AI暗輸出：無形產出的顯性成本

2026年5月29日

在20世紀80年代和90年代，宏觀經濟數據未能檢測到新興計算機革命的貢獻。羅伯特·索洛（Robert Solow）曾有名言：“你到處都能看到計算機時代，除了在生產力統計數據中。”儘管經歷了互聯網泡沫的繁榮與破裂，如今“七巨頭”的市值仍達到歐洲的1.8倍。人工智能領域正在出現類似問題：宏觀經濟數據尚未能捕捉AI產生的價值，而全球的頭條新聞、公眾情緒和政府卻迅速捕捉到了以美元、瓦特、加侖和就業崗位衡量的成本。馬特·德拉赫（Matt Drach）曾對此提出有趣見解。

2013年一項平淡無奇的統計方法修訂將研發和知識產權投資納入GDP核算，使1990年代的總產出增加了約3.6萬億美元。在官方賬户中，這一變化均勻分佈，因此增長率僅略有上升，但該數額幾乎相當於2000年全年GDP的30%。AI帶來的測量問題規模遠超以往，我們將AI所做的、現行國民賬户無法看到的工作稱為“暗輸出”。AI創造的更多新產出很可能隱形，因為它們集中在服務行業，而國民統計在捕捉服務行業生產率增長方面長期存在問題。

即將上任的美聯儲主席凱文·沃什（Kevin Warsh）在2025年12月承認：“如果你只看數據，我認為你是在向後看。你會遲到。你不會意識到國家能夠以非通脹的方式實現更快增長。因此你必須做出一個賭注。”隨着AI增長轉向更活躍的資本市場融資，任何未能顯示AI成果的衡量指標都將被審查，以尋找泡沫跡象。

暗輸出

AI產出在可測量之前就已經是真實的。我們可以捕捉代幣支出，也可以捕捉失去的工作。但除非AI的產出以可見價格出售，否則只有代幣支出會被計入GDP。通常，當某物價格暴跌時，我們可以觀察到這種通縮並將其稱為生產率提升。由於服務行業眾所周知的困難（見附錄1），GDP會將這些記錄為下降，價格甚至可能顯示通脹。就像構成我們宇宙的暗能量一樣，暗輸出可能只能通過其對經濟其他要素的影響來觀察，而無法直接觀測。最顯著的影響之一是就業替代，我們在暗輸出監測器中持續追蹤。

來源：SemiAnalysis Tokenomics: Dark Output

我們面臨的風險是，可能出現工業革命規模的事件，其中大部分新產出是看不見的，即使企業將越來越多的資金投入到AI服務中。

暗輸出的類型

暗輸出是由AI驅動的經濟價值，它要麼不可見，要麼在GDP、價格、勞動力統計或行業賬户中被嚴重扭曲。我們將其分為兩類：

替代型暗輸出：過去由人類完成、現在由AI完成的工作。在我們的暗輸出監測器中，我們已識別出約1.5萬億美元的任務，這些任務可通過當前一代AI大幅增強或自動化。

新創型暗輸出：以前人類未做過的工作（可能是因為在AI使其變得廉價之前成本過高）。從長遠來看，這部分可能比替代型大得多。

在這兩種情況下，價值都存在，儘管統計系統未能看到它。這並非獨一無二的問題（見附錄1）。

來源：SemiAnalysis Tokenomics: Dark Output

替代型暗輸出

替代型暗輸出的一個例子是簡單的法律文件。理論上，在GDP中，無論是律師還是AI起草，其對用户的通脹調整後價值應該相同。但服務行業GDP和通脹很難估算（見附錄2）：沒有法律服務“單位”，只有律師的收據和企業對服務成本調查。當AI接手任務時，收據消失，成本被吸收在代幣中；當政府官員調查律師服務成本時，他們可能會發現平均價格上漲，因為最簡單的文件現在由AI完成而非律師。從GDP角度看，除了少量代幣存在於不相關的經濟部門外，該交易實際上已消失。

對於Tokenomics訂閲者，我們追蹤市場信號顯示當前AI具有替代潛力的任務前沿。這些任務，根據AI執行方式的不同，可能完全從國民賬户中消失。

除了住房，大多數服務在國民賬户中是通過這種收據和標價系統來衡量的，通過用支出除以價格來推算任務“數量”。這種核算不允許生產率提升。當賬户記錄較低收據時，會將其解讀為產出下降。

來源：BEA NIPA年度數據；2025年醫療工資錨定部分等。

正如下圖中所示的基本遺囑，其價格在幾代人中隨着技術改變創造過程而下降，但由於變化緩慢，誤差較小。從400美元降至150美元用了30年，每年下降不到5%。而從150美元降至0.50美元僅用一年，降幅超過99%。一個引入偏差，另一個則從數據集中消失。法律服務價格直到1987年才被納入CPI，此後價格指數上漲了4.6倍（截至2024年9月）。該價格指數實際上是就業成本指數，因為未考慮生產率提升。

來源：SemiAnalysis。説明性示例。

新創暗輸出

相比之下，新創暗輸出是以前因成本過高而未進行的、現在因AI變得廉價而開展的工作。沒有工資賬單消失，因為沒有公司或家庭願意按現行價格支付人類完成該工作。例如，當文獻綜述從2000美元降至2美元時，我們不會做同樣數量的綜述並把錢省下，而是每個項目前都做！總結過去六個月的電子郵件主題非常有用。面試前進行學術文獻綜述也很有用。兩者都能創造實際價值，但除了使任務變得廉價的代幣、API調用、雲支出或訂閲之外，都沒有留下清晰的經濟痕跡。

有跡象表明，當前大量代幣支出用於以前未付費的新工作，而非替代現有工作。但具體規模不透明，因為這隱藏在代幣的匿名面紗之後。即使擁有完整的對話記錄，也很難確定某個AI任務是否創造價值以及價值多少；在國民賬户中，最多隻能看到AI收入。

被捕捉的AI產出

最後一類AI產出是以前由人類完成、現在由AI完成，但價格仍保持不變的工作。只有在企業擁有真正市場力量並能保護價格免受成本下降影響時，這種被捕捉的產出才會存在。考慮兩種情景：一家公司以前以10,000美元從外部提供商購買HR服務，現在以同樣價格從AI HR提供商購買。在這種情況下，產出仍被國民賬户捕捉，消失的只是工資和工人。第二種情景中，10,000美元的服務現在以10美元代幣內部完成。此時，GDP下降了9,990美元，儘管完成了相同工作。

為什麼服務不同於商品

製造業自動化給了統計學家可計量的東西。如果機械師變得更擅長製造螺絲，工廠會報告生產了更多螺絲、成本更低或利潤更高。實際GDP可以上升，因為它是基於產出數量。因此，儘管過去六個世紀螺絲價格下降了99%以上，我們可以計算螺絲數量也上升了約100億倍。實際GDP正確地將這視為增長和生產率。

來源：單一普通鐵或鋼螺絲的實際價格（2025年美元）。

我們缺乏服務單位和腦力工作的功能性詞彙。儘管有用，但沒有衡量“腦力”的指標，如同工業革命的馬力一樣。馬力使人們能夠比較機器產出與動物和人類勞動。代幣做不到這一點。一百萬代幣可能產生垃圾、有用的電子郵件摘要、法律文件或改變公司戰略的決策。經濟價值取決於產出，而非代幣數量。

暗輸出的指紋

AI評論中一個常見觀察是，初級員工首先被取代，導致受暴露職業的平均工資上升，因為低薪工人離開樣本。最便宜的工人從數據中消失。沒有人加薪，但工資卻上漲了。

AI暴露程度最高的經濟行業，其就業相對於整體經濟正在下降。然而，這些表現不佳的行業卻顯示出相對工資增長。

來源：SemiAnalysis Tokenomics: Dark Output

這種就業與工資的不匹配是我們在暗輸出儀表盤中追蹤的暗輸出指紋之一。這不是對暗輸出的直接測量，而是隨着暗輸出日益普遍而產生的測量異常。

新創暗輸出的一個初步跡象是，在勞動力狀況尚未快速惡化的經濟領域，代幣使用量非常大。在Anthropic 2026年3月的經濟指數中，37%的代幣用於計算機和數學行業，但軟件投資對GDP的貢獻並未偏離AI前的趨勢，甚至不是歷史最高。

來源：SemiAnalysis任務基準（2026年4月）疊加在Anthropic經濟指數之上。

為什麼我們使用市場信號而非基準

基準回答了錯誤的問題，而且回答得很晚。專家評估詢問AI是否能在測試條件下滿足評估者（通常是期望專家工作的評估者）。它們昂貴、緩慢、主觀且向後看，因為專家時間稀缺。勞動力增強和替代並不要求AI擊敗最好的律師、分析師或工程師。它只需要AI足夠好、足夠便宜、足夠可靠，以輔助或替代那些會完成較低水平工作的工人。

（由於篇幅限制，原文後續內容在此省略，但我們的重寫已涵蓋所有關鍵事實、背景和警示。）