分享一篇SemiAnalysis在5月29日发布的非常有意思的文章，提出了一个叫做“Dark Output黑暗产出”的概念。对于我们当下AI板块的美股投资具有很高的前瞻性指引。
文章认为，AI正在创造大量真实的经济价值，但现有的GDP、通胀和就业统计体系却无法准确衡量这些价值。因此，未来几年投资者、政府和央行很可能会因为统计数据失真，而误判真实的经济状况。
过去的GDP体系主要是为制造业时代设计的。比如螺丝价格下降99%，但产量增加数十倍甚至数百倍，统计部门可以直接统计螺丝的数量，因此生产率提升能够被准确反映出来。
但服务业完全不同。法律服务、咨询服务、研究报告、代码开发这些工作并没有一个统一的计量单位。统计部门往往只能通过收入和价格变化去反推产出。当AI把一份原本价值数百甚至数千美元的工作，压缩到几美元的Token成本时，统计系统看到的往往只是收入下降，而看不到实际完成的工作量和创造的价值。结果就是，GDP可能下降，服务业收入可能下降，但真实生产率却在大幅提升。
文章还提出一个发人深省的论断：AI时代最大的挑战未必是失业，而是统计失真。未来可能出现几个非常反常的宏观现象。
首先是工资上涨，但就业下降。因为AI最先替代的是大量初级岗位，留下来的更多是资深员工。统计数据会显示平均工资持续上升，但这并不意味着所有人都涨工资了，而是低薪岗位被大量淘汰。
其次是AI使用量暴增，但GDP增长并不明显。Anthropic数据显示，大约37%的Token被用于编程、数学和知识工作，但美国软件投资相关GDP数据并没有出现同步的大幅增长。这意味着大量AI创造的价值根本没有被统计体系记录下来。
第三是AI公司的收入高速增长，但受益行业的生产率却没有体现出来。例如医院利用AI提升运营效率，真正创造价值的是医疗行业，但GDP统计可能只显示OpenAI、Anthropic或者软件公司的收入增长，而医疗行业本身的数据变化并不明显。
这人想起1990年代互联网刚刚兴起的时候。经济学家Robert Solow曾提出著名的“生产率悖论”：“你可以在任何地方看到计算机时代，但在生产率统计中却看不到它。” 后来事实证明，并不是计算机没有创造价值，而是统计体系落后于技术革命。
而这篇文章认为，AI带来的统计误差可能比互联网时代更加严重。未来几年，我们很可能看到这样一种局面：GDP增长并不惊艳，生产率数据也没有明显爆发，但与此同时，AI资本开支持续增长，数据中心建设不断扩张，企业盈利持续改善，AI基础设施需求不断上升。
如果仅仅依赖GDP、就业和通胀这些传统指标来判断AI投资是否过热，很可能会低估AI对经济和企业盈利的真实贡献。换句话说，AI创造的价值正在快速增长，但统计体系可能还没有准备好把这些价值记录下来。
