英國國家統計局準備做一件看起來枯燥，實際上卻可能影響投資判斷的事情：將人工智能從龐大的國民經濟賬本中單獨提取出來，製作成一組「AI主題賬戶」。這不是給AI產業再貼上一個漂亮的標籤，也不是馬上公佈一組「AI佔GDP多少」的數字。根據9月21日發布的方法文件，英國國家統計局首先需要解決的問題是邊界、數據和歸屬問題，目標是在2028年3月前形成可投入生產的實驗性賬戶。官方特別提醒，這項工作仍處於方法開發階段，該文件本身並非官方統計數據。

過去兩年，幾乎每間公司都在談論 AI，但宏觀數據很難回答最基本的问题：英國究竟生產了多少 AI 產品，企業為部署 AI 投入了多少資金，這些投入創造的附加值又落在了哪個行業。現行的國民賬戶擅長記錄軟件、硬體、諮詢和研發，卻不會因為一項軟件突然加入生成式功能，就自動把其中屬於 AI 的部分分離出來。於是市場一方面看到大模型、芯片和數據中心的投資熱潮，另一方面又很難在生產力、資本形成和產業附加值中找到一條清晰的對應線。

從模型到諮詢服務，AI產業邊界比想象中更寬

英國國家統計局採用的思路與《2025年國民賬戶體系》相銜接。它計劃統計的不僅是模型公司，還包括支撐AI運行的硬體、軟件和基礎設施，圍繞戰略、部署、安全形成的專業服務，以及各行業實際使用AI的活動。換言之，一塊用於訓練的芯片、一套雲端推理服務、一家幫助銀行改造流程的諮詢機構，以及零售企業內部開發的預測系統，都可能會在這本賬裏留下痕跡。

麻煩也就從此開始了。許多產品將 AI 嵌入原有的功能中，價格並不會單獨列出「AI 部分」；一家跨國公司可能在美国擁有模型，在英國訓練或銷售服務，收入、知識產權和員工又分佈在不同的司法管轄區；企業對「採用 AI」的理解也不一致，從規則自動化到生成式模型都可能被放在同一個答案裏。如果邊界過寬，賬戶就會把普通軟件和自動化也算進去；邊界過窄，又會漏掉大量企業內部開發和行業應用。

官方因此提出一個包含生產、使用和生產鏈在內的三層觀察框架。生產端需要識別直接提供AI商品和服務的單位，使用端則需估計其他行業購買或自建AI的規模，而生產鏈則負責追蹤芯片、計算、數據及專業服務等投入。這三層數據必須與現有的國民賬戶保持一致，不能對同一筆價值進行重複計算。對於投資者而言，這比簡單羅列AI公司的數量更有用：只有將中間投入與最終產出區分開來，才能判斷這股熱潮究竟轉化成了新的附加值，還是主要表現為企業之間的采購支出。

數據來源也不會是一張萬能的問卷。英國國家統計局考慮將企業調查、行政記錄、招聘與崗位數據、公司賬戶以及其他商業數據拼接起來，再針對無法觀察的部分建立估算方法。企業的保密限制會影響行業的細粒度，小樣本和極端值會造成波動，產品分類的更新速度也可能跟不上技術變化。最終發布的數字很可能需要區間、修訂說明和方法註釋，而不是一个看似精確卻無法複核的總額。

2028年才交實驗賬戶，這種慢動作恰恰說明這件事不能靠口號來解決。

根據路線圖，2027年第一季度主要進行範圍界定、用戶需求及方法設計；2027年第二至第四季度製作原型並進行測試；到2028年第一季度將形成可投入生產的實驗性主題賬戶，目標時間是2028年3月。這裡的關鍵詞是「實驗性」。這意味著數據與方法仍有可能進行調整，也不代表英國已經完全算清了AI對GDP的貢獻。

為何需要近一年半的時間？因為 AI 的經濟並非一種天然存在的、只需要統計人員去發現的「櫃子」。模型、算力、軟件和服務之間高度交錯，企業內部的開發沒有市場價格，而跨國知識產權又會改變價值的歸屬。如果統計機構追求速度，最容易犯的錯誤就是將融資額、公司估值或軟件收入直接視為經濟貢獻。主題賬戶的意義，就在於將這些指標分開，從而能夠在不同年份、行業和國家之間進行比較。

這套賬戶未來還可能改變關於生產力的討論。AI 工具是否真的節省了工時，企業節省的成本是否轉變為更高的產出，相關收益是集中在技術供應商還是分散到使用行業，單憑案例無法回答。如果主題賬戶能夠連結投資、就業、附加值和進口依賴，就能幫助市場看到採用速度與經濟回報之間是否存在時滯。

公眾態度也解釋了為何官方不能只統計規模。英國國家統計局引用的調查顯示，人們對於AI用於科研、客戶支持或創意任務的信任明顯高於政府決策、照護和企業重大決策。經濟價值與社會接受度並非同一條曲線。一個行業即使快速部署AI，也可能因為責任、隱私和可靠性要求而增加額外成本。

對於企業來說，目前最實際的準備工作並非去估計一個全國的產值，而是要清楚地記錄自己的投入：購買了哪些計算能力和軟件，哪些人員在開發模型，哪些功能帶來了多少收入或成本變化，知識產權屬於誰。未來統計口徑一旦穩定，這些記錄將決定一家公司的活動是否能被看到。英國這次沒有急於給出一個震撼的數字，而是先承認數字為何難以獲得。對於正在從故事走向基礎設施的產業來說，這反而是一種更成熟的信號。