Core Question
扩散引擎，还是 K5 尾部的基础设施繁荣？
AI 可以同时是一项真实技术平台，也可以在部分环节形成 late-cycle overbuild。Kairos 因此把“技术潜力”“资本开支”“融资结构”和“宏观周期确认”分开检查，避免过早确认，也避免在扩散证据形成前过早否定。
Supports
为什么值得进入 K6 Candidate Watch
- 企业 AI 使用率与业务功能采用已有官方统计入口；采用信号不证明宏观生产率扩散，K6 remains Candidate Watch。
- hyperscaler、半导体与数据中心资本开支形成真实地面信号；capex signal 不证明企业 ROI，也不确认 K6。
- GPT 与 NBER 研究提供技术扩散可能滞后、需要互补投资的模型和历史框架；这些框架不是 K6 确认。
- 电力、算力、先进制造与自动化约束可能形成工业投资链；IEA electricity 属于情景观察，不证明 AI 是唯一驱动，也不确认 K6。
Challenges
为什么现在不能确认 K6
- 企业采用仍可能集中于大公司、信息密集行业或浅层功能。
- 微观任务效率不自动等于宏观 TFP 或跨行业利润池迁移。
- AI 收入与企业 ROI 是否足以覆盖 capex、折旧和 compute cost，仍需验证。
- 真实技术扩散与金融过度建设可以在不同细分市场同时存在。
Remaining Gaps
下一步需要看到什么
| Adoption | 非科技行业、不同企业规模和核心生产流程中的持续采用。 |
|---|---|
| Productivity | 跨多个季度、多个行业的官方生产率改善，而非单点案例。 |
| ROI | 可复核的收入、成本、利润率或现金流改善。 |
| Profit Migration | 传统行业利润池或竞争结构因 AI 采用发生可观察迁移。 |
| Infrastructure | 电力、数据中心、半导体和自动化投资形成耐久扩散，而非一次性过建。 |
Kill Criteria & Guardrails
什么会削弱候选判断
- 采用长期停留在少数行业、试点或浅层办公功能。
- 生产率改善无法扩散到信息密集行业之外。
- AI 收入无法覆盖 capex、折旧与算力成本压力。
- 基础设施利用率、云定价或 residual value 明显走弱并出现融资压力。
- AI is not confirmed K6；K6 remains Candidate Watch；Watchlist is not confirmed fact。
Curated Evidence
支持检查、不用于确认 K6 的来源
official statistical article / primary
Large Firms With at Least 20 Employees Biggest AI Users
Supports
按企业规模和行业观察 AI 使用率。
Limits
实验性、自报数据不能确认 K6。
official working paper / primary
Businesses' Use of AI
Supports
业务功能与任务中的采用细节。
Limits
不证明宏观生产率扩散。
multilateral report / high-quality secondary
Electricity 2024
Supports
数据中心与电力需求观察。
Limits
情景预测会随效率与政策变化。
academic working paper / high-quality secondary
The Simple Macroeconomics of AI
Supports
对过早广泛 TFP 结论的审慎。
Limits
模型视角不是最终事实。
academic working paper / high-quality secondary
AI and the Modern Productivity Paradox
Supports
GPT 收益可能滞后且需要互补投资。
Limits
写于当前 GenAI 周期之前。