2026年5月30日，半導體研究機構SemiAnalysis發布深度報告《AI Dark Output: The Visible Cost of Invisible Output》，提出了一個「暗產出」的概念，判斷AI正在大規模創造真實經濟價值，但這些價值在GDP、價格指數和就業統計中幾乎無跡可尋，規模「可能不亞於革命規模」。
報告估算，當前一代AI有潛力取代或顯著增強的勞動力任務，對應約1.5兆美元的工資池。但當AI接手這些工作後，留下的經濟痕跡可能只是幾美元的token支出，從GDP視角看，產出幾乎「消失」了。
當下，美國41%的服務業GDP（7.2兆美元）採用「工資錨定」法核算，產出成長定義為工資或工時的成長。意思是，當AI讓一個律師的工作效率翻倍，但律師人數和薪資沒變時，GDP不會記錄任何產出成長。 AI帶來的生產力提升，在統計上完全不可能出現。
報告中的這個概念借用了物理學中的“暗能量”，無法被直接觀測，但它佔據宇宙能量的主導份額，只能通過它對周圍物體的引力效應來感知其存在。
這種「看得見技術、看不見產出」的困境，並非第一次出現。
1987年，諾貝爾經濟學獎得主羅伯特·索洛曾經發現了一個怪現象：計算機明明已經無處不在，但官方統計的生產率數據卻毫無起色，彷彿計算機從未出現過一樣。三十多年後，同樣的問題捲土重來，只是主角換成了AI，局面卻比當年更棘手。
2025年12月，即將上任的聯準會主席凱文沃許罕見地公開承認了這個困境：只盯著現有統計數據制定利率，等於看著後視鏡開車。數據滯後會讓人錯判經濟潛力，明明可以實現低通膨高成長的時候不敢行動。決策者最終只能像下註一樣去賭。
這或許是AI時代最被低估的測量風險。宏觀經濟數據是一面鏡子，但它當下映照出的，是一幅被嚴重扭曲的經濟圖。
一邊是資料中心遍地開工、GPU訂單排至兩年後、電力公司營收大幅成長。另一邊，AI產出的經濟價值，在GDP中幾乎無從尋找。
AI 產出在變得可衡量之前就已經真實存在
01 “遺囑”降價
先看一份普通遺囑價格在過去一千年中的演變。
在17世紀，羊皮紙抄寫員起草遺囑，折合今日的費用約3000美元。文藝復興時期，公證人收費約800美元。 1900年，律師收費約400美元。 1990年代，獨立執業律師仍收費400美元。
2010年，LegalZoom將價格降至150美元。 2026年，前沿模型透過API起草一份約5000字的遺囑，成本不到0.5美元。從150美元到0.5美元，16年間成本降幅超過99%。
在17世紀到2026年期間，起草法律遺囑的成本下降趨勢。
GDP的會計邏輯在面對這種量級的價格崩盤時直接失效。
服務業GDP如何計算？主要依賴收據與報價。統計人員詢問律師事務所“服務價格是上漲還是下跌”，然後將企業總收入除以價格，反推出服務的“數量”。當AI接手起草文件，律師事務所的收據就消失了——成本被吸收進僅值幾毛錢的代幣費用中。
統計人員再次調查時，會發現平均服務價格反而上漲了，因為留給人類律師的都是更複雜、更高價值的案件。但是統計局看到的景像是：價格上漲，收入下降。結論：衰退。一份價值不變的法律文件，僅僅因為起草者從人變為AI，便在GDP帳本上憑空蒸發。現有的核算框架從一開始就沒設計來處理這種程度的成本坍縮。
02 兩種“暗產出”
從一份遺囑的討論開始，這篇報告將AI暗產出分為兩類。
第一類：替代型暗產出。
原本由人類完成的工作，現在由AI執行。例如上文討論的遺囑、標準合約、資料輸入、客服應答，這些任務的「薪資帳單」從統計資料中消失，僅在雲端服務商的計費系統中留下幾毛錢的API呼叫記錄。
替代型暗產出的核心是「交易記錄的蒸發」。經濟價值依然存在，但國民經濟核算無法再捕捉到它。
第二類：新型暗產出。
指過去根本無人從事的工作，因為成本過高，不值得做。 AI將價格壓低到隨時隨地可以使用的程度。
例如完成一次學術文獻綜述，僱用研究助理需2,000美元，現在2美元的API呼叫幾分鐘就能完成。若在幾年前，從時間、投入成本和產出結果來對比，就會覺得荒謬。
還有一種微妙情形：AI完成了人類的工作，沒有「工資產生」。
例如一家企業過去以1萬美元採購外部人力資源服務，現在以同樣1萬美元購買AI驅動的同類服務，GDP不受影響。但如果該服務轉為內部AI流程，只消耗10美元token費用，GDP便會硬生減少9,990美元。同樣的工作，同樣的價值，帳面上的差異只取決於「在何處運行」。
真正的統計黑洞，出現在成本趨近於零、交易從市場消失、工作被企業內化的場景。但這些場景，恰巧是AI最可能大規模滲透的領域。
03 AI時代數不清楚多生產了多少“螺絲”
工業革命時期也出現類似的測量難題，機器取代了手工勞動，產出形態劇變。但製造業有一個統計上的天然優勢：產出是實體，可以數數。
例如過去六個世紀，螺絲的實質價格下降超過99%，全球產量成長約100億倍，GDP框架正確地將這種改變捕捉為成長與生產力提升。
螺絲釘實際價格與全球產量
但服務業沒有「螺絲」。沒有“法律服務單位”，沒有“文獻綜述的公噸數”，沒有“諮詢服務的桶數”。所能獲得的，只有律師開立的發票數量和諮詢公司收取的服務費用。
曾經一個經濟學家團隊可能花一百年完成一份關於工業革命生產力的研究，如今幾美元API費用便可取得。產出相同，GDP只看到後者被埋沒在「電腦系統設計」科目的一個小數點之後。
報告中有一句話說的很精闢，我們至今仍缺乏一套描述腦力工作的功能性詞彙。工業革命擁有“馬力”，提供了一種將機器產出與人類勞動置於同一尺度下比較的方法。
AI時代的「token」做不到這一點，因為一百萬個token可能產出垃圾訊息，也可能產出一項改變公司策略的重大決策。經濟價值取決於產出內容，而非token數量。
如果AI產出的價值只能透過token支出、電價和水耗來觀察——換言之，只能看到成本端——經濟數據便會呈現出一幅反常畫面：投資狂飆，產出一片沉寂。這就像泡沫。如果投資人和央行依據扭曲的數據判斷AI是泡沫從而收緊資金，後果將是真實而深刻的。
04 就業下降、薪資上漲，但無人加薪
既然無法直接觀測暗產出，能否透過「副作用」間接追蹤？報告團隊的暗產出監測器正在嘗試這條路徑。
他們發現了一個詭異的訊號：在受AI影響最大的經濟部門中，就業人數相對於整體經濟正在下降，但這些部門薪資呈現成長。
道理不複雜。
AI最先取代初級員工的日常工作。當收入最低的那部分員工率先從樣本中消失，剩下的就是更資深、薪酬更高的人員。於是該行業的平均薪資上升了。沒有人真正獲得加薪，是統計數據本身在上漲。
這種就業與薪資之間的背離，正是替代型暗產出的指紋之一。
在1.53兆美元暴露於AI替代風險的勞動成本中，62%來自已有明確替代證據的工作（如裁員），37%來自增強證據（AI作為工具輔助現有員工），僅1%兩者兼具。
另外一方面，Anthropic於2026年3月發布的經濟指數顯示，37%的token使用集中在電腦和數學領域。照理說，該領域產出應爆發式成長。但軟體投資對GDP的貢獻既未偏離AI興起前的趨勢，甚至未回到歷史高點。
大量token被消耗，產出正在發生，統計數據紋絲不動。這種格局說明新型暗產出的規模可能遠超替代型──大部分token被用來執行過去從未存在過的工作，這些工作在統計系統的字典中沒有對應詞條。
05 1.5兆並非已消失的工資
報告設計了一套六級證據階梯：第一、二級基於基準測試，僅用於估算成本。第三級是炒作層，公司公開聲稱產品具備某種能力。第四級：有企業表示工具已在生產中使用。第五級：有公司在法庭上為AI工作的合法性辯護。第六級：有保險公司為相關風險承保。
文章開頭提出的1.5兆美元，是基於證據層級中第四級以上訊號得出的。它對應的是“在當前AI具有可信替代潛力的範疇內，相關任務對應的工資池”，而非“已消失的勞動力”。換言之，這是“受影響的勞動力”，並不是“已蒸發的工作”。
判斷AI能不能取代人，最弱的證據是”考試考得好”，最強的證據是”保險公司願意為它的錯誤買單”。
其中，第六級是最強訊號，因為保險公司已為失敗模式定價並承擔了真金白銀的風險。迄今尚未觀察到第五級或第六級活動的證據。在一個炒作自淨能力幾乎為零的AI產業中，這一空白本身就是一劑清醒劑。
目前收集到的大部分證據指向AI的增強作用，而非替代——人們在使用AI，而非被AI取代。一個被標註為高暴露度的行業，更應被解讀為該領域的替代經濟學邏輯極為清晰，至於最終結果，只有時間能回答。
06 統計失靈的四種方式
最後回到最初的問題，總結來看，為什麼GDP測不出AI創造的價值？根源在於四種相互糾纏的統計失靈。
第一種，交易消失了。過去公司花10萬元買諮詢報告，這筆交易記入GDP。現在員工用AI幾分鐘完成同樣分析，只花幾塊錢API費用。分析報告的價值還在，但那筆10萬元的交易憑空消失了。統計體係根本不知道有這筆產出發生過。
一份報告的成本，從1500年的10萬美元降到2026年的15美元，下降超過7000倍。
第二種，價格訊號騙人。製造業有實體可數，椅子從100元降到1元，還能數出產量增加。服務業沒有“個數”，只能靠收據估算。當AI把合約起草從150美元打到0.5美元，統計局看到卻只是「律師行收入暴跌、但剩餘律師收費更高了」。
系統把這組訊號診斷為：通膨上升、生產力下降。成本在坍縮，統計卻報出滯脹。
第三種，功勞算錯地方。醫院用AI把病歷處理效率提升三倍，但成長的功勞記在雲端服務商帳上。以產業分GDP，AI供應商看起來是唯一的成長引擎，真正用AI創造了價值的產業，而數據上卻像個落後者。
第四種，新工作不存在於統計範圍內。過去沒人會花錢“把半年郵件整理成500字摘要”，太荒謬了。現在AI用幾毛錢就能完成，這類腦力工作海量發生，但它們沒有工資單、沒有收據，唯一的記錄是幾分錢token消耗。統計體系從未為它們預留位置，它們在GDP裡等於零。
這四種失靈相互放大，層層疊加下來，AI帶來的真實繁榮，在數據上完全可能被讀成經濟蕭條。
有人可能會問：強調“暗產出”，是不是在為AI的巨額投入找藉口？畢竟蓋了那麼多資料中心、買了那麼多GPU，總得看到回報吧？
報告明確回答了這個問題：不是。 AI的成本，無論是資料中心、GPU、電力、水資源或土地投入，每一筆都有據可查；你調用了多少次API、消耗了多少token，雲端服務商的帳單上也寫得明明白白。成本這一端，所有人都看得見。
真正的問題出在另一端：AI產出的經濟價值，在帳本上幾乎一片空白。
報告的原話翻譯過來就是：如果AI真是一場堪比工業革命的大事件，那我們需要的不僅是「AI搶走了多少人的工作」這類數據，更要知道它創造了什麼。
當一個社會的經濟測量系統看不見正在發生的價值創造，後果很嚴重。
第一，稅基出問題：大量經濟活動不再以「發工資」的形式存在，基於勞動所得的稅收基礎會悄悄萎縮。
第二，輿論出問題：批評者不需要任何證據，一看GDP沒動靜，就可以理直氣壯地說AI就是一場泡沫。
第三，決策出問題：政策制定者一邊看到AI在替代就業，另一邊卻看不到AI在創造什麼，兩面夾擊之下，他們很難做出合理的權衡。
2013年，美國曾經修訂過一次GDP會計方法，把研發投入和智慧財產權投資也計入其中。這項改，20世紀90年代的經濟總量一下子多出了3.6兆美元。但那次修訂至少還有發票、合約這些原始憑證可以追溯。
而AI創造的暗產出，甚至連發票都沒有，什麼都沒留下。這才是真正棘手的地方。
華客|新聞與歷史：7.2萬億的GDP賬單黑洞 Fed主席也“讀不懂”