AI 的暗產出：GDP 計不到的生產力爆炸，將讓央行做出錯誤決策

草擬一份遺囑，律師事務所收你 500 美元，這筆交易進入 GDP。同樣一份遺囑，打開 ChatGPT，半小時搞定，花費 0.5 美元的 token。這個交易幾乎不進 GDP。

兩份遺囑品質可能相差無幾。但在統計系統的眼裡，第二種選擇讓「法律服務業的生產力下降了」。

這就是整個問題的起點：一場真實存在、規模龐大的生產力爆炸，正在被我們所有的宏觀測量工具系統性地誤讀成衰退訊號。美聯儲現在拿的那把尺，正在看著錯誤的方向。

---

暗物質式的測量盲區

暗產出借用了物理學的隱喻。宇宙中存在大量無法直接觀測的暗物質，但它對周圍星系的運行有真實影響。AI 暗產出的邏輯一樣：那些真實創造、具有實際經濟價值的 AI 工作，在國家帳戶中看不見，或者被嚴重扭曲。

GDP 計算的是有市場交易的活動。當你請律師，錢從你的帳戶流向律師事務所，這筆流動被記錄。當 AI 替代了這個流動，交易量縮水 99%，統計系統不會問「服務品質有沒有改善」，它只記錄「收入少了」。

問題不是出在 AI 上，是出在 GDP 這把尺本身的設計邏輯。

---

三類暗產出的因果鏈

替代型暗產出是最直接的一類。原本由人類完成、需要支付市場價格的工作，轉由 AI 用極低成本完成。

遺囑草稿是一個例子。更普遍的場景是企業法律、財務、行銷、客服部門大量的初級分析工作正在被取代。服務業 GDP 主要依靠收入和成本反向推算產出，收費標準一旦崩塌，統計系統的讀數就跟著崩。它不知道同樣時間內完成了更多的工作。

新增型暗產出更難被看見，指的是那些在 AI 出現前因人力成本太高而根本不會發生的工作。舉個具體例子：一位創業者在每次重要會議前，用 AI 快速完成一份完整的競爭對手分析，這份工作在 AI 之前需要花幾千美元外包給顧問，所以根本不會做。現在花 2 美元 token 費、15 分鐘完成，創造了真實的決策價值，但除了那 2 美元之外，沒有任何發票、合約、工資單。在宏觀數據中，這個工作是隱形的。

被捕獲的 AI 產出是最反直覺的一類。當企業有市場定價權，AI 大幅降低了成本，但對外售價維持不變，這裡有個細節很關鍵。如果企業向外部 AI 公司購買服務，這份外包支出計入 GDP，收入扣掉成本後 GDP 不變。但如果企業內部用自建的 AI 流程完成同樣的工作，不發生任何外部交易，那原本計入 GDP 的交易就蒸發了。

AI 正在系統性地把市場交易內部化，讓它們從 GDP 的雷達上消失。

---

製造業可以數，服務業不行

製造業的自動化，機器人取代工人組裝汽車，GDP 能完整捕捉生產力提升，原因很簡單：汽車可以數。工廠這個月造了 10 萬輛，AI 加持後造了 15 萬輛，生產力提升 50%，數字清楚。

服務業和知識工作沒有這種可數的實體產出。一位律師完成了 20 份合約審查，換了 AI 之後做了 200 份，傳統統計方法只能看到收入下降，看不見工作量的十倍增長。Token 數量不等於產出品質，沒有辦法直接用 token 衡量服務業的生產力提升。

這不是個技術細節，是整個統計框架的根本缺陷。而服務業在已開發經濟體中占 GDP 的 70% 到 80%，缺陷的規模不小。

---

四種偏差的累積效應

當這三類暗產出累積到一定規模，宏觀統計系統開始出現系統性偏差。

邊界轉移：原本的市場交易變成內部 AI 工作流，GDP 讀數掉了，但實際工作量沒有少。

價格崩潰被誤讀：服務業收費因 AI 競爭下降，同時初級職員減少使平均薪資表面上上升。統計系統看到的畫面是高通膨、低生產力，現實是生產力大幅提升的普通通膨。

行業錯配：AI 在醫療、法律、教育創造了真實效率，但它的經濟蹤跡只出現在科技公司的 token 收入裡。政策制定者如果只看行業別統計，會嚴重誤判各行業的實際發展。

新工作不可見：大量因 AI 讓成本極低而誕生的新業務，缺乏傳統的財務痕跡，根本無法計入 GDP。一家新創用三個人和 AI 做以前需要三十個人的工作，那二十七個人份的生產力在數據上消失了。

這四個偏差同時作用，統計系統讀到的宏觀圖景和實際情況之間的落差只會越來越大。

---

GDP 曾經系統性地遺漏過一次

這不是 GDP 第一次結構性地遺漏大規模的真實經濟活動。

1988 年，女性主義經濟學家馬麗連·沃林（Marilyn Waring）在著作《如果女人算數》中指出，GDP 一直完全忽略全球龐大的無償家務與護理工作。全球每日無償護理工作的估計價值超過 11 兆美元，相當於科技業規模的三倍，但在 GDP 中是零。

AI 暗產出的結構性缺陷跟這個問題高度相似。GDP 的生產邊界本來就是有選擇性的，它計算有市場定價的交易，忽略沒有定價的真實產出。女性的家務勞動沒有市場定價，所以被忽略。AI 完成的大量工作定價極低，或者完全沒有外部交易，所以被系統性地低估。

每一次生產邊界發生結構性轉移，GDP 尺規就會開始失靈，需要時間修正。差別是，這一次的轉移速度比以往任何時候都快。

---

美聯儲正在讀錯誤的地圖

如果 AI 暗產出只是個計量學術問題，影響有限。但現在用這把壞掉的尺制定利率決策的，是美聯儲。

現有數據告訴美聯儲：服務業生產力增長有限，通膨壓力存在，貨幣政策應該維持緊縮。如果真實情況是生產力正在大幅提升、只是沒有被計到，對應的正確政策就跟現在做的完全不同。

對 AI 熱潮持懷疑態度的人，手裡拿的正是這些宏觀數據：GDP 沒有大幅提升，所以生產力革命是泡沫。這個邏輯看起來很嚴謹，但問題根本出在測量工具本身。用一把壞掉的尺量一棟真實存在的建築，然後說「這棟樓不存在」，這個結論不可信。

下一個值得看的數字，不是下一份 GDP 報告，是各國統計機構在多快的速度修正對 AI 驅動服務業的測量框架。這個修正越慢，政策誤判的風險越高。

暗產出的提出不是要人們無視 AI 在電力、基礎設施、就業結構上帶來的真實成本，那些成本確實存在。要求的是更新測量工具，否則政策制定者、投資人、企業主都在用一份過期的地圖導航。

地圖沒有錯，它只是在描述舊的地形。

---

如果這篇對你有幫助，訂閱電子報 可以第一時間收到 AI 產業分析與宏觀洞察。