Официальная статистика говорит, что в американской экономике всё спокойно: низкая безработица, умеренный рост ВВП, никаких аномалий. Но под этой гладкой поверхностью плавает акула. Экономисты из University of Virginia, Anthropic и Банка Канады опубликовали работу, которая показывает: AI-экономика США достигла примерно $250 млрд в 2025 году и растёт на 2 600% в год в качественно скорректированном выражении. Проблема в том, что обычные методы измерения ВВП этого просто не видят.

Почему рост в 2 600% остаётся невидимым

Цифра звучит фантастически, но авторы работы — Anton Korinek, Martin Rotemberg и их коллеги — приводят конкретную аргументацию. Номинальные расходы на вычисления в США выросли с $37 млрд в 2023 году до $90 млрд в 2024-м и $219 млрд в 2025-м. Это уже впечатляющая динамика. Но реальная вычислительная мощность растёт ещё быстрее: благодаря более эффективным чипам вычислительная ёмкость увеличивается более чем на 200% в год.

Главный парадокс кроется в ценах. Каждый новый уровень AI-возможностей становится дешевле почти так же быстро, как растёт его качество. Поэтому номинальные доходы AI-сектора растут умеренно, а реальный объём качественно скорректированного продукта взлетает. Авторы оценивают, что качественно скорректированный AI-выпуск вырос примерно на 2 290% в 2024 году и на 2 271% в 2025-м. Это не гипотетический сценарий — это измерение того, сколько реальной ценности производит сектор, если учитывать, что за те же деньги сегодня можно получить на порядки больше возможностей, чем год назад.

Проблема в том, что традиционная статистика фиксирует номинальные деньги, а не реальную полезность. Датацентры строятся, но их стоимость пока недостаточна, чтобы существенно сдвинуть общий ВВП. Основной экономический эффект приходится на inference — фактическое использование AI-систем — но здесь цены падают так быстро, что номинальная выручка не отражает происходящего. Как пишут авторы: «Номинальные AI-доходы растут умеренно, потому что цена за единицу возможностей падает почти так же быстро, как растёт качественно скорректированный выпуск».

Почему это опаснее, чем кажется

Авторы проводят параллель с полупроводниками и интернетом — и те технологии тоже вызывали дебаты о правильном измерении. Но есть одно ключевое отличие: раньше быстро улучшающиеся технологии были дополнением к человеческому труду, а AI — впервые в истории — может стать его заменой на массовом уровне. «AI — первый правдоподобный кандидат на крупномасштабное технологическое искажение измерений, при котором быстро растущий сектор может стать заменой человеческому труду», — пишут они.

Это не академический спор о методологии. Если финансовое министерство строит десятилетние прогнозы доходов на основе конвенциональных данных, оно систематически недооценивает вероятность шока налоговой базы. Когда AI-автоматизация начнёт массово заменять рабочие места, казна окажется неподготовленной: не будет ни налоговых реформ, ни суверенных фондов благосостояния, ни механизмов распределения выгод. Как формулируют авторы: «Выгода, которую нельзя увидеть, не может быть разделена».

Джек Кларк, автор Import AI, где я нашёл эту работу, использует метафору из фильма «Челюсти». Зритель видит акулу под водой и хочет кричать героям, чтобы они выбирались из воды. Экономические данные говорят, что всё нормально. Интуиция каждого, кто работает с AI, кричит обратное. Невозможно примирить возможности технологии и её масштаб использования с тем, что экономика остаётся «нормальной». Акула уже здесь — просто большинство её не видит.

Три способа измерить невидимое

Авторы предлагают конкретные шаги, которые позволят статистике уловить происходящее. Первый — создание «спутниковых счетов AI» в рамках национальных статистических агентств. Это отдельные счета, которые отслеживают номинальные расходы на вычисления, распределение между обучением и inference, динамику цен на AI-услуги. Эти данные затем можно интегрировать в общие расчёты ВВП.

Второй шаг — генерация лучших первичных данных через партнёрства между статистическими агентствами, компаниями и академией. Сейчас даже базовые показатели, например сколько вычислительной мощности уходит на обучение моделей, а сколько на их эксплуатацию, известны лишь приблизительно. Без точных данных невозможно построить надёжные прогнозы.

Третий шаг — интеграция измерений AI-производственной мощности в среднесрочные экономические прогнозы политиков. Если правительства продолжат планировать бюджеты исходя из «нормальной» экономики, они окажутся в ситуации, когда налоговая база рухнет быстрее, чем они смогут адаптировать политику. Авторы подчёркивают: речь идёт не о далёком будущем, а о процессе, который уже идёт, но остаётся невидимым для принимающих решения.

Сравнение с прошлыми технологическими волнами

Полупроводники и интернет тоже создавали проблемы для статистиков. Когда микропроцессоры становились вдвое быстрее каждые два года по закону Мура, номинальные расходы на вычисления росли умеренно, а реальная производительность взлетала. Интернет в 1990-х годах приносил огромную ценность — поиск, электронная почта, e-commerce — но значительная часть этой ценности оставалась вне традиционных счетов ВВП, потому что сервисы были бесплатными или почти бесплатными для пользователей.

Но у AI есть одно принципиальное отличие от этих волн: скорость. Полупроводники удваивали производительность каждые 18–24 месяца. AI-возможности удешевляются и улучшаются на порядки за год. Качественно скорректированный выпуск вырос на 2 290% за 2024 год — это не удвоение, а двадцатикратный рост за двенадцать месяцев. Статистические методы, которые ещё справлялись с полупроводниками, просто ломаются при таких темпах. Когда цена за единицу возможностей падает на 90% за год, а номинальные расходы растут на 140%, традиционный дефлятор ВВП не успевает адаптироваться и показывает рост в несколько процентов вместо тысяч.

Ещё одно отличие — масштаб замещения. Интернет создавал новые профессии: веб-разработчики, SEO-специалисты, digital-маркетологи. Полупроводники создавали индустрию электроники. AI, согласно работе Korinek и Rotemberg, впервые в истории массовых технологий может замещать существующие профессии быстрее, чем создавать новые. Это меняет не только статистику, но и социальный контракт: если технология дополняет человека, общество адаптируется через переподготовку. Если технология заменяет человека, адаптация требует радикально новых институтов — от универсального базового дохода до налога на роботов.

Что это значит для бизнеса и разработчиков

Для инженеров и предпринимателей эта работа имеет практическое значение. Если AI-экономика действительно растёт на тысячи процентов в год в реальном выражении, то текущие оценки рынка занижены на порядки. Компании, которые сейчас инвестируют в AI-инфраструктуру, покупают вычислительную мощность по ценам, которые через год покажутся смешными — не потому что цены упадут, а потому что эффективность вырастет.

Это также меняет логику конкуренции за талант. Если AI-системы становятся заменой, а не дополнением к человеческому труду, то спрос на определённые категории специалистов может обрушиться быстрее, чем рынок труда успеет адаптироваться. Разработчики, которые сейчас видят, как AI пишет код, должны понимать: это не инструмент, который делает их продуктивнее. Это потенциальная замена, которая пока ещё дорога и несовершенна, но дорожает и совершенствуется экспоненциально.

Для инвесторов работа Korinek и Rotemberg даёт аргумент в пользу переоценки AI-активов. Если традиционные метрики занижают реальный рост сектора в десятки раз, то текущие валюации AI-компаний могут оказаться консервативными — несмотря на то, что многие считают их завышенными. Вопрос не в том, растёт ли пузырь, а в том, насколько быстро растёт реальная экономика под ним.

Часто задаваемые вопросы

Почему ВВП не отражает рост AI-экономики?

Потому что ВВП измеряет номинальную стоимость, а AI-возможности дешевеют быстрее, чем растёт их объём. За те же деньги сегодня можно получить в десятки раз больше возможностей, чем год назад, но статистика фиксирует только деньги, не корректируя на качество.

Что такое «качественно скорректированный выпуск»?

Это метрика, которая учитывает, сколько реальной ценности производит сектор, если измерять не деньги, а полезность. Например, если inference с фиксированным качеством подешевел в десять раз, то реальный выпуск вырос в десять раз, даже если номинальные расходы не изменились.

Какие риски несёт недооценка AI-экономики?

Главный риск — политическая неподготовленность к шоку налоговой базы. Если автоматизация заменит значительную долю рабочих мест быстрее, чем правительства смогут адаптировать налоговую систему, последствия будут тяжёлыми для социальной стабильности и государственных финансов.

Кто авторы исследования?

Основные авторы — Anton Korinek (University of Virginia, ранее Brookings Institution) и Martin Rotemberg (NYU). Korinek сейчас работает в Anthropic, но исследование проводилось до его перехода и не связано с работой в компании. Работа опубликована Peterson Institute for International Economics (PIIE) в мае 2026 года.

Может ли рост в 2 600% быть преувеличением?

Авторы сами называют свои оценки предварительными и призывают к дальнейшим исследованиям. Но даже если реальный рост вдвое ниже — скажем, 1 000% в год — это всё равно означает, что традиционная статистика пропускает революцию. Ключевой вывод работы не в точной цифре, а в том, что методы измерения ВВП не приспособлены для технологий, которые удешевляются на порядки за год.

Итог

Работа Korinek, Rotemberg и их коллег — это не очередной прогноз о «сингулярности». Это попытка измерить то, что уже происходит, но остаётся невидимым для официальной статистики. AI-экономика в $250 млрд, растущая на тысячи процентов в год, — это не будущее. Это настоящее, которое статистика не улавливает, потому что её методы были разработаны для эпохи, когда технологии дополняли человека, а не заменяли его. Вопрос не в том, успеют ли политики адаптироваться. Вопрос в том, осознают ли они масштаб происходящего до того, как адаптация станет невозможной.