索洛悖论是描述信息技术被大量采用、生产率统计中却看不到相应回报这一落差现象的经济学命题，又称生产率悖论。它得名于美国经济学家罗伯特·索洛 1987 年的一篇书评，其中提出计算机时代的痕迹随处可见，唯独在生产率统计里找不到。[1][2]该命题引发了长达数十年的实证争论，并在人工智能普及后被频繁援引，用来讨论新技术与生产率增长之间的关系。[3]
定义
索洛悖论指信息技术在生产领域被广泛使用，而宏观生产率增速没有随之明显加快的现象，其核心是信息技术投资与生产率增长之间出现的落差。[4][5]
这一落差通常分别用劳动生产率和全要素生产率来考察：前者是单位劳动时间的产出，后者衡量产出相对于全部投入的效率。[6]由于以计算机为代表的技术被视为能够广泛渗透、持续改进的通用目的技术，理论上应当带来明显的效率改进，总量数据中长期看不到这种改进，才被称为悖论。[7][8]
原理
讨论这一现象通常借助增长核算：产出的增长被拆分为资本投入、劳动投入和一项残差，残差即全要素生产率，也称索洛残差。用生产函数可写作 $Y_t = A_t K_t^{\alpha} L_t^{1-\alpha}$，其中 $A$ 为全要素生产率。如果信息技术确实提高了 $A$，统计上就应出现全要素生产率的加速，悖论描述的正是这一加速未能及时出现。[9][7]
对悖论的解释大体分 3 类。一是预期错误，即新技术的实际变革性没有想象中那么大；二是测量误差，即收益真实存在但未被传统统计捕捉，例如免费的数字服务与难以折算的品质改进；三是时滞，即新技术需要配套的组织调整、人力资本积累和流程改造，才会转化成可观测的产出。[8]
时滞解释后来被概括为生产率 J 曲线：采用新技术的早期，企业把资源投向难以计量的无形资本，账面生产率因此被压低，待这些无形资本开始带来收益，统计上的生产率再回升，计量误差随时间呈 J 形。[10]经济学家保罗·大卫以电力为例，指出工厂布局与生产组织需要用一代人的时间重新设计，才能充分吸收新动力技术，这为时滞解释提供了历史类比。[11]
这一过程大致可表示为：
graph LR
A[引入新技术] --> B[投入无形资本与组织改造]
B --> C[账面全要素生产率被压低]
C --> D[无形资本开始产生收益]
D --> E[生产率增速回升]
发展历程
20 世纪 70 年代至 80 年代，美国的信息化投资逐步增加，生产率增速却长期停滞，这一反差成为索洛提出问题的事实基础。[4]1987 年 7 月 12 日，索洛在《纽约时报》书评版发表题为《我们最好当心》的文章，写下了那段被反复引用的评论。[1][2]
20 世纪 90 年代初，多数研究仍未发现信息化投资与生产率之间的正向关系，支持悖论成立的分析较多；90 年代中期以后，确认正向效应的研究陆续出现。[4]同一时期美国出现关于"新经济"的讨论，认为技术革新与全球化使较高增长与低通胀可以并存。[4]
2000 年前后，美国生产率增速回升，美联储经济学家斯蒂芬·奥林纳(Stephen D. Oliner)与丹尼尔·西谢尔(Daniel E. Sichel)的研究认为信息技术是这一改善的关键因素，索洛本人也表示如今已能在生产率统计中看到计算机。[12]
2000 年代中期以后，发达经济体生产率增速再度放缓，有研究者认为索洛悖论出现了回归。[13]2020 年以来，生成式人工智能快速扩散，宏观数据中同样难以看到与之匹配的生产率增长，一些研究把这一新现象称为现代索洛悖论或 AI 索洛悖论。[3][8]
应用
这一命题常被用来评估信息技术投资的宏观经济效果，也是讨论人工智能与生产率关系时的参照框架。有经济学家套用索洛当年的说法，称人工智能的应用随处可见，却尚未体现在宏观数据之中。[14][3]
围绕悖论的争论也影响了统计实践，推动了把无形资本、免费数字服务等纳入核算的尝试，以求更完整地反映数字经济的产出。[15][10]
在企业层面，多数研究强调信息化投入需要与业务流程再造、组织调整和技能培训结合，单独购置设备或软件未必带来生产率的提升。[7]
局限
索洛悖论是一种经验观察，而不是一套完整的理论，其成因至今没有共识，上述 3 类解释各自都有支持者和质疑者。[8]
测量误差的解释受到多项系统分析的挑战。有研究比较各国生产率放缓的幅度与信息技术在该国经济中的比重，没有发现明显关联，因而认为放缓并非主要由计量误差造成。[15]
时滞解释也被批评为更接近对现象的历史描述，而没有真正说明滞后为何出现及其机制。[13]
各国经验并不一致。有研究指出，20 世纪 70 年代至 90 年代的日本并未出现类似美国的索洛悖论。[4]也有学者认为，以信息技术为代表的新技术对生产与生活的改造程度不及第二次工业革命的技术，因此不能期待同等的长期生产率效应。[14]
参见
参考资料
- [PDF] We’d better watch out | Semantic Scholar . semanticscholar.org [引用日期2026-09-27]
- GÖTEBORGS UNIVERSITET . gu.se [引用日期2026-09-27]
- 人工智能时代：现代索洛悖论再临？ . 10jqka.com.cn [引用日期2026-09-27]
- 総務省｜令和元年版 情報通信白書｜先進国における変化－生産性を巡る論争 . soumu.go.jp [引用日期2026-09-27]
- brookings.edu 上的网页 . brookings.edu [引用日期2026-09-27]
- S016771879900017X . sciencedirect.com [引用日期2026-09-27]
- Breaking the Myths of the IT Productivity Paradox . koreascience.kr [引用日期2026-09-27]
- 人工智能的生产率悖论-36氪 . 36kr.com [引用日期2026-09-27]
- content . cepal.org [引用日期2026-09-27]
- 7rd6knk4 . aeaweb.org [引用日期2026-09-27]
- EB2(PDF) . nber.org [引用日期2026-09-27]
- 031200biz-econ . nytimes.com [引用日期2026-09-27]
- \text{2.50\%} & \text{2.17\%} & \text{2.17\%} \\ . gxlib.org.cn [引用日期2026-09-27]
- 宏观专题：AI的生产率悖论？ . sina.com.cn [引用日期2026-09-27]
- 134222-PUB-9781464813344(PDF) . worldbank.org [引用日期2026-09-27]
浏览次数：0 次
阅读量：0 次 · 阅读完成量：0 次
最近更新：2026-09-27T15:57:09Z
完成率 = 阅读完成量 ÷ 阅读量，分母是阅读量不是浏览次数 —— 关了 JS 的、秒退的都在浏览次数里、不在阅读量里。 详细口径在后台的「数据统计」页。