2025 年是人工智能投资狂飙突进的一年。美国科技巨头在数据中心、GPU 集群和大模型训练上的资本支出突破历史纪录，华尔街投行和主流媒体纷纷宣称 AI 已成为支撑美国经济增长的核心引擎。然而，高盛首席经济学家简・哈丘斯（Jan Hatzius）在大西洋理事会的一次活动中，给出了一个与主流叙事截然相反的结论：2025 年美国 AI 投资对 GDP 增长的贡献「基本为零」（basically zero）。这一判断并非情绪化表达，而是基于标准国民账户核算方法的严谨推导。理解这一结论背后的方法论逻辑，对于 AI 产业参与者 —— 无论是技术决策者、产品经理还是投资人 —— 都至关重要，因为它揭示了一个常被忽视的结构性现实：AI 的经济价值创造与官方 GDP 统计之间，存在显著的统计口径错位。
进口抵消：芯片与硬件的「 GDP 漏出」效应
哈丘斯观点的核心逻辑，可以从 GDP 核算的基本恒等式说起。在国民账户体系中，国内生产总值（GDP）由消费（C）、投资（I）、政府支出（G）和净出口（NX）构成，公式为 Y = C + I + G + NX。其中，净出口等于出口减去进口。当一家美国公司从海外供应商采购商品或服务时，进口额增加，在 GDP 核算中会被扣除。这意味着，如果投资支出的相当一部分流向了海外供应商，那么其对美国国内生产总值的净贡献将被进口抵消。
AI 基础设施投资恰恰面临这一问题。当前这一代 AI 系统的核心硬件 —— 高性能 GPU、专用加速器和先进制程半导体 —— 高度依赖全球供应链，尤其是台湾和韩国。英伟达（NVIDIA）虽然是一家美国公司，但其芯片的制造环节主要分布在台积电（TSMC）的台湾工厂以及韩国的三星代工部门。当美国云服务商、数据中心运营商和科技巨头斥资数百亿美元采购这些设备时，支出数字的确非常庞大，但这些资金中有相当比例流向了海外的制造业 GDP，而非留在美国国内。哈丘斯本人曾明确指出：「我们看到的许多 AI 投资在增加台湾的 GDP，在增加韩国的 GDP，但并没有真正增加多少美国的 GDP。」这句话精准地概括了进口漏出问题。
这一现象在 2025 年的数据中表现尤为明显。尽管媒体报道的 AI 资本支出数据屡创新高，但经过进口因素的调整后，净效应被大幅压缩。如果仅看「信息处理设备与软件」这类投资类别在 GDP 增长中的贡献，可能会得出 AI 驱动了大部分增长的结论；但一旦将进口 content 剥离，真实贡献立即缩水。
中间投入品陷阱：芯片为何不是「投资」
除了进口抵消之外，另一个关键因素在于美国经济分析局（BEA）对 AI 相关商品的统计分类方法。高性能半导体被 BEA 归类为「中间投入品」（intermediate inputs），而非可以直接计入投资的最终资本品。在国民账户的核算规则中，中间商品的价值只有在被嵌入最终产品或服务并向客户出售时，才会体现在 GDP 中。举例来说，一颗 GPU 被安装在服务器上、构成云计算服务的一部分，最终以 AI 云服务的形式销售给终端用户时，其价值才会被计入 GDP；反之，如果芯片被采购后用于构建尚在开发中的模型或能力，而没有形成可销售的最终产品，那么这笔支出在当前统计周期内就不会体现为投资。
这正是当前 AI 浪潮的一个独特之处：大模型训练和 AI 基础设施的构建，在很大程度上是在「建设一项无形资产」（building an intangible asset）。企业采购大量 GPU 和算力，但这些投入尚未完全转化为可变现的产品或服务。模型能力的提升是渐进且难以直接量化的，其经济价值往往需要等到实际应用场景产生收入后，才能在 GDP 中得到体现。这意味着在当前的统计周期内，大量的 AI 支出被归入了「中间投入」的范畴，其价值贡献被推迟确认，甚至在短期内被系统性地低估。
「真实 GDP」与「统计 GDP」的差距
高盛的研究团队（由 Peng、Briggs、Dong 等分析师在哈丘斯的领导下完成）进一步量化了这一差距。他们构建了一个「真实 GDP」（true GDP）序列，试图捕捉 AI 基础设施支出所带来的国内增值。从公司财报和资本支出数据出发，研究团队进行了两项关键调整：首先剔除价格通胀的影响，其次减去进口部分和海外生产环节的贡献。经过这些调整后，高盛估计 自 2022 年以来，AI 为美国「真实 GDP」增加了约 1600 亿美元，相当于美国 GDP 总量的约 0.7%，折合年均增速约 0.3 个百分点。
然而，在官方统计口径下，同期 AI 带来的 GDP 贡献仅为约 450 亿美元，约占 GDP 的 0.2%，年均增速贡献仅约 0.1 个百分点。两者之间的差距约为三倍，这正是进口抵消和中间投入品处理造成的统计漏出。换言之，AI 产业确实在创造真实的经济价值，但很大一部分价值没有被当前的 GDP 统计方法所捕获。这也是为什么高盛将 2025 年 AI 投资对 GDP 增长的净贡献评估为「接近零」—— 在剔除进口和中间投入因素后，短期内可量化的增长效应微乎其微。
对产业参与者的启示
理解这一统计现象，对于 AI 产业从业者具有多重实际意义。首先，不应将 AI 投资的账面支出等同于其对宏观经济的拉动效果。企业在算力上的大规模投入，在财务报表上体现为资本支出增长，但这些支出中有相当一部分通过供应链流向了海外制造商，国内经济乘数效应因此被高估。对于政策制定者而言，这意味着仅凭 GDP 数据来评估 AI 政策的短期成效可能会产生误判 —— 真实的经济价值可能已经在创造，但尚未被传统统计框架所反映。
其次，AI 生产力效应的显现存在滞后性。正如哈丘斯所指出的，目前没有可靠的方法来衡量企业和消费者使用 AI 的方式如何转化为生产力提升。对数千名企业高管的调查显示，大多数人表示尚未在就业或生产力方面感受到 AI 的显著影响。这种滞后性意味着，AI 对经济增长的实质性贡献 —— 即通过提高生产效率、创造新产品和新服务来拉动 GDP—— 可能需要更长时间才能在统计数据中得到体现。当前阶段，AI 更像是一项大规模的「前置投资」，其回报将在未来若干年内逐步释放。
最后，对于关注 AI 商业化和投资回报的企业领导者来说，需要区分「AI 支出」与「AI 价值产出」这两个不同的概念。在评估 AI 项目 ROI 时，不应简单对比投入的算力成本与短期的收入增长，而应将 AI 视为一项能力建设，其价值体现于产品竞争力提升、业务流程优化和长期市场地位的巩固。随着 AI 应用逐步从基础设施层走向应用层，最终产品和服务开始向客户收费，AI 的价值才会通过收入端真正计入经济产出。
结语
高盛的这份报告并非要否定 AI 的经济潜力，而是提醒决策者和市场参与者：官方 GDP 统计与 AI 真实价值创造之间存在结构性错配。进口依赖和中间投入品的统计处理，使得 AI 投资在短期内的 GDP 贡献被系统性地低估。随着 AI 应用从基础设施建设转向商业化落地，这种统计漏出将逐步收窄，AI 对经济增长的真实贡献有望在未来几年内逐步显性化。在此之前，理解并接受这一「统计滞后期」，是评估 AI 产业真实影响力的前提。
参考资料
- Goldman Sachs Research (2025). "AI investment contributed basically zero to US GDP growth in 2025." Goldman Sachs.
- Fortune (2025). "AI has added $160 billion to 'true GDP' since 2022, Goldman Sachs estimates."