生产效率是经济学长期最关注的话题之一。用克鲁格曼的话说，“生产率在短期也许不是一切，但在长期，它就是一切。”撇开劳动力人口结构，它就是长期经济的命脉。特别是对于比如中国和绝大多数发达国家这样的老龄化社会来说，生产率的增长速度决定了未来的经济图景。

之前Biu生曾经讨论过科技对通胀的影响，其中讲到现代人正面对的巨大挑战。从麦当劳的柜台到汽车工厂的车间，人工的智能和人工智能正在取代人。以硅谷为代表的科技创新力量不但抢夺了MBA毕业生资源，而且以难以置信的速度渗透到经济的各个方面，用美国总统候选人的话说，“没有任何一个行业还未受到这场革命的影响！”因特网不但让Uber, Airbnb这样的企业向全球扩张，而且还为各个国家带去了新鲜的诸如O2O的生产模式，产生了各自的Uber, Airbnb。生产率的提升似乎是板上钉钉。

数据却令人费解。

美国应该走在这场革命的前端，然而上图蓝线显示美国劳动生产率增速的四年平均值正跌入1982年来的最低区间。生产率增长速度降到可怜的0.6%，大大低于2000-2005年间约3%的峰值。这是怎么回事？

理解这一点很重要。虽然2008年金融危机作了很多孽，GDP总量很快就恢复了。而GDP是什么？劳动力乘以生产率。失业率与危机前比上了一个台阶，生产率增速下滑，是不是意味着GDP增长将马上封顶了呢？美联储先拿失业率搞QE，再用就业参与比例低的借口延迟退出，又用通胀堵鹰派的嘴，现在是不是轮到生产率了？美联储加息能加多少加多快的下一个关键是不是就是上图？

还有更有趣的数据。

不是说好了全民创业吗？说好了硅谷星罗棋布的小公司是未来的希望吗？这么多年轻人有了个歪主意就开公司，试错哲学蒸蒸日上。但上图显示，新公司的开启速度（深蓝色）自1978年以来连续下降，特别是自2006年以来更是连续急跌。08年关闭的公司数量的增长速度（浅蓝色）竟然超过开公司的了。这与生产率一合计，与大众感观一对应，事情蹊跷至极啊！

中国呢？

数据没有美国详尽，但中国也有O2O，在杭州都能叫直升机了，网店微商早已开得满世界，但07年后全因素生产率增速就开始直线下滑，2012年以后的生产率竟然出现了下跌：

事实上，劳动生产率增速的下滑存在于诸多国家，整个世界都不知不觉进入了这个奇怪的阶段：新事物层出不穷，然而生产率却裹足不前。

我们到底处在一个什么样的时代？机器到底是否在抢夺人们的工作机会？生产率到底能否得到提升，从而补偿那些失去的收入？

Biu生搜索了一下，华尔街时报之前有过对此的报道。Timothy Aeppel在文章里提到Google的经济学家Hal Varian指出：

“1930年发展起来的经济统计方法，适用于一个实体商品经济，而对许多要么低价要么免费的新产品省钱省时间的效应无法进行衡量，比如打车软件，比如公司对员工和货物的监控软件，甚至是搜索引擎本身为全世界省下的去图书馆翻书查资料的时间。同时，同样产品的质量也因为科技变好了，新款的汽车比以前的汽车更耐久了。”

换句话说，由于售出价格相同的产品，产生相同的GDP，人们生活质量的提升即无法被生产率概括，说明这个生产率的统计方法有问题。

可是Biu生觉得不能停在这个不是结论的结论，最终省下来的时间和精力总要被再投入吧？这些产出难道不会增加收入，不是最终将反映在生产率上吗？时间都去哪儿了？

高盛是同意统计问题的说法的，但是更加靠谱一点，五月份他们的经济学家Jan Hatzius与Kris Dawsey说，

“软件与数字化内容的迅速发展——由产品质量加权的价格和实际的产出比别的行业难以衡量得多，而这两个产业在这个时代尤其重要。”

简洁明快，GDP被低估了！这不是生产率的统计方法有问题，而是GDP的统计方法有问题。分子如果一大，劳动力恒定，生产率自然就上去了。

读者不知是否想起之前Biu生说的科技与通胀之间其中一个的关系：

“技术上，消费者价格指数追踪的一系列商品价格的科学性，其组成和衡量或许面临着更大的挑战。举例子说现在的电脑与10年前的电脑不可同日而语，价格却更为低廉，如何计算这样商品的通胀就是个现实问题。有一些新的商品进入了日常生活，它们也应该参与到统计中。这些命题恐怕也需要有更多研究。”

今天的电脑与10年前的电脑，几乎不是一种产品，更不要说软件，和众多闻所未闻但搭载于手机上的App。“产品质量加权”这件事说起来容易，做起来恐怕谁都不知道怎样做是对的。许多人手一件的新产品未被加入通胀一揽子商品统计，而由于新产品初始降价飞快，不计入它们导致通胀数据被真正意义上高估，从而实际GDP被低估（名义GDP除去通胀）。

对此，劳动数据统计局（BLS）有以下解读（专指通胀）：

“这个高估作用很难定量。但是虽然我们不知道它的幅度，我们几乎可以肯定，这个统计偏颇一定不是零而是个正数。如果我们假定没有统计偏颇，而要等到我们可以衡量它为止，那是个不科学的方法，因为事实上我们永远不能准确衡量它。假设这个偏离量在0.5%~1.5%之间一定好于假定它为零。就像格林斯潘主席最近说的那样——引用凯恩斯——大约的正确当然要强于铁定的错误。”

回到美联储加息的问题，这是不是意味着现在可怜的一点点通货膨胀，仍然是高估的。那么加息可能又要向后推迟。真是恭喜大白鸽耶伦！

但是退一步说，对于统计数据的质疑，Biu生从其哲学根本上有所疑虑。人类科技的发展一直在前进，人们却总是有身处在科技爆炸时代的偏见。就算拿计算能力说，我们站在摩尔定律这同一条曲线上，为什么总是说今天的发展速度是空前绝后的呢？这种偏见屡见不鲜，五年前，十年前，二十年前，都有很多人说出这样的话：这是一个科技爆炸的年代。微波炉，洗衣机，打字机的时代照样是精彩绝伦的时代，为每个人都省下大量时间。一个适用百年的统计体系最终是为人所用，而目前的数据不过是作为历史纵向对比的工具。历史数据被同样的统计偏颇影响，凭什么现在就特别需要重视呢？

摩根大通正是因此对高盛针锋相对：

“（高盛）这个理论要正确取决于是否统计问题现在比过去更严重，确实有一些证据显示目前有统计问题，但是几乎没有证据显示比过去严重。对于目前经济增长缓慢是由于测量不准导致的低估，缺乏事实根据。”

另一种可能的解释是也许科技发展在经济体系中的分布不均匀。虽然“没有任何一个行业还未受到这场革命的影响！”，但是各行业受影响多少天差地别。也许生产率增长的缓慢来源于大多数企业还没有真正融入到创新科技的新时代中。或者人们不够耐心。事实上，也许第一张图里高劳动率增长的2000年也许是因特网九十年代真正进入家庭后延时的反应。有研究表明1930年代飞速的生产率增长是因为二十世纪初的电力发明（感谢爱迪生和特斯拉）经过几十年的电网建设才结出果实。为了达到尽快的增长，政策就显得十分重要了，鼓励新产业，发展新产业的基础设施建设，防止旧产业利益集团对历史巨轮的钳制，允许更多的工人流动性将把这个不均匀尽快消除。这同样也是对于中国的启示，目前看似热闹的信息产业要带来劳动生产率的提升，或许还需要很久的时间，毕竟我们甚至还落在美国后面。

另一个角度说，也许产业间的滞后与不平衡，为低质量劳动力带来了喘息之机。生产率一天不抬头，他们就还有一天的工作。也许他们正是政治力量阻碍科技发展的后盾，也许也是为什么所有的科技革命最终仍然等待全体国民收入迎头赶上的内在原因。或许正因如此，因为政治的存在，对人们失业的担忧完全是不必要的。

当然我们不要忘记，虽然通胀萎靡显示社会需求端才是增长的问题所在，但目前资本供给充裕，厂房里停着不开工的机器，因为金融危机，欧债危机和诸多地缘政治问题，全球资产投入的萎缩，资源（机器，基础设施）供给的停滞，才是经济很多局部生产率受限制的重要原因。事实上制造业这种相对科技稳定的行业生产率增速减慢恐怕就更多的与投资停滞有关而不是什么最新科技。如下图，增长速度下降最严重的是制造业，信息产业，地产金融业。

因此，摩根大通对于生产率提升很不乐观：

“现有数据很少能支持企业资本投资花销会有实际意义地加快。更不幸的是，由于多种原因，当经济增长达到成熟稳定时，劳动率的增长反而会下降。”

说了这么多，回到创业公司数量的有趣图形。几十年新公司成立的增长率不断下滑其实是因为许多小商业被大型商业模式，科技进步和物流发展击败了。比如隔壁家庭经营的小卖部啊，照相馆啊，现在在欧美还见到的洗衣店啊，林林总总的零售个体户在各个街区冒出来，如今都被家乐福和亚马逊取代啦。换句话说，现在的创业公司少而精，做的事各不相同，以前的公司多而滥，做的都差不多，被时代给整合掉了。而有趣的是，大众的观感同样是有偏见的——这么多人在创业！一夜暴富的故事与科技产品的高大上造成了这种偏见。

最后，给大家再看一张有趣的图，与机器与人的角逐有点关系，留给大家咀嚼。这张图在政治演讲中十分流行，当然，那些手握选票的穷人一定是受害者： 

每小时实际生产率（绿线）一直在增加（即使前面讲了增长速度正在变慢），工人们的实际每小时工资（通货膨胀除权）却是在减少。这是不是映证了生产率与个人没什么关系，全是机器搞出来的呢？还是企业家太贪婪，都是吝啬鬼葛朗台？