从计算机到AI：历史性的测量难题正在重演

上世纪80至90年代，宏观经济数据完全无法捕捉计算机革命带来的经济贡献。经济学家罗伯特·索洛曾打趣道：“计算机时代随处可见，唯独在生产率统计数据中不见踪影。”尽管经历了互联网泡沫的起伏，如今科技“七巨头”的市值总和已是整个欧洲股市的1.8倍。如今，类似的情景正在人工智能领域上演——宏观数据尚未做好衡量AI产出的准备，而舆论、公众情绪乃至各国政府却急于计算AI在美元、电力、水资源和就业岗位方面所付出的代价。

一次“无聊”的修订：3.6万亿美元的启示

2013年，美国经济分析局对GDP核算方法进行了一次看似平淡的修订：将研发支出和知识产权投资纳入了GDP统计。这一调整使得1990年代的产出总量增加了约3.6万亿美元。由于官方账户将其均匀分摊，增长率仅小幅上升，但这一数字已相当于2000年全年GDP的近30%。
与过往的测量偏差相比，AI带来的测算难题规模要大得多。我们将AI从事的、目前国家账户无法识别的劳动称为“暗产出”。更令人担忧的是，AI的新增产出主要集中在服务业——而国家统计体系在服务领域长期存在生产率增长捕获不足的问题。

“暗产出”究竟是什么？

随着AI从实验性应用转向大规模资本化，任何无法体现AI实际成效的测量方法都将面临更严格的审视。2025年12月，即将上任的美联储主席凯文·沃什坦言：“如果你只看数据，我认为你是向后看的。你会落后，无法意识到国家已经具备了更快的无通胀增长能力。所以你必须做出一个赌博。”当AI增长的驱动因素转向更活跃的资本市场融资时，那些无法展现AI成果的指标，将被视为泡沫的证据。

核心数据一览

• 1990年代GDP统计修订：追加约3.6万亿美元，相当于2000年全年GDP的30%
• 科技“七巨头”市值：约为欧洲股市总市值的1.8倍
• AI“暗产出”问题严重性：超越历史上任何一次经济测量挑战
• 服务业统计困境：传统方法长期低估服务业生产率增长

当AI创造的数万亿美元价值游离于传统统计体系之外，我们看到的成本（电力、算力、工作岗位）只是冰山一角。真正的经济变革，或许正藏在那些“看不见”的产出之中。

---

关注微信号：智享开源 ，及时了解更新信息。

原文链接：https://newsletter.semianalysis.com/p/ai-dark-output-the-visible-cost-of