根據圣路易斯聯邦儲備銀行發布的最新調查報告顯示，截至2024年末，美國18至64歲人口中近40%已使用生成式AI，而在職場中，23%的勞動者每周至少使用一次這類技術。

美國對生成式AI的應用，堪比當年個人PC電腦和互聯網普及的歷程。

家庭與職場的雙軌滲透

在整體人口中，39.6%的受訪者表示在工作或家庭中使用生成式AI。值得注意的是，家庭場景的使用比例（33.7%）略高于職場，但使用強度存在顯著差異。職場用戶中，34%每日使用AI，而家庭用戶中僅5.2%保持同樣頻率。這反映出生成式AI在工作場景中更具工具屬性。

具體到產品選擇，ChatGPT以28.1%的使用率位居榜首，緊隨其后的是谷歌Gemini的16.6%和微軟Copilot等嵌入式工具14.1%。

當研究團隊將生成式AI的普及速度與個人電腦和互聯網對比時，一個顛覆性結論浮出水面：以首個大眾市場產品發布為起點，生成式AI在2年后的整體采用率39%超過了PC在3年后的20%和互聯網在2年后的20%。

不過細分工作與非工作場景后，模式更為復雜：職場中生成式AI的采用率26%與PC在1984年的25%幾乎持平，但家庭場景的34%遠高于PC同期的5%。這種職場同步、家庭超速的現象，可歸因于AI工具的移動性和零邊際成本。

教育、年齡與收入的三重分化

數據顯示，擁有學士或更高學位的勞動者中，42.3%使用生成式AI，是非college群體的2.3倍。年齡維度同樣顯著：18至29歲群體的應用率達29.1%，而50歲以上僅19.4%。

收入分布呈現類似趨勢：周收入前20%的群體中，AI使用率隨收入遞增，直至第80百分位后略有下降。這與1980年代PC應用模式驚人相似，當時高教育、高收入群體也是技術先鋒。

然而性別差異呈現出與歷史不同的軌跡：生成式AI在職場中男性使用率比女性高5.7%，而PC在1984年的應用率女性比男性高8%。

這源于PC早期在行政崗位的普及，而那些崗位以女性為主。現在生成式AI更多應用于技術和管理崗位，這些領域男性占比更高。

生成式AI的主要作用

該報告通過獨特的時間回溯法測量AI的生產力效應：詢問用戶"如果沒有AI，完成上周工作需要多花多少小時"。

結果顯示，平均而言，生成式AI用戶每周節省5.4%的工作時間，換算成全體勞動者（包括非用戶）則為1.4%的總工時節省。"這相當于每年約3.6億小時的勞動力釋放。如果這些時間用于生產，將產生顯著經濟影響。

時間節省與使用強度呈現強相關性：每日使用AI的勞動者中，33.5%報告每周節省4小時以上，而每周僅用1天的用戶中這一比例僅11.5%。行業差異同樣顯著：信息服務業從業者平均節省2.6%的工時，而休閑服務業僅0.6%。

此外，研究團隊構建了一個標準的Cobb-Douglas生產函數模型，將時間節省轉化為宏觀生產力增益。模型假設AI節省的時間被重新投入生產，由此計算出有效勞動力供給增加1.9%。結合Acemoglu提出的0.57勞動份額調整系數，最終估算出生成式AI當前為美國經濟帶來1.1%的生產力提升。

這一數字具有雙重意義：一方面，它超過了Acemoglu基于任務暴露的0.7%預測，且反映的是當前而非未來十年的影響；

另一方面，該估算尚未包含生產流程重組等長期效益。歷史上，蒸汽機和電力的全部潛力需要數十年才能完全釋放。