关于本中文版的说明  /  Note sur cette version chinoise

本日报作者不通中文。这些译文由人工智能自动生成,作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本,希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处,恳请告知 — 我们将虚心接受并改进。

L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.

— 《进步者日报》编辑部  /  La rédaction

在加拿大,2025年有12.2%的企业使用人工智能,表面上的生产率优势达16.8%。但把采用前积累的投资和绩效纳入控制后,这个数字就消失了。加拿大统计局记录了人工智能采用与既有配套能力之间的关联。对配套能力不足的中小企业而言,收益仍不确定。

要点

  • 2025年使用人工智能的加拿大企业,表面上拥有16.8%的生产率优势。控制既有投资和绩效后,这一优势在统计上不再显著(加拿大统计局)。
  • 人工智能与更高生产率的关联,主要出现在企业具备配套能力的情况下。
  • 2025年加拿大只有八分之一的企业使用人工智能;数字化程度低的中小企业在结构上仍处于这一进程之外。
  • 缺乏有针对性的公共政策,人工智能带来的生产率收益可能更多集中在具备配套能力的大型企业。
  • 共享平台、附带条件的支持措施等路径已有雏形,但尚无任何项目将其推广到应有规模。

16.8%这个数字受到检验

这个说法很有吸引力。采用人工智能的企业比不采用的企业生产率高16.8%。结论似乎不言自明:采用人工智能,就能提高生产率。

加拿大统计局做了这类断言所需的严谨统计工作。研究人员控制了此前在技术上的投资、既有绩效水平、企业规模和所属行业。16.8%的差距随之不再具有统计显著性。它消失了。

这一结果值得停下来细看。它并不是说人工智能无效。它说的是,具备多项数字与创新配套能力的企业更可能采用人工智能。生产率优势的一部分在采用人工智能之前就已存在。技术嫁接在一个已经准备好利用它的组织之上。

这一机制在经济学中被称为选择偏差:一项通用技术的早期采用者从来不是有代表性的企业样本。它们是其中最好的那些。测量它们的绩效并把它归功于技术,等于测量身体健康对痊愈的作用。

作为通用技术的人工智能:为什么配套条件是决定性的

电力、蒸汽机、信息技术:所有重要的通用技术都遵循同一模式。它们的经济影响不是立即发生的。影响出现在组织学会整合这些技术、流程为此重新设计、员工技能随之调整的时候。

罗伯特·索洛提出了如今被称为生产率悖论的现象:20世纪80年代,计算机无处不在,唯独不在生产率统计里。收益在十年之后才到来,那时企业终于围绕这一工具重组了自身的运转方式。

生成式人工智能很可能走同一条轨迹,但有一个重大差别:所需的配套条件——结构化数据、分析能力、成文的流程——在大型企业和中小企业之间分布不均。人工智能技能已经集中在少数大城市,也集中在那些在浪潮到来之前就有财力招募相关人才的企业里。

制造业或个人服务业中一家40人的中小企业,往往既没有数据,也没有流程,更没有内部技能,让一个通用人工智能工具产生可测量的效果。它可以购买某个语言模型的订阅。但没有外部帮助,它无法重组自身的组织,从中获得真正的收益。

采用仍然集中

2025年12.2%的加拿大企业使用人工智能,这个比例既高又说明问题。说它高,是因为自2022年以来扩散很快。说它说明问题,是因为十家企业中有九家仍在局外。

这个比例的分布和它的平均值同样重要。100名员工及以上的企业声称使用人工智能的比例,高于多个类别的中小企业。它们有团队来评估工具,有预算来整合工具,有法务人员来处理数据合同。它们通常拥有集成的信息系统、结构化的数据库和成文的流程。

加拿大统计局记录的收益集中,并非转型过程中的偶然现象。它反映一种结构性逻辑:一项回报依赖昂贵配套条件的技术,往往会拉大具备这些条件的企业与其他企业之间的差距。就业增长已经把新增岗位集中在低薪行业;如果人工智能还进一步放大企业间的生产率差距,中小企业所处的经济结构将难以承受这双重压力。

自我监管还是公共干预:有据可依的取舍

数字企业家吉尔·巴比内在接受《Stratégies》采访时主张,人工智能会强化既有的等级关系,侵蚀自由意志,削弱集体的自我决定能力。他呼吁公共权力机构不必等到泡沫破裂就制定规则,反对自我监管的说法。

加拿大统计局的数据支持配套能力与人工智能采用之间存在相关性,但并未证明未来收益必然集中。数据表明,已经具备数字能力的企业更可能采用人工智能。

相反立场也应当被坦率地陈述。接近自由主义思潮的经济学家,如泰勒·考恩,或研究熊彼特式增长的菲利普·阿吉翁,指出一旦采用成本下降,通用技术会自然地向次级用户扩散。2025年的人工智能成本只是2020年的一小部分。没有什么能保证2030年的中小企业和今天一样缺乏手段。

这个论点是认真的。但加拿大的数据带来一个保留:工具成本下降未必能弥补组织配套条件的缺失。结构化数据、成文流程和培训,主要是在进行深入组织整合和更复杂的人工智能用法时才需要,而非使用语言模型的所有场合都要求如此。这些配套条件需要单独投资。人工智能向中小企业自发扩散在极长期内是可能的;在中短期内仍不确定,而中短期恰恰是生产率差距可能拉大的阶段。

未来十年的两条路径

加拿大统计局这项研究提出的问题超出加拿大范围。它涉及所有按既有数字资本筛选采用者的国家。它还有一个时间维度:如果表现最好的企业更快地为下一波技术积累资源,已经观察到的生产率差距可能进一步扩大。生产率更高的企业通常拥有更多资源,用于投资那些将便利未来采用的能力。

在十年期内,两条路径走向不同。

第一条路径:针对中小企业采用人工智能的联邦政策存在,但其纠正差距的有效性尚未确立。数字能力较弱的中小企业可以获得现成的工具,但现有数据表明,配套能力与人工智能采用密切相关。大企业和小企业之间的生产率差距可能扩大。经济结构围绕数量更少、实力更强的参与者缓慢重组。收益可能集中在某些资本回报和某些企业,但对劳动者收入的影响并不明确,取决于采用、互补和替代的机制。

第二条路径:公共政策明确针对数字化程度低的企业。配套支持涵盖数字能力审计、数据结构化、团队培训和流程重塑,不限于为软件许可出资。共享平台让中小企业能够共用它们无法独自建设的数据基础设施。公共补助以事先诊断企业能力为条件,以避免资助没有实际效果的采用。

第二条路径并非理论设想。其他技术转型中已有先例:一些支持中小企业数字化的项目表明,把资金、技术支持和培训结合起来至关重要,而不是仅限于投资税收抵免。移植到人工智能上,逻辑是直接的,尽管数据质量、算法治理等具体需求增加了新的要求。

两个信号可以判断走的是哪条路径。第一,员工少于50人的企业的人工智能采用率变化与大型企业相比:如果差距逐年扩大,自发扩散就没有发生。第二,受益于公共支持项目的中小企业,在控制既有投资后测得的生产率收益——采用与加拿大统计局相同的方法控制。没有这种严谨测量,人工智能采用与生产率之间的关联可能反映与总体数据中类似的选择偏差。

公共权力机构的行动杠杆

改进的路径并不缺。它们的共同点是作用于配套条件,而不是技术本身。

第一是数据基础设施的共享。农食品或运输行业的中小企业无法独自建成一个结构化数据库,让人工智能模型据此做出需求预测或发现供应链异常。行业联合体或公共平台可以为其建设,前提是数据治理保障每个参与者的主权。

第二是补助的附带条件。不评估企业组织能力就资助购买人工智能服务订阅,可能支持的是不会带来显著收益的采用。事先审计——可用的数据、成文的流程、内部技能——可以把资源导向那些支持确实能产生实际边际收益的企业,而不是本来就会采用该工具的企业。

第三是有针对性的培训。关键在于培养能够识别相关用例、写出适合工具的请求并解读其输出的运营负责人,而不是在中小企业里培养人工智能开发者。这种在技术与业务之间充当翻译的角色,正是小型机构最缺的。公共采购已经在许多技术领域为外国产业出资;把其中一部分资金导向加强中小企业本地能力,将是一个直接的杠杆。

尚未解决的问题是政治层面的决心。数字化支持项目在加拿大和大多数经合组织国家都存在。它们向人工智能具体议题——数据质量、算法治理、用例培训——的扩容仍有待建设。加拿大统计局的研究至少为这一努力提供了坚实的实证基础:没有配套投资,中小企业可能只能获得有限的人工智能深度整合收益,但仍可从标准化工具中获得适度的好处。


资料来源

  1. 加拿大统计局,《人工智能与加拿大企业的生产率》,2026
  2. 加拿大统计局,每日新闻稿,2026年7月30日
  3. 吉尔·巴比内,《我们已经在变成机器》,《Stratégies》