当智能变成廉价资源:我们正在进入怎样的经济时代

——关于“全球智能危机”的一场金融史思想实验

研究机构Citrini Research近期发布了一份关于人工智能经济风险的假设性报告，引发了市场的广泛关注与讨论。报告原标题为《2028全球智能危机——来自未来的金融史思想实验》（THE 2028 GLOBAL INTELLIGENCE CRISIS: A Thought Exercise in Financial History, from the Future），并明确声明其唯一目的是模拟一个相对未被充分研究的情景，是一个“思想实验”，而非预测。

报告设定了一个假想的时间点——2028年6月，描绘了人工智能（AI）快速发展可能引发的连锁经济危机，并提出了几个核心概念：

“AI效率悖论”：即AI的成功反而可能导致经济不稳定。其推演的核心风险链条包括：白领大规模失业，AI替代复杂白领劳动，导致“智能溢价”消失，中产阶层收入结构受损。

“幽灵GDP”与消费萎缩：即企业利润因AI增效而增长，但被替代的劳动力消费能力下降，货币流通速度放缓，形成“产出增长但消费引擎失速”的“幽灵GDP”现象。

商业模式瓦解：AI代理消除交易摩擦，威胁到建立在人类惰性、信息不对称和品牌依赖上的商业模式，如软件服务（SaaS）、中介平台（外卖、旅行预订）、支付处理（信用卡交换费）以及私募信贷等。

报告由Citrini Research和Alap Shah撰写。

一

历史往往以一种极为隐蔽的方式发生。

当我们回望工业革命时，总会看到蒸汽机、铁路、钢铁和电力这些耀眼的技术符号，它们仿佛是推动历史巨轮的直接动力。但如果仔细审视经济史的结构，我们会发现真正被改变的并不是机器，而是社会对于“价值”的理解。

农业社会的核心资源是土地。

工业社会的核心资源是资本。

信息社会的核心资源是知识。

在人工智能迅速发展的今天，我们可能正站在一个新的临界点上。这个临界点未必表现为技术奇迹，而是一种更深层的变化：人类智能本身的稀缺性正在被动摇。这正是“全球智能危机”思想实验所提出的核心议题。

这份报告并非预测，而是一场假想的金融史复盘。它设定的时间点是2028年，试图回答一个看似简单却极具冲击力的问题：如果人工智能的发展速度持续超出预期，经济体系会发生什么？

在这个设定的未来场景中，全球经济陷入困境的原因并非技术停滞，恰恰相反，问题源于技术的成功。人工智能正变得越来越强大，也越来越便宜。企业的生产效率因此不断提升。自动化系统能够替代越来越多的认知劳动。

然而，一条隐藏在繁荣表象下的链条开始逐渐显现：AI能力提升 → 企业减少劳动力 → 工资支出下降 → 消费能力下降 → 企业收入下降 → 企业进一步投资AI → AI能力再次提升。这是一个缺乏天然刹车机制的循环。

如果仅从技术角度看，这个循环似乎是必然的。每一家企业的选择都符合理性逻辑：降低成本、提高效率、采用新技术，这是商业的基本原则。

但当整个社会同时做出相同选择时，宏观经济就会出现一种奇特的现象。生产能力持续上升。企业利润一度增长。生产率创下新高。

然而，消费却在收缩。于是，报告提出了一个令人不安的概念——“幽灵GDP”。

“幽灵GDP”指的是那些在统计数据中存在，却并未真正进入社会消费循环的产出。经济看似在扩张，但社会的实际购买力却在下降。

这一现象并非前所未有。历史上，每一次技术革命都会带来短期的结构性冲击。但过去两百年的经验表明，这些冲击最终都会被新创造的就业机会所吸收。

蒸汽机取代了农民，却创造了工厂工人。互联网摧毁了传统零售，却创造了电商产业。这种“创造性破坏”的逻辑之所以成立，依赖于一个关键前提：新的工作岗位必须由人类来完成。

然而，人工智能的发展正在挑战这一前提。当机器不仅能替代体力劳动，还能替代认知劳动时，技术进步所创造的新岗位，可能不再需要大量人类参与。

这正是“智能危机”思想实验最核心的假设。

二

如果我们从技术视角转向经济结构，会发现这个问题更加深刻。

现代经济体系本质上是一台巨大的“时间变现机器”。个人出售时间以换取工资。企业利用时间生产商品。消费者用收入购买商品。国家则通过税收参与分配。

这套体系看似复杂，但底层逻辑极为简单：

GDP ≈ 人类时间 × 人类生产力

在过去的工业时代和信息时代，这个公式始终成立。技术进步提升了生产力，但人类时间仍然是经济活动的核心要素。而人工智能改变的正是这一点。

如果机器能以极低成本复制人类的认知能力，生产力的增长就不再依赖于人类的时间投入。当生产活动逐渐由“人类劳动”转向“机器计算”时，原有的经济循环就会出现裂痕。企业依然能够生产。机器依然能够创造价值。但工资这一环节却在萎缩。工资减少，消费能力就会随之下降。

而消费在现代经济中占据着至关重要的地位。在美国等发达经济体中，居民消费支出通常占GDP的70%左右。如果这一支柱受到冲击，整个经济结构就会失衡。报告提出的“智力溢价消退”，正是对这一过程的描述。

长期以来，人类社会一直假设“高智力劳动”是一种稀缺资源。律师、工程师、分析师、顾问、程序员等职业之所以能获得高收入，并非因为他们掌握了某种神秘技能，而是因为他们代表了一种稀缺的认知能力。

当人工智能开始复制这种能力时，这种稀缺性就会被重新定价。在这种情况下，经济体系不会立即崩溃，但收入结构可能会发生深刻变化。企业利润可能上升，资本回报可能提高。但劳动收入占GDP的比例可能下降。

事实上，这种趋势早已出现。过去几十年中，劳动收入在GDP中的占比已经逐渐下降，而人工智能可能只是加速了这一过程。

于是，我们将面对一种新的宏观矛盾：生产能力越来越强，但社会的购买能力却可能没有同步增长。

三

如果说实体经济层面的变化令人担忧，那么金融体系所面临的挑战则更加复杂。

现代金融体系本质上是一种对未来收入的定价机制。例如，房贷依赖于借款人未来三十年的工资收入。股票价值则依赖于企业未来几十年的利润。债券则依赖于企业持续稳定的现金流。所有这些资产的价值，都建立在一个基本假设之上：未来的收入结构将保持相对稳定。

如果这一假设被动摇，金融体系就必须重新定价风险。2008年的金融危机，是因为贷款被发放给了本来就难以偿还的人。而在“智能危机”的设想中，问题恰恰相反。借款人在申请贷款时完全符合条件。他们拥有稳定的职业、良好的信用记录和可观的收入。但世界在贷款发放之后发生了变化。如果大量白领岗位被技术替代，这些原本被视为“最安全”的借款人，其收入可能会面临下降。

金融危机往往不是由一开始就糟糕的贷款引发的，而是由原本优质的贷款突然变坏所引发的。当收入预期发生变化时，资产价格就必须重新调整。

如果这一调整发生在大规模的金融资产上，比如房地产或企业债务，市场波动就可能被迅速放大。这也是报告所设想的“关联押注”逻辑。软件行业的收入下降，导致私募信贷违约。白领收入下降，导致消费减少。消费减少，会进一步影响企业利润。企业利润下降，又会推动更多的自动化投资。

于是，实体经济与金融市场之间便形成了新的反馈循环。

四

然而，从更长的历史视角来看，这种变化并不意味着经济体系的终结。每一次生产力革命，都会伴随一段混乱时期。

工业革命初期，机械化就曾导致大量手工业者失业。城市贫民问题一度十分严重，社会矛盾不断激化。但随后，新的社会制度逐渐形成。现代教育体系培养出了产业工人。劳动法和社会保障制度则保护了劳动者。中产阶级也因此逐渐壮大。

人工智能时代也可能经历类似的过程。技术革命首先改变生产方式，然后迫使社会重新设计制度。例如，新的税收体系可能会出现。如果劳动收入减少，政府可能需要重新考虑如何从自动化生产中获取财政收入。技术收益的再分配机制也可能会被讨论。一些政策设想已经提出，例如对算力收益征税，或建立公共技术基金。

这些讨论在今天看来或许仍有争议，但历史经验告诉我们，制度调整往往会滞后于技术发展。

真正决定未来的，不是技术本身，而是社会适应技术的速度。从更深层的角度来看，人工智能还提出了一个更根本的问题：当智能不再稀缺时，什么会成为新的稀缺资源？

历史经验表明，每当一种关键资源变得廉价，新的稀缺资源就会出现。例如，当电力变得廉价时，信息成了新的价值来源。当信息变得廉价时，注意力又成了新的价值来源。如果智能本身也变得廉价，人类社会的竞争焦点将再次转移。

新的稀缺资源可能包括：判断能力、信任结构、复杂组织能力、文化创造力、资源控制能力。机器可以完成任务，但目标函数仍需由人来设定。机器可以提供答案，但责任仍需由人来承担。机器可以处理信息，但社会信任仍需依靠制度来维系。因此，人工智能并不会终结经济活动，而是会重新定义价值。

在这种新的环境中，真正重要的可能不再是单纯的知识或技能，而是整合技术、资源和制度的能力。“全球智能危机”这个思想实验，并非一篇末日预言。

它更像是一面镜子。这面镜子提醒我们，现代经济体系建立在一系列隐含的假设之上。其中最重要的一条是：人类智慧是一种稀缺资源。如果这个假设被动摇，许多看似稳定的制度就必须重新设计。生产方式会改变。收入结构会改变。金融定价的逻辑也会改变。

但历史同样告诉我们，人类社会拥有极强的适应能力。技术革命既不会自动带来繁荣，也不会自动带来灾难。真正决定结果的，是我们如何调整制度和社会结构。

在报告设定的时间线里，危机发生在2028年。而今天依然是2026年。时间依然站在我们这边。

矿井里的金丝雀仍在鸣叫。