木头姐转发AI测算：同样一度能量，“产出”接近人类10倍？

把直接能源投入统一折算成一度电的能量，支撑人类脑力劳动，对应约400美元的折算产出；驱动一款AI模型，对应约3900美元。相差接近10倍。

这是ARK投资管理公司研究员丹尼尔·马圭尔（Daniel Maguire）公开的一组测算。它把“AI有多聪明”的问题，换成了另一个更接近经济账本的问题：投入同样的能源，究竟能完成多少有价值的工作？

10月19日，ARK创始人凯茜·伍德——中国投资者熟悉的“木头姐”——再次转发这项研究。她表示，与马圭尔共同路演一周后，她更加相信，AI将深刻改变能源转化为经济活动的方式，并以棒球比赛尚未开局作比喻，表达对其早期潜力的判断。[1]

但3900美元这个数字，需要连同图上的小字一起读。它采用工资口径折算可替代劳动，属于研究模型的估算，距离实际新增的国内生产总值、企业收入或利润，还有重要的转换环节。马圭尔也在原帖补充中说明，这一概念仍在完善。[2]

一度电的价值，为什么会从肌肉转向认知？

马圭尔的第一张图，标题可以译为“历史上最有价值的焦耳”。焦耳是能量单位；图中为了便于比较，实际以千瓦时为分母，也就是日常所说的“一度电”。

图表把能源的用途分成两组：一组将能源转为运动，包括人力肌肉、役马和电动机；另一组将能源转为认知活动，包括人类脑力劳动、计算机和AI。[2]

这张图背后的思路并不复杂：机械设备让一份能源带动更多物体，计算设备则让一份能源承担更多信息处理工作。ARK希望论证，AI能够把后者推进到新的量级。

按图中的数字计算，3900除以400等于9.75。这就是“接近人类10倍”的来源。它衡量的是该框架下的单位直接能耗所对应劳动价值，不能换成“AI的智力是人类10倍”，也不能理解成“买一度电，就能收到3900美元”。

这种观察角度有实际意义。企业使用AI，最后仍要落到具体工作：一份分析、一段程序、一项设计，能否更快完成，成果能否验收。模型能力提高、运行所需能耗下降，如果能够同时实现，就可能让原来不值得花钱做的工作变得可行。

ARK看重的，正是这种潜在扩张：廉价的信息处理能力进入更多业务，能源能够支持的经济活动随之增加。能否兑现，取决于真实任务中的质量、采用速度和交付成本。

历史图说明了什么，又没有说明什么？

第二张图把视角拉回到过去两百年。蓝色实线表示按购买力平价计算的全球人均经济产出，蓝色虚线表示全球人均一次能源使用量。购买力平价用于调整不同地区的价格差异；一次能源则涉及煤、油、气等在转换前的能源投入，不等同于终端用电量。[2]

人均经济产出曲线长期上升得更快，是ARK论证的历史背景：随着技术、生产组织和经济结构变化，经济产出可以比能源使用增长得更快。

这段历史也提醒读者谨慎。图中大部分变化发生在生成式AI普及以前；在2022年标注ChatGPT问世，并不能据此算出它已经带来了多少新增产出。全球长期曲线也不能直接证明，某个国家只要增加电力供应，就能实现特定的经济增长率。

更准确的理解是，ARK把AI放进了一条“提高能源经济产出效率”的历史叙事中。这是一项关于未来增长机制的判断，仍需要现实数据持续检验。

“近10倍”要跨过三道现实门槛

第一道，是完整成本。原图明确限定为直接能源投入，公开图表没有展示把模型训练、芯片制造、机房建设等全生命周期项目逐项纳入的核算过程。企业部署时，还要支付设备、软件、数据、维护和人工复核费用。只看运行能耗，无法得到完整的投资回报。

第二道，是任务适用范围。图中使用各类别的最佳表现，AI一栏对应一款具体模型。它不代表平均部署水平，也不能推广成所有岗位、所有任务都能达到同样结果。会做一类任务，与在业务环境中持续交付合格成果，存在距离。

第三道，是价值兑现。按工资折算的可替代劳动，是给技术能力定价的一种方法；现实中，企业可能减少工时，也可能把节省的时间用于增加服务。竞争还可能把部分收益转化为更低价格。技术潜力、企业收入和社会新增产出，需要分别观察。

因此，更值得跟踪的指标，是完成一项合格任务的总成本。模型答错后的返工、人工验收、等待时间和系统集成都应计入。只有这些成本也下降，单位能耗的优势才更可能变成企业真正可用的生产力。

效率提高，为什么ARK仍主张大举投资能源？

单位任务更省能源，与全社会用电总量增加，可以同时发生。任务变便宜，使用范围和使用频率也可能扩大；总需求最终取决于效率提升与应用扩张各有多快。

ARK在今年已发布的《Big Ideas 2026》报告中，就给出了配套的能源投资情景。这属于较早发布的报告内容，并非本次两张研究图附带的新结论。[3]

其他机构也在使用情景分析处理这种不确定性。国际能源署2025年《能源与人工智能》报告的基准情景预计，全球数据中心用电量到2030年约为9450亿度，占全球用电量略低于3%；这一范围包括数据中心整体，不能全部归为AI。[4]

两组研究口径不同，但都把模型之外的物理条件摆上台面：发电、输电、设备供应和建设周期，会影响AI能力以多快的速度、什么成本进入经济活动。

木头姐转发的这项研究，提供了一种值得关注的提问方式：每增加一份能源，AI能让多少真实工作更便宜、更容易完成？

接下来要验证的，是这些能力能否稳定进入生产流程。对于企业和投资者，真正有分量的变化，将体现在合格成果、客户付费与现金流中，而不只体现在最高的测算值上。

参考资料

[1] WOOD C. After a week on the road with Daniel Maguire[EB/OL]. 2026-10-19[2026-10-19].

[2] MAGUIRE D. AI Is The Most Powerful Joule In History：研究图表及补充说明[EB/OL]. 2026-09-23[2026-10-19].

[3] ARK INVESTMENT MANAGEMENT. Big Ideas 2026：Distributed Energy[R/OL]. 2026：90-94[2026-10-19].

[4] INTERNATIONAL ENERGY AGENCY. Energy and AI：Energy demand from AI[R/OL]. 2025[2026-10-19].