面对“索洛悖论”，我首先会追问它改变了谁的选择。我的判断是：经济学家索洛提出的经典困惑，到处都能看到计算机，唯独在生产率统计里看不到，AI正在重演这个微观有效、宏观沉默的困局。这意味着，我们不能把“AI 能做到”直接翻译成“市场会采用”“企业会赚钱”或“岗位会消失”。从能力到结果之间，还隔着价格、流程、责任、需求和制度。
现实中，AI既可能带来温和生产率上行，也可能因投资反转造成更剧烈下行。IMF承认AI影响，却不把生产率收益直接写入基准预测。表面指标很容易给出乐观或悲观的答案：效率提高、订单增长、融资扩大、用户增加，或者岗位减少。但如果不追踪资金、任务、责任和需求从哪里来，我们就可能把中间过程误认为最终成果。
我更关心AI收益、成本和风险如何跨市场、跨国家扩散，而不是单个公司的短期成败。对国家，它影响产业安全、金融稳定和技术自主；对企业，它改变供应链、市场准入和技术选型；对第三方经济体，它决定能否保留议价空间，而不被锁进单一体系。因此，“索洛悖论”更像一套判断工具。我们要把参与者分开：谁拥有资源，谁承担风险，谁获得现金流，谁只有账面收益，谁能在规则变化以后继续生存。
判断时，我们要区分政策宣示、实际执行和市场结果。出口限制或联盟声明只是起点，最终效果取决于替代速度、成本差异、盟友行为和第三方国家选择。我们要持续追踪许可证的实际发放、替代芯片和模型份额、开发者调用量、跨境投资流向、联盟内部例外条款，以及第三方国家在安全与商业层面的不同选择。面对这个概念，我们要保留两个问题：当前结果究竟由真实需求推动，还是依赖某种补贴、融资、制度或组织惯性；当这些条件变化时，因果链会在哪一环断开。答案决定了这个概念是长期结构，还是阶段性现象。