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。