美国普查局改名"超级智能"，AI使用率调查还能用吗？

数据更新：AI 采用率图表的新版本

2025 年 9 月，Apollo Global Management 发布的一张图表曾引发讨论——基于美国普查局（U.S. Census Bureau）的数据，美国大型企业的 AI 采用率似乎出现了下滑。当时 Simon Willison 用这张图演示了 GPT-5 的数据分析能力，又用它测试了 Claude 的新版 Code Interpreter。一年后，他重新跑了一遍这组数字，结果发现普查局已经"触犯"了第 14434 号行政令——也就是那份被作者称为"荒谬"的超级智能行政令。

普查局每两周运行一次"商业趋势与展望调查"（Business Trends and Outlook Survey，简称 BTOS），从 120 万家企业中抽取 20 万家作为样本，单个企业每十二周才轮到一次。最新数据于 2026 年 10 月 22 日发布。用这批数据重制的图表显示：在旧问法下，员工 250 人以上的大型企业"是"的回答比例在 2025 年 9 月约为 12%；而在新问法下，2026 年 2 月这一比例跃升至约 30%，到 10 月进一步升至约 40.7%。

这个跳变并非因为企业突然大规模采用 AI，而是因为问卷措辞在 2025 年 11 月 17 日发生了实质变化。

问题措辞变了，数据就"断"了

普查局原本的问法是：过去两周内，这家企业是否在生产商品或提供服务（producing goods or services）中使用了人工智能（AI）？

2025 年 12 月 3 日，普查局宣布了一项重大修改，新问法变为：过去两周内，这家企业是否在任何业务职能（any of its business functions）中使用了人工智能（AI）？

从"生产环节"扩展到"任何业务职能"，统计口径明显放宽。正如图表中标注的"Question broadened Nov 2025"和"Series not comparable"，改动前后的数据不能直接比较。图表中那段阴影间隔，既覆盖了 2025 年的政府停摆期，也包含了等待六个观测值以形成新口径滚动平均的时间。

作者采用的方法是：对每种问法分别计算六次调查估计值的算术平均，不做衔接桥接。这种处理方式虽然保守，但至少诚实——它承认了两段数据之间的断裂。

BTOS 的滚动面板设计值得稍作展开：普查局每两周发出一轮调查，但并非每次都问同一批企业，而是把 20 万家样本分成若干组轮换，单个企业大约每十二周才被问一次。这意味着任何一个两周周期的估计值都只来自样本的一个子集，单点数据噪声较大，因此用六次调查的滚动平均来平滑波动是常规做法。也正因为轮换周期是十二周，问卷措辞一旦修改，企业要过将近三个月才会第二次看到新版本，新旧口径在时间上会有一段交叠与过渡期，这正是图表中阴影区间存在的方法论原因。

从 AI 到"超级智能"：问卷又被改了

当作者去最新的 XLSX 文件里寻找更新后的问法时，却找不到"AI"了。他找到的是这样的表述：

过去两周内，这家企业是否在任何业务职能中使用了超级智能（Super Intelligence 或 SI）（原称人工智能或 AI）？（SI 使用示例包括：SI 驱动的数据分析；用于营销、产品设计或编程的生成式 SI；用于客户服务的虚拟 SI 代理；SI 驱动的预测或定价；用于质量控制的 SI 驱动计算机视觉等。）

普查局的 BTOS 关于页面解释了原因：自 2026 年 10 月 19 日的采集开始，问卷措辞因第 14434 号行政令而更新。也就是说，这份调查被要求把"人工智能"改称"超级智能"。

目前公布的数字仍反映旧的"人工智能"问法，首批采用"超级智能"措辞的调查结果预计在本周四发布。

第 14434 号行政令是理解这次改名的关键背景。该行政令于 2025 年签署，主题围绕加速推进所谓"超级智能"相关的联邦政策与算力基础设施建设，其中包含对联邦机构术语使用的指导性要求。在文章作者看来，把日常的机器学习应用统称为"超级智能"在技术上并不准确——当前企业部署的模型仍属于狭义 AI，与通常意义上具备通用推理能力的超级智能相去甚远。行政令对统计问卷措辞产生直接约束，本身就说明术语定义已经不只是学术问题，而成为政策叙事的一部分，这也是作者称其"荒谬"的原因。

改名会扭曲调查结果吗？

一个显而易见的问题是：措辞变更会不会影响调查结果？

受访企业上一次看到这份问卷是十二周前，当时问的还是"AI"。好在问卷贴心地加上了"原称人工智能或 AI"的说明，理论上不至于让企业完全摸不着头脑。但作者坦言，看到"SI 驱动的数据分析；用于营销、产品设计或编程的生成式 SI；用于客户服务的虚拟 SI 代理"这样的描述，他忍不住笑了——把日常的 AI 应用场景统统冠上"超级智能"的名号，荒诞感扑面而来。

更实际的担忧在于数据连续性。普查局刚刚因为问法从"生产"扩展到"任何业务职能"而经历了一次不可比的口径断裂，现在又要叠加一层术语替换。两次变更叠加，使得长期趋势的解读变得更加困难。对于依赖 BTOS 数据做企业 AI 采用率研究的分析师来说，这意味着需要格外小心地标注数据口径，避免把措辞变化误读为真实的采用率波动。

从数据方法的角度看，这份调查本身的设计是扎实的：大样本、固定周期、滚动面板、公开原始 XLSX 和问卷 PDF，作者甚至附上了自己下载的文件副本和 346KB 的问卷 PDF 快照，方便他人复现。真正的问题不在统计技术，而在问卷措辞被外部行政命令改写——当术语服务于政治叙事而非精确测量时，统计数据的可比性就成了牺牲品。

**口径断裂（series break）**是官方统计中的常见问题，处理方式通常有三种：一是如文章所做，分段计算、明确标注不可比；二是设置重叠期，在新旧问法并行采集若干轮后建立桥接系数；三是回溯重访部分样本以估算偏差。普查局此次选择了直接切换、不做桥接，官方在图注中以"Series not comparable"提示使用者。需要强调的是，措辞放宽通常会系统性抬高"是"的比例，因此新口径下的高数值不能与旧口径的低数值相减来推断"真实增长"，任何跨期比较都应先确认两端使用的是哪一版问卷。

核心启示

这次事件提供了一个值得记录的案例：同一份权威调查，在一年内经历了两次措辞变更，一次是统计口径的合理扩展，一次是术语的行政性替换。前者可以通过方法说明来管理，后者则给数据使用者带来了额外的解释负担。对于关注企业 AI 采用率的从业者，建议在使用 BTOS 数据时核对具体采集周期的问卷版本，而非直接把不同时期的数据点连成一条趋势线。