导入人工智能 459 期：一个革命性的问题

弗吉尼亚大学、Anthropic和加拿大银行的经济学家联合发表论文指出，美国AI经济正以史无前例的速度增长，但这种增长在传统GDP统计中几乎不可见。他们估计，2025年美国AI名义GDP约为2500亿美元，质量调整后的实际年增长率高达约2600%。

增长难以测量的原因在于：虽然数据中心建设规模庞大，但尚不足以显著提升整体GDP；而AI推理（即AI系统的使用）虽然贡献了大部分经济影响，但测量存在混淆因素——'给定AI能力水平的单位价格下降速度几乎与质量调整后的产出增长速度一样快'，导致名义AI收入增长温和。

论文提出了三种衡量AI经济的方法：名义计算支出、原始计算能力和质量调整后的AI产出。名义计算支出方面，美国从2023年的370亿美元增至2024年的900亿美元，再到2025年的2190亿美元。原始计算能力方面，由于新芯片的效率提升，实际能力增长更快——'美国AI计算能力年增长超过200%'。

质量调整后的AI产出增长最为惊人：考虑算法进步（通过固定基准性能下的推理价格衡量）以及训练成本下降的假设，'这些效率提升意味着质量调整后的AI产出在2024年增长约2290%，2025年增长约2271%'。

论文警告，如果无法准确测量AI经济，政策制定者可能措手不及。'AI是继半导体和互联网之后最新一系列快速发展的技术，引发了测量担忧'，但关键区别在于，AI可能对劳动力产生更大影响：'在之前的案例中，快速改进的技术在总体上是人类劳动的互补品。AI是第一个可能大规模替代人类劳动的快速改进领域'。

作者指出：'一个根据传统数据运行十年收入预测的财政部，将实质性低估劳动力税基冲击的概率——从而无法设计应对措施，如税制改革、主权财富基金或其他利益分享计划。看不见的意外之财就无法分享。'

为解决测量挑战，论文提出三项建议：第一，统计机构应开发'AI卫星账户'，制定如名义计算支出等指标，辅助整体GDP计算；第二，统计机构、企业和学术界合作生成更好的原始数据，例如训练与推理计算资源的分配；第三，政策制定者应将AI生产能力测量纳入中期经济预测。

英国AI安全研究所的研究人员撰文指出，用AI系统监督AI训练过程（自动化对齐研究）并非万能药。'自动化对齐研究中的错误可能比人类基线更难识别'，原因包括：AI研究针对人类认可进行优化、AI犯的错误对人类不直观、研究内容高度相关、研究量巨大、以及对齐解决方案可能依赖人类无法理解的论证。

他们建议通过测量（如截取成功项目的日志测试AI继续研究的能力）、泛化实验（如测试不同训练代理在知识截止点后的表现）和可扩展监督（如压缩研究论文语料库）来改善现状。