AI是革命還是泡沫？大摩回顧歷史經驗示警：生產力紅利恐滯後10年以上
在市場各方持續爭論人工智慧（AI）究竟是新一輪技術革命還是資本泡沫之際，摩根士丹利 (MS-US) 首席美國經濟學家 Michael Gapen 研究團隊，於 2026 年初發布了一份長達 51 頁的重磅報告《Lessons from the Five Innovation Waves That Preceded AI》（從 AI 之前的五次創新浪潮中汲取的經驗教訓）。
這份報告全文長達 51 頁，系統性回顧美國過去 250 年間的五大創新浪潮，涵蓋工業革命、蒸汽與鐵路時代、電氣化與內燃機、電子與航空技術，以及網際網路與數位網路的崛起，並從中歸納出科技變革與總體經濟之間反覆出現的發展脈絡，為理解當前 AI 時代提供了明確的歷史參照框架。
報告指出，每一次通用技術的誕生都伴隨著巨大的資本開支脈衝。19 世紀鐵路投資高峰期平均占 GDP 的 2.5%，折算至今約達 7,900 億美元；而 AI 基礎設施的投入規模，正以更快速度追趕甚至超越這些歷史參照。
摩根士丹利估算，未來五年全球 AI 基礎設施投入將逾 3 兆美元，其中近半數透過借貸籌資。
亞馬遜 (AMZN-US) 、Google(GOOGL-US) 、Meta(META-US) 、微軟 (MSFT-US) 與甲骨文 (ORCL-US) 等五大超大規模業者，未來三年資本支出合計將突破 2 兆美元，約占羅素 1000 指數成分股資本支出總額的 40%。
資本強度的變化更值得關注。上述五家企業的資本支出占銷售額比例，預計將在 2026 至 2028 年分別達到 34%、39% 與 37%，超越網路泡沫時期約 32% 的歷史高點。若將融資租賃納入計算，比例將進一步攀升至 38% 至 45%。
報告同時指出，目前美國 AI 行業資本支出與收入比高達 6 比 1，遠高於鐵路泡沫時期的 2 比 1 及網路泡沫時期的 4 比 1。
更值得警惕的是，過去六個月市場對 2026 至 2027 年資本支出的預期累計上修逾 6,300 億美元，但收入預期的修訂幅度卻相當有限，導致自由現金流預期持續下行，這與歷史上鐵路和網路泡沫時期的走勢高度吻合。
生產力紅利恐需漫長等待
根據摩根士丹利，如果說資本大規模湧入是技術革命的第一幕，那麼生產力的真正釋放，往往要等到多年之後。
以電氣化為例，電力於 1880 年代已商業化，但美國製造業生產力的實質飛躍卻遲至 1920 年代方才到來，整整滯後四十年。
其中的原因並非技術本身不夠先進，而是工廠組織結構未能跟上。舊廠房仍沿用圍繞蒸汽機中央傳動軸的舊式配置，直到工廠重新設計、每台機器配置獨立電機，效率才開始指數級提升。
網路時代亦然。數位技術自 1980 年代中期開始普及，但勞動生產率的顯著加速要到 1990 年代末才出現，滯後近十五年。
摩根士丹利數據顯示，勞動生產力從每年 1.5% 加速到 3% 最終兌現了投資，但等待的代價不小。
摩根士丹利中國首席經濟學家邢自強研判，AI 對生產力的實質性帶動，或許要到 2030 年乃至更久之後才能充分顯現，中間將經歷一段「青黃不接」的過渡期。
歷史證明，技術本身不會自動轉化為效率，企業從組織結構到工作流程的全面重組，才是關鍵變數。
就業重構而非消滅，但分配挑戰空前嚴峻
針對 AI 是否將引發大規模失業的疑慮，報告從歷史中歸納出一致性結論：工作從未消失，只是不斷遷移。
例如，美國農業就業占比從 1800 年的約 74% 降至今日不足 2%，但整體就業需求從未崩潰。
在鐵路迅速發展的時代，農業部門逐步縮減，而製造業則明顯擴張，占整體勞動力的比重提升至約 25%，同時催生出大量新興的白領職位。
進入電氣化時期，從 1910 年至 1950 年間，美國文書類工作人數成長了約三倍，白領勞工的總數也首次超越藍領族群。
摩根士丹利分析指出，標普 500 企業若全面採用 AI，每年可創造約 9,200 億美元淨收益，長期而言指數市值可能增加 13 兆至 16 兆美元。約 90% 的職業將受到 AI 某種程度的影響，但這種影響更多表現為「任務重構」而非「職位消除」。
報告指出，具備自主決策與執行能力的代理型 AI（Agentic AI），未來可能觸及更廣泛的職業領域，但其影響更傾向於將工作內容升級為高附加價值任務，並帶動新職位的誕生。
相較之下，能與實體環境互動的具身 AI（Embodied AI），雖然波及的職位範圍較小，但在自動化取代人力方面的潛在影響更為顯著。
然而，報告也提出嚴重警告：若 AI 走向「替代勞動力」而非「增強勞動力」的路徑，將導致勞動所得份額下降、不平等急劇惡化。
摩根士丹利財富管理團隊更預測，K 型經濟將進一步加深，而美國的收入與財富不平等程度，目前已處於 125 年來的最高水位。
制度與教育，決定技術紅利的歸屬
報告得出的核心結論是：技術本身不決定分配結果，制度與政策才是真正的關鍵變數。
歷史上，同一波技術浪潮在不同制度框架下，導向了截然不同的分配結局。鍍金時代的財富高度集中，最終由反壟斷立法、新政、GI 法案與工會運動所矯正，造就了 1940 至 1970 年代收入差距顯著縮小的「大壓縮」時期。
教育體系在其中扮演了核心角色。工業革命催生了公立小學，鐵路時代催生了贈地大學，電氣化推動了高中普及，戰後 GI 法案擴展了高等教育，每一次技術浪潮，都倒逼教育體系升級。
AI 時代的挑戰在於，技術擴散速度已是指數級加快。ChatGPT 發布僅兩個月用戶便破億，遠超此前任何技術的普及速度，這代表勞動市場的調適時間與教育轉型的窗口期，都將比歷史上任何時候更為短暫。
摩根士丹利這份報告的最終結論清晰而坦率：AI 大概率將提升生產力，就業衝擊短期存在但長期可化解，不平等風險高企，制度適配將決定利益分配的走向。
然而報告也未排除極端情境：若 AI 大規模替代勞動力，經濟或將在高速增長的同時，伴隨勞動所得佔有率的急劇萎縮與不平等的深度惡化。
更多鉅亨報導