全球供应链的运转不仅依赖实体商品的流动，更深度依赖于信息流的稳定。从跨洲共享的产品数字设计，到基于算法管理的库存与生产计划，再到通过数据平台完成的支付与物流，数字化基础设施已成为经济运行的核心骨架。
当这些数据交换因系统停机、网络拥堵或安全事件而中断时，冲击波会在供应商与客户之间迅速蔓延。即便没有发生物理层面的损失，由此引发的经济损失往往十分巨大。
以 2024 年为例，网络安全公司 CrowdStrike 发布的一次故障软件更新导致数百万台 Microsoft Windows 设备崩溃，引发全球范围内的信息技术中断。航班停飞、医院系统瘫痪以及支付服务中断随之而来。据分析公司 Oxford Economics 统计，仅按营收计算，美国最大的财富 500 强企业因此损失了 54 亿美元。该机构还指出，数字停机每年给全球 2,000 家最大企业造成高达 4,000 亿美元的损失。
被忽视的信息流与统计盲区
尽管影响深远，但信息流并未被系统地追踪。它们也没有被纳入国家统计局用于绘制经济供应链的核心工具——货币投入产出表（Input-Output Tables）中。这一矩阵主要追踪行业间物质投入的价值流动，却未能捕获能源、数据或计算资源的使用情况。同样，企业在财务报表中记录了对信息技术服务的支出，却未对其业务所依赖的数据、算力和电力进行量化核算。
随着包括人工智能在内的数字技术重塑经济格局，针对能源网络、数字连接和网络安全的威胁也在不断升级。例如，2025 年 4 月，西班牙和葡萄牙发生大规模停电，修复耗时半天，期间互联网流量降至正常水平的 17%，电子支付被迫终止，造成约 16 亿欧元（18 亿美元）的损失。此外，自 2023 年底以来，波罗的海地区约有十几条海底电信和电力电缆在疑似破坏事件中受损。
面对这些挑战，企业和国家亟需构建实用的统计工具，以追踪关键数字数据的流动及其对经济的潜在影响。
信息如何驱动经济增长
能源、计算和信息流三者紧密交织。高耗能企业，特别是数据中心，正越来越多地根据获取清洁、廉价且可靠电力的能力来选择选址。
在美国，Microsoft 于 2024 年签署了一项为期 20 年的协议，重新启动宾夕法尼亚州的三里岛核电站，专门为其数据中心供电。在中国，国家“东数西算”工程正推动数据中心向可再生能源丰富的西部省份转移。
全球价值链和支付系统同样依赖算力、内存等计算资源来进行数据的生产、分析和共享。过去十余年间，训练前沿 AI 模型所需的资源每年增长四至五倍。目前规模最大的 AI 专用超级计算机整合了约 200,000 个处理器，其耗电量相当于 250,000 户家庭。
此外，大多数经济交易和市场已实现数字化，并越来越多地通过数字代币进行管理。这些代币编码了所有权、合规要求及财务结算方式。预测显示，数字代币可能成为未来贸易的主要“商品”，其市场规模将从目前的 6000 亿美元增长至 2030 年的 2 万亿至 9.4 万亿美元。
中央银行及其监管机构瑞士巴塞尔国际清算银行正在探索跨境支付的代币化平台，许多金融交易所和监管机构也正转向代币化市场，以交易股票、债券和衍生品等资产。
这些资源通过一个反循环机制相互强化：AI 和代币使用的增加推动了对更多计算能力的需求；更多的计算平台和数据中心增加了电力需求，从而加速了能源基础设施部署和电网投资；所有这些都进一步促进了数据的生成、传输和存储。最终，通过代币交易和结算产生的价值又被重新投资于能源系统和数字基础设施。
从瓦特到千瓦时，从每秒浮点运算 (FLOP) 到兆字节，再到代币和美元，这一链条的快速扩张显而易见。国际能源署预计，数据中心的全球电力消耗量将从 2024 年的 415 太瓦时 (TWh) 增加一倍以上，到 2030 年达到约 945 太瓦时。
隐形联系带来的系统性风险
缺乏对这些依赖关系的追踪带来了真实的代价。当供应链失败时，造成网络脆弱性的根本因素往往未被解决。
2025 年 3 月，一座变电站发生火灾导致伦敦希思罗机场停运一天，约 1,300 个航班被取消，超过 20 万名旅客受影响。官方审查发现，该变压器故障早在 2018 年就已为人所知但未得到处理；同时，能源网络并不知晓机场对该单一供电点的严重依赖。没有任何会计框架将这座变电站与机场及其下游供应链联系起来，这种依赖关系只有在发生故障时才变得可见。
同样，2025 年英国汽车制造商捷豹路虎（Jaguar Land Rover）因网络攻击停产五周，预估损失达 19 亿英镑（25 亿美元），成为英国历史上代价最高的网络安全事件，并波及供应链中的 5,000 多家企业。此前，没有任何统计工具记录过这些企业对单一制造商数字系统的依赖程度。
能源、数据、计算和互联链对于供应链弹性至关重要，因为它们代表了物理约束而非简单的相关性。传统会计可以追踪资金流向，但无法定位物理和运营的瓶颈，也无法反映这些瓶颈如何随时间变化，或者某一层的约束（如电网拥堵、数据中心容量不足、网络中断、交易摩擦）如何传播到其他地方的生产损失中。
难点在于如何以一致的方式测量和评估这些因素，使其在不同国家间具有可比性，并能由统计局进行审计，而不是仅仅停留在专有企业的仪表板上。
目前的统计系统虽然能描述数字活动的价值，但尚未提供统一的方法来量化和归因决定供应链弹性的吞吐量。也就是说，缺乏对提供和使用的计算资源数量、生成和传输的数据量、这些数据流在国内和跨境生产网络中的传播路径，以及它们如何与电力限制和结算困难相互作用的全面衡量。
自 2018 年以来，国家会计方法在向数字经济可见性方面迈出了一步，引入了由巴黎经济合作与发展组织 (OECD) 开发的工具。数字供应使用表追踪数字商品、服务和交易的生产、贸易和消费。加拿大和澳大利亚于 2019 年首次公布此类估计；经合组织在 2023 年发布了编制手册；联合国国民账户系统的 2025 年修订版也包含了一个专门的数字化章节。然而，这些表格仍然基于经济价值，而非物理约束。
在快速发展的经济中，首先改变的不是货币价值，而是技术量，例如数据中心的效率、数据和能源的使用，以及计算和数据流之间的关系。这些数量具有宏观经济影响。国际货币基金组织估计，如果可再生能源不能跟上步伐，人工智能驱动的需求可能会使美国的电价上涨 8.6%。测量这些指标有助于揭示弱点，例如对单一数据中心、有线网络或结算通道的依赖，并确定值得复制的成功案例。
我们需要的是一个更全面的工具，使分析师能够追溯计算、网络流量和结算暴露情况，并将其关联到驱动它们的行业和需求。有了这样的地图，弹性支出可以精准转移到依赖程度最深的地方，而不是回归到一般性措施上。政府或公司可能优先加强许多关键部门所依赖的设施，在计算受限地区快速推进电网连接，或在某个地区停机时开辟替代支付结算通道。
这种工具必须是实用的——即国家统计局可以编制、审计和更新的东西，而不是一次性的研究数据集。它应该建立在现有系统的骨干上，添加少量层级，使信息依赖性在相同的会计逻辑中可观测。
在其他领域已有先例。随着水、能源和碳的跟踪成为企业和经济体的强制性要求，供应链跟踪系统增加了适当的扩展。然而，这些扩展中的每一个都将其资源视为生产的单独投入，尚未形成统一的综合视角。
