问一句自己的工资为什么涨了，答案都很耳熟。你干得好，公司今年赚钱，或者那阵子老板招人招得急。这些解释的是谁拿到了加薪。可它们都回答不了另一个问题：一整个国家怎么才能给所有人都多发钱，而物价不会跟着涨上来把这笔加薪抵消掉。要回答它，得看一个大多数人从没听说过的指标。

生产率量的到底是什么

劳动生产率（labor productivity）就是每工作一小时的产出。美国劳工统计局（BLS）的算法，是拿实际产出指数（剔除通货膨胀之后的产出）除以所有干活的人投入的工时指数，雇员和自雇者都算进去。最常被引用的那个数字覆盖的是非农商业部门，也就是整个经济减掉农场、政府和非营利机构。

GDP 告诉你这堆东西一共有多大。生产率告诉你每一个工时往里面添了多少。一个国家可以靠人多把 GDP 做大，也可以靠让大家干得更久做大，但这两种做法都不会让任何人花掉的每一小时更值钱。

为什么按小时算，不按人头算

按人头算产出更省事，也更容易把你带偏，因为不是每个人投入的小时数都一样。兼职、加班、假期长短，这些都会改变人均工时，却不改变一小时里究竟做成了多少事。

2023 年，美国工人平均干了大约 1,800 小时，德国工人平均干了大约 1,340 小时。按人头看，德国落后一大截。按小时看，两边接近得多，因为那段差距大部分是休假，不是产出。

同一个坑也埋在你自己的工资单里。多上一个班，你挣得更多，但你的生产率没有变，而且一周就那么多小时。

可持续加薪的天花板

把这套机制缩到一家咖啡店的尺度上看。一个时薪 $18 的咖啡师一小时做 20 杯，人工成本就是每杯 90 美分。别的都不动，把时薪提到 $20，人工成本变成每杯 $1.00。老板要么每杯多收 10 美分，要么每杯少赚 10 美分。

现在换个东西动。换一台更快的机器，把柜台重新排布一下，同一个咖啡师一小时能做 25 杯。时薪 $20 的情况下，人工成本是每杯 80 美分，比加薪之前还低。咖啡师拿得更多，咖啡也没有变贵。

每杯的成本就是单位劳动成本（unit labor cost），而这家咖啡店就是整个经济的缩影。让第一个版本在所有地方同时上演，那些涨价就是你早就认识的通货膨胀。让第二个版本上演，加薪才留得住。每小时产出是那块天花板，工资长期顶着它，最后会以更高的物价还回来。

究竟什么能把每小时产出抬上去

主要是四股力量在干这件事。

资本深化的意思是，每一个工时背后有更多、更好的设备：机器、软件、车辆、厂房。一个人开挖掘机搬的土，比一个人拿铁锹多。

更好的技术和多买几台同样的设备是两回事。挖掘机总得先有人发明出来。

教育和技能改变的是一个小时能做成什么。BLS 把这一项叫劳动力构成（labor composition），因为一小时熟练工的活，和一小时生手的活，不是同一种投入。

更好的组织方式是大家最容易忘的一项。同样的人，同样的机器，换个排法：交接更短，等待更少，返工的次品更少。

全要素生产率，那个剩下来的部分

资本能数，工时也能数。把这两项各自的贡献加起来，仍然解释不了产出增长的全部。剩下来的那部分叫全要素生产率（total factor productivity，简称 TFP），也叫多要素生产率，意思是把所有投入合起来之后的单位产出。

TFP 是一个残差，靠减法定义出来，不是直接量出来的。BLS 认为它装的是技术进步、效率提升、管理改善，以及资源向更好的用途转移。这些都是真的，而这也正是它的软肋。投入那一侧只要有测量误差，误差也会一起掉进这个剩余里，所以 TFP 里既装着想法，也装着错误。

为什么零点几个百分点能决定一段职业生涯

生产率增速见报的时候都是些很小的数字，很容易让人耸耸肩。让它变得要紧的是复利。

拿一份 $50,000 的年薪来算。如果一个经济体的每小时产出每年增长 1%，40 年之后，也就是差不多一辈子的工作时间，这份薪水撑得起的购买力大约相当于今天的 $74,400。增速换成 2%，撑得起的是大约 $110,400。一个百分点，跑上四十年，差出每年大约 $36,000。

有个简便算法。用 70 除以增长率，得到的就是翻一倍需要的年数。增长 2%，生活水平大约 35 年翻一倍。增长 1%，要花大约 70 年。

1947 年到 1973 年，美国非农商业部门的生产率每年增长大约 2.8%，之后放慢到 1973 年至 1996 年的每年大约 1.5%。这一次放慢，很大程度上解释了为什么往上走这件事，在两代人身上的感受那么不一样。

关于这些收益去了哪里的争论

战后那几十年里，生产率和普通工人的工资是一起往上走的。经济政策研究所（EPI）给出的数字是，1948 年到 1979 年生产率涨了 108.1%，生产与非管理岗位工人的时薪涨了 93.4%。1979 年之后两条线分开，生产率跑到了前面。那张图很有名，而围绕它的争吵其实是在吵方法。

第一个反对意见是关于平减指数的。生产率是用生产出来的东西的价格去调整的，工资是用人们买东西的价格去调整的。这两个篮子涨得不一样快，所以现实世界还没发生任何事情，这个缺口就已经先开了一截。马丁·费尔德斯坦（Martin Feldstein）就认为，用两套不同的平减指数会让这个对比本身站不住。

第二个是什么才算工资。医疗保险的保费和退休金缴款都属于报酬，而它们从来不会出现在工资数字里。改用总报酬来比，缺口就窄了一些。

第三个是劳动收入份额（labor share），也就是国民收入里流向工人而不是流向资本所有者的那一部分。这个份额确实下降了，换哪种算法都抹不掉。

安娜·斯坦斯伯里（Anna Stansbury）和劳伦斯·萨默斯（Lawrence Summers）研究了 1973 年到 2016 年，发现这条联系还在：生产率增速每多一个百分点，中位数报酬和平均报酬的增速就多 0.7 到 1 个百分点。他们的解读是，生产率仍然在把工资往上抬，只是同时还有别的力量在把普通人的工资往下压。EPI 读同样这几十年，读出的是一个关于议价能力的故事。生产率增长是工资上涨的必要条件，显然不是充分条件，剩下的部分至今还在吵。

数字开始模糊的地方

数一小时装出几辆车很容易。数心理咨询、法律文书或者课堂时数就不容易了，因为没有一个现成的单位，而且质量还会变。有些服务业的产出最后是拿投入倒推出来的，这等于悄悄假设了它的生产率增长为零。

免费的数字产品是第二个盲区。GDP 只统计人们付了钱的东西。一个把 $15 的公路地图册取代掉的地图 App，价格是零，所以一次改进反而可能表现为测出来的产出下降。

新技术出现在统计里也总是迟到。罗伯特·索洛（Robert Solow）在 1987 年写过一句话：计算机时代到处都看得见，就是在生产率统计里看不见。保罗·戴维（Paul David）1990 年给出的回答是历史。电力在 1880 年代就有了，工厂却要到 1920 年代才拿到那份大收益，前提是把厂房按一台机器配一台电机重建一遍，而不是继续用一根中央传动轴。技术比让它见效的那次重组早到了几十年。这就是为什么在统计数字开口之前，经济学家不太愿意把什么东西称作一场生产率革命。