摘要
2026年5月30日，半导体研究机构SemiAnalysis发布深度报告《AI Dark Output: The Visible Cost of Invisible Output》，提出了一个“暗产出”的概念，判断AI正在大规模创造真实经济价值，但这些价值在GDP、价格指数和就业统计中几乎无迹可寻，规模“可能不亚于工业革命”。 报告估算，当前一代AI有潜力替代或显著增强的劳动力任务，对应着约1.5万亿美元的工资池。但当AI接手这些工作后，留下的经济痕迹可能只是几美元的token支出，从GDP视角看，产出几乎“消失”了。 当下，美国41%的服务业GDP（7.2万亿美元）采用“工资锚定”法核算，产出增长被定义为工资或工时的增长。意思是，当AI让一个律师的工作效率翻倍，但律师人数和工资没变时，GDP不会记录任何产出增长。AI带来的生产率提升，在统计上完全不可能出现。 图：2025年美国41%的服务业GDP（$7.2万亿）采用“工资锚定”法核算——产出增长被定义为工资或工时的增长，因此AI带来的生产率提升在统计上完全不可能出现。 报告中的这个概念借用了物理学中的“暗能量”，无法被直接观测，但它占据宇宙能量的主导份额，只能通过它对周围物体的引力效应来感知其存在。 图：GDP的“三测试”门槛：真实劳动、市场价格、可统计交易，它们将大量真实经济活动挡在门外。而橙色区域正是“暗产出”的藏身之处。 这种“看得见技术、看不见产出”的困境，并非第一次出现。 1987年，诺贝尔经济学奖得主罗伯特·索洛曾经发现了一个怪现象：计算机明明已经无处不在，但官方统计的生产率数据却毫无起色，仿佛计算机从未出现过一样。三十多年后，同样的问题卷土重来，只是主角换成了AI，局面却比当年更棘手。 2025年12月，即将上任的美联储主席凯文·沃什罕见地公开承认了这个困境：只盯着现有统计数据制定利率，等于看着后视镜开车。数据滞后会让人错判经济潜力，在明明可以实现低通胀高增长的时候不敢行动。决策者最终只能像下注一样去赌。 这或许是AI时代最被低估的测量风险。宏观经济数据是一面镜子，但它当下映照出的，是一幅被严重扭曲的经济图景。 一边是数据中心遍地开工、GPU订单排至两年之后、电力公司营收大幅增长。另一边，AI产出的经济价值，在GDP中几乎无从寻觅。