【解读】张礼立：AI投资数万亿美元，最后要向生产力交卷

算力不是生产力，只有进入场景、改造流程、创造价值的算力，才是生产力。AI最大的风险，不是没有未来，而是未来被提前花得太贵。真正的智能革命，不是机器消耗了多少电，而是人类有没有用这些电，创造出更好的生产方式。

本文作者系盘古智库学术委员、数字经济研究院副秘书长张礼立，文章来源于“张礼立数字经济研究”微信公众号。

本文大约2600字，读完约6分钟。

今天的人工智能，已经不只是一个软件行业的故事。全球科技巨头在买芯片、建数据中心、抢电力、扩模型、做云服务，资本市场也不断把新的估值加到AI产业链上。表面上看，大家押注的是大模型、算力和云计算；更深层看，真正被押注的是一条增长链：模型会持续变强，AI能处理的任务会越来越多，Token使用量会继续增长，算力需求也会长期扩张。这个逻辑听起来很顺，但它不是天然成立的。AI投资背后有三个关键前提：人们会越来越多地使用AI，模型会继续因数据、参数和算力投入而变强，AI可以处理的任务边界会不断扩大。只要这三件事都成立，AI基础设施建设就有强逻辑；但如果其中任何一环放缓，今天建立在“算力需求长期扩张”之上的估值和资本开支，就会被重新计算。

所以，AI投资真正要交卷的，不是模型越来越大，而是算力能不能变成生产力。

过去几年，AI最让人兴奋的地方，是它似乎符合一个简单规律：模型越大，能力越强；算力越多，智能越高；成本越低，使用越多。这一点在早期确实成立。模型从不会写，到会写；从不会总结，到会推理；从只能回答问题，到开始进入办公、研发、设计和企业流程。于是资本市场自然相信，只要继续投入更多芯片、更多数据中心、更多电力，AI就会不断打开新的增长空间。

但真正的产业革命，从来不是靠“更多投入”自动完成的。技术投入只是起点，生产力转化才是终点。Token可以简单理解为AI处理信息的基本单位。大家问AI、写代码、生成图片、调用智能体，都会消耗Token。乐观者认为，Token价格下降之后，大家会用得更多，就像电力便宜以后，工业和家庭用电反而增加。但这里有一个现实问题：成本下降可以释放需求，却不能凭空创造价值。只有当更多AI调用真的带来收入、效率、质量和服务能力提升，算力需求才是健康增长；如果只是因为便宜而被大量消耗，最后可能只是更大的计算账单。

这就是金融和科技之间最微妙的地方。资本喜欢提前相信未来，也必须提前定价未来，但资本不能替代未来本身。估值可以先到，订单必须后到；故事可以先讲，现金流必须后讲；数据中心可以先建，应用场景必须跟上。AI最大的风险，不是没有未来，而是未来被提前花得太贵。如果数万亿美元最后只换来更大的模型、更密的机房和更高的电力消耗，而没有转化成制造效率、医疗能力、教育普惠、能源韧性和企业生产方式的变化，那就不是智能革命，而是昂贵的技术军备竞赛。

第二个问题，是模型能力还能不能一直靠规模堆出来。过去几年，AI行业非常相信Scaling Law，也就是数据更多、参数更多、算力更多，模型能力就会继续提升。这条规律推动了大模型的快速进步，也支撑了巨额训练投入。但它不是自然定律，更不是永远不会变化的产业铁律。材料中提到，训练约占Token消耗的20%至40%，如果模型能力提升开始放缓，训练端算力需求可能最先受到影响。

这不是说AI走到头了，而是说AI不能只靠堆规模来证明未来。真正下一阶段的突破，可能不只来自更大的模型，也来自更好的算法、更高质量的数据、更强的行业反馈、更高效的工程体系，以及更懂业务场景的应用设计。AI从实验室走向产业，不能只比谁训练得更大，还要比谁用得更准、更稳、更有价值。一个真正成熟的AI产业，不是消耗最多算力的产业，而是最会把算力变成价值的产业。

第三个问题，是AI到底能做多少真正有商业价值的任务。写邮件、做总结、生成图片、辅助代码，已经证明AI有用。但真正决定数万亿美元AI投资能不能站住的，是AI能否进入更深的产业场景。它能不能帮助制造企业减少停机时间？能不能帮助医院提升诊疗效率？能不能帮助物流企业优化路线和库存？能不能帮助金融机构更好识别风险？能不能让中小企业用更低成本获得过去只有大企业才有的数字化能力？

这才是最关键的地方。AI能回答问题，不等于能解决问题；AI能消耗算力，不等于能创造生产力。一个模型在屏幕上说得再好，如果不能进入流程，不能连接数据，不能改变组织，不能形成责任闭环，它仍然只是一个聪明工具，而不是一套新的生产系统。

更重要的是，AI越发展，越会回到物理世界。数据中心不是虚拟的，芯片不是虚拟的，电力也不是虚拟的。AI看起来像云端智能，背后却是沉重的基础设施：芯片、服务器、光网络、冷却系统、土地、电网和能源调度。AI越像软件，越容易让人忽视它背后的重资产；模型越轻盈，基础设施越沉重。未来的AI竞争，已经不只是模型竞争，而是基础设施竞争、能源竞争、金融耐心和资本效率竞争。

对中国企业来说，这里面有非常现实的启发。我们不能只看海外科技巨头花多少钱，也不能简单跟着资本市场兴奋或焦虑。真正值得中国企业关注的是：AI基础设施能不能和制造、贸易、物流、医疗、教育、能源、城市治理和中小企业真实场景结合？算力能不能和数据、流程、组织能力结合？模型能不能从“会回答”变成“能办事”？如果不能，数据中心再大，也可能只是昂贵的机房；如果能，算力就会成为新质生产力的重要底座。

这也是数字经济真正的核心。不是把技术摆在那里，也不是把投资堆在那里，而是让技术进入真实经济，让资本服务长期创新，让产业获得新的效率，让普通企业、普通劳动者、普通消费者真正受益。AI不是为了证明机器聪明，而是为了让人的劳动更有价值，让组织更敏捷，让资源配置更精准，让社会运行更有效率。

所以，数万亿美元买来的，不应该只是更大的模型，而应该是更高效率的社会。AI不会因为资本热情而成功，只会因为真实应用而站住。资本可以点燃技术，但不能代替产业；模型可以展示智能，但不能自动形成生产力；算力可以支撑未来，但前提是它必须进入场景、改造流程、创造价值。

算力不是生产力，只有进入场景、改造流程、创造价值的算力，才是生产力。

AI最大的风险，不是没有未来，而是未来被提前花得太贵。

真正的智能革命，不是机器消耗了多少电，而是人类有没有用这些电，创造出更好的生产方式。

AI投资数万亿美元，最后要向生产力交卷。这个答案，不在资本市场的估值里，也不在模型发布会的掌声里，而在工厂、医院、学校、城市、企业和每一个真实工作流里。真正伟大的技术，不只是改变机器能做什么，更是改变人类怎样生产、怎样协作、怎样生活。■

文章来源于“张礼立数字经济研究”微信公众号

‍‍‍‍‍‍‍

图文编辑：张洵

责任编辑：刘菁波