2026年9月，谷歌做了一件让很多人看不懂的事。它把一位2025年的诺贝尔经济学奖得主、一位多伦多大学创业与创新讲席教授、一位MIT经济系主任、一位前麦肯锡全球研究院合伙人、一位沃顿商学院的AI经济学家，全部拉进了同一个团队。这支队伍的使命不是开发更强大的基座模型，也不是追赶OpenAI或微软的产品节奏，而是研究一个看似很软、实则极为硬核的问题：AI到底如何改变全球经济。
ATLAS之后，谷歌的下一步
这一切并非突然发生。2026年7月，谷歌发布了AI & Economy ATLAS v1.0，一个基于1500万次去标识化人机交互数据的开放研究项目，覆盖超过150个国家、140种语言、800个职业、4000个任务。这些数据来自Gemini App、AI Mode和Gemini API三条产品线，合计月活已超过10亿用户。这份报告首次实证测量了生成式AI在真实世界中的使用模式，并揭示了一个令人惊讶的事实：绝大多数AI使用发生在日常生活中，而非工作场景，AI对职场渗透率仅21%。
仅仅两个月后，9月15日，谷歌更新了ATLAS的交互式可视化工具，同时发布了关于科学家如何使用AI的专项研究。三天后的9月18日，谷歌正式宣布大规模扩容其AI & Economy Research Program。加入的核心阵容令人侧目。
- Philippe Aghion，学术顾问。2025年诺贝尔经济学奖得主，创造性破坏增长理论的共同奠基人，INSEAD和Collège de France教授。
- Ajay Agrawal，访问学者。多伦多大学Rotman商学院教授，Creative Destruction Lab创始人，预测机器与权力与预测作者。
- Anu Madgavkar，项目联合主任。前麦肯锡全球研究院合伙人，二十年研究劳动力市场和技术采纳的资深专家。
- Daniel Rock，项目联合主任。沃顿商学院助理教授，AI与生产力的顶尖学者，生产力J曲线理论核心作者。
- 此前已深度参与的David Autor，MIT经济系主任、NBER劳动研究项目联合主任，继续留任访问学者。
这些人不是来做AI科普的。他们带着学术工具箱、工程数据管道和政策影响力而来。
为什么是经济学？为什么是现在？
产品铺完之后
AI产品已经全面铺开。Gemini嵌入搜索，嵌入Android，嵌入Workspace，嵌入Google Cloud。2026年8月，Gemini App月活正式突破10亿，成为谷歌历史上增长最快的产品。AI Mode在搜索中的月活也超过10亿，AI Overviews覆盖超过25亿用户。
但一个野蛮的问题随之而来：这些AI产品到底在创造真正的经济价值，还是仅仅在消耗海量算力？
这不是一个哲学问题，这是一个影响万亿美元决策的实证问题。谷歌2026年全年资本支出从年初预计的1750亿至1850亿美元，在Q2财报后直接上调至2050亿美元，相比2022年的310亿美元翻了近7倍。如此体量的投资，董事会和市场都在等待一个答案：回报在哪里？
ATLAS v1.0的数据已经给出了一些线索：人们在用AI编程、写作、分析数据、做科学实验，而非仅仅聊天。但追踪采用模式只是开始。要进一步帮助组织、工人、研究者和政策制定者理解这场复杂的转型，我们需要扩大学术合作，谷歌官方博文写道。
经济学家们要回答的问题是：AI的劳动替代效应与互补效应各有多大？企业采纳AI后的生产力增长需要多长时间才会在经济数据中显现？
创造性破坏的学术逻辑
Philippe Aghion的加入，是此次扩容中最具象征意义的一步棋。
2025年，Aghion因与Peter Howitt共同提出的创造性破坏增长理论获得诺贝尔经济学奖。这一理论的核心洞见是：经济增长的动力并非简单的资本积累，而是新技术不断淘汰旧产业的创造性破坏过程。新技术消灭了旧的工作岗位和旧的企业，但在此过程中释放出更高的生产率和全新的产业机会。
Aghion的理论直接回答了AI时代最核心的经济学问题：当AI系统开始替代白领工作、重构知识产业时，经济整体是否仍然能保持增长？他的理论框架给出了一个肯定的答案，但不是自动的。创造性破坏带来增长的前提是存在配套的制度安排、竞争政策和人力资本投资。这正是这位诺奖得主能够为谷歌带来的独特价值：为AI叙事提供经得起数学检验的理论背书，而非单纯的市场营销话术。
Michael Spence，2001年诺贝尔经济学奖得主，和剑桥大学公共政策教授Diane Coyle也同列学术顾问团。一个学术顾问团队中集结两位诺奖得主，这在科技公司的学术合作中极为罕见。
三层桥策略
仔细审视这支团队的结构，会发现三个明确的层次。第一层是学术顾问团，Aghion、Spence、Coyle提供理论框架、学术声誉和研究方向指引。第二层是访问学者项目，Agrawal和Autor与谷歌团队开展深度合作研究。Agrawal重点研究AI与科学发现、AI与机器人学的经济学，Autor专注于AI如何自动化和增强专业技能及其对工资和就业轨迹的影响。第三层是内部研究领导层，Madgavkar和Rock加上此前已在任的Google DeepMind AGI经济学主任Alex Imas和首席经济学家办公室的Zanna Iscenko，构成日常运营的研究管理团队。Madgavkar主导全球AI扩散、小企业生态和劳动力市场转型的实证研究，Rock负责桥接前沿模型遥测数据与严谨计量经济学，分析企业生产率和劳动重组。
谷歌搭建的这座三层桥，从学术理论到合作研究再到工程实证，试图形成一个完整闭环。这家公司在认真搭建AI经济学的研究基础设施，而非做一些表面功夫。
竞争维度的升维
当整个AI行业的目光都锁定在模型参数数量、推理速度、Benchmark分数这些技术指标上时，谷歌选择了一个完全不同的战场。
谁定义AI的经济影响，谁就能定义AI政策。谁定义AI政策，谁就能影响AI的监管方向、税收框架、人才培养体系，最终影响AI的商业化速度和全球竞争格局。
亚马逊和微软也在追踪AI经济学研究，但没有人拥有谷歌的数据规模。ATLAS基于1500万次真实交互，覆盖150个国家和800个职业。这种覆盖面和颗粒度，任何独立学术机构、智库甚至政府统计部门都无法获取。这是Google产品生态赋予它的研究垄断资源。
当政府想知道AI是否在减少就业，当央行想知道AI对全要素生产率的影响，当学校想知道哪些技能需要重新培训，谷歌的AI & Economy项目正在成为这些问题的默认数据源。这种话语权的积累，比一款AI产品的胜负更持久。
AI竞争进入第三阶段
这次扩容，表面上是学术招聘，实际上揭示了一个更根本的行业变迁：AI竞争已经进入第三阶段。
第一阶段是模型竞赛。2022至2024年，谁做出更强的基座模型，谁先实现Scaling Law的突破。GPT-4、Claude、Gemini、Llama，参赛者比拼的是模型的知识广度和推理能力。
第二阶段是产品落地。2024至2026年，谁把AI嵌入用户的日常使用场景。AI搜索、AI编程助手、AI办公套件、AI Agent，参赛者比拼的是产品体验和用户规模。谷歌凭借搜索、Android和Cloud的三头并进，在这一阶段占据了天然优势。
第三阶段是经济验证，从2026年开始。谁能用实证数据证明AI的投入产出比。这不是锦上添花，而是决定性的临界点——当资本支出突破2000亿美元量级，市场的耐心不会无限延续。
谷歌的2050亿美元不是一个小数字。它需要一套实证框架来回答两个问题：这笔投资在过去两年创造了什么实际经济价值；在接下来三到五年，它预期的回报路径是什么。经济学家团队，特别是Madgavkar的劳动力市场分析和Rock的生产率建模，正是这套框架的建造者。
没有第二阶段，第三阶段无从谈起。但没有第三阶段，第一阶段和第二阶段都无法持续。谷歌的对手们，微软和OpenAI、亚马逊和Anthropic，终将面临同样的拷问。
一个新的知识壁垒正在形成
对行业而言，一个或许更值得警惕的议题正在浮现。当谷歌的数据霸权延伸到AI经济学这个领域——一家公司手中同时握有10亿用户的AI使用数据、全球最大搜索引擎的查询数据、以及一个由诺奖得主领导的学术项目——关于AI如何影响就业、生产率和增长的公共话语权，是否也会被纳入这家公司的版图？
值得肯定的是，谷歌采取了一些透明化举措。ATLAS数据以开放获取形式通过ai.google/economy/atlas向公众开放，学术论文也已发布于arXiv。但数据的选择、分类方法和分析框架依然由谷歌内部团队掌控。在经济学的世界里，数据的收集者和数据的解释者之间的身份重叠，本身就值得审慎对待。
至少有一点可以确定。当诺奖得主开始为你家的AI产品做经济建模时，你已经不是在做一个AI产品了。你是在重新定义衡量整个产业运行效率的那把尺子。
快报