本文来自微信公众号：TOP创新区研究院，作者TOP创新区研究院、FTA Group，原文标题：《MIT用超算模拟了1.5亿数字人，从上帝视角推演AI经济，结论很颠覆……》，题图来自：AI生成
最近，由麻省理工学院（MIT）Ayush Chopra与Santanu Bhattacharya领衔，联合橡树岭国家实验室（Oak Ridge National Laboratory）及多个州政府政策办公室发布了一份重磅报告——《冰山计划：冰山指数与AI经济中的技能敞口测量》（The Iceberg Index）。
报告中得出的结论让我们冷汗直冒，但又异常兴奋。
MIT说，我们目前看到的AI繁荣，仅仅是漂浮在水面上的2.2%；
而水面之下，隐藏着高达11.7%、价值1.2万亿美元的“隐性技术敞口”。
这究竟是什么意思？
又意味着什么？
一、用超算推演AI经济
在看完报告后，如果你一定要我们给这份报告找一个核心隐喻，那就是：
不要用温度计去测量风速。
过去两百年，经济学家们习惯了用GDP、失业率、全要素生产率来衡量技术革命。在蒸汽机时代，这很管用——机器进厂，工人下岗，产量翻倍，数据立竿见影。
但在AI时代，这些指标统统成了“滞后指标”。
当GDP数据反映出变化时，变革早已结束，甚至尸横遍野。因为AI不像蒸汽机那样笨重可见，它是无形的、渗透性的。
比如当一个护士用AI优化了排班表，从而多照顾了两名病人，GDP捕捉不到这个变化；当一个中西部工厂的品控经理用视觉模型替代了肉眼检查，失业率数据也还没来得及反应。
为了打破这种盲视，《冰山计划》的研究团队做了一件极其硬核的事。
他们动用了世界级的Frontier超级计算机，构建了一个“大群体模型”（Large Population Models， LPMs）。
简单来说，他们造了一个“平行宇宙版的美国”。
在这个基于AgentTorch构建的数字沙盒里，生活着1.51亿个“数字工人”。他们是拥有独立属性的智能体（Agent）：
每个智能体都有具体的职业（覆盖923种工种）；
每个智能体都点亮了不同的技能树（基于O*NET的32，000种技能）；
每个智能体都有真实的地理坐标（分布在3000个县域）。
研究团队向这个沙盒投放了各种AI工具（从Copilot到Zapier自动化流），然后按下“运行键”，模拟这1.51亿人在数十亿次工作交互中，到底发生了什么。
提一嘴，这种模拟方式对现有的社会研究是一种降维打击。
而正是通过这种上帝视角，我们才第一次看见了那个被传统经济学遗漏的庞然大物——“冰山指数”（The Iceberg Index）。
二、报告的3个洞见
好，Frontier超算的模拟结果让我们看到了3个洞见：
首先击碎的是我们对“AI中心”的地理认知。
如果你问一个路人：
“美国AI革命的中心在哪里？”
十个人有九个会回答：旧金山、西雅图、波士顿。
但《冰山计划》通过热力图揭示了一个“产用分离”现象：
生产AI的地方（GenAI Hubs） ≠ 被AI重塑的地方（AI-Exposed Hubs）。
我们可以说——2.2%水上 vs 11.7%水下。
水面之上，是2.2%显现薪资价值。
这部分主要集中在加州、华盛顿州。这里的工程师们在训练模型，VC们在谈论估值。这里是AI的“兵工厂”，虽然喧嚣，但只占经济总盘子的极小部分。
水面之下，是隐性的11.7%价值。
这部分遍布全行业，是静悄悄的效率革命。
最惊人的发现是：
那11.7%的隐性金矿，并不在硅谷，而是在俄亥俄州、田纳西州、犹他州、密歇根州。
也就是我们常说的“铁锈地带”。
那为什么会这样？
你想想，AI大模型最擅长解决什么问题？
它擅长处理复杂的文档、协调繁琐的流程、优化大规模的调度、辅助专业的合规判断。
哪里这种工作最多？
不是在写代码的硅谷创业公司，而是在拥有庞大供应链的制造业基地、拥有复杂理赔流程的保险中心、拥有海量病例管理的医疗重镇——在俄亥俄州（冰山指数高达11.8%），无数的制造业供应链需要管理；在田纳西州（11.6%），联邦快递的枢纽带动了复杂的物流计算。
报告将这种现象称为“自动化意外”（Automation Surprise）——这些地区表面上看起来毫无“科技感”，但其内部的技能结构正处于极高的AI渗透前夜。
这给我们中国的启示也是震撼的：
所谓的“旧经济”，其实是AI最大的“新矿场”。
其二，让我们深入解剖一下11.7%。通过超级计算机模拟，得到的技术敞口是11.7%。
其实很多人看到“11.7%的技术敞口”时，第一反应往往是松了一口气：
“还好，只有一成多，还没到大面积失业的时候。”
这是一个误读。
要知道，AI重新定义了“工作的价值”。
在过去的工业革命中，自动化遵循“替代手脚”的逻辑：先替代最脏、最累、最廉价的体力劳动（比如搬运、组装）。
但《冰山计划》说：
这一次，AI正在吞噬的是高薪技能。
让我们把一个资深金融合规官（年薪20万美元）的工作拆解开来：
A类技能（耗时60%）： 阅读几百页的新监管条例，比对旧条款，检索历史违规案例，撰写初步风控报告。
B类技能（耗时30%）： 与业务部门博弈，在灰色地带做决策，承担签字的法律责任。
C类技能（耗时10%）： 开会、社交、建立信任。
在AI出现之前，企业必须为A类技能支付高昂的薪水，因为这需要极高的知识储备和阅读速度——这被称为“知识溢价”。
然而，11.7%的AI技术敞口，精准覆盖的正是A类技能——AI可以在几分钟内完成A类工作，且准确率更高。
也就是说，企业支付给这位合规官的20万年薪里，原本用来购买“阅读与整理能力”的那12万美元，瞬间失去了价值支撑。
这就像是切走了牛排最嫩的菲力，只留下了难啃的骨头。
其三，岗位空心化。
报告中提到了一个非常反常的数据：
传统的失业率、GDP增长与AI影响力的相关性极低（R² < 0.05）。
按理说，如此巨大的技术冲击，经济数据应该剧烈波动才对。
那为什么没有呢？
因为发生了“岗位空心化”。
在现阶段，AI并没有直接把人踢出办公室，而是制造了一种“胜任力假象”。
以前，一位资深分析师需要10年经验才能写出一份完美的研报。
但现在，一个刚毕业的实习生，配合三个AI Agent，也能产出80分甚至90分的研报。
表面上看，大家都在工作，岗位没少。
但实质上，“资深经验”的护城河被填，平，了！
当一个初级员工借助工具就能达到高级员工的产出时，企业主可能暂时不会裁员，但市场一定会重新定价。“通用认知能力”的价格将急剧下降，这就像计算器普及后，心算快的人不再值钱一样。
这种效率的提升掩盖了岗位价值的结构性危机。
GDP看着没变，但其实是因为原本昂贵的“智力服务”变得像自来水一样廉价，通缩的阴影已经笼罩在每个白领的头上。
所以，如果结合以上三点，我们将这个逻辑推演到底，会得出什么结论？
未来的薪资，将不再为你的“知识储备”买单，因为知识已经不值钱了；
未来的薪资，只为你的“决策担当”、“人际信任”和“物理行动”买单——也就是那些AI目前还无法覆盖的剩下88.3%。
所以，不要庆幸自己不在那11.7%的直接替代名单里。
你应该担心的是：当那11.7%的核心价值被AI抽走后，你剩下的技能，是否还配得上现在的工资？
三、中国启示录
虽然这份报告研究的是美国，但最终，我们需要思考国内的情况。
如果说旧金山对应的是北京海淀和上海西岸（大模型扎堆，卷算力，卷参数）；那么美国“铁锈带”对应的就是中国的佛山、苏州、宁波、长沙等等。
而且，我们在这些地方，有世界最完备的制造业门类，有最复杂的物流场景，有最密集的内外贸流程。
按照《冰山计划》的逻辑，中国AI的真正爆发点，就诞生在某个宁波注塑厂的排产办公室里，或者义乌小商品城的跨境电商后台里。
而且中国的“冰山指数”比美国更高。
因为我们的制造业供应链更长，我们的行政管理节点更多。
对于中国的政策制定者和企业家来说，这是一个巨大的信号：
去关注那些“含科量”看似不高，但“含数据量”极大的实体产业。
去寻找那些拥有复杂流程、高人力成本的“隐形冠军”。
那里，才是中国AI经济的震中。
本文来自微信公众号：TOP创新区研究院，作者：TOP创新区研究院，FTA Group