在外滩大会AI艺术节 ，看见感性成为生产力。
2026年9月10日，以“共创AI新经济”为主题的2026 Inclusion·外滩大会在上海黄浦世博园区开幕。本届大会首次将主题聚焦于AI与经济的融合命题，汇聚了包括两位诺贝尔经济学奖得主在内的600余位嘉宾，设置1场主论坛与40多场见解论坛。超过300家科技企业参展，1.5万平方米的展区内，具身智能厂商数量超过40家。
对于关心AI产业走向的读者来说，这场大会释放的信号并不单一。诺奖得主给出了迄今关于AI生产率红利最具体的量化测算，但产业界展示的落地图景，同时暴露出一条从技术潜力到商业回报的漫长转化链。
阿吉翁的测算：每年1.08个百分点，但有一个前提
诺贝尔经济学奖得主、法国经济学家菲利普·阿吉翁在主论坛上发表了题为“创造性破坏与人工智能革命”的演讲。他和同事的研究给出了一个关键数字：仅考虑AI对生产任务的自动化，未来十年AI有望使生产率增速每年额外提高0.68个百分点。如果将AI促进新想法产生的作用纳入考量，这一数字可上升至约1.08个百分点。
“0.68个百分点只是一个下限。”阿吉翁在演讲中强调。这个量级意味着AI对生产率的推动力可能超过上世纪90年代的IT革命。
[IMG:外滩大会主论坛现场]
但阿吉翁随即给出了一个需要警惕的历史参照。1996年至2005年间，美国IT革命确实推动了全要素生产率的显著提升，一批“超级明星企业”快速崛起。然而，行业集中度同步上升，新企业进入率从2000年前后开始持续下降，随后生产率增长明显回落。他用“创造性破坏”理论解释这一矛盾：创新需要让成功者获得足够回报以维持动力，但成功者也可能利用既有优势压缩后来者的创新空间。
阿吉翁将这一框架直接套用于当下的AI产业。他指出，AI价值链上游已经呈现较高集中度——云计算市场由少数大型企业主导，图形处理器市场同样高度集中。“AI确实具有很大的增长潜力，但能否充分释放，也取决于能否处理好竞争问题。”他说。
在就业层面，阿吉翁的立场是审慎乐观。他承认AI会替代一部分人类劳动任务，但同时强调采用AI的企业生产率和竞争力提高后，市场需求扩大可能增加用工，AI促进新想法也会催生新的产品与岗位。他特别提及中国的教育体系在应对这一转变时具备条件，并建议保留一部分完全不使用AI的学习过程，“如果放任AI被滥用，我们可能会看到整整一代人不会独立计算，也无法专注阅读”。
萨金特的冷水：“我们身处未知的核心”
另一位诺奖得主、2011年获奖者托马斯·萨金特在大会前一天的见解论坛上，提供了一个与阿吉翁互补的视角。他用天文学史做了一个比喻：今天的AI像17世纪的开普勒，擅长从海量数据中识别模式、拟合规律，但尚未进入牛顿阶段——即理解这些规律背后的结构性原因。
萨金特的核心关切在于“不确定性”与“风险”的区别。风险意味着结果未知但概率可估；不确定性则意味着人们甚至无法准确知道未来可能出现什么。他认为AI带来的很多变化属于后者。他长期研究的“稳健控制”理论提出了一种决策原则：不能只问“如果模型是对的，最优选择是什么”，还要问“如果模型错了，这个选择还能不能承受”。
“我们正身处‘未知’的核心。”萨金特说。他反复强调“谦逊”，认为无论是企业、投资者还是监管者，都需要为未知和错误留下空间。
产业端的真实进度：机器人“真干活”，但商业闭环尚未闭合
与诺奖得主的经济学推演形成对照的，是展区内更务实的产业信号。蚂蚁灵波科技展示的具身智能场景没有翻跟头或跳舞的“炫技”环节，人形机器人从货架上精准取下一盒药，动作节奏缓慢但路径稳定。行业观察者注意到，具身智能厂商的展示重心正在从运动能力转向任务执行能力，这一转变本身反映了产业从概念验证向实际部署的过渡。
蚂蚁集团CEO韩歆毅在大会期间将智能体的角色变化概括为“从能力展示走向真实交易”，并发布了面向智能体商业活动的信任基础设施APASS。这套基于“KYA”理念的体系，试图解决智能体作为交易主体时的身份识别与风险控制问题。这一定位暗示了一个现实：当AI从回答问题转向代替用户完成支付和交易时，信任机制比模型能力本身更可能成为规模化部署的瓶颈。
[IMG:外滩大会具身智能展区机器人执行任务]
万亿美元投入与不到四成的盈利转化
市场的资金流向与产业的实际回报之间，正在形成一条需要正视的落差。
据Gartner 2026年5月发布的预测数据，2026年全球AI总支出将达到2.59万亿美元，同比增长47%。其中AI基础设施占比超过45%，AI优化服务器的支出预计将在未来五年内增长两倍。Gartner分析师John-David Lovelock在报告中指出，截至目前AI支出主要由技术公司和超大规模云服务商驱动，“企业尚未真正释放其支出潜力”。
另一组数据描绘了转化端的图景。据中数睿智在2026世界人工智能大会期间发布的《因果世界模型技术体系蓝皮书》，该报告援引麦肯锡与MIT NANDA 2025年覆盖105个国家1993名受访者的调研数据显示，约88%的企业已在应用AI，但真正带来可衡量利润贡献的仅约39%，95%的AI项目未能转化为可持续生产能力。该《蓝皮书》分析认为，企业级AI落地效果不佳的核心原因不在算力或模型参数，而在于主流大模型的认知层级仍停留在“因果之梯”的关联层——擅长回答“是什么”，但难以推演“干预后会怎样”。这一能力短板在油气、电力、高端制造等零容错场景中尤为突出。
据中商产业研究院发布的《2025-2030年中国人工智能产业现状调查及未来趋势研判报告》，2024年中国人工智能市场规模为7330亿元，预计2026年将达到12534亿元。市场的绝对规模仍在扩张，但增速的结构性分化正在发生：基础设施层的投入远快于应用层的价值兑现。
两条路线的交汇点
阿吉翁在演讲结尾的总结可以视为本届大会给出的核心判断框架：释放AI的增长潜力需要合适的竞争政策，释放AI创造就业的潜力则需要良好的教育体系和劳动力市场保障。这一表述将AI经济学的讨论从“技术会带来多少增长”推进到了“增长在什么条件下才会发生”。
王坚在同一天的露天演讲中给出了一个产业侧的呼应。这位阿里云创始人和之江实验室主任将“城市智能”称为“人工智能的***”，提出AI的核心考场不是音箱和手机，而是体量庞大的城市系统本身。他给出了一个可检验的命题：AI能否帮助城市以今天10%的资源消耗支撑同等水平的发展。
将诺奖得主的经济学框架与产业领袖的工程命题放在一起看，外滩大会传递的信息是清晰的：AI生产率红利的规模已有量化依据，但兑现条件尚未充分满足。竞争结构的健康度、企业级AI的认知能力、以及从“能用”到“可衡量盈利”的转化效率，是决定1.08个百分点是成为现实还是停留在测算中的关键变量。
本文由AI辅助生成
