一份报告声称,除了 Mag 7(科技七巨头),AI 尚未给美国其他企业带来任何财务回报。
它给出的依据是:七巨头以外的公司,利润率和人均收入都没有明显增长。
但这个推论存在一个关键问题:整体数据没有增长,不等于 AI 没有创造价值。
如果想衡量 AI 的贡献,更合理的方式是比较 AI 使用程度不同的企业:使用更多 AI 的公司,和使用较少 AI 的公司,在生产率、成本和利润上有什么差异?
只看所有公司的总体平均数,很难分辨 AI 的实际贡献。利率、能源成本、工资、需求变化等因素,都可能影响最终结果。
分组方式也值得商榷。Mag 7 不仅是 AI 使用者,更是云服务、芯片、模型和 AI 基础设施的重要供应方;其他大量企业则更多是 AI 的购买者。两组公司的商业模式和收入结构本来就不一样,直接比较利润率,很难单独识别 AI 带来的效果。
原文还提到当时的经济压力:利率上升、油价达到每桶 116 美元、通胀高企,消费者信心处于历史低位。
如果企业在这样的环境下仍能维持利润率,那么 AI 帮助它们抵消部分成本压力,就是一种值得检验的可能性。但这并不能单独证明 AI 已经带来回报,还需要更细致的数据支持。
所以,问题不在于我们应该认定 AI 一定有效,而在于不能用一个无法识别因果关系的总体指标,直接宣布 AI 没有财务价值。
整体数据可以告诉我们发生了什么,却未必能告诉我们为什么发生。要衡量 AI 的贡献,就得把它从其他影响因素中分离出来。
它给出的依据是:七巨头以外的公司,利润率和人均收入都没有明显增长。
但这个推论存在一个关键问题:整体数据没有增长,不等于 AI 没有创造价值。
如果想衡量 AI 的贡献,更合理的方式是比较 AI 使用程度不同的企业:使用更多 AI 的公司,和使用较少 AI 的公司,在生产率、成本和利润上有什么差异?
只看所有公司的总体平均数,很难分辨 AI 的实际贡献。利率、能源成本、工资、需求变化等因素,都可能影响最终结果。
分组方式也值得商榷。Mag 7 不仅是 AI 使用者,更是云服务、芯片、模型和 AI 基础设施的重要供应方;其他大量企业则更多是 AI 的购买者。两组公司的商业模式和收入结构本来就不一样,直接比较利润率,很难单独识别 AI 带来的效果。
原文还提到当时的经济压力:利率上升、油价达到每桶 116 美元、通胀高企,消费者信心处于历史低位。
如果企业在这样的环境下仍能维持利润率,那么 AI 帮助它们抵消部分成本压力,就是一种值得检验的可能性。但这并不能单独证明 AI 已经带来回报,还需要更细致的数据支持。
所以,问题不在于我们应该认定 AI 一定有效,而在于不能用一个无法识别因果关系的总体指标,直接宣布 AI 没有财务价值。
整体数据可以告诉我们发生了什么,却未必能告诉我们为什么发生。要衡量 AI 的贡献,就得把它从其他影响因素中分离出来。