新增型暗产出：那些以前根本不会做、现在天天在做的工作

并非所有看不见的 AI 价值，都来自替代律师或分析师。长期来看，更重要的可能是另一件事：以前根本没人愿意付钱请人做——因为太贵——直到 token 把它变得几乎免费。这就是新增型暗产出：真实有用，却在 GDP 里几乎没有清晰痕迹。

价格跌一千倍，用量会爆炸

以前做一次全面的学术文献综述，可能要一位博士生花几周，成本大约两千美元——所以多半只在重大长期项目开始时才做。现在用 AI 做同样全面的综述，大约两美元。我们不会只做同样数量的综述、把剩的钱存起来——我们会在每个小项目前做一次；面试前用 AI 总结候选人发表过的论文；见潜在合作伙伴前，用 AI 扫一遍对方公司过去五年的公开报告。这些都提高决策品质、节省时间；除了几美元 token，往往没有发票、没有合同、没有工资单。

更可怕的一点：价值越大，越隐形

不少传闻证据显示，当前大部分 token 支出用在这类以前根本不存在的新工作上，而不是一对一替代既有岗位。规模有多大，我们几乎不知道——交易藏在 token 的匿名面纱后面。就算看得到完整对话，也很难判断某一任务创造了多少价值。国民账户最多看到 AI 公司的收入，完全看不到收入背后为用户创造的巨大剩余。若一项工作以前根本不在定价经济里，统计系统自然也不知道该把它放进哪个格子。

一个指纹：大量用 token，却没有大规模失业

来源讨论提到 Anthropic 经济指数（2026 年 3 月）：约 37% 的 token 用在电脑与数学领域——但软件投资对 GDP 的贡献并未明显偏离既有趋势。一种读法是：这些 token 多半不是一对一替代软件工程师，而是在做以前根本不会按旧价格委外的新工作。当 AI 主要扩展人们能尝试的事，行业可以大量烧 token，却不必立刻出现对等的失业潮。

• 新增型暗产出不是「假工作」——它是从前过不了成本效益门槛、现在变得划算的有用工作。
• GDP 往往只记到 token 账单，记不到用户端决策品质提升或省下的时间。
• 若批评者只数看得见的成本与岗位，就会系统性地漏掉这块剩余。

AI 创造的、从前没有科目的工作越多，官方表格里的 AI 繁荣就越可能看起来像「没什么发生」——只剩一张越来越高的 token 账单。