新增型暗產出：那些以前根本不會做、現在天天在做的工作

並非所有看不見的 AI 價值，都來自替代律師或分析師。長期來看，更重要的可能是另一件事：以前根本沒人願意付錢請人做——因為太貴——直到 token 把它變得幾乎免費。這就是新增型暗產出：真實有用，卻在 GDP 裏幾乎沒有清晰痕跡。

價格跌一千倍，用量會爆炸

以前做一次全面的學術文獻綜述，可能要一位博士生花幾週，成本大約兩千美元——所以多半只在重大長期項目開始時才做。現在用 AI 做同樣全面的綜述，大約兩美元。我們不會只做同樣數量的綜述、把剩的錢存起來——我們會在每個小項目前做一次；面試前用 AI 總結候選人發表過的論文；見潛在合作夥伴前，用 AI 掃一遍對方公司過去五年的公開報告。這些都提高決策品質、節省時間；除了幾美元 token，往往沒有發票、沒有合同、沒有工資單。

更可怕的一點：價值越大，越隱形

不少傳聞證據顯示，當前大部分 token 支出用在這類以前根本不存在的新工作上，而不是一比一替代既有崗位。規模有多大，我們幾乎不知道——交易藏在 token 的匿名面紗後面。就算看得到完整對話，也很難判斷某一任務創造了多少價值。國民帳戶最多看到 AI 公司的收入，完全看不到收入背後為用戶創造的巨大剩餘。若一項工作以前根本不在定價經濟裏，統計系統自然也不知道該把它放進哪個格子。

一個指紋：大量用 token，卻沒有大規模失業

來源討論提到 Anthropic 經濟指數（2026 年 3 月）：約 37% 的 token 用在電腦與數學領域——但軟體投資對 GDP 的貢獻並未明顯偏離既有趨勢。一種讀法是：這些 token 多半不是一比一替代軟體工程師，而是在做以前根本不會按舊價格委外的新工作。當 AI 主要擴大人們能嘗試的事，行業可以大量燒 token，卻不必立刻出現對等的失業潮。

• 新增型暗產出不是「假工作」——它是從前過不了成本效益門檻、現在變得划算的有用工作。
• GDP 往往只記到 token 帳單，記不到用戶端決策品質提升或省下的時間。
• 若批評者只數看得見的成本與崗位，就會系統性地漏掉這塊剩餘。

AI 創造的、從前沒有科目的工作越多，官方表格裏的 AI 繁榮就越可能看起來像「沒什麼發生」——只剩一張越來越高的 token 帳單。