深度观察:AI创造的价值,GDP根本看不见

上世纪八十年代，经济学家罗伯特·索洛（Robert Solow）留下一句名言：你能在任何地方看到计算机时代，唯独在生产率统计里看不到。

那一波计算机革命的价值，当时的宏观数据里没能体现。以现在马后炮的眼光来看，互联网泡沫起起落落，今天美股七巨头的市值瞎子都能看得见。价值是真的有，只是数据迟到了而已。

现在AI遇到了一模一样的问题，而且量级大得多。SemiAnalysis最近给这个现象起了个名字，暗产出（Dark Output），指的是AI实实在在干了活、创造了价值，但在GDP、物价、就业这些经济数据里压根看不见。

能看见的，只有AI烧掉的钱。数据中心、GPU、电费、水、token支出，全是账单。产出这一头，确实模糊不清的。这个一边是明晃晃的成本，一边是谁都说不清楚的产出，也从侧面说明，AI不是泡沫。

2013年，美国做过一次核算口径调整，把研发和知识产权投资算进GDP，结果给1990年代补回了大约3.6万亿美元的产出，接近2000年全年GDP的三成。而SemiAnalysis的判断是，AI带来的测量缺口比这次大得多。

美联储主席Kevin Warsh去年12月也说，你盯着数据看就是在向后看，你会迟到，你不会意识到这个国家能以更快的速度实现没有通胀的增长，所以你得下注。对一个靠数据吃饭的央行行长来说，说这么一番话还听耐人寻味的。

暗产出到底是什么？

SemiAnalysis把它类比成宇宙里的暗能量，你没法直接观测，只能通过它对周围其他东西的影响反推它的存在。AI的产出也是这样，它的痕迹散落在就业、物价、行业数据的异常里，而不在任何某一个清楚的数字上。

具体可以拆成三类：

第一类是替代型的，以前人做、现在AI做的活。SemiAnalysis在它的监测里圈出了大约1.5万亿美元的任务（这个数字下文会仔细说），是现有这一代AI，有能力大幅增强人的能力，甚至自动化完成的操作。

第二类是新增型，以前根本没人做，因为ROI太低，所以不值得做，二AI把成本打下来之后才能做的。举个例子，一份文献综述以前要花2000美元，现在2美元就能跑一次，结果不是大家把钱省下来，而是每个项目开始前都先跑一遍。

第三类是被捕获型，活儿从人手里彻底转给了AI，但因为服务商强势，价格没有明显降低。比如，一家公司原来花1万美元从外面买HR服务，现在改买一家AI公司的HR服务还是1万，GDP没少，少的是岗位和工资。

但这种可能是不可持续的，因为一旦这家公司用10美元的token在内部自己干完同样的活，GDP就凭空少了9990美元。

服务业从来都不好算生产效率

要理解暗产出，得先明白一件事，制造业能算出生产效率，但服务业不行。

制造业给统计学家留下了可以数的东西。工人造螺丝越来越快，工厂报上来的就是产量更高、成本更低。过去六个世纪，一颗螺丝的真实价格跌了超过99%，但因为产量高，GDP数出来的产量涨了约100亿倍。

服务业没有能数的东西。法律服务没有"单位"，咨询也没法按桶卖。除了房子，大部分服务在核算里都是靠收据和报价倒推的:拿总花费除以单价，反推出干了多少活。可一旦收据金额降了，哪怕你干的是一样的活儿，最后也只能算出产出下降。

比如，30年前，立遗嘱需要400美元，现在大概150美元，平均每年降不到5%，可AI能在一年内把它干到5毛钱，这是超过99%的降幅，于是它不是被低估，而是直接从数据集里蒸发了。

更根本的问题是，我们没有一个衡量脑力的单位。工业革命有马力，让人能把机器的出力和人、畜的出力放在一起比。token不行，一百万token可以产出一堆垃圾，也可以产出一个改变公司战略的决策。

数据会在哪几个地方骗人？

AI的产出不好在GDP里体现，具体有几种方式呢？SemiAnalysis拆出了至少四种不同的方式：

一是边界转移。以前在市场上买别人来干的活儿，现在挪进了公司内部。一份付费研究简报变成内部的AI工作流，一个外包任务变成员工的一句prompt。价值还在，但这个活儿自己内部消化了，老板不给你加工资，就不体现在GDP了。

说到这个，最近有朋友说，现在很多公关公司都不招外包了，都让公司内部自己做，用AI来做。给外包做还要给外包钱，但给自己内部员工用AI做，就不需要花钱了，这点我身边已经有体会了，很多更多人会有体会的。

二是价格崩塌。服务业里数量和质量不好衡量，能衡量的只有价格、工资、工时。如果AI能干，那价格和收入降低，同时AI干掉基础岗位导致平均工资上升，核算系统会把这读成通胀更高、生产效率和产出更低。明明是技术进步，数据上却成了退步。

三是部门错配。AI在一个行业里创造价值，成果却体现在另一个行业。比如，医院用AI处理文档，但GDP产出可能体现在软件公司的营收上，统计上就会显示，AI厂商在创造价值，而实际用AI的医院反倒显得没贡献。好尴尬。

四是新工作的价值看不见。AI能凭空干出一类过去根本不存在的活，但这类活没有收据，它在账面上唯一的痕迹，就是你为它付的token钱。于是不管它实际创造了多少价值，统计上都只能按算力成本来计量，真实价值远大于这个数，我们都看不见。

这几个有趣的现象的影响之下，数据就很奇怪。

于是我们看到，AI先干掉了初级岗位的活。结果那些最受AI冲击的行业，平均工资反而在涨，没有人涨薪，但平均工资涨了。监测数据显示，受AI影响大的环节，就业人数下降，但平均工资却往上走。

1.5万亿该怎么读，它对泡沫论意味着什么？

回到刚才说的那个1.5万亿美元。SemiAnalysis不是说有1.5万亿的劳动已经消失了，而是说，跟大约1.5万亿美元人力成本挂钩的那些任务，现在有比较大的可能会被AI替代。这种工作的说法叫“暴露的劳动”，暴漏给了AI的老董。

劳动力被AI替代的门槛其实并不高，我身边已经有这种例子了。AI不需要跟人一样强就能替代人，AI不需要打赢最强的律师、分析师、工程师，只需要它差不多好、足够便宜、足够可靠，就能顶替那个本来按市场工资干这活的人。

SemiAnalysis用了一套衡量市场信号的划分层级：

最底下两层是跑分，只用来估算AI能不能试着干活儿。

再往上一层，一些企业公开宣称能用AI干活儿，主要是嘴上说说。

再往上一层，企业说这工具已经在生产环境里真用起来了。

再往上，有公司非常信任AI出的活儿，AI可以负责任地对外提供服务。

最顶层一层，是保险公司愿意为AI干的活儿承保，有第三方真金白银地给它会承诺，如果它出错，保险公司愿意赔钱。

SemiAnalysis说，目前还没看到最高那两层的证据。也就是说，目前的现状，大部分还只是说AI在增强人，而不是替代人。所以，至少目前，还不用特别担心AI取代你的工作。

总结一下

AI时代要不要看宏观数据，看GDP呢？我觉得可以谨慎一点。

因为，宏观数据会骗人，投资人靠它判断这波繁荣是不是真的，央行靠它在失业和通胀之间做权衡，公司靠它决定要招人、要上自动化还是要自己搭。

如果AI把劳动、产出、价格、行业这几者之间的数据链条打断了，所有这些决策都不那么准了，至少没以前那么准了。

最尴尬的局面是，AI明明在创造大量看不见的价值，账本上却只剩下看得见的成本，于是批评者可以一口咬定它就是个泡沫，然后抗拒AI。

如果AI真是一场工业革命级别的事件，我们至少得有一套能看见产出、而不只看得见代价的经济数据。

话说，最近美国人新发布的非常亮眼的就业数据，把美国科技公司股价都带崩了的事儿，你觉得应该怎么看待呢？

都看到这里了，点个关注吧，有逻辑有料的长文挺累的，感谢。