美國人口普查局與「超級智能」：新名稱令 AI 採用數據更複雜

美國人口普查局已在其商業調查中以「超級智能」取代 AI 相關術語，為採用率比較增添另一重複雜性。美國人口普查局與「超級智能」如今面對同一個測量難題：受訪者是否會一致地理解這項改名後的技術。這項改動緊隨一次較早的修訂，而該修訂本已中斷了不同歷史期間的調查比較。

開發者 Simon Willison 在重新檢視 Apollo Global Management 一張於 2025 年 9 月發布、關於企業 AI 採用放緩的圖表時，提出了這個問題。他在 11 月 2 日的說明中描述了更新後的數據，以及底層問題的變動。根據他的問卷措辭分析，最新術語於 2026 年 10 月 19 日開始納入數據收集。他表示，反映該措辭的結果尚未公布。

衝突在於政府命名政策與衡量企業行為所需的一致性之間。官方名稱可以即時改變，但受訪者的理解未必已趨穩定。這為把採用圖表視作證據的分析師、科技供應商及企業買家帶來壓力。他們接下來的解讀，需要分辨技術變化與政府提問方式變化之間的差異。

美國人口普查局與「超級智能」改變了問題

已獲核實的發展是術語改變，而非企業已取得新類別智能的證據。

美國總統 Donald Trump 於 2026 年 9 月 29 日簽署 Executive Order 14434。這份行政命令指示行政機關在法律容許範圍內，於官方材料中以 Super Intelligence 和 SI 取代 artificial intelligence 和 AI。其聲稱的理據是，新術語更能代表這項技術的能力及前景。

該命令最初將 SI 界定為現有法定 AI 定義所涵蓋的技術，同時要求在 60 日內提出立法措辭建議。這一點很重要：命名指令本身並不證明軟件已跨越新的能力門檻。即使提出不同定義的建議，亦仍有別於已實施的改變。

人口普查局已在其受訪者指引中採用這套術語。其SI 定義描述執行與人類智能相關任務的軟件，並明確將 SI 與原有的 AI 名稱連結。例子包括數據分析、編程、客戶服務、預測及履歷篩選。這些都是在修訂後詞彙下的常見商業應用。

這些例子為標題帶來重要平衡。一家企業毋須擁有非凡的自主系統，亦可在指引中辨識其所從事的工作。一般應用程式也可落入所列例子的範圍。因此，若把日後的 SI 採用數字解讀為前所未有的機器能力證據，便會曲解調查所問的內容。

實際問題會在官方定義傳達至忙碌的受訪者時浮現。一名管理人員可能把舊名稱與新名稱理解為等同；另一人則可能把新名稱聯想到要求高得多的技術標準。這些是合理的解讀，而非來自受訪企業的已記錄反應。

這種不確定性令問卷本身成為故事的一部分。採用率估計取決於企業實際進行的活動，以及它們能否在問題中辨識該等活動。即使預定分類維持穩定，改變標籤仍可能影響辨識。

這個對比尤其重要，因為行政指令與統計工具服務於不同目的。指令確立機關應使用的語言；工具則需要受訪者能一致理解的語言。符合行政要求，本身並不能證明測量仍然等同。

這並不證明調查已變得不可靠。它只是顯示應檢視連續性，而不應假定其存在。最有用的報道會準確說明新術語，再把這項已確認的變動與對其後果的預測分開處理。

較早的修訂已中斷採用率序列

2025 年的問題修改帶來已有記錄的可比性問題；2026 年改名的影響仍是未解問題。

人口普查局自 2025 年 11 月 17 日起修訂其核心 AI 措辭。較早版本聚焦於在「生產商品或服務」中的使用；替代問題則詢問在「任何商業職能」中的使用。這些改變擴闊了受訪者需要考慮的活動範圍。

該機關的問題措辭更新說明，專家意見及認知測試為修訂提供依據。在測試期間，部分受訪者起初否認使用 AI，卻在描述其企業其他部分時提及相關活動。例子包括招聘、會計、項目管理、研究及軟件工作流程。

人口普查局指出，修訂後的措辭伴隨水平轉移，即序列測量基準出現變化。該局在 2025 年 12 月 4 日的發布中啟動新的 AI 時間序列。這項決定明確指出歷史限制：較早與較後的問題不應被視作可互換的測量方式。

設想一家假設中的公司，使用 AI 功能處理內部會計，但其客戶服務維持不變。受訪者可能會在生產措辭下排除這項活動。較廣泛的商業職能問題，則令同一位受訪者有更清楚的理由將其納入。

在這個情境中，調查記錄了不同答案，但並沒有新的軟件部署。答案改變，是因為問題更清楚地涵蓋原已存在的活動。這可以改善涵蓋範圍，同時令歷史比較更困難。

這正是為何測量改進有時會中斷趨勢。較窄的問題可能遺漏相關活動，較廣泛的問題則可涵蓋更多預定主題。無限期保留舊有措辭，未必能更準確地描述企業科技使用情況。

後果落在製圖者身上。把定義改變前後的觀察值連接起來，可能暗示底層問題無法支持的持續增長。明顯的缺口、分開的序列或清楚註釋，會更誠實地傳達這項限制。

2026 年 10 月的術語改變值得獨立評估。較早的修訂擴闊了問題的功能範圍；較新的修訂則改變了技術名稱及其相關表述。第一項改變已有證實的影響，並不能確定第二項改變的影響幅度或方向。

這種區分可避免相互競爭的誇大說法。樂觀的報道不應把每一次歷史增長都歸因於新部署；批判性的報道亦不應假定每一次後續變動都源於措辭。可信的解讀應容許真實採用與測量效應同時存在。

這亦保障較新觀察值的實用性。斷點限制跨越界線的比較，但不會自動使一致測量期間內的比較失效。任務是準確辨識界線，並說明哪些說法仍有支持。

企業買家與供應商面對基準難題

採用百分比描述的是已申報使用情況；它並不能證明企業有多深度依賴該技術。

Business Trends and Outlook Survey，即 BTOS，定期收集商業狀況資訊。人口普查局表示，樣本約涵蓋 120 萬家企業，分為六個小組，每組約有 20 萬家企業。資料每兩星期收集一次，而每家獲選企業一般每 12 星期才申報一次。這些是樣本安排，而非完成回覆數目。

這種結構載於該機關的調查說明。這很重要，因為一連串發布並不代表同一批受訪者在每個期間均作答。分析師在把相鄰觀察值解讀為個別公司內部變化前，需要理解調查設計。

對企業買家而言，眼前壓力關乎基準比較。採購團隊可能引用採用率上升，主張延遲推出會帶來競爭風險。當基準混合不同問題，或把任何已申報使用都視為全組織部署時，這個論點便會變得較弱。

一間假設中的公司試用 AI 寫作助手，另一間則把預測功能整合至整個營運，兩者都可以申報相關活動。它們所面對的風險、管治需要及預期效益並不相同。標題中的採用比例無法呈現這些差異。

買家比較產品時亦面對同樣限制。企業可能使用基於 OpenAI 的應用程式、基於 Anthropic 的編程助手，或其他供應商的嵌入式功能。廣泛的使用問題並不能確定哪個供應商受惠、員工使用產品的頻率，或客戶是否會續約。

這項比較也說明，供應商的說法需要其本身的證據。供應商談論客戶活動，可以闡明其平台；全國性商業調查則涵蓋不同人口及問題。任何一方都不會自動驗證另一方的解讀。

對供應商而言，誘惑在於把有利的宏觀經濟圖表用作產品需求的確認。這可提供市場背景，但不能取代留存率、部署深度或客戶成果的證據。商業說法越偏離調查問題，就越需要更多佐證。

投資者亦須區分企業參與程度與經濟強度。公司層面的使用比例並不直接衡量支出、勞工接觸程度，或受影響產出的價值。即使相關圖表引起廣泛關注，它所回答的仍是一個較狹窄的問題。

開發者亦與這種解讀有利害關係。採用率上升的線圖可能顯示整合、內部工具或專門應用程式的機會。產品規劃仍需要有關未解決任務、採購權限及持續需求的證據。調查可以提示值得調查的方向，卻不能提供完整的投資理由。

這些限制並不代表採用數據不重要，而是令其角色更精確。它提供已申報活動擴散情況的證據，可與實施及成果證據一併為決策提供資訊。

改名爭議提高了所有公開使用這些證據者的責任。買家與供應商應先說明該測量能證明甚麼，再附加更廣泛的結論。簡潔的限定說明可保留有用的基準，同時避免它變成缺乏支持、關於競爭必要性的主張。

命名政策無法保證答案一致

核心張力在於，行政上的等同並不保證受訪者以相同方式理解兩個標籤。

美國人口普查局與「Super Intelligence」說明了預期含義與實際理解之間的落差。政府文件可以指定替代用語，但受訪者仍會按自己的預期解讀措辭，尤其當替代名稱聽起來比原本熟悉的標籤更具野心時。

一種合理的下行影響源於較高的感知門檻。使用傳統 AI 應用程式的人，可能認為它不符合超級智能的資格。公司的實際工作流程不變，但其申報答案可能不同。

另一種合理的上行影響則來自辨識度。較具體的例子可能令受訪者想起先前忽略了的嵌入式軟件功能。在這種情況下，更多企業可能辨認出相關活動，即使在測量期間並未採用任何新技術。

還有一種可能是幾乎沒有可量度的影響。與原有 AI 用語的連結可能保留了理解上的連續性。受訪者可能聚焦於列出的應用程式，並將新名稱視為行政上的替換。

這些情景是分析上的可能性，而不是對受影響調查回覆的發現。它們說明，不能單憑名稱假定任何變化的方向；證據必須能區分不同情況。

最有力的質疑是，對改名的憂慮可能誇大了其實際重要性。熟悉自身軟件的企業或會完全理解指引。若理解維持穩定，這場術語爭議對公共討論的影響，可能大於對統計估算的影響。

這項異議值得認真看待。它避免文章對測量的憂慮演變為對必然失敗的預測。一項風險值得研究，毋須先成為確定事實。

反方向的審慎同樣重要。穩定的整體結果並不能證明每位受訪者都以相同方式理解措辭。不同反應可能互相抵銷，或底層採用情況的變化可能掩蓋措辭帶來的影響。

分樣本測試會向可比較的群組提供不同版本的問卷，比單純的改名前後比較更能提供有關措辭的證據。它有助把語言改動與同期發生的其他發展分離。這是其中一種可行的評估方法，並非聲稱 Census 已宣布進行此類測試。

因此，討論應聚焦於處理理解方式的證據。針對新名稱是否聽起來恰當的公開評論，無法證明統計上的連續性。同樣地，官方關於預期等同的聲明，也無法決定企業實際會如何回答。

同樣的準則適用於對動機的指控。該命令的措辭及實施方式可供審視。若聲稱其設計目的在於推高採用統計數字，則需要另行提供有關意圖的證據。已確認的命名政策本身並不提供這種證據。

更有用的批評，涉及改動所帶來的負擔。當機構改變顯眼的調查用語，讀者需要足夠文件以了解其後果。問題在於，這些文件是否支持隨時間推移而保持可比較的理解。

首批改名後結果無法平息爭議

下一次發布將提供修訂措辭下的一次觀察，而非對改名因果影響的乾淨估算。

發布標籤與收集用語必須分開追蹤。BTOS data dashboard 表示，截至 2026 年 10 月 22 日，發布工作已遵守 Executive Order 14434。該頁面亦警告，問題措辭會隨時間改變。因此，單憑圖表標題改名，無法辨別受訪者先前遇到的是哪一種措辭。

根據 Willison 在 11 月 2 日的報道，首批反映新收集措辭的結果原定於該星期四、11 月 5 日發布。截至 11 月 3 日，這次預期發布仍在未來。任何關於其觀察到的回覆影響的說法都言之過早。

即使發布後，簡單比較仍會留下互相競爭的解釋。企業可能改變了其技術使用情況；受訪者組成可能不同；修訂後的措辭可能影響理解。僅觀察到整體估算的變動，無法把這些因素分開。

因此，升幅在成為需求加速的故事前需要脈絡；跌幅在成為企業退縮的證據前也需要同樣審慎。任何一種標題都可能比支持它的分析傳播得更快。

即使是輕微變化也需要克制。統計不確定性，即估算值周圍合理數值的範圍，在解讀小幅變動時十分重要。窄圖表軸上視覺上明顯的改變，未必足以支持強烈的經濟結論。

平滑處理帶來另一項解讀選擇。移動平均會合併連續觀察值，以減少可見波動。若其窗口跨越問卷轉換，所得線條可能混合本應保持可見的不同測量條件。

這並不表示平滑處理本質上具誤導性。其效用取決於計算是否保留有意義的界線。圖表可以看起來更整潔，卻讓讀者較難掌握其底層究竟改變了甚麼。

圖表周邊的文字同樣重要。副標題應清楚說明，該指標涉及僱主企業、僱員，還是另一類群體。評論應指出，它討論的是申報使用、開支、實施強度，還是結果。

Census 的故事亦揭示 AI 輔助分析的一項限制。軟件可以正確計算平均值，卻可能把它套用到不可比較的期間。計算準確性與可辯護的比較是兩項獨立要求。

Willison 的調查之所以相關，是因為問題措辭成為檢視數據的一部分，而不是事後補充。任何重做這項工作的人都應保留這個區分。重製圖表與證明其歷史比較仍然有效，並不是一回事。

對追蹤此議題的團隊而言，文件應與試算表並列保存。searchable knowledge base 可協助同事保留問卷版本、方法學註記及早前的解讀。有用的成果是可追溯性：日後的讀者可以識別某項結論由哪一條問題支持。

這類紀錄亦令修正更容易。若後續指引改變了解讀，分析員可以更新受影響的主張，而毋須重建所有來源。當圖表脫離原有說明而獨立流傳時，維持這些證據尤其有價值。

留意發布、方法學與擬議定義

下一項有意義的證據涉及受影響數據、其可比較性，以及政府是否改變標籤背後的定義。

第一個訊號是涵蓋修訂措辭下收集工作的發布。讀者應檢視變化是否廣泛出現，還是集中於特定企業群組。一致的模式將值得進一步調查，而孤立的變動則支持較狹窄的解讀。

最有用的隨附說明，會區分收集期間與發布日期。這將提高讀者正在比較預期觀察值的信心。混淆這兩個日期，會削弱任何關於回覆影響何時開始的主張。

第二個訊號是有關連續性的方法學指引。來自問卷測試、受訪者訪談或其他結構化比較的證據，會加強對某種解讀的支持。僅泛稱兩個標籤意思相同，對測量問題的回答較少。

若指引發現實際影響甚微，將削弱改名顯著改變回覆的憂慮；若有證據顯示理解有所改變，則會加強這項憂慮。無論結果如何，都比把單一圖表變動視為決定性證據更具資訊價值。

第三個訊號是行政命令要求提出的聯邦定義。命名替換與實質類別改變之間的區分，值得持續關注。任何提案都應與國會是否立法通過的問題分開閱讀。

保留既有範圍的提案，會支持把目前政策主要理解為術語改動；改變範圍的提案，則會引發另一個有關未來可比較性的問題。兩種可能性都不能證明企業內部已經發生了甚麼。

在這些訊號之中，有用的標準是新證據是否加強或削弱所提出的主張。採用率可以增長，同時令測量變得更困難；術語可以改變，而不會實質改變答案。在證據能區分兩者之前，公開報道應容許這兩種可能性並存。

重新使用採用率圖表前，應檢視其趨勢背後的問題，以及其百分比背後的群體。保留措辭副本，並把觀察到的企業活動與對市場需求的解讀區分開來。問問比較是否跨越有文件記錄的斷點，以及結論是否需要調查從未收集過的證據。

美國人口普查局與「Super Intelligence」值得關注，因為一項熟悉的基準現在承載了額外的解讀負擔。請一併追蹤受影響的發布及其文件。當下一個標題宣稱 AI 熱潮或退潮時，請問企業回答了哪一條問題，以及該問題是否支持這項主張。利用答案判斷這張圖表值得承載多少份量。