作者：金融汪；来源：X，@yuyy614893671
今天读了一篇卓越的报告，令人脑洞大开，在衡量AI创造的经济产出的时候，的确有一块拼图被我们遗漏了，而且传统的经济学，统计学并没有找到合适的方法来衡量它 这就是AI创造的Dark -output。
先给大家一个有关报告的逻辑图谱，以便于大家更好理解相关内容：
我们接下来正式进入文章内容的剖析
这个图精准地描绘了整个经济体中价值的分布情况，以及现有统计工具的盲区
人类的经济活动被衡量需要通过的三个标准
（1）Produced (已生产 / 真实劳动)： 这项活动是否耗费了真实劳动并创造了真实的经济价值？
（2）Priced (已定价 / 市场价格)： 这项活动是否在市场上以明确的、可见的价格出售？
（3）Measured (已测量 / 被 GDP 捕获)： 官方的国民账户最终是否真实地记录了这项活动？
而在真实运作的社会活动中，则存在着不同的情况
已生产 + 已定价 + 已测量
这是传统经济学和官方统计局最关注的核心地带。这里包含了工资支付、商品销售和商业合同，构成了传统 GDP 的绝大部分 。
例如，企业花费 10,000 美元聘请外部机构完成人力资源服务，或者你花钱请律师起草一份法律文件，这些活动既创造了价值，又有明确的市场价格，并且被国民账户完美记录 。
已生产 + 已定价（但未测量）
这里的活动确实提供了某种服务或产品，并且存在真实的金钱交易和市场价格，但由于其处于地下经济或涉及非法性质，它们逃避了官方的宏观数据统计
已生产 + 已测量（但无直接市场定价）
政府提供的许多公共服务（如基础教育、城市治安）创造了巨大的社会和经济价值，也被计入 GDP。
但由于它们通常不对公民按次收费（缺乏市场价格），官方通常只能通过计算“投入成本”（例如公务员的工资账单）来变相衡量其产出金额。
已测量（但未实际定价，也无新增生产）
位于纯蓝色区域或与已定价区域交界边缘的是估算数据，最典型的是“自有住房租金” 。
如果你住在自己的房子里，你并没有向任何人支付实际租金，也没有产生新的经济活动。但为了保持宏观数据的连贯性，国民账户会“强制估算”一笔你付给自己的租金并计入 GDP 之中 。
仅已生产（未定价、未测量）
这是一个庞大的经济盲区。它包含了“家庭生产”和“志愿者/数字公共资源” 。传统上，人们在家中从事的抚养孩子、照顾老人、日常家务等无偿护理工作每天高达 164 亿小时 。按现有会计惯例，这些创造了巨大生存价值的活动因为没有金钱换手，其经济价值被记为零 。
图中央的红色圆圈完美地揭示了AI是如何打破现有测算体系的：
AI 产出的圆圈完全位于“已生产 (PRODUCED)”的绿色大圈内，这意味着 AI 辅助或生成的工作毫无疑问地创造了真实的经济价值。
但是，**AI 产出只有极小的一块切片伸入了中心的“正规市场”，这一小块仅仅代表了可见的 Token 消耗、API 调用或 AI 软件的固定订阅费。**比如，当一份基础法律遗嘱的起草成本从 150 美元瞬间暴跌 99% 至 0.50 美元的 API 成本时，原本在“正规市场”中的 149.5 美元交易就彻底消失了 。相同的价值被保留在“已生产”圈内，但因为价格崩塌和交易方式的内部化，它脱离了“已定价”和“已测量”的范畴
现有的统计系统会将这种收据的消失误读为通货膨胀上升和经济产出的萎缩 。AI的暗产出正在将越来越大比例的宏观经济活动，粗暴地推入那个只生产不计价的盲区，让经济的真实体感与宏观仪表盘彻底脱节 。
当人工智能辅助或接管某项任务时，产出不会自动消失。只有当价格下降，或者更糟糕的是，任务从外部转移到采购企业内部时，产出才会从国民经济核算中消失；多种测量误差都可能导致经济产出数据的缺失，比如：
边界转移是指原本在市场上购买的工作转移到公司或家庭内部。付费研究简报变成了内部人工智能工作流程。外包任务变成了员工任务。价值可能依然存在，但使其可见的交易却消失了。
服务业的数量和质量并没有真正意义上的独立衡量标准。收入、工资和工时会被记录，但数量却无法量化。法律服务没有标准单位，文献综述没有公吨单位，咨询服务也没有桶单位；如果账目显示收入下降（因为价格下跌）而平均工资上升（因为初级员工被裁员），就会被解读为通货膨胀加剧，生产率和产出下降。
当人工智能在一个行业创造价值，而交易却显示在另一个行业时，就会出现行业错配的情况。例如，医院可能利用人工智能加快文书处理速度，但如果AI的唯一体现是人工智能公司或软件供应商的收入，就会扭曲国家统计数据。按行业划分的GDP可能会让AI供应商看起来像是价值的来源，而采用人工智能的行业则显得停滞不前。
真正的经济效益正在产生，比如人工智能只需花费几个token就能为人类撰写一份档案，让我们能够更好地准备会议，但这种价值却无法体现在任何地方。任何合理的宏观经济衡量指标都必须在某种程度上考虑到这一点，否则人工智能的繁荣在数据上可能会被解读为人工智能的衰退
所以，当前的对经济的计量方法到底会产生怎样的影响呢？由于官方统计产生的偏差，未来某个阶段我们很可能会看到上图里这样一种情形：CPI不下去，GDP也不上去
图中那条几乎平缓的蓝线（测量的实际人均 GDP）和黄线（测量的 CPI 物价指数）代表了传统统计局看到的数据。基于这些数据，官方得出的诊断是悲观的：“AI 并没有带来预期的效果——价格依然坚挺，经济增长疲软，但我们在 AI 上的花费却比以往任何时候都多”（正如左下角黄色边框内的文字所述）
但是，此时的“真实生产力正在急剧上升”—白色虚线和蓝色实线之间的那大片阴影区域（包括深紫色的“转化为利润”和深灰色的“转化为消费者剩余”），就是AI的隐形的暗产出 Dark-output
当 AI 极大地降低了工作成本时，这些节省下来的钱主要去了两个地方：一是变成了企业的超额利润；二是让消费者用同样的钱获得了海量倍增的服务效用（比如以前花钱请人查资料，现在自己用 AI 瞬间免费生成）
因为这些巨额的真实价值没有在市场上形成新的、可被统计的“交易标价”，所以如果 AI 的产出没有以可见的价格出售，那么除了单纯的 Token 支出外，GDP 根本无法捕捉到这些产出 。
为了更好地理解这个现象，我们可以回头看看历史。这种情况并非第一次发生。
在 20 世纪 80 年代和 90 年代，当个人电脑刚刚普及的时候，宏观经济数据同样完全无法检测到新兴计算机革命对经济的贡献 。著名经济学家罗伯特·索洛（Robert Solow）当时有一句非常经典的吐槽：“你可以到处看到计算机时代的身影，唯独在生产力统计数据中看不到。”
官方统计系统的反应是极其迟缓的。直到 2013 年，美国才进行了一次枯燥的方法论修订，将研发和知识产权投资正式加入 GDP 的核算中。就这一个动作，直接让 1990 年代的总产出凭空“增加”了约 3.6 万亿美元
以前的计算机只是工具，而 AI 正在直接接管服务业的脑力劳动。由于服务业在测量上一直存在固有的困难，当 AI 导致某些服务的成本断崖式下跌时，GDP 往往会将其记录为经济活动的衰退（因为资金交易量变小了），甚至可能在数据上表现为通货膨胀 。
AI 带来的这个测算难题的规模，将使以前所有的统计盲区都相形见绌 。这也是为什么，如果你只盯着传统的 GDP 仪表盘，你会误以为现在的经济一潭死水，而实际上，一场无人测量的生产力革命正在水面之下剧烈沸腾。
366.88万 热度
49903.2万 热度
134.62万 热度
181.12万 热度
4.68万 热度
AI 时代万亿美元的“暗产出”如何重塑经济增长
作者：金融汪；来源：X，@yuyy614893671
今天读了一篇卓越的报告，令人脑洞大开，在衡量AI创造的经济产出的时候，的确有一块拼图被我们遗漏了，而且传统的经济学，统计学并没有找到合适的方法来衡量它 这就是AI创造的Dark -output。
先给大家一个有关报告的逻辑图谱，以便于大家更好理解相关内容：
我们接下来正式进入文章内容的剖析
这个图精准地描绘了整个经济体中价值的分布情况，以及现有统计工具的盲区
人类的经济活动被衡量需要通过的三个标准
（1）Produced (已生产 / 真实劳动)： 这项活动是否耗费了真实劳动并创造了真实的经济价值？
（2）Priced (已定价 / 市场价格)： 这项活动是否在市场上以明确的、可见的价格出售？
（3）Measured (已测量 / 被 GDP 捕获)： 官方的国民账户最终是否真实地记录了这项活动？
而在真实运作的社会活动中，则存在着不同的情况
1. 三界交汇：正规市场 (Formal Market)
已生产 + 已定价 + 已测量
这是传统经济学和官方统计局最关注的核心地带。这里包含了工资支付、商品销售和商业合同，构成了传统 GDP 的绝大部分 。
例如，企业花费 10,000 美元聘请外部机构完成人力资源服务，或者你花钱请律师起草一份法律文件，这些活动既创造了价值，又有明确的市场价格，并且被国民账户完美记录 。
2. 存在价格但脱离监管：灰色/非法市场 (Gray / Illicit Market)
已生产 + 已定价（但未测量）
这里的活动确实提供了某种服务或产品，并且存在真实的金钱交易和市场价格，但由于其处于地下经济或涉及非法性质，它们逃避了官方的宏观数据统计
3. 被统计但无市场定价：政府服务 (Government measured at cost)
已生产 + 已测量（但无直接市场定价）
政府提供的许多公共服务（如基础教育、城市治安）创造了巨大的社会和经济价值，也被计入 GDP。
但由于它们通常不对公民按次收费（缺乏市场价格），官方通常只能通过计算“投入成本”（例如公务员的工资账单）来变相衡量其产出金额。
4. 统计局的数字游戏：纯估算 (Pure Imputations)
已测量（但未实际定价，也无新增生产）
位于纯蓝色区域或与已定价区域交界边缘的是估算数据，最典型的是“自有住房租金” 。
如果你住在自己的房子里，你并没有向任何人支付实际租金，也没有产生新的经济活动。但为了保持宏观数据的连贯性，国民账户会“强制估算”一笔你付给自己的租金并计入 GDP 之中 。
5. 巨大的经济暗网：仅生产 (PRODUCED-only)
仅已生产（未定价、未测量）
这是一个庞大的经济盲区。它包含了“家庭生产”和“志愿者/数字公共资源” 。传统上，人们在家中从事的抚养孩子、照顾老人、日常家务等无偿护理工作每天高达 164 亿小时 。按现有会计惯例，这些创造了巨大生存价值的活动因为没有金钱换手，其经济价值被记为零 。
6. AI 产出与暗产出Dark-ouput的剥离
图中央的红色圆圈完美地揭示了AI是如何打破现有测算体系的：
AI 产出的圆圈完全位于“已生产 (PRODUCED)”的绿色大圈内，这意味着 AI 辅助或生成的工作毫无疑问地创造了真实的经济价值。
但是，**AI 产出只有极小的一块切片伸入了中心的“正规市场”，这一小块仅仅代表了可见的 Token 消耗、API 调用或 AI 软件的固定订阅费。**比如，当一份基础法律遗嘱的起草成本从 150 美元瞬间暴跌 99% 至 0.50 美元的 API 成本时，原本在“正规市场”中的 149.5 美元交易就彻底消失了 。相同的价值被保留在“已生产”圈内，但因为价格崩塌和交易方式的内部化，它脱离了“已定价”和“已测量”的范畴
现有的统计系统会将这种收据的消失误读为通货膨胀上升和经济产出的萎缩 。AI的暗产出正在将越来越大比例的宏观经济活动，粗暴地推入那个只生产不计价的盲区，让经济的真实体感与宏观仪表盘彻底脱节 。
当人工智能辅助或接管某项任务时，产出不会自动消失。只有当价格下降，或者更糟糕的是，任务从外部转移到采购企业内部时，产出才会从国民经济核算中消失；多种测量误差都可能导致经济产出数据的缺失，比如：
1. 边界转移
边界转移是指原本在市场上购买的工作转移到公司或家庭内部。付费研究简报变成了内部人工智能工作流程。外包任务变成了员工任务。价值可能依然存在，但使其可见的交易却消失了。
2. 价格暴跌
服务业的数量和质量并没有真正意义上的独立衡量标准。收入、工资和工时会被记录，但数量却无法量化。法律服务没有标准单位，文献综述没有公吨单位，咨询服务也没有桶单位；如果账目显示收入下降（因为价格下跌）而平均工资上升（因为初级员工被裁员），就会被解读为通货膨胀加剧，生产率和产出下降。
3. 行业错配
当人工智能在一个行业创造价值，而交易却显示在另一个行业时，就会出现行业错配的情况。例如，医院可能利用人工智能加快文书处理速度，但如果AI的唯一体现是人工智能公司或软件供应商的收入，就会扭曲国家统计数据。按行业划分的GDP可能会让AI供应商看起来像是价值的来源，而采用人工智能的行业则显得停滞不前。
4. 新工作隐形
真正的经济效益正在产生，比如人工智能只需花费几个token就能为人类撰写一份档案，让我们能够更好地准备会议，但这种价值却无法体现在任何地方。任何合理的宏观经济衡量指标都必须在某种程度上考虑到这一点，否则人工智能的繁荣在数据上可能会被解读为人工智能的衰退
所以，当前的对经济的计量方法到底会产生怎样的影响呢？由于官方统计产生的偏差，未来某个阶段我们很可能会看到上图里这样一种情形：CPI不下去，GDP也不上去
图中那条几乎平缓的蓝线（测量的实际人均 GDP）和黄线（测量的 CPI 物价指数）代表了传统统计局看到的数据。基于这些数据，官方得出的诊断是悲观的：“AI 并没有带来预期的效果——价格依然坚挺，经济增长疲软，但我们在 AI 上的花费却比以往任何时候都多”（正如左下角黄色边框内的文字所述）
但是，此时的“真实生产力正在急剧上升”—白色虚线和蓝色实线之间的那大片阴影区域（包括深紫色的“转化为利润”和深灰色的“转化为消费者剩余”），就是AI的隐形的暗产出 Dark-output
当 AI 极大地降低了工作成本时，这些节省下来的钱主要去了两个地方：一是变成了企业的超额利润；二是让消费者用同样的钱获得了海量倍增的服务效用（比如以前花钱请人查资料，现在自己用 AI 瞬间免费生成）
因为这些巨额的真实价值没有在市场上形成新的、可被统计的“交易标价”，所以如果 AI 的产出没有以可见的价格出售，那么除了单纯的 Token 支出外，GDP 根本无法捕捉到这些产出 。
为了更好地理解这个现象，我们可以回头看看历史。这种情况并非第一次发生。
在 20 世纪 80 年代和 90 年代，当个人电脑刚刚普及的时候，宏观经济数据同样完全无法检测到新兴计算机革命对经济的贡献 。著名经济学家罗伯特·索洛（Robert Solow）当时有一句非常经典的吐槽：“你可以到处看到计算机时代的身影，唯独在生产力统计数据中看不到。”
官方统计系统的反应是极其迟缓的。直到 2013 年，美国才进行了一次枯燥的方法论修订，将研发和知识产权投资正式加入 GDP 的核算中。就这一个动作，直接让 1990 年代的总产出凭空“增加”了约 3.6 万亿美元
以前的计算机只是工具，而 AI 正在直接接管服务业的脑力劳动。由于服务业在测量上一直存在固有的困难，当 AI 导致某些服务的成本断崖式下跌时，GDP 往往会将其记录为经济活动的衰退（因为资金交易量变小了），甚至可能在数据上表现为通货膨胀 。
AI 带来的这个测算难题的规模，将使以前所有的统计盲区都相形见绌 。这也是为什么，如果你只盯着传统的 GDP 仪表盘，你会误以为现在的经济一潭死水，而实际上，一场无人测量的生产力革命正在水面之下剧烈沸腾。