凌晨 GPT-5 的发布会，想必让不少人看得心潮澎湃，我也不例外。AI 已然达到 “博士毕业” 的水准，朋友圈里有位朋友评论道：《西部世界》和《三体》，一部来自美国，一部产自中国，或许是对未来最具前瞻性的诠释。
暂且不论这些令人心绪复杂的畅想。作为一名现实世界的行业从业者，每次看完新的发布会，我的首要想法始终是：到底该如何运用这些先进技术？
说实话，现在真的跟不上技术发展的脚步了。科技进步如同光速，然而实际工作中那些肉眼可见的障碍，依旧难以破除。比如我一直想尝试的纳米经济学、极小颗粒度微观数据分析，以及另类数据（像叙事）分析，技术层面是能够实现的，但要真正应用到实际中，前方不知还有多少座大山需要翻越 —— 人类的接受度便是最大的问题，相比之下，AI 倒没什么 “意见”—— 这些技术并不能真正在实际工作中发挥作用。
AI 在高速前行，现实世界却还在 “趴着” 缓慢挪动。
不过，将目光投向西方，看看美国经济数据行业，看看美联储，再看看劳工统计局（BLS）最近发生的事情，突然觉得心里平衡了不少。
不要以为美国有了 GPT-5，各行各业就都能被 AI “附体”。技术在不断进步，但美国官方数据的质量却在持续恶化，这种强烈的反差和讽刺感，足以抚平我的所有焦虑。
以 CPI 数据为例。这张 BLS 的 “CPI 插补图”（BLS CPI Imputation），不同颜色代表着 CPI 各项价格的采集和计算方式。深蓝色（home cell）是直接采集到的真实价格；浅蓝色（different cell）则是 “实在采不到，拿别的类似品类、地区的数据来估算” 的 “毛估估” 价格。
2025 年 6 月，浅蓝色的 “毛估估价格” 占比飙升至 35%，而今年 2 月这一比例还只有 9%。美国 CPI 数据的重要性无需多言，美联储加息、债券估值、社保发放等诸多事项都以它为基准 —— 可其中 35% 都是依靠人类大脑估计出来的，那么真实世界中的误差得有多大？
再看上周五的非农就业报告（NFP），数据一出，估计很多人都想立刻扔掉手机。7 月仅新增 7.3 万个岗位；更令人匪夷所思的是，5 月和 6 月的数据被大幅下修，合计不到 3.5 万个，堪称疫情以来最糟糕的三个月。
数据修正的离谱程度超乎想象：2024 年 8 月初报比 7 月多了 2.8 万，修正后 8 月实际却比 7 月少了 6.6 万。虽然主流媒体总爱用 “超预期” 或 “不及预期” 来下结论，却很少提醒人们这些数字随时可能 “变脸”；但这种直接从 “人脸” 变成 “外星人脸” 级别的变化，实在太过离谱（所以懂王之后的反应也并非完全不能理解）。
为何如此重要的数据，质量却越来越糟糕？
在数字科技和 AI 高速发展的美国，BLS 却还在采用颇为复古的人工田野调查方式：派遣采价员前往门店，人工抄写价格。BLS 每月要调查 12 万家企业和 6 万户家庭，数据收集过程中充满了不可控因素。企业填表的回传率、填表时的心情好坏、是否如实填写、调查员工作是否认真、预算能支撑跑多少家企业等等，都会影响最终结果。再加上懂王时期冻结招聘、大幅削减预算，BLS 只能依靠 “估算” 和严重滞后的 “修正” 机制来拼凑数据（每月出初步值，接下来两个月进行修改，第二年还要进行总复盘）。
但正如辛顿所说：人类的设计是节能型的。人类拥有一项天才本领，就是能基于不完整的信息做出还算靠谱的判断。所以世界还能正常运转（尽管市场会因此动荡）。
但不幸的是，人类还有一项 AI 不具备的能力：能将一切政治化。
你会发现，数据被修正之后，很多人的第一反应不是反思模型，而是先琢磨 “这是不是对我有利”。或者把 “只相信数据” 当作武器，去压制不同的声音。很多人喜欢将经济学视为科学，但实际上，它充满了各种小心思和权力变量，每个数字背后都存在无数看不见的博弈，更接近玄学。
不过，也并非毫无希望。比如英国国家统计局（ONS）的 CPI 数据收集已经开始使用超市扫码器数据，自动化采集每月十亿级别的商品价格，不仅数据量大、覆盖面广，还能自动处理促销、打折、会员价等复杂情况。更具开创性的是，它还使用了许多另类数据，甚至能捕捉到 “粉丝经济”—— 对于从事宏观研究的人来说，这样的数据处理方式怎能不让人动心？
这个世界，需要 “打怪升级” 的地方还有很多呢。