据AI行业驰名钻研机构SemiAnalysis近日颁布《AI暗产出：不私见产出的可见成本》汇报称
，AI在造作一个宏观统计难题：成本是可见的
，产出却可能是不私见的。 SemiAnalysis将这种景象称为“AI暗产出”。其界说是：由AI带来的经济价值已经存在
，但在GDP、价值指数、劳动统计或行业账户中不私见
，或者被严沉扭曲。而这样的“AI暗产出”可能高达1.5万亿美元。 这对市场的意思很直接。AI本钱开支、数据中心建设、电力需要、GPU采购和token消费城市进入企业账本
，也会被投资者看到。但若是AI代替或新增的工作没有以清澈价值销售
，传统宏观数据可能只看到成本
，看不到对应产出。 美国2013年一次看似单调的GDP统计步骤订正
，把研发和知识产权投资纳入GDP核算
，使1990年代总产出增长约3.6万亿美元
，相当于2000年整年GDP的近30%。因而
，AI带来的丈量问题可能更大。 但SemiAnalysis明确注明
，这不是“1.5万亿美元劳动力已经隐没”
，也不是“GDP已经少记了1.5万亿美元”。它指的是：在当前一代AI能力下
，已有可信市场信号显示
，约1.5万亿美元劳动力成本对应的工作
，存在被AI显著加强或自动化的潜力。 这一估算基于“证据阶梯”中第4级及以上的信号。较弱的证据蕴含基准测试和产品宣传；更强的证据蕴含企业公开称AI已用于出产流程、法院认可有关AI工作、保险公司愿意承保AI犯错风险。 好比司法文件的例子。一份单一司法文件
，无论由律师草拟
，还是由AI草拟
，对用户的现实价值可能相近。但在GDP统计中
，两者蹊径分歧。 若是律师收费
，律师收入会进入服务业统计。若是AI用少量token实现
，律师账单隐没
，GDP里可能只剩下几美元甚至几美分的token支出
，并且这笔支出还可能被记在软件或AI服务行业
，而不是司法服务行业。 SemiAnalysis还给出一个价值变动示例：一份基础遗嘱的草拟成本
，持久随技术进取降落。但从400美元降至150美元
，用了约30年；若是从150美元降至0.50美元
，只用一年
，降幅超过99%。前者会带来统计误差
，后者可能直接从数据集中隐没。 同时
，司法服务价值指数直到1987年才被纳入CPI；截至2024年9月
，该价值指数已上涨4.6倍。这一指数很大水平上类似就业成本指数
，由于它没有充分反映司法服务出产率提升。 好比
，当文件综述成本从2000美元降到2美元时
，人们不愿定只是省下1998美元
，而是可能在每个项目前都做一次文件综述。类似地
，整顿从前六个月邮件、口试前天生钻研资料、会议前梳理对方布景
，都可能有现实价值
，但除了token、API挪用、云支出或订阅费之表
，很难留下清澈经济痕迹。 目前有一些迹象显示
，当前token支出中相当一部门可能用于新增工作
，而不是代替已有工作。但具体规模并不通明
，由于这些活动“藏在token的匿名帘幕后面”。 例如
，一家公司从前花1万美元表包HR服务
，此刻仍花1万美元采办AI HR服务。此时
，买卖价值没有变
，GDP仍能纪录这1万美元
，区别只是工资和岗位可能削减。 但若是同样的HR工作被公司内部用10美元token实现
，那么从统计上看
，表部1万美元买卖造成10美元支出。在这种情况下
，GDP会削减9990美元
，只管同样的工作依然实现了。 这就是问题的关键：AI是否被GDP捉拿
，不只取决于它有没有创造价值
，还取决于它有没有以可见价值、可见买卖、可见行业分类的大局出现。 若是工厂更便宜地出产螺丝
，统计人员能够数螺丝数量、当作本降落、看产量上升。从前六个世纪
，螺丝真实价值降落超过99%
，全球产量大幅上升
，现实GDP能较好捉拿这种增长和出产率提升。 SemiAnalysis写路：“我们短缺一套可用的说话
，来描述服务和脑力劳动的单元。”没佑装1吨文件综述”
，也没佑装1桶征询服务”。服务业统计通常依赖收条、工资、工时和价值指数
，再反推出“数量”。 这在价值缓慢变动时还能勉强运行。但若是AI让服务成本忽然降落99%
，统计系统可能把收入降落读成产出降落
，而不是出产率提升。 好比
，工业革命时期
，“马力”让人们能够比力机械、动物和人的劳动输出；但token不能直接做到这一点。100万token可能产出垃圾内容
，也可能产出一份有效邮件总结、一份司法文件
，甚至影响公司战术的决策。经济价值取决于输出
，而不是token数量。 若是AI先代替例行工作
，低薪低级岗位削减
，那么留在样本中的员工均匀工资可能上升。“最便宜的工人从数据中隐没了。没有人加薪
，但工资上升了。” SemiAnalysis监测到
，AI露出度较高行业的就业相对整体经济走弱
，但这些阐发较弱的细分行业反而出现相对工资上升。汇报把这种就业和工资的错配
，视为AI代替可能造成的统计痕迹之一。 宏观数据仍是观察经济的最好工具。投资者用它判断繁华是否真实
，政策造订者用它衡量失业和通胀
，企业用它决定招聘、自动化或扩产。 刚上任的美联储主席沃什曾在2025年12月说：“若是你盯着数据看
，我的概想是你是在看后视镜。你会迟到。你不会心识到这个国度可能以更急剧度实现非通胀增长。所以你必须下注。” 而若是AI带来的产出吓宗统计确认出现
，投资者和政策造订者可能在一段功夫内只看到两类数据：一壁是数据中心、GPU、电力、水和token支出的上升；另一壁是就业变动、工资结构变动和服务业收入变动。 这种情况下
，AI可能在数据中看起来像成本上升
，甚至像产出降落；但在企业内部和用户履历上
，部门工作现实已经更便宜、更快实现。 第一
，天堑转移。从前在市场上采办的服务
，转为企业或家庭内部用AI实现。好比付费钻研简报造成内部AI工作流
，表包工作造成员工提醒词。价值可能仍在
，但让它可见的买卖隐没了。 第二
，价值坍塌。服务业没有真正独立的数量和质量单元。若是统计只看到收条削减、均匀工资上升
，就可能读成“通胀更高、出产率和产出降落”。 第三
，行业错配。AI可能在一个行业创造价值
，但收入却记在另一个行业。例如医院用AI处置文书
，价值体此刻医疗服务效能中
，但买卖可能只显示为AI公司或软件公司的收入。汇报称
，这会让AI供给商看起来像价致反源
，而选取AI的行业看起来滞碍。 第四
，新增工作不私见。好比用AI为会议筹备人物档案
，破费只是几个token
，但使用者可能因而筹备更充分。汇报称
，这类价值没有清澈收条
，很难进入传统账户。 有关钻研显示
，英国国度统计局曾估算家庭出产相当于被衡量GDP的63.1%；国际劳工组织估算
，全球每天有164亿幼时无偿照护工作
，价值每年11万亿美元
，相当于全球科技行业规模的三倍。 GDP核算天堑持久会漏掉没有市场买卖的出产活动。AI可能让更多信息工作从“有价值、可统计”的区域
，转移到“有产出、无清澈价值”的区域。 不外
，SemiAnalysis当前框架只衡量有工资、有就业、有工作分类的市场劳动
，不衡量无偿照护、家庭出产或非正式经济中的AI使用。这是数据可审计性所限
，不是问题不存在。 它跟踪工作、职业、工资、证据层级、token成本和可能对应的全职岗位代替规模。这些属于劳动侧和投入侧指标
，足以显示哪些处所代替经济性已经出现。 但高露出行业不蹬宗岗位已经隐没。应该把它理解为：工作可鉴别、工资池较大、市场证据较强、token成本足够低
，代替的经济前提已经可见。 换句话说
，AI的地皮、电力、水、芯片、岗位冲击和token支出已经能被市场看到。但问题是：若是AI在创造类似工业革命级此外变动
，经济数据是否也必要看到那些没有清澈发票、没有传统单元、没有不变行业归属的产出。