AI 越强，它在经济中的份额可能反而越小——Alex Imas 与 Phil Trammell

摘要

• 本期围绕的核心问题是：AGI 到来后，什么仍然稀缺，价值就会在哪里沉淀。 这个问题让两位嘉宾分道扬镳：Phil Trammell（Epoch/Stanford）押注“关系型部门”——即“人类参与其中这一事实本身就是价值的一部分”的商品；而 Phil 的核心预测恰恰相反：就像15世纪的蒙古人会预测所有收入最终都流向歌手一样，人类会不断发明新的机器制造品类，关系型部门的占比将始终微不足道——“不过也可能走向另一边”。
• 最值得交易、也最值得关注的观察是：Moore’s law 可能正在作为一种需求现象失效。 历史上，“每18个月，计算的价值就减半”，因为我们不断用尽新增用途；但即使算力大幅增加，H100 的租赁价格仍高于3年前，因为更聪明的模型抬高了算力的机会成本。Alex 说，我们是否最终会满足对算力的需求，“这是终极问题”——如果不会，算力在经济中的份额就会继续上升。
• 目前的数据还没有显示白领就业出现大屠杀。 耶鲁 Budget Lab 的结论是，你得“眯起眼睛”才看得出变化：初级开发者招聘低于趋势线，却没有出现台阶式下移；如果说有变化，反而是对高级工程师的需求上升。Alex 警告，裁员可能演变为一场信号级联：企业为了显得拥抱 AI 而裁员，即使裁员后自身境况更差。
• Citrini 的 AI 衰退情景需要一组极不可信的条件。 既要富人的需求存在硬上限，又要资本持有者拒绝再投资；“奇点已经到来、但我们不愿再投入更多资金的世界，实在荒谬”。但政治触发点很小：Andy Hall 认为，失业率上升2%就会扭转政治风向；最糟的情形之一是电话接线员式的“滴漏”——1920—40年间被重新吸纳，但工资更低。
• 在再分配问题上，Alex 担心 UBI 会像“一种极其危险的权力分享安排”。 全民基本资本则有配置对象的问题——“如果 Anthropic 归零了怎么办？”讨论中的一种设计是以消费税为资金来源，向全民广泛分配股票——David Autor 的方案，本质上是把 Social Security 私有化。
• Dwarkesh 的长期机制是：谁不在资本上达到饱和，谁就会理性地储蓄更多，复利后持有大部分财富，并把总资本份额拖向1。 Zuckerberg 将 Meta 的资本不断复投至数据中心、Musk 设想月球质量抛射器，都是正在发生的样本；历史上只有“耗散冲击”（继承人、基金会）能阻止这一过程，而长寿可能移除这种制衡。
• 对投资者、也对 Nigeria 而言，元建议都是优先买入 AGI 的指数敞口。 如果 AI 更像电力（收益流向用户），而非社交媒体（租金流向平台），那么未来每一家标普500公司都是 AI 公司，你又被纳入指数——开源模型只落后前沿6—9个月、实验室大概率上市，以及美国非微型公司市值中远低于20%仍属私人公司，都在强化这一判断。

精读

1. 关系型部门与会外漏的双经济循环

• Phil 开场提出的 AGI 时代稀缺品候选，是关系型部门——“人类参与其中这一事实本身，就是该产品价值的一部分”的服务与商品。人类天然稀缺，因此即使其他一切都不再稀缺，人类参与型商品仍会稀缺。
• Dwarkesh 的直觉实验值得保留：设想一个由机器经济运行的世界，机器建造工厂、开展研究，没有任何人类；与此同时，另一个人类经济由咖啡师和芭蕾舞者组成。人类经济“不是一个封闭循环”——人类财富会外流购买自动化商品，但“机器并不在乎让人类咖啡师为它们冲一杯咖啡”。在这个模型里，人类份额的收缩难道不是内生的？
• Alex 的重新表述是：芭蕾舞者属于“错误的参照类别”。在任务拆解模型下，医生的工作大部分是填保险表格、与药企沟通；如果除下诊断之外的所有任务都被自动化，而消费者愿意为那一个由人完成的任务支付溢价，这份工作就是关系型工作。但问题在于：“我们没有数据可以说，‘哪些是关系型工作，哪些不是’。”需要通过联合分析，测量消费者是否愿意为人类留在闭环中支付溢价。

2. Ricardo 对自动化判断正确、对结果判断错误——为数据打造 Manhattan Project

• Alex 的200年视角是：David Ricardo 从乐观转向预测大规模失业与动荡——他的自动化预测实现了，但如果他今天醒来，会发现核心劳动年龄就业率仅次于2000年峰值，位居历史第二高。他漏看的是结构性变化：自动化商品变得便宜，收入流向了新的服务业，也就是“劳动总量谬误”。这并不意味着未来一定能实现充分就业，而是说明个体预测未必有用——Fradkin/Jabarian/Koh 的一篇新文章发现，经济学家“在每一个方向上”都存在分歧。更好的方法是使用预测市场与情景推演。
• 他最强烈的呼吁是：“我们没有任何数据。我一直在说，我们需要一个数据 Manhattan Project。”我们没有消费者需求弹性，没有追踪岗位创造与消失的数据，O*NET 也“很少更新，质量极低”。方法是先设定每个终点——劳动份额归零，或维持不变——再反推需要什么稀缺性才能产生这一结果，并据此收集数据。

3. Kaldor 事实与完全自动化

• 基线事实是：在“数百年”里，约60%的产出都流向工资；工业革命之后这一点仍成立，Phil 称其“令人难以置信”。即便是近期的下降也存在争议：Atkinson 的论文显示，在恒定口径核算下，劳动份额“从来都没有下降过”。
• Phil 认为，关键是沿整条供应链观察经网络调整后的要素份额。美国计算机与电子产品行业的网络调整后资本份额稳定在约50%，而不是100%。未来真正的质变，是某些商品的整条供应链资本份额都达到1；但其对总量的含义并不明确——如果自动化的一切都很快满足需求，边际效用下降速度超过数量增长，支出反而会流向芭蕾舞者。

4. 蒙古经济学家，以及 Moore’s law 需求逻辑失效的时刻

• Phil 的类比是：一个遥远年代的蒙古经济学家，在品类固定的前提下，会预测马匹运输、酸奶和蒙古包的需求最终饱和，所有收入都流向歌手。但现实是品类不断扩张，歌手的收入份额始终微不足道——“这就是我对未来演进的核心预测，不过也可能走向另一边。”
• Dwarkesh 发现了自己的谬误：数万亿个机器人、数十亿人类，而人类在机器人上的支出还不如在 Magnus Carlsen 身上多，听起来荒谬；但如果考虑到晶体管“实际上已经扩大了万亿倍，甚至千万亿倍”，而算力在经济中的份额反而下降了——这是 Chad Jones 的结论——问题就没那么简单了。悲观版 Moore’s law 是：“每18个月，计算的价值就减半。”我们耗尽新增用途的速度，足以让这种规律持续。
• 现在的制度发生了变化：尽管技术大幅进步，H100 的租赁成本仍高于3年前，因为更聪明的模型抬高了算力的机会成本。Alex 说：“你可以想象，我们永远都无法满足对算力的需求……这就是我们需要关注的终极问题。”

5. 人不是马——版画实验

• Alex 做了一项激励相容的艺术版画支付意愿实验。限量1张的版画，人类创作的估值明显高于 AI 创作；当发行量达到500张时，人类创作的溢价大幅收窄——“人们不再觉得这代表与某位艺术家建立了连接”；但AI 作品的定价没有变化，因为“AI 已经被视为一种商品”。
• 关键条件在于：马是可以替换的投入品，人们只在乎最终产出。关系型叙事只有在“人不是马”时才成立——替换掉人类，会直接降低产出的价值。“如果这种偏好不够强，或者不能覆盖足够多的行业、足够多的工作，那么这个故事就不成立了。”
• 这种偏好能否在 AI 治疗师出现后延续？Alex 提出一个明确带有保留的进化论论点（“我不是在做预测”）：对把社交互动外包给 AI 抱有“道德情感”（Haidt 的框架）的人，繁衍成功率可能高于无所谓的人；而且正如 David Reich 在本节目中所说，“自然选择无处不在”，因此选择可能强化人类偏好。

6. 目前还没有大屠杀——需求弹性正在发挥作用

• 当前数据来自 Yale Budget Lab：“你真的得眯起眼睛，才能看出发生了什么。”初级开发者数量低于趋势线，但没有出现台阶式下移；如果说有什么变化，对高级工程师的需求反而上升。即将毕业的计算机科学学生的经历只是个案，许多所谓“AI 裁员”只是被重新包装的正常裁员。
• Alex 真正担心的机制，是一种叙事均衡：不裁员会被视为没有采用 AI，于是企业为了“跟上邻居”而掀起裁员级联；在这种情况下，“裁员后企业的境况可能反而比裁员前更差”。“令牌计数器”的种种案例就是佐证。
• 为什么没有出现崩溃并不令人意外：在 O-ring 模型中，如果10项任务中的9项实现自动化，价格下降且需求弹性足够高，招聘反而会增加——目前软件需求上升，说明至少眼下可能确实如此。但 Jevons 并不是市场定律，它需要高需求弹性：英国煤炭符合这一点，石油、胰岛素以及农业则不符合——“人吃到足够多，需求就结束了”。
• O-ring 模型也可以反向成立（Gans 与 Goldfarb）：今天，如果以更低质量自动化十分之九的任务，企业可能干脆不自动化；但明天，围绕 AI 劳动组织的生产体系——“用神经网络的语言交流”，思考速度快上数千倍——会让剩下的十分之一人类任务成为质量瓶颈。许可、所有权、必须有人负责解雇等律师式摩擦，暂时把人类留在闭环中，但 Phil 认为：“这些在我看来都只是过渡阶段。”更高效的 AI 运行系统“可能最终会倾向于击败其他系统”。

7. 混乱中间态是狭窄窗口——但政治风向只需2%就会转变

• Dwarkesh 的情景是：自动化摧毁岗位的速度超过财富创造速度，因此不存在让所有人都变好的帕累托改进式结果；同时还有一个政治问题：给一名被 Meta 裁掉的员工开一张20万美元的支票。Phil 认为，这是一扇“相当狭窄的窗口”——能自动化如此多岗位的技术，本身意味着蛋糕会快速扩大。Dwarkesh 的拆解是：AI 必须“只比软件工程师便宜一点点”，智能又要足以自动化软件工程，却不知为何无法自动化会计；而这两个条件“看起来都不太可能”。
• 两位嘉宾的模型都遗漏了真正的政治经济风险。Andy Hall 的观察是：失业率上升2%，政治风向就会彻底改变。最糟糕的情形之一是 Molly Kinder 所说的“滴漏”：电话接线员在1920—40年间被完全自动化，QJE 论文显示，他们后来“以更低工资……大多以就业不足的状态”重新被吸纳；既没有紧急状态，也没有类似 COVID 时期的财政响应速度。
• 同样的逆向推演，也说明病毒式传播的 Citrini 衰退预测并不可信：负增长要求资本持有者触及硬性的需求上限，同时拒绝再投资——“奇点已经到来、但我们不愿再投入更多资金的世界，实在荒谬。”Phil 对 Alex 文章的反应是：“这很蠢。”Alex 回答：“文章的意义就在这里。这些都是极不可信的经济条件。”与大萧条不同，这一次技术前沿仍在扩张。

8. 再分配设计：底线、份额与棘轮效应

• Alex 的分层方案是：负所得税提供即时底线；全民基本资本“无法为6个月后才发生的事情创造回报”。他对 UBI 的担忧是，当劳动不再转化为收入、基本生活依赖民选官员时，“这感觉像一种极其危险的权力分享安排”。全民基本资本让你“只是一个普通股东”，但目标配置极其棘手：“如果 Anthropic 归零了，而某家随机的机器人公司接管了一切怎么办？”
• 至于财富税，棘轮效应在于：所得税起初只是“为了战争或什么事情”而设，后来逐步升至约40%的边际税率，部分州甚至超过50%。Phil 将筹资、征税与分配拆开来看：可以采用VAT 式消费税，为政府购买股票，再将股票分配给所有人——这是 David Autor 的提案，也就是“把 Social Security 私有化”。

9. 贪婪的优化器继承资本份额

• 对 AI 以及由 AI 运营的企业进行选择，很可能偏向任何能够持续增长的对象；偏好人类内在价值的实体“很可能不会”积累最多财富。Phil 直言，对于一个完全自主、能够承载福利的 AI，“我完全没有理由先验地认为它会偏好与人类打交道”。
• Dwarkesh 指出的当下证据是：Zuckerberg 本可以把 Meta 转化为股息消费，却选择将资本不断复投至数据中心，这体现出一种“近乎 Nick Land 式的加速资本偏好”。世界首富 Musk 想在月球上建造质量抛射器，也不在乎工程师是不是人类——而且他还成功快速繁衍。
• Dwarkesh 的机制是本期最锋利的一条推演链：不在资本上达到饱和的人，会理性地储蓄更多；长期来看，他会持有大部分财富，而总资本份额基本等于这个人的支出份额——“那将会是1”。历史上，继承人挥霍财富、基金会持续支出等“耗散冲击”阻止了这一过程；在指数基金出现之前，普通人也不可能实现指数化投资。“永生是关键。”
• Alex 的反驳是，内在积累“根本不是偏好的通常运作方式”——享乐会饱和，地位动机会接管（Rousseau、St. Augustine）；不过他承认，对于少数高度集中的例外最终支配一切，自己“无话可说”。Phil 最后谈到 von Neumann 探测器：一个贪婪的优化器在婴儿探测器与芭蕾舞者之间做选择时，并不会赋予芭蕾舞者价值；而劳动份额是否仍会“按照我们通常的方式”维持高位，纯粹是 GDP 核算问题。

10. 给 Nigeria——以及所有人的建议：给 AGI 做指数化投资

• Phil 指出，经济学中“最大的资源缺口”在于 AI 时代的中等收入国家。未来可能有两种世界：AI 扩散并抹平差距；或者没有模型、硬件与训练能力的国家被甩在后面，自动化让大宗商品生产回流发达国家，连消费者市场这一角色也被拿走。“那个世界看起来相当糟糕。”
• Dwarkesh 提供了一点安慰：如果资本的生产率高到足以自动化大量工作，那么利率就会很高，和/或资本品价格会快速下跌，因此“即便没有再分配，一点点储蓄也能拯救很多人”。他的优先顺序是：考虑到 AI 可能多快冲击世界，首先做指数化投资；但 Phil 认为，培训并不是二选一，跨越式发展确实存在——移动银行在 Nigeria 的普及率就高于 Germany。
• Dwarkesh 用“AI 是电力还是社交媒体”来判断收益能否被广泛获取。ConEd 是一家垄断企业，却没有政治权力，因为电力带来的收益流向了用户；社交媒体的租金则流向平台。如果 AGI 是电力，未来每一家标普500公司都能利用 AI，“你又被纳入指数了”——开源模型只落后前沿6—9个月，会进一步强化这一点。与此同时，普通人的资本——一套房子——“极不适合”与 AI 形成互补，这也是 Georgist 税无法为上述项目筹到足够资金的原因。
• 指数化正变得更容易，而不是更难：美国非微型公司市值中，远低于20%属于私人公司；实验室大概率会上市，AI 本身也可能降低上市摩擦。Dwarkesh 希望各家实验室“彻底商品化”——如果捕获 AI 收益的难度与捕获电气化收益一样高，繁荣的覆盖面就会最广。Dwarkesh 的安全性补充是，前沿实验室数量越少，每家越有缓冲空间放慢速度；Alex 则认为，即使存在相对较大的差距，也可以同时拥有一家由公众广泛持有的市场领军企业，并担心高度集中的实验室会成为“非常具体、非常清晰的政治靶子”，比如针对 Anthropic 的《国防生产法》威胁。