在AI行业“日新月异”的叙事背后，一张来自金融时报的图表，成为拆穿“生产力幻觉”的关键证据。AI领域知名批评家Gary Marcus引用该图指出：尽管AI投资激增，但其对宏观生产力的提振作用微乎其微，甚至不如过去几次通用技术革命。这一观点不仅在学术界引发震荡，更对AI产品与战略决策者提出了无法回避的拷问——我们是否陷入了一场自我欺骗的“智能盛宴”？

该图表揭示了一个冰冷的事实：自2005年以来，发达经济体的全要素生产率（TFP）增长一直处于低迷状态，而AI技术大规模商用的过去十年，这一数字并未出现任何实质性的跃升。与之形成鲜明对比的是，AI行业内部关于“AGI临近”、“替代人类工作”的论调却愈发高亢。Gary Marcus由此指出，目前AI在生产环节的应用，更多是“打散问题的碎片化工具”，而非系统性地重构产业链逻辑，导致其价值传导至宏观层面时，已被高度稀释。

这与上世纪90年代互联网泡沫初期的情况形成耐人寻味的对比。当时，经济学界也曾出现过著名的“索洛悖论”——“你到处都能看到计算机时代，唯独在生产率的统计中看不到”。然而，随着90年代末信息化彻底重塑供应链与商业流程，TFP数据最终实现了大幅赶超。但当前AI的情形更令人担忧：其最大的应用场景（如文本生成、图像合成）更多集中于创造性而非结构性流程优化，且面临高能耗、高部署成本以及“一本正经地胡说八道”的可靠性短板，导致企业从投入AI到真正落地产出之间，存在一条巨大的“死亡谷”。

对于AI产品经理和战略制定者而言，这张图表提供了两个关键启示：第一，警惕“技术焦虑驱动下的盲目部署”。在行业集体亢奋时，应回归数据实质，评估AI究竟解决了什么具体的、高价值的、不可替代的问题，而非为了“AI化”而AI化。第二，认清“农业时代”与“工业时代”的差异。目前的AI更像是大量低效的“智能手工作坊”，而非通用流水线。真正追求生产力提升，就要聚焦于那些能实现端到端自动化的“可部署性”，而非仅仅产出令人惊艳但难以复制的Case。

Gary Marcus的炮轰并非一味唱衰，而是以数据为刀，切开了AI产业浮华的表皮。当技术红利被过度透支，真正的增长动力或许需要回到更具挑战性的领域——如何构建可信任、可审计、能稳定嵌入企业核心业务流的AI系统。这既是下一个技术突破口，也是通往真实智力的必经之路。