經濟學家阿諾德・克林於10月24日撰文質疑，以既有產業與市場需求計算人工智慧的「總可服務市場」（TAM），可能系統性低估AI對經濟的長期影響。他的理由是，基礎設施普及不只擴大既有產品市場，還會催生原本不存在的消費行為、新產業與全新生活型態。
以美國家庭為例，1900年僅不到15%的家庭擁有室內供水與衛生設備；到了1960年，已有87%的家庭裝設電視。若只按當時的產業結構推估，洗衣機或許根本沒有可觀的市場，卻可能在電力、給水與排水網路普及後成為日常家電。
克林也以福特1913年導入流水線生產線為例：單車製造時間由12小時降至90分鐘。若以1913年汽車占GDP的比重衡量，短期效益看似有限，但到1920年代中期，汽車產業的經濟規模已顯著擴張。文中舉例的AI模型則假設AI可觸及20%的產業、覆蓋其中50%的任務，並使受影響任務的生產力提高90%，據此推算整體效益約為9%；若成果需10年才成熟，年均貢獻低於1%。
這篇討論的本質並非政商利益角力，而是新技術如何改變經濟計算的邊界。既有TAM方法把「現在可被捕捉的支出」當成上限，卻容易忽略三種動態效應：基礎設施帶來的新產品、規模化生產催生的新產業，以及便利性本身創造的新需求。
真正需要區分的是「AI直接取代多少工作」與「AI使哪些新經濟活動得以成立」。GDP衡量的是市場交易，未必充分反映時間節省、壽命延長與生活便利；因此，AI的社會效益可能高於GDP增幅，但若缺乏可靠基準，誇大論述同樣會誤導資本配置。
顯示，通用基礎技術的經濟效應往往不是線性出現，而是經由補品、網路效應與制度調整逐步擴散。AI具備類似軟體接近零邊際複製成本的特性，但能源、算力、資料與責任制度限制，使它不會完全複製蒸汽機或室內管線的擴張路徑。
歷史類比只能說明「當前市場可能低估未來需求」，不能直接提供AI的產出係數。未來三年最關鍵的驗證指標，不會是模型參數規模，而是任務採用率、每項任務成本下降幅度、產品價格傳遞，以及新產業營收占GDP的比例。
01 起因觸發：克林以洗衣機、室內管線與福特流水線指出，現行TAM可能忽略新基礎設施所催生的市場。
02 一階傳導：企業與投資人重新檢視以既有產業支出、任務覆蓋率及生產力增幅估算AI效益的方法。
03 二階擴散：模型、雲端服務、算力與資料治理業者開始尋找AI原生產品，垂直產業則加速工作流程重寫。
04 宏觀終局：若AI成為通用基礎設施，市場邊界、產業結構與價格體系將持續擴張，GDP可能低估其生活品質效益。
跨事件因果網路圖譜 3 驗證節點
AI 驗證因果鏈條 · 可拖曳節點 · 點兩下開啟文章
AI賦能無聲之聲：新加坡Dell駭客松如何重塑身障科技
AI基礎設施與模型能力普及，使開發者可結合AAC、即時語音轉錄及生成式語音打造無障礙輔助產品，進而催生InSync與PotPal等身障科技應用。
微軟內部備忘錄外洩：AI訓練涉史上最大規模「內容竊盜」
微軟遭控以未授權內容訓練模型，凸顯AI擴張的資料權利與既有市場收益不對稱；經濟學者據此主張應計入AI催生新產業的長期總可服務市場，而非僅計算當期產值
歐盟「AgRI 2040」與「Food 2040」雙引擎啟動：砸重金打通農食創新死亡谷
AgRI 2040與Food 2040以研發成果商業化、AI及數位工具導入農業，驗證基礎設施與新產業可創造原先不存在的市場，支持AI長期總可服務市場不宜僅按既有產業規模估算。
