•
MIT用超算模擬了1.5億數字人，從上帝視角推演AI經濟，結論很顛覆…
最近，由麻省理工學院（MIT）Ayush Chopra與Santanu Bhattacharya領銜，聯合橡樹嶺國家實驗室（Oak Ridge National Laboratory）及多個州政府政策辦公室發佈了一份重磅報告——
《冰山計畫：冰山指數與AI經濟中的技能敞口測量》（The Iceberg Index）。
報告中得出的結論讓我們冷汗直冒，但又異常興奮。
MIT說，
我們目前看到的AI繁榮，僅僅是漂浮在水面上的2.2%；
而水面之下，隱藏著高達11.7%、價值1.2兆美元的“隱性技術敞口”。
這究竟是什麼意思？
又意味著什麼？
01 用超算推演AI經濟
在看完報告後，如果你一定要我們給這份報告找一個核心隱喻，那就是：
不要用溫度計去測量風速。
過去兩百年，經濟學家們習慣了用GDP、失業率、全要素生產率來衡量技術革命。在蒸汽機時代，這很管用——機器進廠，工人下崗，產量翻倍，資料立竿見影。
但在AI時代，這些指標統統成了“滯後指標”。
當GDP資料反映出變化時，變革早已結束，甚至屍橫遍野。因為AI不像蒸汽機那樣笨重可見，它是無形的、滲透性的。
比如當一個護士用AI最佳化了排班表，從而多照顧了兩名病人，GDP捕捉不到這個變化；當一個中西部工廠的品控經理用視覺模型替代了肉眼檢查，失業率資料也還沒來得及反應。
為了打破這種盲視，《冰山計畫》的研究團隊做了一件極其硬核的事。
他們動用了世界級的Frontier超級電腦，建構了一個“大群體模型”（Large Population Models, LPMs）。
簡單來說，
他們造了一個“平行宇宙版的美國”。
在這個基於AgentTorch建構的數字沙盒裡，生活著1.51億個“數字工人”。他們是擁有獨立屬性的智能體（Agent）：
每個智能體都有具體的職業（覆蓋923種工種）；
每個智能體都點亮了不同的技能樹（基於O*NET的32,000種技能）；
每個智能體都有真實的地理坐標（分佈在3000個縣域）。
研究團隊向這個沙盒投放了各種AI工具（從Copilot到Zapier自動化流），然後按下“運行鍵”，模擬這1.51億人在數十億次工作互動中，到底發生了什麼。
提一嘴，這種模擬方式對現有的社會研究是一種降維打擊。
而正是通過這種上帝視角，我們才第一次看見了那個被傳統經濟學遺漏的龐然大物——“冰山指數”（The Iceberg Index）。
02 報告的3個洞見
好，Frontier超算的模擬結果讓我們看到了3個洞見：
首先擊碎的是我們對“AI中心”的地理認知。
如果你問一個路人：
“美國AI革命的中心在那裡？”
十個人有九個會回答：舊金山、西雅圖、波士頓。
但《冰山計畫》通過熱力圖揭示了一個“產用分離”現象：
生產AI的地方（GenAI Hubs） ≠ 被AI重塑的地方（AI-Exposed Hubs）。
我們可以說——2.2%水上 vs 11.7%水下。
水面之上，是2.2%顯現薪資價值。
這部分主要集中在加州、華盛頓州。這裡的工程師們在訓練模型，VC們在談論估值。這裡是AI的“兵工廠”，雖然喧囂，但只佔經濟總盤子的極小部分。
水面之下，是隱性的11.7%價值。
這部分遍佈全行業，是靜悄悄的效率革命。
最驚人的發現是：
那11.7%的隱性金礦，並不在矽谷，
而是在俄亥俄州、田納西州、猶他州、密歇根州。
也就是我們常說的“鐵鏽地帶”。
那為什麼會這樣？
你想想，AI大模型最擅長解決什麼問題？
它擅長處理複雜的文件、協調繁瑣的流程、最佳化大規模的調度、輔助專業的合規判斷。
那裡這種工作最多？
不是在寫程式碼的矽谷創業公司，而是在擁有龐大供應鏈的製造業基地、擁有複雜理賠流程的保險中心、擁有海量病例管理的醫療重鎮——在俄亥俄州（冰山指數高達11.8%），無數的製造業供應鏈需要管理；在田納西州（11.6%），聯邦快遞的樞紐帶動了複雜的物流計算。
報告將這種現象稱為“自動化意外”（Automation Surprise）——這些地區表面上看起來毫無“科技感”，但其內部的技能結構正處於極高的AI滲透前夜。
這給我們中國的啟示也是震撼的：
所謂的“舊經濟”，其實是AI最大的“新礦場”。
其二，讓我們深入解剖一下11.7%
通過超級電腦模擬，得到的技術敞口是11.7%。
其實很多人看到“11.7%的技術敞口”時，第一反應往往是鬆了一口氣：
“還好，只有一成多，還沒到大面積失業的時候。”
這是一個誤讀。
要知道，AI重新定義了“工作的價值”。
在過去的工業革命中，自動化遵循“替代手腳”的邏輯：先替代最髒、最累、最廉價的體力勞動（比如搬運、組裝）。
但《冰山計畫》說：
這一次，AI正在吞噬的是高薪技能。
讓我們把一個資深金融合規官（年薪20萬美元）的工作拆解開來：
A類技能（耗時60%）： 閱讀幾百頁的新監管條例，比對舊條款，檢索歷史違規案例，撰寫初步風控報告。
B類技能（耗時30%）： 與業務部門博弈，在灰色地帶做決策，承擔簽字的法律責任。
C類技能（耗時10%）： 開會、社交、建立信任。
在AI出現之前，企業必須為A類技能支付高昂的薪水，因為這需要極高的知識儲備和閱讀速度——這被稱為“知識溢價”。
然而，11.7%的AI技術敞口，精準覆蓋的正是A類技能——AI可以在幾分鐘內完成A類工作，且精準率更高。
也就是說，企業支付給這位合規官的20萬年薪裡，原本用來購買“閱讀與整理能力”的那12萬美元，瞬間失去了價值支撐。
這就像是切走了牛排最嫩的菲力，只留下了難啃的骨頭。
其三，崗位空心化
報告中提到了一個非常反常的資料：
傳統的失業率、GDP增長與AI影響力的相關性極低（R² < 0.05）。
按理說，如此巨大的技術衝擊，經濟資料應該劇烈波動才對。
那為什麼沒有呢？
因為發生了“崗位空心化”。
在現階段，AI並沒有直接把人踢出辦公室，而是製造了一種“勝任力假象”。
以前，一位資深分析師需要10年經驗才能寫出一份完美的研報。
但現在，一個剛畢業的實習生，配合三個AI Agent，也能產出80分甚至90分的研報。
表面上看，大家都在工作，崗位沒少。
但實質上，“資深經驗”的護城河被填，平，了！
當一個初級員工借助工具就能達到高級員工的產出時，企業主可能暫時不會裁員，但市場一定會重新定價。“通用認知能力”的價格將急劇下降，這就像計算器普及後，心算快的人不再值錢一樣。
這種效率的提升掩蓋了崗位價值的結構性危機。
GDP看著沒變，但其實是因為原本昂貴的“智力服務”變得像自來水一樣廉價，通縮的陰影已經籠罩在每個白領的頭上。
所以，如果結合以上三點，
我們將這個邏輯推演到底，會得出什麼結論？
未來的薪資，將不再為你的“知識儲備”買單，因為知識已經不值錢了；
未來的薪資，只為你的“決策擔當”、“人際信任”和“物理行動”買單——也就是那些AI目前還無法覆蓋的剩下88.3%。
所以，不要慶幸自己不在那11.7%的直接替代名單裡。
你應該擔心的是：當那11.7%的核心價值被AI抽走後，你剩下的技能，是否還配得上現在的工資？
03 中國啟示錄
雖然這份報告研究的是美國，但最終，我們需要思考國內的情況。
如果說舊金山對應的是北京海淀和上海西岸（大模型扎堆，卷算力，卷參數）；那麼美國“鐵鏽帶”對應的就是中國的佛山、蘇州、寧波、長沙等等。
而且，我們在這些地方，有世界最完備的製造業門類，有最複雜的物流場景，有最密集的內外貿流程。
按照《冰山計畫》的邏輯，
中國AI的真正爆發點，就誕生在某個寧波注塑廠的排產辦公室裡，或者義烏小商品城的跨境電商後台裡。
而且中國的“冰山指數”比美國更高。
因為我們的製造業供應鏈更長，我們的行政管理節點更多。
對於中國的政策制定者和企業家來說，這是一個巨大的訊號：
去關注那些“含科量”看似不高，但“含資料量”極大的實體產業。
去尋找那些擁有複雜流程、高人力成本的“隱形冠軍”。
那裡，才是中國AI經濟的震中。 (TOP創新區研究院)