麦肯锡解读AI经济：各环节速度错位，呼唤“多节奏管理

赛博研究院

2026年11月2日 18:38
上海

去阅读

生成式AI问世不足四年，已深刻改变人们的工作方式，但其未来走向与经济收益仍充满不确定性。麦肯锡全球研究院近日发布《人工智能经济：互联力量、反馈循环与变革速度》报告，跳出纯技术视角，提出一套系统思维框架：AI并非孤立的技术产物，而是由实体资源、制度规则、企业组织、地缘格局与社会公众等多元要素共同塑造，同时反过来重塑这些要素。

系统内部各环节变革速度的严重错位，正是当前AI发展遭遇瓶颈、滋生风险的根源。

通用技术的价值，从不只取决于技术本身

回顾蒸汽机、电力、计算机、互联网等历次通用技术革命可以发现：技术突破只是起点，想要释放完整的经济潜力，还需要配套基础设施、制度规则、资本投入，以及组织与人的行为模式同步迭代。

电力普及早期先是产能不足，产能缓解后电网建设成为新约束，真正的大规模生产力提升要等到工厂围绕电动机完成整体重构；互联网发展同样复刻了这套规律，网络铺设、商业模式创新、企业组织改造依次完成，价值才逐步落地。技术潜能和实际收益之间，往往存在数十年的时间差。

AI正在重演这一规律，但特殊之处在于系统内部变革速度高度分化。模型能力接近指数级增长，2019年以来，AI能可靠完成任务的复杂度约每7个月翻一番，2023年后进一步缩短至约4个月。

然而，算力硬件、电网、矿产等实体资源呈线性增长，从建设审批到投产往往耗时数年，企业重构流程、制度完善监管、公众建立信任的节奏则更慢。

各模块进度不同步形成时间错配，某一约束解除后，新瓶颈立刻暴露，风险随之滋生。当技术跑在基础设施、组织改造、治理规范、社会接受度前面，就会出现基建跟不上、企业上线AI却拿不到回报、应用扩张而管控缺位的矛盾。

因此，管理者不能一味加速AI落地，而要实行“多节奏管理”：该提速的环节提速，该放缓的场景放缓，系统看待整个AI生态的联动。

AI系统的三个层次

报告搭建了AI系统分析模型，整体划分为底层基础、传导适配、产出结果三层，各模块之间存在大量双向反馈，一个环节发生变动会沿着网络向外扩散，最终又反向作用于自身。

底层基础层决定能力上限

• 一是AI能力，不限于大语言模型，还包括机器人等实体智能；能力能否变现，取决于可靠性、成本、公众接受度与组织准备程度。
• 二是研发创新，前沿研发集中在中美少数企业，芯片效率、冷却技术、材料科学等配套进步同样能释放AI潜能。
• 三是实体资源，芯片、关键矿产、土地、电力、冷却水、数据中心构成物质底座；即便单任务资源消耗随优化下降，总消耗仍快速上涨，而矿产开采、电网扩容审批漫长，容易成为阶段性瓶颈。报告显示，2026年一季度美国有总规模约1300亿美元的至少75个数据中心项目，因社区反对被搁置或延期。
• 四是制度立场，涵盖法律、责任界定、行业标准、企业内部制度与社会信任；调研显示不到半数受访者相信企业会妥善保护个人数据，信任不足成为软性阻碍。

传导适配层是技术到价值的桥梁。

“采纳”代表开始使用AI工具，“适配”代表组织、个人为融合AI而改造工作模式。个人上手AI很快，企业层面则参差不齐：2026年调研显示89%的企业已在至少一项业务中使用AI，但只有少数真正围绕AI重构流程，多数只是将工具嵌入原有流程。

大型企业资金充足，中小企业灵活，中型企业两头受限、阻力最大。AI落地结果两极分化：成功案例吸引更多资本投入研发基建；事故与不及预期则暴露治理短板、推动监管收紧。

产出结果层产生经济与更广范围的综合结果，并且全部会反向反馈到底层基础。经济类结果包括：

• 生产力方面，AI可以提升单项任务效率，但宏观层面的生产力提升需要全行业流程重构，这就会出现“生产力悖论”，到处都能看见AI工具，宏观统计数据却未必立刻体现增长；
• 创新方面，AI加速药物研发、新材料探索，商业上把“争夺注意力”转向“识真实意图”，长远来看将催生当前难以预判的新业态；
• 新增需求方面，AI产业本身会创造投资相关岗位，承接家庭文书、规划、辅导等个人事务则开辟了新市场，效率提升按杰文斯悖论可能带动整体消费扩张，而收入与闲暇的增加会进一步拉动消费；
• 就业层面，AI更多是改变岗位内容，而非直接消灭岗位，当常规任务交予AI后，人的判断力、好奇心、冲突协调能力的价值会上升，但初级从业者的职业入门门槛被抬高，技能分化的风险开始显现；
• 资本层面，资本会顺着发展瓶颈流动，芯片紧缺时涌入芯片制造领域，电力供应受限时又转向能源基建领域，2025年七大头部AI企业的资本与研发支出已达7560亿美元，但大规模投资潜藏泡沫风险。

更广泛的影响包括：

• 在商业格局上，直接使用顶尖大模型难以构筑竞争壁垒，其能力很快会被追赶并同质化，未来的竞争优势将来自专有数据、客户关系、独有流程等难以复制的资产，AI在降低创业门槛的同时，也在重塑产业链边界；
• 在地缘层面，中美在前沿模型、开源权重与工业落地等方面各自占据优势，芯片、算力、关键矿产等已成为双方竞争的工具；
• 在社会福祉层面，AI让教育、翻译、法律咨询等专业能力得以普惠大众，但过度依赖可能弱化人们的独立思辨能力，AI接管重复劳动的同时也带来了认知过载与职业倦怠问题，发达经济体民众更多持担忧态度，发展中经济体则更多将其视为发展机遇。

报告明确区分了瓶颈与风险：瓶颈会阻碍发展速度，风险则会带来实实在在的损害，包括对环境社区造成压力、模型出错、AI被用于赋能诈骗与网络攻击。

整个AI发展系统充满双向反馈：AI带来的收益可反哺研发与基建，加速技术迭代；而社会对负面事件的不满会推动监管收紧，约束相关应用。由此可见，并不存在单向线性的“技术决定未来”逻辑。。

不同主体的行动启示

• 企业管理者：一是跳出单纯依靠AI降本增效的思维，将AI与专有数据、客户关系、稀缺资产相结合，打造难以复制的竞争护城河；二是不止于改造现有业务，要将释放出的人力与财力投入新产品、新赛道；三是争取员工、客户、社区对变革的支持，如果大众只感受到失业与隐私威胁，由此产生的抵制会抵消技术红利。

• 投资者：顺着系统发展瓶颈寻找机会，约束条件的变化会带来新的赛道；要区分不同环节的增长逻辑，模型的指数级进步不等于基建、盈利也会同步呈现指数增长；需警惕芯片、数据中心、AI软件领域的高度相关性，这类相关性会削弱投资组合的分散风险效果。

• 政策制定者：识别本国在不同发展阶段的核心约束，精准施策并动态调整；维护市场竞争秩序，降低新主体的进入门槛；监管应具备响应性，先推动行业自律，再根据证据迭代调整规则，而非一次性制定僵化细则；着力构建社会信任，回应公众对就业、隐私、安全的关切；理性规划产业链布局，用公共投资撬动社会资本参与。

• 普通个体：培养AI应用素养，学会判断何时应坚持人的自主判断，在AI时代，创造力、共情、批判性思维与适应力的价值会被放大；在向AI提交财务、健康等敏感信息前，审慎评估信息流向与潜在风险；善用AI降低的专业门槛，探索过去难以企及的领域。。

历史上，蒸汽机从商业化到释放最大经济影响约用了100年，电力约为40年，计算机与互联网约为25年。AI能否进一步压缩这一周期尚难判断，但技术迭代节奏的加快，意味着留给企业、劳动者、政府的调整窗口正在被压缩。

AI的未来并非由技术单方面决定。模型性能与成本只是其中一环，实体资源、制度、组织与社会态度互相拉扯反馈，一处约束解除后往往又会暴露下一处短板。我们的目标并非精准预测某个确定的AI未来，而是理解系统内部各要素的联动机制，识别其中的错配、瓶颈与风险，通过人为选择引导变革走向。

文章参考来源｜麦肯锡、互联网公开信息

赛博研究院简介

上海赛博网络安全产业创新研究院（简称赛博研究院），是上海市级民办非企业机构，成立至今，赛博研究院秉持战略、管理和技术的综合服务模式、致力于成为面向数字经济时代的战略科技智库、服务数据要素市场的专业咨询机构和汇聚数智安全技术的协同创新平台。

赛博研究院立足上海服务全国，是包括上海市委网信办、上海市通管局、上海市经信委、上海市数据局等单位的专业支撑机构，同时承担上海人工智能产业安全专家委员会秘书长单位、上海“浦江护航”数据安全工作委员会秘书长单位、上海数据安全协同创新实验室发起单位等重要功能，并组织“浦江护航”数据安全上海论坛、世界人工智能大会安全高端对话等一系列重要专业会议。

欢迎联络咨询：

邮件：[email protected]；

电话：021-61432693。