7.2万亿的GDP账单黑洞，美联储主席也“读不懂”Token经济学

“工资锚定”法：7.2万亿GDP的统计黑洞

2025年，美国41%的服务业GDP（约7.2万亿美元）采用一种名为“工资锚定”的核算方法。在这套规则下，产出增长被直接定义为工资或工时的增长——如果AI让一位律师的工作效率翻倍，但律师的工资和人数没有变化，那么GDP账本上不会记录任何产出增长。这意味着，AI带来的生产率提升在现有统计框架中完全不可能出现。

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种困境：“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。

“遗嘱”从3000美元跌到0.5美元：GDP为何反向暴跌？

一个极具代表性的案例是遗嘱起草服务。17世纪羊皮纸抄写员起草一份遗嘱，折合今日费用约3000美元；20世纪90年代，律师收费仍维持在400美元；2010年，LegalZoom将其降至150美元；2026年，前沿模型通过API起草一份约5000词的遗嘱，成本不到0.5美元——16年间降幅超过99%。

然而，服务业的GDP统计主要依赖“收据与报价”。统计人员询问律师事务所“服务价格是上涨还是下跌”，然后将企业总收入除以价格反推出服务的“数量”。当AI接手起草文件后，律师事务所的收费单消失了——成本被吸收进仅值几毛钱的令牌费用中。统计局看到的景象是：平均服务价格反而上涨了（因为留下的都是复杂案件），但收入却下降。最终结论：衰退。 一份价值不变的法律文件，仅仅因为起草者从人变为AI，便在GDP账本上凭空蒸发。

替代型与增强型：两种“暗产出”藏身何处？

还有一种情况同样棘手：一家企业过去以1万美元采购外部人力资源服务，现在以同样1万美元购买AI驱动的同类服务，GDP不受影响。但如果该服务转为内部AI流程，仅消耗10美元token费用，GDP便会硬生生减少9990美元。同样的工作，同样的价值，账面上的差异只取决于“在何处运行”。真正的统计黑洞出现在成本趋近于零、交易从市场消失、工作被企业内化的场景——而这恰恰是AI最可能大规模渗透的领域。

Anthropic于2026年3月发布的经济指数显示，37%的token使用集中在计算机和数学领域。按理说，该领域产出应爆发式增长，但软件投资对GDP的贡献既未偏离AI兴起前的趋势，甚至未回到历史高点。 大量token被消耗，产出正在发生，统计数据纹丝不动。 这种格局说明“增强型暗产出”的规模可能远超替代型——大部分token被用于执行过去从未存在过的工作，这些工作在统计系统的词典中没有对应词条。

统计失灵的四种方式：交易消失、价格骗人、功劳错算、新工作归零

第一，交易消失。过去公司花10万元买咨询报告，这笔交易记入GDP。现在员工用AI几分钟完成同样分析，只花几块钱API费用。分析报告的价值还在，但10万元的交易凭空消失，统计体系根本不知道有这笔产出发生过。

第二，价格信号骗人。制造业有实物可数（椅子从100元降到1元还能数出产量在增加），服务业没有“个数”，只能靠收据估算。当AI把合同起草从150美元打到0.5美元，统计局看到的是“律师行收入暴跌、但剩余律师收费更高了”，系统把这组信号诊断为：通胀上升、生产率下降。成本在坍缩，统计却报出滞胀。

第三，功劳算错地方。医院用AI把病历处理效率提升三倍，但增长的功劳记在云服务商账上。按行业分GDP，AI供应商看起来是唯一的增长引擎，真正用AI创造了价值的行业，数据上却像个落后者。

第四，新工作不存在于统计范围内。过去没人会花钱“把半年邮件整理成500字摘要”（太荒谬了），现在AI用几毛钱就能完成。这类脑力工作海量发生，但没有工资单、没有收据，唯一的记录是几分钱token消耗，在GDP里等于零。

1.5万亿“受影响的劳动力”并非已消失的岗位

报告设计了一套六级证据阶梯来衡量AI替代的确定性：第一、二级基于基准测试；第三级是公司公开声称产品具备某种能力；第四级是企业表示工具已在生产中使用；第五级是公司在法庭上为AI工作的合法性辩护；第六级是保险公司为相关风险承保。其中第六级是最强信号——保险公司已为失败模式定价并承担了真金白银的风险。迄今尚未观察到第五级或第六级活动的证据。

文章开篇提出的1.5万亿美元对应的是“受影响的劳动力”工资池，而非“已消失的工作岗位”。目前收集到的大部分证据指向AI的增强作用——人们在使用AI，而非被AI取代。一个被标注为高暴露度的行业，更应被解读为该领域的替代经济学逻辑极为清晰，至于最终结果，“只有时间能回答”。正如报告所言：如果AI真是一场堪比工业革命的大事件，那么我们需要的不仅是“AI抢走了多少人的工作”，更要知道它创造了什么。