機器之心が発表
本稿の著者は、Moore Threadsのエンジェル投資家であり、中国の初代AI投資家である王捷氏です。彼は2025年8月と12月にそれぞれhttps://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650988409&idx=1&sn=4cc6a304760b4e3899c4465d776b66f9&scene=21#wechat_redirect、https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651009932&idx=1&sn=bdf055d3093386b8a6de3442021b39c6&scene=21#wechat_redirectを発表し、近づきつつあるAI経済の展望と解釈を行いました。本稿は彼の最近の三つ目の記事であり、AI大モデルを経済生産性の観点からどのように評価するかについての考え方を提案するものです。
AI生産能力関数：経済生産性の観点からAIモデルを評価する
Measuring Model Capability as Economic Productivity: A Production Capacity Function for Artificial Intelligence
1. 序論
1.1 背景
- AI大モデルは、技術、製品から経済と社会への全面的な影響へと移行しており、AIが現実の経済タスクに対してどのような作業能力を持つかを評価する指標が必要とされています。
- 既存の主要な評価ベンチマークにはMMLU、BIG-bench、SWE-Bench、WebArena、GAIA、AgentBench、MiniWoBなどがあり、これらはモデルの知識理解、推論、プログラミングなどのタスクにおけるパフォーマンスを測定するために広く使用されています。
しかし、既存の評価ベンチマークには以下の問題があります：
- タスクの同質性仮定：すべてのタスクが総合スコアに同じように寄与すると仮定しており、タスクの価値の違いを区別していません。
- 人間や組織の受容度を含んでいない。
- 推論コストの無視：Token消費が能力測定に組み込まれておらず、単なる付加的な指標にとどまっています。
- 経済的産出を反映できないため、マクロ統計（GDP、TFP）もAIの真の限界貢献を区別できません。
重要なギャップ：「AIモデル→生産能力→生産性→マクロ経済」を結びつける表現関数が欠如しています。
1.2 研究課題
AIが経済的産出に対して持つ「真の生産能力」を、統一され計量可能な方法でどのように測定するか？
我々は、タスクを基本単位とし、tokenを投入/計量の基礎とし、GDPを産出とするAI生産能力関数を提案します。これは、モデルが与えられたタスク空間と社会的受容の制約の下で、計算資源（token）を安定的に経済的価値へと変換する能力の上限（capacity）と定義され、以下の要素を明確に含みます：
- 「経済的チューリングテスト」を導入することにより、タスクセット内のタスクを単に「技術的正しさ/feasibility」を表すものから、「現実の経済環境で人間に受け入れられるか/desirability」も表すものへと変える。
- モデルが成功裏に完了できるタスクの経済的価値。
- タスクを成功裏に完了する確率。
- タスク完了に消費される推論リソース（token）。
以下の問いに答えたいと考えています：
- AIモデルが1トークン消費するごとに、どれだけの経済的価値を創造できるか？つまり、GDP/tokenの問題。
- AIモデルの能力を「複数のbenchmark上の点状のパフォーマンス（pointwise performance）」から、「経済タスク空間全体における価値加重期待産出密度（task-space integral）」へと変換できるか？
- 異なるモデル、異なる経済タスク、異なる国家が持つAI能力、AI大モデルの異なる発展段階の間で、どのように比較可能か？
2. 現在のモデル能力評価スキームの限界
2.1 AI能力評価とBenchmark
- 従来のbenchmark（MMLU、BIG-bench、SWE-Bench、AgentBenchなど）は成功率または合格率のみを測定します。
- 「単位AI投入→経済的産出」に答えることができません。
- 「経済システムの受容性」の内生的な処理が欠如しています。
2.2 AI生産能力関数 𝐶(𝑀) の導入
- 𝐶(𝑀) は同時に以下を考慮します：
- タスクの経済的価値
- タスクの異質性
- 成功確率（技術的能力）
- リソース消費（コスト制約）
- 𝐶(𝑀) はタスクの経済的価値、タスクの異質性、成功確率、リソース消費を一つの枠組みに統合し、技術的能力から経済的生産力への計量マッピングです。
3. 基本概念と定義
3.1 定義と核心関数
モデル能力は、モデルがその経済的に受け入れ可能なタスク集合上で、単位tokenが安定的に生み出すことができるタスク成果の期待経済的価値として定義されます。
3.2 分子：経済的産出
意味：モデル(m)が受容可能なタスクセット上で実現可能な総経済的価値。これらの経済的価値は統計から得られます。
重要な性質：タスクセット内のタスクは以下の2つの条件を満たします。
- そのAIモデルがそのカテゴリのタスクを完了できること（「できるかどうか」の問題を解決）。
- そのAIモデルがそのカテゴリのタスクを完了した結果が「経済的チューリングテスト」に合格すること（「うまくやれるか」、「人間が受け入れるか」の問題を解決）。
タスク価値が異質である場合、公式は自動的に高価値タスクに重みを付けます。
3.3 分母：token投入
分母は、そのj番目のタスクを完了するために消費されたtoken数の合計であり、百万トークン単位で計測されます。単一タスクのtoken消費は次のように定義されます：
単一タスクのtoken消費＝単一タスクを完了するための単回平均token消費 / そのモデルがそのタスクを成功裏に完了する率。ここで、単一タスクを完了するための単回平均token消費＝そのタスクを完了する総回数で消費された総token数 / 総回数。これらのデータは統計から得られます。
単一タスクのtoken消費は、モデルのコスト効率を内生的に反映します。
成功率は内生的に以下を反映します：
- 能力水準
- 安定性
- 再現性
3.4 タスク (Task)
- 人の仕事は単一の労働力を最小の実行単位とするが、AIの仕事は「タスク」を最小の実行単位とする。
AIにとって、タスクは明確に形式化された目標のインスタンスであり、期待される結果、行動空間、制約条件、および完了判定を定義し、エージェントがオープンな環境問題を計画可能、実行可能、評価可能な意思決定プロセスに変換できるようにします。
3.5 タスク集合 (J_m)
モデル(m)に対して定義された実行可能なタスクセット。以下の2つの入場条件を満たす必要があります：
1. 技術的実行可能性
2. 経済的チューリングテストの合格
- タスクセットの構築：現在の経済活動におけるすべてのタスクを、エージェントの作業方法に適応したタスクセットとして構築し、これに基づいてタスクの統計作業を展開する必要があります。
3.6 経済的チューリングテスト (ETT, Economic Turing Test)
- 定義：モデルがタスクを完了した出力が現実の経済環境において人間に受け入れられる場合、成功とみなします。そうでない場合、失敗とみなします。
- 値は[0, 1]を取り、「不合格」は0、「合格」は1です。
- 従来のチューリングテストとの違い。
- 生産関数における役割：経済的チューリングテストは制度と選好の制約（institutional and preference constraint）と等価であり、どのAI産出がGDPに計上されるかを決定します。
3.7 タスクの経済的価値 (V_j)
タスクの経済的価値の統計方法には以下が含まれます：
- 人間の作業コスト：人間が同じタスクを完了するのに必要な作業コスト/賃金。
- 市場取引価格：そのタスクが市場で取引可能な場合、市場取引価格はいくらか。
- シャドウプライス（影の価格）：市場価格はないが、社会福祉、リスク、または長期的な産出に影響を与えるタスクについて、その暗黙の限界価値を推定します。
これらのデータは統計から得られます。
3.8 次元と解釈
- 単位：通貨 / 百万トークン。
4. 従来の生産関数との関係
4.1 新しい生産要素としてのAI
- AI = tokenで表現されるタスク実行能力。計算資源によって駆動され、タスク実行能力として現れ、デジタル環境で規模的に複製可能な生産的要素です。
マクロ経済分野では、これはModel-Level AI Capability in Macroeconomicsです。マクロレベルでAIの経済的総産出への貢献を測定できます。
経済成長分野では、これはTask-Based AI Capability Models for Economic Growth.です。
4.2 従来の生産関数への組み込み
AIは「資本化可能で複製可能なタスク実行能力」と見なすことができ、その経済的特性は労働のタスク完了機能と資本の規模複製特性の両方を持ちます。
AI経済段階では、タスク実行能力はtokenで表現され、これはtokenが生産関数の中間変数として、正確に計量可能な代理変数であることを意味します。
TFPとの関係：従来の生産関数におけるTFPが残差から説明可能なものへと変わる可能性があり、AI生産力は説明可能なTFPの構成要素となります。
4.3 労働生産性との比較
工業経済では、労働生産性は通常「単位労働投入あたりの産出」で表され、典型的な形式はGDP/労働時間です。その直感的な意味は、所定の技術、資本、組織的条件下で、労働が単位時間あたりどれだけの産出を実現できるかです。
本稿で提案するAI生産能力関数は、構造的にこれと明確に対応関係があります：それは「単位tokenが安定的に変換できる経済的価値」でAIの生産能力を特徴付け、典型的口径はGDP/token（またはGDP/百万トークン）です。GDP/tokenの形式は、より一般的な生産性分析フレームワークに組み込むことができます。
5. 応用と拡張
前述のAI生産能力関数 𝐶(𝑀) は主に2つの任務を果たします：第一に、モデル能力を経済的生産力として形式化する定義を与えること。第二に、その定義がマクロ生産分析とどのように関連づけられるかを説明すること。これに基づき、本節ではさらにこの枠組みの応用と拡張の方向性について議論します。
5.1 モデル比較
- 異なるモデル間のAI生産能力の順位付け：異なるモデルに対して「単位tokenあたりの経済的価値産出能力」の順位付けを行います。
- 同一モデルの異なるバージョン間の作業能力比較：「技術スコアの向上」と「経済的生産能力の向上」が同期しているかどうかをより明確に区別できます。
5.2 時間次元での比較
- 異なる段階のモデル能力比較、技術進歩の動的描写：
- 「コスト低下」：単回平均token消費の低下、つまり推論効率の改善、ツール呼び出しの効率化、または戦略のコンパクト化。
- 「質の向上」：単一タスクあたりの成功確率の向上、つまりモデルの既存タスクに対する能力水準、安定性、または再現性の向上。
- 「能力境界の拡張」：タスク集合(J_m)の拡張、つまりモデルがより多くのタスク、特により高い価値またはより複雑なタスクをカバーできるようになること。
5.3 コスト構造分析
- 𝐶(𝑀) は推論側の商品化（commoditization）プロセスの分析に使用できます：複数のモデルが特定のタスクセットで成功率が近づくと、モデル間の競争はしばしば「できるかどうか」から「誰がより低コストで、より安定してできるか」へと移行し、本稿の生産能力関数はモデルサービスの価格競争、推論最適化戦略を理解する統一的な視点を提供できます。
- 𝐶(𝑀) はエネルギーと計算力の制約を分析するための中間変数を提供します：𝐶(𝑀)を「毎tokenあたりのエネルギー消費と計算力コスト」と組み合わせ、資源制約からモデル能力、そして経済的産出への多層マッピングを構築できます。
5.4 産業と国家レベル
産業タスク構造の差異：
- 特定の業界（ソフトウェア開発、デジタルマーケティング、オンラインカスタマーサポート、標準化された文書処理など）は、タスクの形式化度とデジタル環境との互換性が高いため、安定した(J_m)を形成し、より高い 𝐶(𝑀) の適用収益を実現しやすい。
- 他の業界（高リスク医療判断、複雑な現場作業、強力な規制プロセスなど）は、ETT制約が厳格、タスク価値評価が複雑、または実行環境が非デジタルであるため、AI生産能力の発揮が制限される可能性があります。
「国家レベルのAI生産能力」、異なる経済のAI生産能力の比較：
- 「国家レベルのAI生産能力」とは、その経済が利用可能なAI基盤モデル、タスクのデジタル化度、組織の採用能力、制度的受容の境界、インフラ条件に基づく、AI生産能力の総合的な実現水準です。
- 本稿の枠組みの意義は、この「モデル能力—タスク構造—制度環境—経済的産出」の階層的分析に対して統一された概念と計量インターフェースを提供することにあります。
5.5 政策と投資の方向性
本稿で提案するAI生産能力関数は、AIモデルの研究開発への投入、モデルの展開選択、AIの投入産出計算、公共調達、経済政策、投資分析の策定に定量化ツールを提供し、技術評価、展開決定、産業分析、マクロ政策をつなぐ共通の計量言語です。
- AIが急速に普及する段階において、benchmark順位のみに依存した意思決定は、資源配分が「技術的表現が最適」ではなく「経済的生産性が最適」な方向へ偏る原因となります。
- 企業ユーザーにとって、モデル選択は公開評価順位のみに基づくべきではなく、目標タスクセットにおける 𝐶(𝑀) またはその近似推定値に基づいて比較を行うべきであり、それによって調達決定と業務価値創造能力を一致させることができます。
- AIの投入産出計算と公共調達において、𝐶(𝑀) はより監査可能性の高い定量化フレームワークを提供します。
- 産業政策レベルでは、政策立案者はこの枠組みを利用して、どの産業のタスク構造がAIの先行浸透に適しているか、どの制度的制約が高価値タスクの (J_m) への進入を制限しているか、そしてどのインフラボトルネック（エネルギー、計算力、データセンター、組織のデジタル化）がAI生産能力の実際の産出への転換を制約しているかを特定できます。
- 投資分析において、𝐶(𝑀) とその構成要素は、AI関連企業や業界の競争優位性を判断する補完的な視点も提供できます。
6. 結論
- 本稿は、経済的生産力に基づくモデル能力の計量方法を提案しました。つまり、与えられたタスク空間と社会的受容制約の下で、モデルが計算資源（token）を安定的に経済的価値に変換する能力の上限（capacity）です。
- 従来のbenchmarkの成功率順位はモデルの経済的生産力を正確に反映できません。本稿は、既存のbenchmarkデータを経済的生産力度量に変換する実行可能な測定フレームワークを提供します。
- pointwise performanceからtask-space integralへ。既存のbenchmarkはモデルの所与のタスクポイントにおける正答率を測定します。本稿はモデルの経済タスク空間全体における価値加重期待産出密度を測定します。
- 本稿が提案するモデル能力の定義はタスクの経済的価値、タスクの異質性、成功確率、リソース消費をすべて考慮に入れ、AIモデルの能力を技術評価コンテキストにおける「パフォーマンス」から、経済分析コンテキストにおける「生産能力」と「生産性」の計量へと推進します。
本稿は企業、研究機関、政策立案者に、AI生産力を測定、比較、最適化するための操作フレームワークを提供し、AI生産力を観測可能、計量可能、比較可能にします。これにより、benchmark設計、モデル開発、モデル比較、技術進歩分析、AIコスト分析、産業および国家レベルのAI能力評価、モデル展開、資源配分、経済政策、マクロ生産力測定のための理論的・実証的基礎および新しい定量化ツールを提供します。また、AI経済学研究に、ミクロモデル評価とマクロ生産性分析をつなぐ橋渡し変数を提供し、さらに詳細化、実証化、制度化可能な分析の基礎となります。
AIが経済システムにさらに浸透するにつれて、𝐶(𝑀) に関するデータ化、標準化、実証化の作業は、AIの真の経済的貢献とその段階的進化を理解する重要な基礎となるでしょう。
本稿は基礎的な測定フレームワークとして理解されるべきであり、完成された最終的な経験体系ではありません。そのさらなる実現は、タスク集合の体系的な構築、経済的チューリングテスト判定メカニズムの標準化、実際の展開データの継続的な統計といういくつかの重要な作業に依存しています。これらの問題は本稿の枠組みの理論的意義を損なうものではなく、むしろその核心的価値が、後の測定作業を組織化する統一的な形式を提供することにあることを示しています。理論的に完璧で閉じたAI経済指標を待つよりも、まず、モデル能力が経済分析において徐々に観測、比較、検証可能となる、反復可能、拡張可能、実証化可能な能力計量フレームワークを確立する方が良いでしょう。
著者紹介
著者、王捷は、中国の初代AI投資家であり、モバイルインターネットの各発展・投資段階を完全に経験しました。2017年以降は主にAI業界への投資に従事し、Moore Threads、BYD Semiconductor、GDS、JD Technology、Carsmart Technology、Qianxin、Minglue Technologyなどの企業に投資しています。著者メール：jie_wang7@sina.com。微信は以下の通りです。歓迎交流。追加の際は、勤務/学習機関、職務情報をご記載ください。
© THE END
転載は本公衆号の許可を得てください
投稿または取材依頼：liyazhou@jiqizhixin.com