作者：金融汪；來源：X，@yuyy614893671
今天讀了一篇卓越的報告，令人腦洞大開，在衡量AI創造的經濟產出的时候，的確有一塊拼圖被我們遺漏了，而且傳統的經濟學，統計學並沒有找到合適的方法來衡量它 這就是AI創造的Dark -output。
先給大家一個有關報告的邏輯圖譜，以便於大家更好理解相關內容：
我們接下來正式進入文章內容的剖析
這個圖精準地描繪了整個經濟體中價值的分布情況，以及現有統計工具的盲區
人類的經濟活動被衡量需要通過的三個標準
（1）Produced (已生產 / 真實勞動)： 這項活動是否耗費了真實勞動並創造了真實的經濟價值？
（2）Priced (已定價 / 市場價格)： 這項活動是否在市場上以明確的、可見的價格出售？
（3）Measured (已測量 / 被GDP捕獲)： 官方的國民帳戶最終是否真實地記錄了這項活動？
而在真實運作的社會活動中，則存在著不同的情況
已生產 + 已定價 + 已測量
這是傳統經濟學和官方統計局最關注的核心地帶。這裡包含了工資支付、商品銷售和商業合同，構成了傳統GDP的絕大部分。
例如，企業花費10,000美元聘請外部機構完成人力資源服務，或者你花錢請律師起草一份法律文件，這些活動既創造了價值，又有明確的市場價格，並且被國民帳戶完美記錄。
已生產 + 已定價（但未測量）
這裡的活動確實提供了某種服務或產品，並且存在真實的金錢交易和市場價格，但由於其處於地下經濟或涉及非法性質，它們逃避了官方的宏觀數據統計
已生產 + 已測量（但無直接市場定價）
政府提供的許多公共服務（如基礎教育、城市治安）創造了巨大的社會和經濟價值，也被計入GDP。
但由於它們通常不對公民按次收費（缺乏市場價格），官方通常只能通過計算“投入成本”（例如公務員的工資帳單）來變相衡量其產出金額。
已測量（但未實際定價，也無新增生產）
位於純藍色區域或與已定價區域交界邊緣的是估算數據，最典型的是“自有住房租金”。
如果你住在自己的房子裡，你並沒有向任何人支付實際租金，也沒有產生新的經濟活動。但為了保持宏觀數據的連貫性，國民帳戶會“強制估算”一筆你付給自己的租金並計入GDP之中。
僅已生產（未定價、未測量）
這是一個龐大的經濟盲區。它包含了“家庭生產”和“志願者/數字公共資源”。傳統上，人們在家中從事的撫養孩子、照顧老人、日常家務等無償護理工作每天高達164億小時。按現有會計慣例，這些創造了巨大生存價值的活動因為沒有金錢換手，其經濟價值被記為零。
圖中央的紅色圓圈完美地揭示了AI是如何打破現有測算體系的：
AI產出的圓圈完全位於“已生產 (PRODUCED)”的綠色大圈內，這意味著AI輔助或生成的工作毫無疑問地創造了真實的經濟價值。
但是，**AI產出只有極小的一塊切片伸入了中心的“正式市場”，這一小塊僅僅代表了可見的Token消耗、API調用或AI軟件的固定訂閱費。**比如，當一份基礎法律遺囑的起草成本從150美元瞬間暴跌99%至0.50美元的API成本時，原本在“正式市場”中的149.5美元交易就徹底消失了。相同的價值被保留在“已生產”圈內，但因為價格崩塌和交易方式的內部化，它脫離了“已定價”和“已測量”的範疇。
現有的統計系統會將這種收據的消失誤讀為通貨膨脹上升和經濟產出的萎縮。AI的暗產出正在將越來越大比例的宏觀經濟活動，粗暴地推入那個只生產不計價的盲區，讓經濟的真實體感與宏觀儀表盤徹底脫節。
當人工智能輔助或接管某項任務時，產出不會自動消失。只有當價格下降，或者更糟糕的是，任務從外部轉移到採購企業內部時，產出才會從國民經濟核算中消失；多種測量誤差都可能導致經濟產出數據的缺失，比如：
邊界轉移是指原本在市場上購買的工作轉移到公司或家庭內部。付費研究簡報變成了內部人工智能工作流程。外包任務變成了員工任務。價值可能依然存在，但使其可見的交易卻消失了。
服務業的數量和質量並沒有真正意義上的獨立衡量標準。收入、工資和工時會被記錄，但數量卻無法量化。法律服務沒有標準單位，文獻綜述沒有公噸單位，諮詢服務也沒有桶單位；如果帳目顯示收入下降（因為價格下跌）而平均工資上升（因為初級員工被裁員），就會被解讀為通貨膨脹加劇，生產率和產出下降。
當人工智能在一個行業創造價值，而交易卻顯示在另一個行業時，就會出現行業錯配的情況。例如，醫院可能利用人工智能加快文書處理速度，但如果AI的唯一體現是人工智能公司或軟件供應商的收入，就會扭曲國家統計數據。按行業劃分的GDP可能會讓AI供應商看起來像是價值的來源，而採用人工智能的行業則顯得停滯不前。
真正的經濟效益正在產生，比如人工智能只需花費幾個token就能為人類撰寫一份檔案，讓我們能夠更好地準備會議，但這種價值卻無法體現在任何地方。任何合理的宏觀經濟衡量指標都必須在某種程度上考慮到這一點，否則人工智能的繁榮在數據上可能會被解讀為人工智能的衰退
所以，當前的對經濟的計量方法到底會產生怎樣的影響呢？由於官方統計產生的偏差，未來某個階段我們很可能會看到上圖裡這樣一種情形：CPI不下去，GDP也不上去
圖中那條幾乎平緩的藍線（測量的實際人均GDP）和黃線（測量的CPI物價指數）代表了傳統統計局看到的數據。基於這些數據，官方得出的診斷是悲觀的：“AI並沒有帶來預期的效果——價格依然堅挺，經濟增長疲軟，但我們在AI上的花費卻比以往任何時候都多”（正如左下角黃色邊框內的文字所述）
但是，此時的“真實生產力正在急劇上升”—白色虛線和藍色實線之間的那大片陰影區域（包括深紫色的“轉化為利潤”和深灰色的“轉化為消費者剩餘”），就是AI的隱形的暗產出Dark-output
當AI極大地降低了工作成本時，這些節省下來的錢主要去了兩個地方：一是變成了企業的超額利潤；二是讓消費者用同樣的錢獲得了海量倍增的服務效用（比如以前花錢請人查資料，現在自己用AI瞬間免費生成）
因為這些巨額的真實價值沒有在市場上形成新的、可被統計的“交易標價”，所以如果AI的產出沒有以可見的價格出售，那麼除了單純的Token支出外，GDP根本無法捕捉到這些產出。
為了更好地理解這個現象，我們可以回頭看看歷史。這種情況並非第一次發生。
在20世紀80年代和90年代，當個人電腦剛剛普及的時候，宏觀經濟數據同樣完全無法檢測到新興計算機革命對經濟的貢獻。著名經濟學家羅伯特·索洛（Robert Solow）當時有一句非常經典的吐槽：“你可以到處看到計算機時代的身影，唯獨在生產力統計數據中看不到。”
官方統計系統的反應是極其遲緩的。直到2013年，美國才進行了一次枯燥的方法論修訂，將研發和知識產權投資正式加入GDP的核算中。就這一個動作，直接讓1990年代的總產出憑空“增加”了約3.6萬億美元
以前的計算機只是工具，而AI正在直接接管服務業的腦力勞動。由於服務業在測量上一直存在固有的困難，當AI導致某些服務的成本斷崖式下跌時，GDP往往會將其記錄為經濟活動的衰退（因為資金交易量變小了），甚至可能在數據上表現為通貨膨脹。
AI帶來的這個測算難題的規模，將使以前所有的統計盲區都相形見絀。這也是為什麼，如果你只盯著傳統的GDP儀表盤，你會誤以為現在的經濟一潭死水，而實際上，一場無人測量的生產力革命正在水面之下劇烈沸騰。
363.91萬 熱度
49902.62萬 熱度
134.3萬 熱度
180.9萬 熱度
98.34萬 熱度
AI 時代萬億美元的“暗產出”如何重塑經濟增長
作者：金融汪；來源：X，@yuyy614893671
今天讀了一篇卓越的報告，令人腦洞大開，在衡量AI創造的經濟產出的时候，的確有一塊拼圖被我們遺漏了，而且傳統的經濟學，統計學並沒有找到合適的方法來衡量它 這就是AI創造的Dark -output。
先給大家一個有關報告的邏輯圖譜，以便於大家更好理解相關內容：
我們接下來正式進入文章內容的剖析
這個圖精準地描繪了整個經濟體中價值的分布情況，以及現有統計工具的盲區
人類的經濟活動被衡量需要通過的三個標準
（1）Produced (已生產 / 真實勞動)： 這項活動是否耗費了真實勞動並創造了真實的經濟價值？
（2）Priced (已定價 / 市場價格)： 這項活動是否在市場上以明確的、可見的價格出售？
（3）Measured (已測量 / 被GDP捕獲)： 官方的國民帳戶最終是否真實地記錄了這項活動？
而在真實運作的社會活動中，則存在著不同的情況
1. 三界交匯：正式市場 (Formal Market)
已生產 + 已定價 + 已測量
這是傳統經濟學和官方統計局最關注的核心地帶。這裡包含了工資支付、商品銷售和商業合同，構成了傳統GDP的絕大部分。
例如，企業花費10,000美元聘請外部機構完成人力資源服務，或者你花錢請律師起草一份法律文件，這些活動既創造了價值，又有明確的市場價格，並且被國民帳戶完美記錄。
2. 存在價格但脫離監管：灰色/非法市場 (Gray / Illicit Market)
已生產 + 已定價（但未測量）
這裡的活動確實提供了某種服務或產品，並且存在真實的金錢交易和市場價格，但由於其處於地下經濟或涉及非法性質，它們逃避了官方的宏觀數據統計
3. 被統計但無市場定價：政府服務 (Government measured at cost)
已生產 + 已測量（但無直接市場定價）
政府提供的許多公共服務（如基礎教育、城市治安）創造了巨大的社會和經濟價值，也被計入GDP。
但由於它們通常不對公民按次收費（缺乏市場價格），官方通常只能通過計算“投入成本”（例如公務員的工資帳單）來變相衡量其產出金額。
4. 統計局的數字遊戲：純估算 (Pure Imputations)
已測量（但未實際定價，也無新增生產）
位於純藍色區域或與已定價區域交界邊緣的是估算數據，最典型的是“自有住房租金”。
如果你住在自己的房子裡，你並沒有向任何人支付實際租金，也沒有產生新的經濟活動。但為了保持宏觀數據的連貫性，國民帳戶會“強制估算”一筆你付給自己的租金並計入GDP之中。
5. 巨大的經濟暗網：僅生產 (PRODUCED-only)
僅已生產（未定價、未測量）
這是一個龐大的經濟盲區。它包含了“家庭生產”和“志願者/數字公共資源”。傳統上，人們在家中從事的撫養孩子、照顧老人、日常家務等無償護理工作每天高達164億小時。按現有會計慣例，這些創造了巨大生存價值的活動因為沒有金錢換手，其經濟價值被記為零。
6. AI產出與暗產出Dark-ouput的剝離
圖中央的紅色圓圈完美地揭示了AI是如何打破現有測算體系的：
AI產出的圓圈完全位於“已生產 (PRODUCED)”的綠色大圈內，這意味著AI輔助或生成的工作毫無疑問地創造了真實的經濟價值。
但是，**AI產出只有極小的一塊切片伸入了中心的“正式市場”，這一小塊僅僅代表了可見的Token消耗、API調用或AI軟件的固定訂閱費。**比如，當一份基礎法律遺囑的起草成本從150美元瞬間暴跌99%至0.50美元的API成本時，原本在“正式市場”中的149.5美元交易就徹底消失了。相同的價值被保留在“已生產”圈內，但因為價格崩塌和交易方式的內部化，它脫離了“已定價”和“已測量”的範疇。
現有的統計系統會將這種收據的消失誤讀為通貨膨脹上升和經濟產出的萎縮。AI的暗產出正在將越來越大比例的宏觀經濟活動，粗暴地推入那個只生產不計價的盲區，讓經濟的真實體感與宏觀儀表盤徹底脫節。
當人工智能輔助或接管某項任務時，產出不會自動消失。只有當價格下降，或者更糟糕的是，任務從外部轉移到採購企業內部時，產出才會從國民經濟核算中消失；多種測量誤差都可能導致經濟產出數據的缺失，比如：
1. 邊界轉移
邊界轉移是指原本在市場上購買的工作轉移到公司或家庭內部。付費研究簡報變成了內部人工智能工作流程。外包任務變成了員工任務。價值可能依然存在，但使其可見的交易卻消失了。
2. 價格暴跌
服務業的數量和質量並沒有真正意義上的獨立衡量標準。收入、工資和工時會被記錄，但數量卻無法量化。法律服務沒有標準單位，文獻綜述沒有公噸單位，諮詢服務也沒有桶單位；如果帳目顯示收入下降（因為價格下跌）而平均工資上升（因為初級員工被裁員），就會被解讀為通貨膨脹加劇，生產率和產出下降。
3. 行業錯配
當人工智能在一個行業創造價值，而交易卻顯示在另一個行業時，就會出現行業錯配的情況。例如，醫院可能利用人工智能加快文書處理速度，但如果AI的唯一體現是人工智能公司或軟件供應商的收入，就會扭曲國家統計數據。按行業劃分的GDP可能會讓AI供應商看起來像是價值的來源，而採用人工智能的行業則顯得停滯不前。
4. 新工作隱形
真正的經濟效益正在產生，比如人工智能只需花費幾個token就能為人類撰寫一份檔案，讓我們能夠更好地準備會議，但這種價值卻無法體現在任何地方。任何合理的宏觀經濟衡量指標都必須在某種程度上考慮到這一點，否則人工智能的繁榮在數據上可能會被解讀為人工智能的衰退
所以，當前的對經濟的計量方法到底會產生怎樣的影響呢？由於官方統計產生的偏差，未來某個階段我們很可能會看到上圖裡這樣一種情形：CPI不下去，GDP也不上去
圖中那條幾乎平緩的藍線（測量的實際人均GDP）和黃線（測量的CPI物價指數）代表了傳統統計局看到的數據。基於這些數據，官方得出的診斷是悲觀的：“AI並沒有帶來預期的效果——價格依然堅挺，經濟增長疲軟，但我們在AI上的花費卻比以往任何時候都多”（正如左下角黃色邊框內的文字所述）
但是，此時的“真實生產力正在急劇上升”—白色虛線和藍色實線之間的那大片陰影區域（包括深紫色的“轉化為利潤”和深灰色的“轉化為消費者剩餘”），就是AI的隱形的暗產出Dark-output
當AI極大地降低了工作成本時，這些節省下來的錢主要去了兩個地方：一是變成了企業的超額利潤；二是讓消費者用同樣的錢獲得了海量倍增的服務效用（比如以前花錢請人查資料，現在自己用AI瞬間免費生成）
因為這些巨額的真實價值沒有在市場上形成新的、可被統計的“交易標價”，所以如果AI的產出沒有以可見的價格出售，那麼除了單純的Token支出外，GDP根本無法捕捉到這些產出。
為了更好地理解這個現象，我們可以回頭看看歷史。這種情況並非第一次發生。
在20世紀80年代和90年代，當個人電腦剛剛普及的時候，宏觀經濟數據同樣完全無法檢測到新興計算機革命對經濟的貢獻。著名經濟學家羅伯特·索洛（Robert Solow）當時有一句非常經典的吐槽：“你可以到處看到計算機時代的身影，唯獨在生產力統計數據中看不到。”
官方統計系統的反應是極其遲緩的。直到2013年，美國才進行了一次枯燥的方法論修訂，將研發和知識產權投資正式加入GDP的核算中。就這一個動作，直接讓1990年代的總產出憑空“增加”了約3.6萬億美元
以前的計算機只是工具，而AI正在直接接管服務業的腦力勞動。由於服務業在測量上一直存在固有的困難，當AI導致某些服務的成本斷崖式下跌時，GDP往往會將其記錄為經濟活動的衰退（因為資金交易量變小了），甚至可能在數據上表現為通貨膨脹。
AI帶來的這個測算難題的規模，將使以前所有的統計盲區都相形見絀。這也是為什麼，如果你只盯著傳統的GDP儀表盤，你會誤以為現在的經濟一潭死水，而實際上，一場無人測量的生產力革命正在水面之下劇烈沸騰。