英国国家统计局准备做一件看起来枯燥、实际却可能影响投资判断的事：把人工智能从庞大的国民经济账本里单独拎出来，做成一套“AI主题账户”。这不是给AI产业再贴一个漂亮标签，也不是马上公布一个“AI占GDP多少”的数字。按照9月21日发布的方法文件，英国国家统计局首先要解决的是边界、数据和归属问题，目标是在2028年3月前形成可投入生产的实验性账户。官方特别提醒，这项工作仍处于方法开发阶段，文件本身不是官方统计。

过去两年，几乎每家公司都在谈AI，但宏观数据很难回答最基本的问题：英国到底生产了多少AI产品，企业为部署AI投入了多少钱，这些投入创造的增加值又落在哪个行业。现行国民账户擅长记录软件、硬件、咨询和研发，却不会因为一项软件突然加入生成式功能，就自动把其中属于AI的部分拆出来。于是市场一边看到大模型、芯片和数据中心的投资热潮，一边又很难在生产率、资本形成和产业增加值中找到一条清晰的对应线。

从模型到咨询服务，AI产业边界比想象中更宽

英国国家统计局采用的是与《2025年国民账户体系》相衔接的思路。它计划统计的不只是模型公司，还包括支撑AI运行的硬件、软件和基础设施，围绕战略、部署、安全形成的专业服务，以及各行业实际使用AI的活动。换句话说，一块面向训练的芯片、一套云端推理服务、一家帮助银行改造流程的咨询机构，以及零售企业内部开发的预测系统，都可能在这本账里留下位置。

麻烦也由此开始。许多产品把AI嵌入原有功能，价格并不会单独列出“AI部分”；一家跨国公司可能在美国拥有模型，在英国训练或销售服务，收入、知识产权和员工又分布在不同司法辖区；企业对“采用AI”的理解也不一致，从规则自动化到生成式模型都可能被放在同一个答案里。若边界过宽，账户会把普通软件和自动化也算进来；边界过窄，又会漏掉大量企业内部开发和行业应用。

官方因此提出生产、使用和生产链三层观察框架。生产端要识别直接提供AI商品和服务的单位，使用端要估算其他行业购买或自建AI的规模，生产链则追踪芯片、计算、数据和专业服务等投入。三层数据必须与现有国民账户保持一致，不能把同一笔价值重复计算。对投资者而言，这比简单罗列AI公司数量更有用：只有把中间投入与最终产出区分开，才能判断热潮究竟转化成了新增加值，还是主要表现为企业之间的采购支出。

数据来源也不会是一张万能问卷。英国国家统计局考虑把企业调查、行政记录、招聘与岗位数据、公司账户以及其他商业数据拼接起来，再针对无法观察的部分建立估算方法。企业保密限制会影响行业颗粒度，小样本和极端值会造成波动，产品分类更新速度也可能跟不上技术变化。最终发布的数字很可能需要区间、修订说明和方法注释，而不是一个看似精确却无法复核的总额。

2028年才交实验账户，慢恰恰说明这件事不能靠口号

按路线图，2027年第一季度前主要进行范围界定、用户需求和方法设计；2027年第二至第四季度制作原型并测试；到2028年第一季度形成可投入生产的实验性主题账户，目标时间是2028年3月。这里的关键词是“实验性”。它意味着数据和方法仍可能调整，也不等于英国已经把AI对GDP的贡献算清楚了。

为什么需要将近一年半？因为AI经济不是一个天然存在、只等统计员去发现的抽屉。模型、算力、软件和服务高度交叉，企业内部开发没有市场价格，跨国知识产权又会改变价值归属。统计机构若追求速度，最容易犯的错误就是把融资额、公司估值或软件收入直接当作经济贡献。主题账户的意义，恰恰是把这些口径拆开，并让不同年份、行业和国家之间能够比较。

这套账户未来还可能改变关于生产率的讨论。AI工具是否真正节省了工时，企业节省的成本是否变成更高产出，相关收益是集中在技术供应商还是扩散到使用行业，仅靠案例无法回答。主题账户如果能连接投资、就业、增加值和进口依赖，就能帮助市场看到采用速度与经济回报之间是否存在时滞。

公众态度也解释了为什么官方不能只统计规模。英国国家统计局引用的调查显示，人们对AI用于科研、客户支持或创意任务的信任明显高于政府决策、照护和企业重大决策。经济价值与社会接受度并不是同一条曲线。一个行业即使快速部署AI，也可能因为责任、隐私和可靠性要求而增加额外成本。

对企业来说，眼下最实际的准备不是猜一个全国AI产值，而是把自己的投入记清楚：购买了什么算力和软件，哪些人员在开发模型，AI功能带来了多少收入或成本变化，知识产权属于谁。未来统计口径一旦稳定，这些记录会决定一家公司的活动能否被看见。英国这次没有急着给出一个震撼数字，而是先承认数字为什么难。对于正在从故事走向基础设施的AI产业，这反而是一种更成熟的信号。