美国人口普查局与“超级智能”：新名称让 AI 采用数据更复杂

美国人口普查局已在其企业调查中以“超级智能”取代 AI 术语，为采用率比较增添了新的复杂因素。美国人口普查局与“超级智能”如今面临同一个测量问题：受访者是否会以一致的方式理解这一更名后的技术。此次改变发生在此前一次修订之后，后者已经中断了该调查历史数据之间的比较。

开发者 Simon Willison 在重新审视 Apollo Global Management 于 2025 年 9 月发布的一张关于企业 AI 采用放缓的图表时，指出了这一问题。他在 11 月 2 日的文章中描述了更新后的数据，以及基础问题的变化。根据他的调查措辞分析，最新术语于 2026 年 10 月 19 日开始用于数据收集。他表示，反映该措辞的结果尚未公布。

冲突存在于政府命名政策与衡量企业行为所需的一致性之间。官方名称可以立即变更，而受访者的理解仍可能尚未稳定。这给将采用率图表作为证据的分析师、技术供应商和企业买家带来压力。他们下一步的解读需要区分技术变化与政府提问方式的变化。

美国人口普查局与“超级智能”改变了问题

已获验证的发展是术语变化，而非企业已经获得某种新型智能类别的证据。

美国总统 Donald Trump 于 2026 年 9 月 29 日签署了第 14434 号行政命令。这项行政命令要求行政机构在法律允许范围内，在官方材料中以 Super Intelligence 和 SI 替代 artificial intelligence 和 AI。该命令声称，新术语更能体现这项技术的能力与前景。

该命令最初将现有法定 AI 定义所涵盖的技术归入 SI。它还要求在 60 天内提出立法措辞建议。这一区别很重要：命名指令本身并不能证明软件已经跨越新的能力门槛。即使提出不同定义的建议，也仍与已生效的变更不同。

人口普查局已在面向受访者的指南中采用该术语。其SI 定义将其描述为执行与人类智能相关任务的软件，并明确将 SI 与此前的 AI 名称联系起来。示例包括数据分析、编程、客户服务、预测和简历筛选。这些是在修订后词汇下对熟悉企业应用的描述。

这些示例为标题提供了重要的平衡。一家企业并不需要拥有非凡的自主系统，才能在指南中识别出自身的相关工作。普通应用也可能落入所列示例的范围。因此，将未来的 SI 采用率数字解读为前所未有的机器能力证据，将误述这项调查实际询问的内容。

实际问题会在官方定义传达给忙碌受访者时出现。一位经理可能将旧名称和新名称理解为等同。另一位则可能将新名称与要求高得多的技术标准联系起来。这些是合理的解释，而非来自受访企业的已记录反应。

这种不确定性使问卷本身成为故事的一部分。采用率估计取决于企业开展的活动，以及它们能否在问题中识别出这些活动。即使预期类别保持稳定，更改名称也可能影响识别。

这种对比尤其重要，因为行政命令和统计工具服务于不同目的。命令规定机构应当使用的语言。工具则需要受访者以一致方式理解的语言。满足行政要求本身，并不能证明测量仍然等价。

这并不能证明调查已经变得不可靠。它表明，应当审视连续性，而不是想当然地假定其存在。最有价值的报道会准确描述新术语，然后将这一已确认的变化与对其后果的预测区分开来。

此前的一次修订已经打断了采用率序列

2025 年的问题变更带来了有据可查的可比性问题；2026 年更名的影响仍是一个悬而未决的问题。

人口普查局自 2025 年 11 月 17 日起修订了其核心 AI 措辞。此前版本聚焦于在“生产商品或服务”中使用 AI。替代版本则询问在“任何业务职能”中使用 AI 的情况。这些变化扩大了要求受访者考虑的活动范围。

该机构的问题措辞更新说明，专家反馈和认知测试为这次修订提供了依据。在测试期间，一些受访者最初否认使用 AI，但随后描述了其企业其他环节中的相关活动。示例包括招聘、会计、项目管理、研究和软件工作流程。

人口普查局报告称，随着措辞修订，数据水平出现跃升，即序列测得的基线发生变化。该机构从 2025 年 12 月 4 日发布的数据起，启动了一条新的 AI 时间序列。这一决定明确了历史限制：较早和较晚的问题不应被视为可互换的衡量指标。

设想一家假设中的公司：它将 AI 功能用于内部会计，但客户服务保持不变。在以生产为重点的措辞下，受访者可能会排除这一活动。更广泛的业务职能问题则给同一受访者提供了更明确的理由将其纳入。

在这种情境中，即使没有部署任何新软件，调查也会记录不同的回答。回答变化是因为问题更清晰地捕捉到了现有活动。这可以改善覆盖范围，但也会让历史比较变得更困难。

这就是为什么测量改进有时会中断趋势。较窄的问题可能遗漏相关活动，而较宽的问题能捕捉到更多目标主题。无限期保留旧措辞，并不一定能更好地描述企业技术使用情况。

后果落在图表制作者身上。将定义变化前后的观测结果连接起来，可能会暗示基础问题并不支持的连续增长。可见的断点、独立序列或清晰注释，能更诚实地传达这一限制。

2026 年 10 月的术语变化值得单独评估。此前修订扩大了问题的功能范围。较新的修订则改变了技术名称及其相关表述。第一项变化已证明存在影响，并不能说明第二项变化影响的规模或方向。

这种区分避免了相互竞争的夸大。积极的报道不应将所有历史增长都归因于新的部署。批评性的报道也不应假定所有后续变化都源于措辞。可信的解读应为真实采用与测量效应并存留出空间。

它也保护了较新观测数据的实用性。断点限制了跨越边界的比较；它并不会自动使测量一致时期内的比较失效。任务在于准确识别边界，并解释哪些说法仍然得到支持。

企业买家和供应商面临基准难题

采用率百分比描述的是报告的使用情况；它并不能证明一家企业在多大程度上依赖这项技术。

商业趋势与展望调查，即 BTOS，会定期收集有关商业状况的信息。人口普查局称，其约 120 万家企业的样本被分为六个小组，每组约 20 万家企业。数据每两周收集一次，而每家被选中的企业通常每 12 周报告一次。这些是样本安排，而非完成答复数量。

该结构见于该机构的调查帮助页面。这一点很重要，因为连续发布的数据并不代表相同的受访者在每个时间间隔都作答。分析师在将相邻观测结果解读为个别公司内部的变化之前，需要了解调查设计。

对于企业买家而言，眼前压力涉及基准比较。采购团队可能援引采用率上升，主张延迟部署会带来竞争风险。当该基准合并不同问题，或将任何报告的使用视为全组织部署时，这一论点就会减弱。

一家假设中的公司可能正在试用 AI 写作助手，另一家则将预测功能整合到整个运营中；两者都可能报告相关活动。它们的风险敞口、治理需求和预期收益各不相同。一个标题式的采用率份额并不能表达这些差异。

买家比较产品时也存在同样的限制。一家企业可能使用基于 OpenAI 的应用、基于 Anthropic 的编程助手，或来自另一家供应商的嵌入式功能。一个宽泛的使用问题无法说明哪家供应商受益、员工使用产品的频率，或客户是否会续约。

这一比较也解释了为什么供应商的说法需要自身的证据。供应商对客户活动的讨论可以说明其平台情况。全国性企业调查面对的是不同总体和不同问题。两类来源都不会自动验证对方的解读。

对于供应商而言，诱惑在于将有利的宏观经济图表作为产品需求的确认。这可以支持市场背景，但不能替代有关留存、部署深度或客户成果的证据。商业主张偏离调查问题越远，就越需要更多支撑证据。

投资者面临企业参与度和经济强度之间类似的区别。公司层面的使用份额并不直接衡量支出、员工接触程度或受影响产出的价值。即使由此形成的图表受到广泛关注，它回答的仍是一个更狭窄的问题。

开发者也与这种解读息息相关。上升的采用率曲线可能暗示集成、内部工具或专业应用的机会。产品规划仍需要有关未解决任务、购买权限和持续需求的证据。调查可以提示应当在哪里进一步研究，但不能提供完整的投资依据。

这些限制都不意味着采用数据不重要。它们让其角色变得更精确。它提供了关于报告活动扩散情况的证据，这可以与实施和结果证据一起为决策提供参考。

更名争议提高了任何公开使用这一证据者的责任。买家和供应商应先说明这一指标能够证明什么，再附加更广泛的结论。一句简洁的限定可以保留有用的基准，同时避免它变成关于竞争必要性的无依据主张。

命名政策无法保证答案一致

核心矛盾在于，行政上的等同并不能保证受访者以完全相同的方式理解两个标签。

美国人口普查局和“超级智能”说明了预期含义与实际接收含义之间存在落差。政府文件可以指定一个替代术语。受访者仍会将自己的预期带入措辞之中，尤其是在替代词听起来比熟悉的标签更具雄心时。

一种合理的下行影响源于更高的感知门槛。使用传统 AI 应用的人可能会认为它不符合超级智能的标准。公司的实际工作流程不会改变，但其报告的答案可能不同。

一种合理的上行影响则通过识别发挥作用。更具体的示例可能促使受访者想起自己先前忽略的嵌入式软件功能。在这种情况下，更多企业可能会识别出相关活动，却并未在测量期间采用任何新技术。

还有一种可能是几乎没有可测量的影响。与此前 AI 术语的关联可能保留了原有理解。受访者可能会聚焦于列出的应用，并将新名称视为行政替换。

这些情景是分析上的可能性，而非关于受影响调查回复的结论。它们说明，任何变化的方向都不能仅凭名称来假定。证据必须将这些情况区分开来。

最有力的怀疑论观点是，对改名的担忧可能夸大了其实际重要性。熟悉自身软件的企业可能完全理解相关指引。如果解读保持稳定，这场术语争议对公共讨论的影响可能会大于对估算结果的影响。

这一异议值得严肃对待。它避免文章对测量问题的担忧演变为对必然失败的预测。一项风险值得调查，并不意味着它必须成为确定事实。

反向的谨慎同样重要。稳定的总体结果并不能证明每位受访者都以相同方式理解了措辞。不同反应可能彼此抵消，或者潜在的采用变化可能掩盖措辞效应。

分样本测试，即向可比群体提供不同版本的问卷，能够比简单的前后对比提供更有力的措辞证据。它有助于将语言变化与同时发生的其他发展区分开来。这是一种可能的评估方法，并非声称人口普查局已宣布进行此类测试。

因此，讨论应聚焦于能够解释理解方式的证据。关于新名称是否听起来恰当的公众评论，无法确立统计连续性。同样，官方关于预期等同性的声明，也无法决定企业实际会如何回答。

同样的严谨性也适用于有关动机的指控。该行政命令的措辞和实施情况可供审查。声称其意在抬高采用统计数据，需要关于意图的独立证据。已确认的命名政策本身并不提供此类证据。

更有价值的批评聚焦于这一变化造成的负担。当机构修改醒目的调查用语时，读者需要足够的文档来理解其后果。问题在于，这些文档是否支持跨时间的可比解读。

首批更名后的结果不会终结争论

下一次发布将提供修订措辞下的一项观察结果，而非对改名因果效应的干净估计。

发布标签与收集用语必须分别追踪。BTOS 数据仪表板称，截至 2026 年 10 月 22 日，发布内容已遵循行政命令 14434。它还警告称，问题措辞会随时间变化。因此，仅凭更名后的图表标题无法判断受访者此前遇到的是哪种措辞。

根据 Willison 11 月 2 日的说法，首批反映新收集措辞的结果原定于当周周四，即 11 月 5 日发布。截至 11 月 3 日，这一预期发布仍未到来。任何关于其观察到的回复效应的说法都为时过早。

即使发布后，简单比较仍会留下相互竞争的解释。企业可能改变了技术使用方式。受访者构成可能不同。修订后的措辞可能影响理解。这些因素不能仅通过观察头条估计值的变动而分离。

因此，上升趋势在成为需求加速的故事之前需要更多背景。下降趋势在成为企业退缩的证据之前也需要同样谨慎。无论哪种头条，传播速度都可能快于支撑它的分析。

幅度不大的变化同样需要克制。统计不确定性，即估计值周围的合理取值范围，在解读小幅变动时十分重要。狭窄图表纵轴上视觉显著的变化，未必足以支持强烈的经济结论。

平滑处理引入了另一项解读选择。移动平均将连续观测值结合起来，以减少可见波动。如果其窗口跨越问卷转换期，所得曲线可能混合本应保持可见的不同测量条件。

这并不意味着平滑处理天然具有误导性。其效用取决于计算是否保留了有意义的边界。图表可能看起来更整洁，却让读者更难了解其底层发生了什么变化。

图表周围的文字同样重要。副标题应明确该指标涉及雇主企业、员工还是其他总体。评论应说明其讨论的是报告的使用情况、支出、实施强度还是结果。

人口普查局的案例还揭示了 AI 辅助分析的一项局限。软件可以正确计算平均值，却可能将其应用于不可比的时期。计算准确性与站得住脚的比较是两项独立要求。

Willison 的调查具有相关性，因为问题措辞成为审查数据的一部分，而非事后补充。任何复现这一过程的人都应保留这种区分。复现一张图表不同于证明其历史比较仍然有效。

对于追踪这一问题的团队而言，文档应当放在电子表格旁边。可搜索知识库可以帮助同事保留问卷版本、方法说明和早期解读。有价值的结果是可追溯性：后来的读者可以识别出哪个问题支撑了某项具体结论。

这类记录也让更正变得更容易。如果后续指引改变了解读，分析人员无需重建每个来源，便可更新受影响的主张。在图表脱离其原始说明而独立传播时，维护这些证据尤其有价值。

关注发布、方法论与拟议定义

接下来有意义的证据将涉及受影响的数据、其可比性，以及政府是否改变标签背后的定义。

第一个信号是涵盖修订措辞下收集情况的发布。读者应考察变化是广泛出现，还是集中于特定企业群体。一致的模式将值得进一步调查，而孤立的变动则支持更狭窄的解读。

最有用的附带说明应将收集期与发布日期区分开来。这将增强读者正在比较预期观测值的信心。混淆这两个日期会削弱有关任何回复效应何时开始的主张。

第二个信号是关于连续性的方法论指引。来自问卷测试、受访者访谈或其他结构化比较的证据，会加强对某一特定解读的支持。笼统地断言两个标签含义相同，对测量问题的回答较为有限。

若指引发现实际影响很小，将削弱改名实质改变回复的担忧。若证据显示理解发生变化，则会加强这种担忧。无论哪种结果，都比将单一图表变动视为决定性证据更具信息价值。

第三个信号是该行政命令要求提出的联邦定义。命名替换与实质性类别变化之间的区别，值得持续关注。任何提案都应与国会是否将其立法的问题分开阅读。

保留现有范围的提案，将支持把当前政策主要解读为术语调整。改变范围的提案，则会提出关于未来可比性的独立问题。两种可能性都不能证明企业内部已经发生了什么。

贯穿这些信号，有用的标准是新证据会加强还是削弱所提出的主张。采用率可以增长，同时测量也可能变得更困难。术语可以变化，却未必实质改变答案。在证据将两者区分开之前，公共报道应容纳这两种可能性。

在重新使用采用率图表之前，应审查趋势背后的问题及百分比背后的人群。保留一份措辞副本，并将观察到的企业活动与关于市场需求的解读区分开来。询问该比较是否跨越了有记录的断点，以及结论是否需要调查从未收集的证据。

美国人口普查局和“超级智能”值得关注，因为一个熟悉的基准如今承担了额外的解读负担。应同时关注受影响的发布及其文档。当下一则头条宣布 AI 繁荣或退缩时，请问企业回答了哪个问题，以及该问题是否支持这一主张。根据答案决定这张图表应获得多大权重。