夜雨聆风经济学正在被 AI 打回原形
1987 年，经济学家 Robert Solow 留下一句名言："你到处都能看到计算机时代，除了在生产力统计数据里。"三十多年后，同样的剧本正在 AI 身上重演。只是这一次，问题严重得多。
SemiAnalysis 最新发布的深度报告《AI Dark Output》提出了一个核心概念：暗输出（Dark Output）——AI 创造的经济价值真实存在，但 GDP、物价指数、就业统计等宏观经济数据完全看不见它。
这不仅仅是统计偏差。当 AI 产出可能成为经济活动的主体部分时，宏观经济数据会给出完全错误的信号——看起来像衰退，实际上在爆发式增长。
什么是"暗输出"？
SemiAnalysis 将暗输出分为两类：
替代型暗输出（Substitution Dark Output）：以前由人做、现在由 AI 做的工作。SemiAnalysis 的 Dark Output Monitor 识别出约 1.5 万亿美元 的任务在当前 AI 能力范围内可以被大幅增强或自动化。
新增型暗输出（New Dark Output）：以前根本没人做的工作——因为太贵了，直到 AI 把它变得足够便宜。长期来看，这一类的规模可能远超替代型。
两类暗输出的共同点：价值真实存在，但统计系统看不见。
一份遗嘱的价格：从 400 美元到 0.5 美元
报告中最具冲击力的案例是法律文件起草。
一份简单遗嘱的价格在过去三十年从 400 美元降到 150 美元，年均降幅不到 5%。但 AI 介入后，从 150 美元降到 0.5 美元——一年内 99.7% 的降幅。
在 GDP 统计中，法律服务的"数量"不是通过实际产出来衡量的，而是通过律师的收费和调查问卷反推的。当 AI 接手最简单的法律文件，律师的收费单消失了，只剩下几美分的 token 成本。统计人员调查律师时，发现"平均价格"反而上涨了——因为最简单的案子都被 AI 做了，剩下的都是高收费的复杂案件。
结果是：GDP 记录为法律服务产出下降、价格上涨——而实际上，同样的事情被更便宜地完成了。
为什么螺丝钉可以，法律文书不行？
工业革命时期的统计学家能数清螺丝钉。过去六个世纪，螺丝的实际价格下降了 99% 以上，但全球产量增长了 100 亿倍。GDP 正确地将这记录为增长和生产力提升。
但服务业没有"单位"。没有"法律服务吨"、"文献综述桶"、"咨询顾问桶"。GDP 统计服务业产出时，只能看收据、工资和抽样调查的价格。当 AI 让价格暴跌时，统计系统看到的不是生产力提升，而是产出下降。
报告引用了 SemiAnalysis 的对比数据：从 15 世纪的羊皮纸抄写员（约 2000 美元），到 20 世纪初的公证人（约 1500 美元），到 1990 年的律师（约 1200 美元），到 2010 年的 LegalZoom（约 200 美元），再到 2026 年前沿模型的 API 成本（约 0.5 美元）——成本曲线不是线性下降，而是垂直坠落。
三个让统计系统崩溃的机制
边界转移（Boundary Shift）：以前在市场购买的服务（比如付费研究报告），变成了内部 AI 工作流。价值还在，但交易消失了。
价格崩塌（Price Collapse）：没有独立的数量和质量衡量标准。当收据减少（因为价格跌了）、平均工资上涨（因为低薪员工被替代），统计系统会解读为通胀上升、产出下降——恰恰与事实相反。
行业错配（Sector Misrouting）：医院用 AI 加速文书处理，但 AI 的账单出现在科技公司（NAICS 5415）的营收里，而不是医疗行业（NAICS 6211）的产出里。GDP 分行业统计会把 AI 供应商当成价值来源，而采用 AI 的行业看起来停滞不前。
就业的诡异信号：没人涨薪，但工资涨了
AI 评论中一个常见观察是：初级员工最先被替代。这导致一个反直觉的统计现象——被替代行业的人均工资反而上涨了，因为最低薪的工人从样本中消失了。
SemiAnalysis 的数据显示，AI 暴露度最高的行业就业率在下降，但同期的相对工资却在上升。这种就业与工资的错配，正是暗输出存在的一个指纹。
1.5 万亿美元：是暴露的劳动，不是消失的产出
SemiAnalysis 的 1.5 万亿美元估值基于一个"证据阶梯"：
- • Tier 1-2：基准测试表明模型能完成任务
- • Tier 3：公司声称产品能做这项工作
- • Tier 4：公司确认工具已在生产中使用
- • Tier 5：法庭成功辩护 AI 完成的工作
- • Tier 6：保险公司承保 AI 工作风险（第三方为失败定价）
1.5 万亿美元对应 Tier 4 及以上的证据。报告特别强调：这不是说 1.5 万亿的劳动已经消失，而是说这些任务在当前 AI 能力范围内有可信的替代潜力。
目前收集到的绝大多数证据指向 AI 增强（augmentation），而非 AI 替代（replacement）。
新增暗输出：看不见的增长引擎
最有趣的部分是新增暗输出。当文献综述的成本从 2000 美元降到 2 美元，人们不会做同样数量的文献综述然后把钱省下来——他们会在每个项目前都做一次文献综述。
整理过去六个月的邮件主题、面试前做学术文献检索、为会议准备对方背景报告——这些在几年前根本不值得做，现在花几分钱几分钟就能完成。价值真实存在，但经济统计中只留下 token 消耗的痕迹。
Anthropic 的经济指数显示，37% 的 token 用在计算机和数学领域，但软件投资的 GDP 贡献并未突破其 AI 之前的趋势线——甚至不是历史最高点。大量 token 消耗没有对应到可测量的经济产出。
一个被忽略的历史先例：女性主义经济学
报告在附录中做了一个发人深省的类比。1988 年，Marilyn Waring 指出，起草国民账户体系的委员会 91.7% 是男性。一句脚注将女性的大部分经济贡献——育儿、持家、照顾老人和病人——定性为"对国民账户不重要"。
国际劳工组织估计，全球每天 164 亿小时的无偿照护工作，价值 11 万亿美元，是全球科技行业收入的三倍。但在国民账户的惯例中，这一切价值为零。
经济学家 Margaret Reid 在 1934 年提出的测试至今仍是最犀利的诊断：如果一项工作可以外包给付费的第三方，它就是生产性的。 当家庭雇佣管家时，管家服务进入 GDP；当家庭成员做同样的工作时，它不进入。行为完全相同，区别只在于是否发生了金钱交易。
AI 让几乎所有的信息工作都变得可外包。一个 LLM 可以起草法律文件、分析财务报表、写营销方案、分诊患者投诉、生成代码、撰写研究摘要。在每种情况下，这些工作以前都由付费人类完成并被计入 GDP。
现在，同样的工作由 AI 完成，唯一的痕迹是 AI 公司账单上的一行。我们正用同一把 GDP 尺子，丈量一个越来越大的"暗输出"经济体。
为什么这很重要
宏观经济数据是我们观察经济的最佳窗口。投资者用它判断繁荣是否真实，政策制定者用它权衡失业与通胀，企业用它决定招聘、自动化还是扩张。
如果 AI 打破了劳动力、产出、价格和行业之间的数据关联，所有决策都会变差。数据中心、GPU、电力、水和 token 消耗——成本端清晰可见。但 token 支出代表的是真实的经济产出，还是企业在玩新玩具？这个问题的答案决定了我们是否正站在一个泡沫之上。
SemiAnalysis 的结论很明确：暗输出不是否认 AI 成本的理由，而是呼吁去衡量账本另一面的努力。 就业替代、电力需求、水资源和土地使用——这些现在就能看到。Token 消耗也能看到。但产出更难看到。
便宜的螺丝钉变成了可计数的产出。便宜的 AI 工作可能不会。
如果 AI 正在创造一个工业革命规模的事件，我们需要能看到它产出——而不仅仅是它替代了什么——的经济数据。
参考
https://newsletter.semianalysis.com/p/ai-dark-output-the-visible-cost-of
