美国人口普查局把 AI 改叫“超级智能”:大企业 40% 的采用率,有多少是改问题改出来的
Simon Willison 11 月 2 日指出,美国人口普查局的企业 AI 采用率调查一年里改了两次问题、一次改名:2025 年 11 月“生产商品或服务”放宽为“任何业务职能”,2026 年 10 月 19 日起 AI 改叫“超级智能”。大企业 40.7% 是真的,但和一年前的 12% 不是同一把尺子量出来的。

11 月 2 日,开发者 Simon Willison 在博客上更新了一张图:一张美国企业 AI 采用率的折线图。图里最大的企业——250 人以上的公司——采用率一路爬到了 40.7%。单看这条线,故事很顺:AI 正在以惊人的速度接管美国企业。但 Willison 更新这张图的真正原因,是图中间那道灰色的竖条,和竖条上的一行小字:“问题改了,前后数据不可比。”这张图真正讲的不是 AI 有多火,而是美国官方统计里最常被引用的一组 AI 数据,是怎么在一年里被改了两次问题、一次改名,然后继续被当成同一条趋势线来读的。
这件事值得认真对待,因为这组数字不是某个咨询公司的抽样调查,而是美国人口普查局(U.S. Census Bureau)的企业趋势与展望调查(Business Trends and Outlook Survey,简称 BTOS)。每两周一次,20 万家企业,来自 120 万家企业的轮换样本池,每家企业大约每 12 周才会被问到一次。隔周的周四上午 10 点公布最新数据。这是美国官方关于“企业到底用没用 AI”的最权威来源之一,各大媒体、投行和研究机构都在引用它。而现在,它问的问题本身变了两次。

一、这张图在说什么:40.7% 是怎么算出来的
先把数字本身讲清楚,免得后面讨论的全是误解。Willison 图里的 40.7%,是 250 人以上规模企业在 2026 年 10 月的数字,口径是“过去两周内是否在任何业务职能中使用了 AI”。但它不是某一次调查的原始结果,而是 Willison 自己算的“六次调查滑动平均”——把连续六次双周调查的结果取算术平均,分别对每种问题措辞单独计算,不跨越措辞变化的那道坎。滑动平均的好处是平滑波动,代价是它不是普查局官方公布的数字,读的时候要知道这是 Willison 的加工口径,不是普查局的方法。
按同一口径,2026 年 10 月各规模企业的采用率是:250 人以上 40.7%,100–249 人 33.5%,50–99 人 27.9%,20–49 人 23.8%,1–4 人 23.3%,10–19 人 22.1%,5–9 人 21.1%。企业越大,用 AI 的比例越高,这个梯度在所有规模档位上都成立。把全美所有雇主企业放在一起算,最新一次调查(截至 2026 年 10 月 4 日的两周)的采用率是 24.6%,而企业预期未来六个月会用 AI 的比例是 28.6%。这两个数字来自 Idea Link 对普查局数据的整理,底数同样是普查局的 BTOS。
还要注意滑动平均和单次调查的区别。同样是 250 人以上的企业,单看最新一次调查(2026 年 9 月 21 日至 10 月 4 日),采用率是 43.6%,而上一个双周周期还是 36.5%——一次调查上下波动七个百分点并不罕见。所以 40.7% 这个数字本身是稳健的趋势读数,但它描述的是“大企业”这个子群体,不是全美企业,更不是全美劳动者。把 40.7% 说成“美国企业 AI 采用率达四成”,就是把子群体数字错当成总体数字,这是这张图最容易被误读的地方。
而这张图的历史起点也值得看一眼。2025 年 9 月,Apollo Global Management 用同一组普查局数据画过一张图,显示大企业的 AI 采用率似乎在见顶回落:250 人以上的企业在 2025 年 7 月达到约 14% 的峰值,到 8 月又滑回 12% 左右。当时这张图被不少人解读为“企业 AI 采用正在放缓”。Willison 一年前就拿这张图做过两次实验,一次用 GPT-5 做数据分析,一次试 Claude 新出的代码解释器。一年后再回来看,这张“见顶回落”的图,和今天“冲到 40%”的图,画的根本不是同一条线——中间的问题已经换了。
二、第一次改问题:2025 年 11 月,“生产商品或服务”变成了“任何业务职能”
第一次改动发生在 2025 年 11 月 17 日,普查局在 12 月 3 日正式公告了这次变化。改之前,问题是这样的:“过去两周内,贵企业是否在生产商品或服务中使用了人工智能(AI)?”例子包括机器学习、自然语言处理、虚拟助手、语音识别。改之后,问题变成了:“过去两周内,贵企业是否在任何业务职能中使用了人工智能(AI)?”例子一字未动。
只改了半句话,但测量的东西完全变了。“生产商品或服务”问的是 AI 有没有进到企业的核心产出里;“任何业务职能”问的是企业里任何一个角落有没有人用 AI——财务用 AI 对账、市场用 AI 写文案、客服用 AI 回邮件,全都算。Willison 的原话是:改之前和改之后的问题答案“无法直接比较”。他在图上用灰色竖条把 2025 年 11 月前后的两段数据隔开,标注“问题放宽于 2025 年 11 月”“序列不可比”,然后在两段里各画各的滑动平均,中间不连线。这是最诚实的处理方式,也是最容易被转载时丢掉的处理方式。
数字上的断点有多大,可以用全体企业的数据看得更清楚。按旧问题,2023 年 9 月第一次调查时采用率只有 3.7%,到 2025 年 9 月最后一次旧问题调查时是 10.0%。按新问题,2025 年 11 月第一次调查直接跳到 17.3%,到 2026 年 10 月初是 24.6%。也就是说,单是把问题放宽,采用率的读数就从 10% 跳到了 17.3%,涨了七个多百分点——这七个百分点里,有多少是企业真的开始用 AI 了,有多少只是原来就在用、但旧问题没问到的用法被算进来了,没人能从这组数据里拆出来。Willison 图里大企业从 12% 到 30% 再到 40% 的爬升,跨越的正是这道断点:2025 年 9 月旧口径下约 12%,2026 年 2 月新口径下约 30%,2026 年 10 月约 40%。断点之前的那一段,和断点之后的那一段,是两条不同的线,拼在一起看会得出“一年翻三倍”的错觉。
这不是在说 AI 采用没有增长。在新口径内部,从 2025 年 11 月的 17.3% 到 2026 年 10 月的 24.6%,全体企业七个多百分点的爬升是真实的趋势;大企业在新口径内部从 30% 到 40% 的爬升也是真实的。问题只在于:跨越断点的比较是不成立的。任何一张把 2025 年 9 月的 12% 和 2026 年 10 月的 40% 连成一条线、标题写成“AI 采用率一年翻三倍”的图,都是在用统计口径的变化冒充行为的变化。
三、第二次改名:从 2026 年 10 月 19 日起,AI 改叫“超级智能”
如果说第一次改动还只是统计口径的技术调整,第二次改动就带上了荒诞的色彩。Willison 在找最新一期调查问卷措辞的时候,发现问题里的词已经换了。从 2026 年 10 月 19 日那一期调查开始,问题变成了:“过去两周内,贵企业是否在任何业务职能中使用了超级智能或 SI(以前称为人工智能或 AI)?”例子也跟着改了:“SI 驱动的数据分析;用于市场营销、产品设计或编程的生成式 SI;用于客户服务的虚拟 SI 助手;SI 驱动的预测或定价;SI 驱动的计算机视觉质检,等等。”
改名的依据是第 14434 号行政命令。普查局的 BTOS 说明页写明:自 2026 年 10 月 19 日那期调查起,问卷措辞根据第 14434 号行政命令做了更新。Willison 写这篇博客的时候(11 月 2 日),最新公布的数据还是 10 月 22 日那期,用的仍是旧的 AI 措辞;第一批用“超级智能”措辞收集的数据,在 11 月 5 日那期发布里才会出现,收集窗口是 10 月 19 日至 11 月 1 日。本轮核查时(11 月 8 日)打开普查局 BTOS 数据页,页面已经显示“数据截至 2026 年 11 月 1 日”,相关栏目也已改标为“SI(原 AI)使用情况”。改名已经不只是文件上的措辞,而是正在出数的数据系列本身。
这里有一个马上要见分晓的悬念:填问卷的企业上一次见到这个问题还是 12 周之前,那时它还叫 AI,现在突然变成了“超级智能(以前称为 AI)”。括号里的补充说明大概能让多数人明白说的是同一回事,但“超级智能”这个词自带的分量会不会让一些企业改变答案,现在没人知道。Willison 对此的态度是谨慎乐观——他希望新词不会把受访者搞糊涂——但他也忍不住笑了出来:“‘SI 驱动的数据分析;用于市场营销、产品设计或编程的生成式 SI;用于客户服务的虚拟 SI 助手’,这串词的荒诞感实在让人忍不住。”一个做数据分析的普通员工,现在要在官方调查里回答自己用没用“超级智能”——词变了,被测量的东西有没有变,要等 11 月 5 日之后的数据才能看出来。
值得补充的是,这次改名并不是孤立事件的余波,而是同一条时间线上的第二刀。第一次改动放宽了“在哪里用 AI”的范围,第二次改动换掉了“AI”这个词本身。两次改动叠加之后,今天这组数据和 2023 年 9 月那组 3.7% 的数据之间,隔着的已经不只是一个口径变化,而是一次范围放宽加一次术语替换。任何跨越这两道坎的长期趋势解读,都要先问一句:你比较的到底是同一件事吗?
四、为什么这不只是个笑话:数字一改口径,全网的标题都跟着跑偏
这件事容易被当成笑话讲——政府一纸命令把 AI 改名“超级智能”,听起来像洋葱新闻。但它的实际影响很实在:这组数据是全世界引用最多的企业 AI 采用率官方来源,口径一变,所有引用它的标题、研报、投资备忘录里的数字都会跟着动,而动的原因不是企业行为变了,是问题变了。
同样的毛病也不只美国一家。欧盟统计局的数据也有类似的断点:2025 年欧盟企业 AI 采用率 20.0%,比 2024 年的 13.5% 和 2023 年的 8.1% 高出一截,但 2025 年的问卷新增了“生成图片、视频或声音”这一技术类型,还把“生成书面或口头语言”放宽到包括编程代码,同样不可直接比较。英国国家统计局 2026 年 9 月的数字是 30%,10 人以上企业是 38%,同样是另一套口径。挪威 2026 年 48%、立陶宛 34.7%,各有各的断点和分类变化。官方统计的 AI 采用率,从来都不是一把尺子量到底,而是一堆口径各异的数字,各自有各自的断点。
更大的混淆来自“按企业数算”和“按就业人数算”的区别。全体企业 24.6% 这个数字,是按企业个数平均的——美国绝大多数企业是小企业,小企业的采用率低,于是总体数字就被拉低。换成按就业人数加权,亚特兰大联储的调查显示,美国 78% 的劳动力所在的企业已经采用了 AI;普查局自己的 AI 补充调查里,按就业加权是 32%,按企业数加权只有 18%。78%、32%、24.6%、18%——四个数字全都正确,量的却是四件不同的事。把其中任何一个单独拎出来当标题,配上“美国企业 AI 采用率”这几个字,都是在拿局部当整体。
还有一个细节值得单独拎出来:一年前那张“采用率见顶回落”的图,和今天这张“冲到 40%”的图,用的是同一组调查、同一家机构的数据,讲的却是两个完全相反的故事。2025 年 9 月,大企业的旧口径读数从 14% 的峰值滑到 12%,不少解读据此写出了“企业 AI 采用正在放缓”的标题;一年之后,同一批企业在新口径下的读数是 40%,标题又变成了“AI 正在接管企业”。两次标题都没有捏造数字,两次也都只讲了故事的一半。旧口径那段 12% 的平台期,放在今天回看,更像是一次测量工具到顶的信号——旧问题只问“生产商品或服务”,能覆盖的用法本来就有限,读数涨到 12% 左右就涨不动了,不代表企业不用 AI 了,只代表旧问题问不到更多用法了。等新问题把范围放宽到“任何业务职能”,读数立刻跳上一个台阶。这才是这张图真正的教训:当测量工具本身在变的时候,趋势线的每一次转弯,都要先问一句是行为变了,还是尺子变了。
所以真正的问题不是数字造假,而是数字的定义比数字本身更重要。Willison 这篇博客的价值也正在于此:他没有宣布 AI 采用率是高了还是低了,而是把一条被广泛引用的趋势线拆开,指出线中间断过两次,一次是问题放宽,一次是改名。读官方统计的人,最容易犯的错就是只看数字不看问卷;而问卷恰恰是数字的定义本身。定义一变,数字的含义就变了,标题却往往还按老含义写。
五、对做 AI 的人来说,这组数字到底该怎么读
对 VibeFix 的读者——自己写产品、自己跑项目的独立开发者和小团队——这组数字的正确读法有三条。第一,看趋势要看同一口径内部的变化:新口径下全体企业从 17.3% 到 24.6%、大企业从 30% 到 40%,这个爬升是真实的,说明 AI 正在从“有人试试”变成“多数大企业在用”。第二,别拿跨口径的数字算倍数:12% 到 40% 不是一年翻三倍,中间隔着一次问题放宽;拿它当论据去说服别人“AI 已经无处不在”,论据本身是站不住的。第三,看清大企业和小企业的差距:250 人以上 40.7%,5–9 人只有 21.1%,小企业的采用率只有大企业的一半左右。对小团队来说,这既是差距也是机会——大企业已经在规模化使用 AI 的地方,正是小团队可以用 AI 工具抹平差距的地方,也是 VibeFix 上那些 vibe coding 项目正在做的事情。
还有一点是给所有引用数据的人的提醒:下次再看到“美国 X% 的企业已经在用 AI”这样的标题,先问三个问题——这是哪个调查、问的是什么问题、按什么加权的。如果答不上来,这个数字就不值得引用。Willison 的做法值得学:他把原始数据文件、问卷快照和自己的计算方法都贴了出来,图的脚注里写明“六次调查滑动平均,两种措辞分别计算,不跨越断点”,连 2025 年政府停摆造成的空缺都标了出来。数据新闻的诚实,不在于数字多好看,而在于把数字怎么来的摊开给人看。
最后回到“超级智能”这个名字本身。它荒诞,但它也意外地诚实:当官方文件开始把日常的数据分析、写营销文案、回客服消息都叫做“超级智能”的时候,这个词的含义已经被稀释到和“AI”没什么区别了。真正值得追问的不是名字,而是 11 月 5 日之后的数据:当问题改叫“超级智能”之后,采用率的读数会不会再跳一次?如果跳了,那是企业真的多用了,还是受访者被新词吓了一跳?这组数据的下一期,才是这场改名实验的真正结果。而在那之前,所有关于“AI 采用率”的宏大叙事,都应该先低头看看问卷上写的是什么问题。
一句话总结:美国企业 AI 采用率最常被引用的那条趋势线,一年里被改了两次问题、一次改名——大企业 40.7% 的数字是真的,但它和一年前 12% 的数字不是同一把尺子量出来的。数字没撒谎,撒谎的是把两段数字连成一条线的人。
评论 (0)
原始来源
相关文章
2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。
2026 年 11 月 16 日,Google 威胁情报小组发布季度报告:攻击者第一次用大语言模型框架把漏洞发现和利用整个链条全自动化了,中间没有人。证据是一台暴露的服务器,里面的 exploit_agent 框架盯着补丁公告,逐行比对代码、写出利用代码、自动打出去。同一份报告里,朝鲜背景的攻击者还把 Claude Code 的配置文件改成后门触发器,偷来的云算力一天能刷掉十万美元账单。
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。