel和Stian Westlake等學者認為，問題在于國民會計統計數據根本無法捕捉到這些利益。國內生產總值的概念最初出現在20世紀30年代，用于衡量用于生產有形商品的經濟體。相比之下，無形商品和服務日益成為當今經濟的主導。如果GDP可以反應當地無形經濟，那么當地生產力增長看起來會好很多。

兩種理論都有一些道理，誠然，電力改變了工作和家庭生活的結構，Google Home卻沒有。同樣正確的是，國內生產總值不包括谷歌，臉書和蘋果等免費在線服務，這些服務大大促進了消費者的福祉。但是，生產力之謎可能會有第三種更直接的解決方案。即使是第三種解決方案存在，我們也必須承認，最新的人工智能革命還沒有開始。

實際上，經濟學家Erik Brynjolfsson，Daniel Rock和Chad Syverson在美國國家經濟研究局的一份工作文件中表示，企業需要花費大量時間來充分利用新技術，特別是通用技術。實際上，只有在新技術的量存充足，有形和無形的互補創新開始之后，技術革命才會出現，這通常至少需要25年的時間。

經濟學家Boyan Jovanovic和Peter Rousseau 在撰寫的通用技術中寫道，創新可以隨著時間的推移而改進，并產生進一步創新。大量的創新刺激了自19世紀以來的經濟革命，蒸汽機在19世紀90年代到20世紀20年代推動了第一波工業化浪潮；，電力為19世紀90年代到20世紀30年代的第二次浪潮提供動力，信息技術帶來了第三個，它始于20世紀70年代，并隨著2000年代互聯網的爆炸而達到頂峰，從而為目前正在進行的第四次工業革命鋪了道路。其關鍵驅動因素是人工智能，它使機器人更加智能化便于大數據分析，幾乎可以定制任何產品控制復雜的工業流程。

由于通用技術可以應用在方方面面，因此它們的采用需要很長時間才能達到臨界質量。例如，電力超過蒸汽需要二十多年的時間，并且近四十年才成為無可爭議的發電來源。這是有道理的，為了利用電力，政府不得不投資全國范圍的電網；企業家必須發明諸如燈泡，電纜和開關等硬件；官僚們必須就電流電壓和電源形態達成一致；最終，企業必須創造與新能源兼容的可銷售產品。

現代信息和通信技術也采用了類似的過程。這種設備花了大約20年時間才超過所有資本存量的1％。然后，在1991年至2001年之間，該份額上升至5％，在2008年再次上升至8％，并大致穩定下來。同樣，人工智能革命的第一次現代推動發生在2011年，當時IBM Watson計算機系統在Jeopardy上贏得了100萬美元。五年之后，谷歌DeepMind團隊開發的AlphaGo計算機系統以4：1擊敗了下世界上最偉大的圍棋選手之一李世石。從那時起，皮膚癌和語音識別也有了重大突破，但大多與人工智能相關的活動仍然是科技巨頭或高度專業化快速成長的初創企業特權。

Jovanovic和Rousseau記錄了生產力統計中的匹配模式。在電力和IT的歷史案例中，新的通用技術爆發后的前25年，生產率增長仍然低迷。接下來是長達十年的加速期，其間增長率躍升至4％左右，然后再次減速至約1％。生產率增長的滯后并不令人驚訝。通用技術的真正潛力需要時間才能變得清晰，此后公司需要更多的時間來決定如何相應地調整生產過程。

因此當前世界同時處于人工智能的繁榮期和生產力增長的蕭條期，這一點也不足為奇了。好消息是人工智能相關的商業活動正在加速，目前在美國發展人工智能系統的公司是2000年的14倍。同樣工業機器人也比以往更加普遍，從2003年到2010年，全球工業機器人的數量大致停滯不前。該數字在2010年至2014年間幾乎翻了一番。到2020年，機器人庫存預計將比2014年增加近三倍。