AI 热潮开始显现在英国经济中
Google News 在 8 月 13 日呈现出一个引人注目的变化：英国经济增长了 0.4%，而与 AI 相关的行业贡献了异常高比例的增长动力。
这项季度 AI 信号比又一份乐观的 AI 预测更重要。2026 年第二季度，计算机服务快速扩张，硬件制造走强，科技投资上升。
这些变化表明，英国 AI 经济已开始影响可衡量的产出。此前，英国围绕 AI 的全国性讨论主要聚焦于未来生产率、外资、安全和基础设施承诺。
这并不意味着英国已经解决了长期的生产率难题。它意味着，证据已从企业展示材料进入国家经济数据。
核心矛盾如今更加清晰：与 AI 相关的产出正在增长，但更广泛的经济尚未在生产率、就业或生活水平方面展现出相当的改善。
下一项考验在于，这种集中于科技领域的增长能否扩散到普通企业。如果能够，第二季度可能标志着一场早期经济转型；如果不能，英国或许只是获得了一个狭窄、资本密集型的增长引擎。
Google News 揭示了什么：英国 AI 经济
英国第二季度数据比以往的统计发布更清楚地将 AI 活动与全国经济增长联系起来。
根据 Reuters 报道引用的数据，英国经济在 2026 年 4 月至 6 月间增长了 0.4%。信息与通信行业贡献了其中近一半的增幅。
这一贡献之所以重要，是因为信息与通信业只是经济的一部分。一个行业贡献了近半数季度增长，意味着它不只是跟随全国趋势。
计算机编程、咨询及相关活动在该季度增长了 3.7%，此前在 2026 年头三个月增长了 3.8%。
连续两个季度的强劲表现，降低了这一结果来自单一合同或暂时性会计影响的可能性。这表明，软件开发、计算服务和技术咨询的需求持续存在。
这些类别并不局限于人工智能，还包括传统软件、网络安全、云迁移及其他数字化工作。
因此，数据无法识别 AI 的确切贡献。不过，AI 供应商、模型集成商、云服务提供商，以及部署自动化系统的企业，都在这些类别中开展业务。
制造业数据则增添了另一层证据。英国计算机、电子和光学产品制造商的产出同比增长了 10.7%。
在 13 个制造业类别中，该子行业的增长排名第一。Reuters 指出，这是自 2017 年初以来首次位居榜首。
硬件增长意义重大，因为生成式 AI 需要实体基础设施。模型依赖服务器、网络设备、存储、冷却系统和专用芯片。
英国进口了大量最高价值的计算设备。不过，国内制造仍可通过零部件、测试系统、通信设备、光学产品和专用工业硬件获益。
投资数据也显示，计算机设备支出有所上升。这是连接当前需求与未来生产能力的桥梁。
企业采购硬件时，会先记录为投资，而员工未必立即产出更多成果。经济回报会在之后显现，即完成安装、流程重组、培训和更广泛采用之后。
这一过程意味着，最新数据是一项早期信号，而非最终证据。投资和科技行业增长，是英国观察者希望衡量的 AI 生产率的领先指标。
英国 AI 经济也不只是少数模型开发商的集合。一项政府行业评估显示，2024 年英国共有 5,862 家专注于 AI 或业务多元化布局 AI 的公司。
这一估计比前一年高出 58%。与 AI 相关的就业人数估计达到 86,139 人，增长了 33%。
该研究还估计，行业收入增长了 68%。业务多元化的公司贡献了大部分增幅，这表明 AI 活动正在既有企业内部扩散。
这一发现与最新经济数据相互印证。英国的 AI 收益并不限于实验室或打造前沿模型的初创企业。
它们也来自将 AI 加入既有业务运营的银行、零售商、咨询公司、制造商和公共部门供应商。这些企业能够更快影响国家统计数据，因为它们已服务于庞大的市场。
不过，行业分类仍不完美。一家咨询公司可能在出售被包装为 AI 的传统云项目后，记录到更高产出。
同样，制造商也可能受益于无关的电子产品需求。这些数字确立了相关性和经济集中度，但并未提供清晰的因果估计。
重要的变化依然真实存在。英国如今在软件服务、计算设备制造和硬件投资方面同时实现增长。
这种组合比单一类别的孤立增长更难被忽视。它表明，AI 投资周期正在多个相互关联的层面创造经济活动。
AI 投资周期为何此刻显现
当前的扩张反映了多年来的支出正从公告转化为设备、服务和运营系统。
生成式 AI 最初带来了一波试验潮。企业购买有限访问权限，测试助手工具，并让小团队识别潜在用途。
试验如今已更接近生产阶段。企业现在需要基础设施、数据准备、安全审查、系统集成、培训和持续的技术支持。
这一转变有利于英国既有的优势。英国拥有庞大的服务业经济、成熟的金融机构、主要研究型大学，以及高度集中的技术人才。
伦敦还拥有 Google DeepMind，以及多家美国大型科技公司的重要业务。这些机构吸引研究人员、工程师、投资者和专业供应商。
Google Cloud 在 2026 年 6 月称，英国的采用正达到“临界点”。其区域副总裁表示，各组织正从试验转向生产部署。
这一说法来自一家直接受益于云支出增加的供应商，应将其视为市场观点，而非独立确认。
不过，其时间点与全国数据相吻合。第二季度呈现出更强的计算机服务、硬件制造和设备投资。
生产部署需要的不只是访问一个聊天机器人。为 AI 购物助手提供支持的零售商，必须连接商品目录、客户数据、库存和支付系统。
自动化文档审查的银行需要访问控制、审计追踪、监控和人工升级机制。加快规划工作的公共机构则需要可靠的记录和可追责的决策。
这些要求会在带来全经济范围生产率提升之前，先创造付费工作。咨询顾问设计工作流程，工程师构建连接，企业购买计算能力。
这一机制有助于解释，为何科技产出可以在更广泛的生产率统计数据改善之前增长。供应商会立即获得收入，而客户需要时间重组工作。
英国政府也将计算能力视为战略基础设施。其计划包括扩大公共计算资源、支持国内硬件开发，以及建设一台国家级超级计算机。
这些政策回应了一个真实的限制因素。AI 计算需求的增长速度，已超过对适当电力、接入电网和先进处理器的可获得性。
私人投资也朝着同一方向发展。数据中心开发商一直在寻找具备可靠电力、水资源、网络接入和规划批准条件的地点。
昔日工业区能够提供其中一些条件。它们可能已拥有电网连接和适合大型设施的土地。
不过，拟建的数据中心并不等于生产能力。项目可能滞留在规划审批队列中，遭遇电力限制，或无法获得客户。
公告中的基础设施与实际运营的基础设施之间的差异，将塑造下一阶段。只有当资本支出产出可用的计算服务和商业活动时，英国才能从中受益。
英国的吸引力也源于其处于美国与欧洲之间的位置。英国拥有庞大的科技市场、英语制度环境和受尊敬的研究型大学。
它也在欧盟监管体系之外运作。这带来一定的政策灵活性，尽管服务欧洲客户的企业仍必须遵守适用的欧盟规则。
国际企业可以将英国作为研发、销售和部署基地。国内企业则因此获得供应商、经验丰富的员工和企业客户。
这种依赖是双向的。英国仍依赖外国云平台、先进芯片和庞大的国际资本池。
政府行业研究发现，人们担忧对海外基础设施和大型语言模型的依赖。受访者也质疑，完全的技术主权在财务上是否现实。
这使英国的战略不同于全面自给自足。它正试图在全球供应链中，获取研发、服务、应用和部分硬件活动的价值。
第二季度的表现表明，这一战略正在产生经济产出。但它并不能确定谁将保留最大份额的价值。
外国云服务提供商可能从英国的采用中获得大量收入。进口处理器也可能占据设备支出的很大部分。
国内劳动者和企业仍可从部署、集成、研发和配套服务中受益。不过，仅凭总量活动无法解答分配问题。
因此，当前的 AI 热潮既是本土的，也是进口驱动的。英国提供人才、客户、制度和部分技术，同时在关键基础设施上依赖外国平台。
真正的较量在于投资与生产率
只有当集中于科技领域的支出转化为更广泛经济中持续的生产率提升，英国的 AI 故事才能成功。
生产率衡量的是劳动者每小时工作能产出多少成果。它决定了工资、利润、公共服务和生活水平的长期增长能力。
英国在这一指标上长期面临困难。生产率展望显示，2022 年末至 2025 年第三季度期间，每小时产出下降了 0.7%。
英国央行工作人员估计，潜在生产率表现优于这一头条指标。即便如此，与假定的长期趋势相比，它仍然低迷。
这一疲弱表现构成了最新 Google News 报道背后的核心张力。少数快速增长的科技行业无法仅凭自身修复全国生产率。
信息服务业可以扩张，而建筑、酒店餐饮、零售、交通运输和公共服务仍然效率低下。要实现全国范围的收益，AI 的采用必须超越技术供应商本身。
这一机制依赖于配套投资。企业需要可靠的数据、重新设计的流程、训练有素的员工、适当的管理以及明确的问责机制。
购买 AI 许可证并不会自动提高产出。员工可能会花时间核查不准确的回答、修改提示词，或在不兼容的系统之间转移信息。
设计不佳的部署可能会增加审核工作，却无法消除旧有任务。它还可能带来法律、安全和声誉风险。
成功的部署会改变生产流程。它们能够缩短研究时间、自动完成重复性的准备工作、改善预测，或帮助员工管理更大的工作量。
客户支持团队或许会使用 AI 对请求进行分类并起草回复。人工客服随后可以专注于异常案例和敏感决策。
工程团队或许会使用编程助手处理常规测试和文档工作。其收益取决于代码审查、系统上下文以及准确的技术需求。
金融机构或许会使用模型审查文件。它仍然需要能够记录来源、解释决策并保护机密数据的控制机制。
这些例子说明了为何采用需要时间。技术只是一个投入要素，而组织变革决定经济回报。
英格兰银行调查的受访者预计，未来三年 AI 将使其企业的生产率每年提高约 0.6%。这一预期具有意义，但仍存在不确定性。
调查回答反映的是管理者的预期，而非国家统计数据已经测得的结果。当成本、可靠性或需求未达预期时，这些预期可能发生变化。
同一份报告指出，企业计划通过自动化和 AI 来应对未来需求，而不是按比例增加员工人数。这带来了第二层张力。
以更少的劳动时间实现更高产出，正是生产率提高的定义。然而，员工会通过招聘决策、岗位变化以及可能的岗位替代来经历这一转变。
7 月的决策者小组报告显示，受访企业的年度就业增长率为负 0.4%。预计未来一年的就业增长率为负 0.1%。
这些数据覆盖整个经济体，并不能证明 AI 导致了招聘疲软。能源成本、利率、消费者需求、税收和全球贸易同样会影响就业。
不过，这些数据说明了为什么“AI 驱动的增长”在员工听来可能与在经济学家听来不同。产出可以上升，而招聘却可能停滞或下降。
经济收益部分取决于被替代的时间和劳动力将如何被重新配置。员工可以转向更高价值的任务，雇主也可以只是减少人员配置。
新的需求可以在集成、评估、网络安全、数据治理和专业应用领域创造岗位。但这一转型仍可能令某些职业面临压力。
小型企业面临另一项挑战。大型企业能够为技术团队、法律审查和基础设施改造提供资金。
小企业通常依赖通用产品和外部供应商。它们可能很快获得收益，但对定价、隐私和产品变化的影响力较小。
这种差异可能扩大领先企业与落后企业之间的生产率差距。届时，全国平均数据将掩盖更为分化的商业格局。
英格兰银行行长 Andrew Bailey 将 AI 描述为一种可能的通用技术，即能够支持众多行业创新的技术。他的增长评估也强调了时机的重要性。
早期的通用技术需要配套发明和组织变革。它们的经济影响往往在最初的技术突破很久之后才显现。
英国 AI 生产率预测也必须考虑同样的滞后。第二季度的数据可能代表投资阶段，而非全部回报。
这并不是忽视这些数据的理由。扩散之前必须先有投资，而供应商的增长表明企业正在建设所需的基础。
这也是避免宣告胜利的理由。决定性证据将来自各行业的每小时产出，而不只是科技行业的增长。
这些数字仍无法证明什么
最新数据显示出一种由 AI 塑造的扩张，但它们既无法分离出 AI 的贡献，也无法保证增长具有持久性。
国民账户使用宽泛类别对企业和活动进行分类。它们不会审查每一份软件合同，并判定是否由人工智能促成了购买。
计算机编程包括普通应用开发。电子制造也包括与生成式 AI 几乎没有关联的产品。
硬件投资同样可能波动较大。少数几笔大型采购就可能带来季度大幅增长，却未必形成持久趋势。
初步 GDP 估算可能会被修订。后续调查回复、税务信息和年度平衡调整可能改变增长的规模或构成。
英国国家统计局已承认存在更广泛的统计衡量挑战。AI 改变了无形资产、工作模式、软件质量，以及投资与运营支出之间的界限。
这些问题会朝两个方向发挥作用。当企业给现有软件重新贴标签时，官方数据可能高估 AI 活动；而嵌入日常工作中的收益也可能被低估。
质量改进带来了另一个问题。更快的系统可以在记录价格不变的情况下提供更多计算能力。
统计人员使用平减指数来区分价格变化和实际产出。硬件的快速改进使这些调整变得困难。
服务业也存在类似的模糊性。使用 AI 的顾问可能更快完成工作，但其测得价值取决于计费方式和客户支出。
如果顾问用更少的工时完成同一项目，生产率就会上升。如果企业因“AI 转型”而收取更多费用，测得的收入可能先行上升。
第二季度数据对盈利能力也几乎没有说明。企业可能增加支出，而供应商则激烈竞争并承担高昂的基础设施成本。
这些数字也没有显示英国所有企业是否获得了回报。大型外国平台提供了大量云计算能力和模型访问服务。
这一区别关系到国民收入、税收、战略控制和未来投资。国内活动可以增长，而利润却流向其他地方。
地域带来另一项不确定性。英国 AI 经济仍主要集中在伦敦、东南部和英格兰东部。
政府研究显示，2024 年约 75% 的注册 AI 公司办公室位于这些地区。其他地区也录得强劲增长，但基数较小。
数据中心可能将投资扩展到伦敦以外，因为它们需要土地和电力。但这些设施所雇用的长期员工人数往往少于其规模所暗示的水平。
建设阶段会创造临时岗位，而运营则需要专业技术人员。当地收益取决于供应合同、培训、电网升级和相关企业的形成。
能源供应可能成为最严峻的物理限制。AI 设施需要可靠电力，拟议项目必须与住房、制造业、交通运输和脱碳争夺资源。
Bailey 警告称，可预见的持续供电能力可能无法满足每一个拟建 AI 数据中心的需求。这使数字增长转化为资源配置问题。
如果一个地点无法及时接入电网，规划审批也无法解决问题。新的发电和输电基础设施需要漫长的开发周期。
成本也可能转嫁给家庭或其他企业。政策制定者必须决定由谁为电网扩建买单，以及在供应受限期间谁获得优先权。
金融风险又增加了一层。英格兰银行的稳定性评估称，AI 已在一些地区支持增长。
报告也强调了未来生产率以及企业将其投资变现能力的不确定性。这些疑虑很重要，因为预期会影响资产价格和融资条件。
投资者已奖励与计算基础设施和 AI 需求相关的企业。重新评估可能削弱投资、股价和家庭财富。
英格兰银行认为，迄今为止大部分投资由现金和股权融资。这种结构相较于债务驱动的繁荣，可以限制对银行体系的直接敞口。
然而，杠杆可能在其他地方上升。基金可以以不断上涨的资产作为抵押借款，而基础设施企业可能在客户需求明确之前承担债务。
网络安全带来了另一种经济成本。更广泛的 AI 部署连接了敏感数据、外部模型、自动化代理和业务系统。
生产率工具可能成为攻击面。企业必须投入控制、测试、监控和事件响应。
这些保障措施会减少表面的效率收益，但仍属必要。忽视它们可能将小额节省转化为更大的运营损失。
因此，证据支持谨慎解读。与 AI 相关的活动强化了英国第二季度的表现，但因果关系和持久性仍未确定。
如果生产率在科技行业之外上升，这一论断就会更有力。如果增长仍然集中，而就业、投资回报和区域扩散令人失望，这一论断就会减弱。
决定这轮繁荣能否持续的三个信号
下一阶段取决于扩散、转化和基础设施，而不是又一个充满乐观声明的季度。
第一个信号是服务业各行业的每小时产出。这项指标将显示 AI 投资是否正在改变科技行业以外的生产方式。
金融服务、专业服务、零售、物流和公共行政尤其值得关注。它们都包含适合部分自动化的信息密集型任务。
广泛的生产率提升将加强这样一种论点：软件增长代表着全经济范围的转型。持续疲软则表明，供应商的增长快于客户效率的提升。
一个季度无法解决这个问题。生产率数据波动较大，劳动力统计也面临过衡量问题。
跨越多次发布的持续模式更具意义。分析师应将生产率与工时、工资和行业层面的产出进行比较。
第二个信号是投资与就业之间的关系。企业必须表明，AI 是支持扩张、替代招聘，还是创造不同的岗位。
在富有成效的转型期间，就业可能下降，但这并不意味着该技术在经济上毫无用处。然而，收益的分配将变得具有政治重要性。
员工人数下降、工资和产出上升，将意味着生产率提高但收益集中。就业下降且工资停滞，则会构成更棘手的局面。
新的技术和运营岗位将提供适应的证据。初级和行政岗位持续疲软则表明存在岗位替代压力。
9 月发布的决策者小组报告将初步展示企业预期。后续劳动力市场和职位空缺数据可以检验这些预期是否转化为实际行为。
读者也应关注企业报告。高管最终必须将 AI 支出与更低成本、更快交付、新收入或可衡量的客户成果联系起来。
关于试验的模糊说法已不再足够。第二季度数据提高了证据标准。
第三个信号是，已宣布的基础设施是否真正转化为可运营的能力。英国需要能够正常运转的数据中心、可用电力、先进硬件以及价格可负担的计算服务。
应将项目审批与开工进度、电网接入和已确认客户进行对照追踪。任何延迟都会削弱增长论述中的基础设施支撑。
政府的计算项目同样需要明确的交付里程碑。当大学、初创企业和研究人员无法匹配大型科技公司的资源时，公共算力就尤为重要。
本土硬件项目将面临严苛考验。支持措施必须带来具备竞争力的产品、客户和制造活动，而非孤立的原型机。
英国不需要制造每一种零部件，但确实需要在供应链中拥有可持续防守的角色。
这些角色可能包括专用处理器、光子学、冷却技术、系统工程、安全、模型评估或面向特定行业的应用。
外国投资仍然具有价值，但政策制定者应审视哪些价值留在英国。就业岗位、研究活动、供应商合同、知识产权和税收贡献，比宣布金额总额更能衡量实际成效。
Google News 已呈现出一个可信的转折点，但标题不应被当作结论。底层数据表明，AI 预期正在转向可观察到的经济活动。
最有力的证据是全国经济增长 0.4%、计算机服务增长 3.7%，以及硬件制造业年增长 10.7%这一组合。
局限性同样明确。这些数字描述的是快速变化的行业，而非已经完成的生产率转型。
对开发者而言，机会在于能够解决可衡量问题的生产系统。可靠的集成能力和领域知识将比泛泛的演示更重要。
企业采购方应要求提供基线、审查成本、安全控制措施以及部署后的衡量结果。仅凭使用量并不能证明经济回报。
知识工作者应关注雇主如何重新设计岗位。最重要的变化将涉及责任、工作量、招聘以及对判断力所赋予的价值。
政策制定者面临最广泛的考验。他们必须将技术投资与电力、技能、竞争、区域发展和劳动者流动性连接起来。
英国如今已有初步证据表明，AI 热潮正在影响可衡量的表现。这与主要建立在可能性之上的预测相比，是一项重要变化。
未来三个月应回答一个更聚焦的问题：这一势头会扩散到计算供应商之外，还是仍将集中于它们之中？
关注生产率数据发布、就业预期和运营中的基础设施。这些信号结合起来，将显示最新的 Google News 标题究竟标志着持久转变，还是仅仅是一个亮眼的季度。
