夜雨聆风
AI 最可怕的地方,不是取代工作,而是让“人类智力”不再稀缺
AI 最可怕的地方，不是取代工作，而是让“人类智力”不再稀缺
读 Citrini Research《2028 全球智能危机》：一场关于中产、消费和金融系统的思想实验
最近看到一篇很值得认真拆解的报告。
报告原名叫：
THE 2028 GLOBAL INTELLIGENCE CRISIS: A Thought Exercise in Financial History, from the Future
中文可以译为：
《2028 全球智能危机：来自未来金融史的思想实验》
这篇报告由 Citrini Research 和 Alap Shah 撰写。中文版转载标题是：
《2028年全球智能危机》：當人類智力不再稀缺，中產階級的黃昏到來？
报告一开始就明确说明：这不是预测，而是一个情景模拟。
它的目的不是宣称 2028 年一定会发生危机，而是模拟一个目前较少被充分讨论的场景：
如果 AI 继续快速发展，并且真的开始替代大量复杂白领劳动，经济系统会发生什么？
这点很重要。
因为这篇文章不应该被简单理解成“AI 恐慌文”。
它真正有价值的地方，是把一个技术问题，拆成了一条完整的经济链条：
AI 能力提升；白领工作被替代；中产收入结构受损；消费能力下降；企业商业模式被重估；私人信贷、抵押贷款和财政税收受到冲击；最后，整个经济体系开始重新定价“人类智力”。
AI 最大的风险，可能不是它失败，而是它成功。
如果 AI 失败，那只是一次技术泡沫破裂。
但如果 AI 成功，而且成功到足以替代大量白领劳动，那么问题就复杂了。
因为现代经济中很多制度，都是建立在一个默认前提之上：
人类智力是稀缺资源。
律师、咨询顾问、产品经理、程序员、金融分析师、会计、房产经纪、保险经纪、税务顾问、SaaS 软件服务商，本质上都在出售一种东西：
分析、判断、表达、协调、执行复杂任务的能力。
过去，这些能力只能由人提供。
所以人类智力有溢价。
而这篇报告讨论的，就是当机器智能开始大规模替代这些能力时，这种“人类智能溢价”会如何消退。
一、先看报告背景：这不是传统研报，而是一场“叙事型压力测试”
这篇报告来自 Citrini Research。
根据中文版编者按，报告由 Citrini Research 和 Alap Shah 撰写。
Alap Shah 曾活跃于纽约，自 2024 年 9 月起担任 Littlebird 的 CEO；此前他联合创办过 AI 驱动的金融搜索平台 Sentieo，后被 AlphaSense 收购；他毕业于哈佛大学，主修经济学，毕业后曾在 Citadel LLC 担任分析师。
这个背景很关键。
因为这决定了它不是一篇传统意义上的技术文章，也不是普通宏观经济预测。
它更像是一种新型研究形态：
用金融市场能够理解的语言，把 AI 技术冲击组织成一个可传播、可交易、可定价的经济叙事。
报告采取了一个很聪明的写法：
它假设自己是一份发表于 2028 年 6 月 的宏观报告，站在未来回顾一场已经发生的“全球智能危机”。
报告开头设定：
到 2028 年 6 月，失业率公布为 10.2%，标普 500 指数较 2026 年 10 月高点累计下跌 38%。交易员们已经麻木，因为过去两年，经济从“可控”和“特定行业受影响”，演变成完全不同的状态。
注意，这些不是现实数据。
这是报告的情景设定。
但这种写法非常有效。
它不是在告诉你“未来可能会怎样”，而是让你短暂进入一个“未来已经发生”的世界。
高水平叙事的力量，不只是提出观点，而是构造场景。
二、报告的核心：不是 AI 失败，而是 AI 太成功
过去两年，关于 AI 的主流叙事很乐观。
AI 会提高生产力。AI 会降低成本。AI 会提升企业利润。AI 会带来新的增长周期。
这套叙事支撑了大量科技股、算力股、云计算和数据中心相关资产的上涨。
但 Citrini Research 反过来问了一个问题：
如果这些乐观判断都是对的呢？
如果 AI 真的提高了生产力，真的降低了企业成本，真的可以替代大量白领工作，那结果一定是经济繁荣吗？
未必。
因为企业利润的提升，可能不是来自新增需求，而是来自减少人力成本。
短期看，企业利润率上升，股价上涨，市场欢呼 AI 效率革命。
但长期看，被替代的白领收入下降，消费能力下降，整个经济的消费引擎开始失速。
AI 的成功，可能制造经济不稳定。
这不是“AI 毁灭人类”的科幻叙事。
而是一个更现实的问题：
如果人类智力不再稀缺，那么过去依赖人类智力定价的职业、资产和制度，都会被重新估值。
三、“幽灵 GDP”：数据上增长，体感上衰退
报告中最有传播力的概念之一，叫：
幽灵 GDP。
它描述的是一种很反常识的经济现象：
GDP 数据看起来还不错，企业利润也在增长，生产率持续上升，但普通人的收入和消费能力却在下降。
报告设定中，到 2026 年 10 月，标普 500 接近 8000 点，纳斯达克突破 30000 点。第一批由劳动力过剩导致的裁员出现在 2026 年初，而这些裁员确实带来了企业利润率上升、盈利表现改善和股价上涨。企业又把创纪录的利润继续投入 AI 计算领域。
从传统财务视角看，这似乎是好事。
企业效率提高了。利润率改善了。股价上涨了。生产率提升了。
但问题是：
AI 不消费。
AI 不买房。AI 不旅游。AI 不吃饭。AI 不看电影。AI 不给孩子交学费。AI 不会因为升职加薪而提高生活支出。
过去，企业把工资支付给员工，员工再把工资用于消费，消费又回到企业收入中。
这是现代经济的循环。
但如果越来越多产出由 AI 完成，工资没有流向人类劳动者，那么经济就会出现一种奇怪的繁荣：
企业端很强，居民端很弱；生产率很高，消费动力不足；账面数据漂亮，社会体感变差。
报告中写到，经济评论家把这种现象称为“幽灵 GDP”：
那些出现在国民经济统计数据中，却没有真正流入实体经济的产出。
这句话非常关键。
因为它提醒我们，未来判断经济好坏，不能只看企业利润和生产率。
还要看一个更底层的问题：
生产出来的价值，最后流向了谁？
如果收益主要流向资本、算力所有者和 AI 基础设施，而不是流向劳动者，那么 GDP 增长并不必然意味着消费繁荣。
这就是“幽灵 GDP”的真正含义：
数据上增长，体感上衰退。
四、AI 代理正在消灭一种商业护城河：摩擦
报告的第二条主线，是 AI 代理对商业模式的冲击。
它没有只讨论一个行业，而是指出了一类商业模式的共同弱点：
它们的利润建立在人类的时间有限、耐心有限、信息不充分和懒得比较之上。
过去五十年，美国经济在人类局限性之上，建立了大量中介层。
做事需要时间。比较需要耐心。品牌知名度可以替代认真研究。大多数人为了省麻烦，愿意接受次优价格。很多服务的价值，来自“我帮你处理你觉得麻烦的事情”。
这就是摩擦。
而 AI 代理的核心能力，就是消除摩擦。
报告举了很多例子。
旅游预订平台为什么有价值？
因为你懒得自己比较机票、酒店、地面交通、会员积分和退款政策。
保险经纪为什么有价值？
因为保险条款复杂，你不想每年重新比较不同公司的保单。
房产经纪为什么能收取佣金？
因为买家和卖家之间长期存在信息不对称。
税务、财务咨询、日常法律事务为什么能收费？
因为普通人觉得这些事情繁琐、复杂、不想自己处理。
但 AI 代理出现之后，这些“麻烦”会被自动化。
它可以持续比价、筛选、谈判、续约、取消订阅、优化支付路径。
它不会疲惫，不会因为懒得比较而接受默认选项，也不会因为某个品牌熟悉就放弃更优选择。
报告中有一句话非常锋利：
我们高估了“人际关系”的价值。结果发现，人们所谓的很多关系，只不过是和一张友善的面孔之间的摩擦而已。
这句话几乎可以概括 AI 代理对很多服务业的冲击。
很多行业以为自己的护城河是关系、品牌、用户习惯。
但在 AI 看来，这些可能只是未被优化的摩擦成本。
当交易从“人类决策”变成“机器优化”，商业模式就会被重新定价。
五、SaaS 的问题：不是软件死了，而是定价权变了
报告中对 SaaS 行业的分析尤其值得看。
它认为，智能编码工具能力提升后，企业会开始重新思考一个问题：
如果内部团队用 Claude Code 或 Codex，几周内就能复制一个中端 SaaS 产品的核心功能，那我们为什么还要每年支付几十万甚至上百万美元的续费？
报告设定中，2025 年底智能编码工具能力出现阶跃式提升。
熟练开发者使用 Claude Code 或 Codex，只需几周时间，就能复制中端 SaaS 产品的核心功能。虽然不完美，也无法覆盖所有边缘情况，但已经足够让企业 CIO 在面对高额续费时重新谈判。
这不是说 SaaS 会立刻死亡。
真正改变的是定价权。
过去 SaaS 公司的核心优势，是功能、流程、客户迁移成本和组织惯性。
但当 AI 让内部开发和功能复制成本大幅下降时，客户会多一个选择：
不是必须续约，而是可以自己做。
只要“自己做”变成一个可谈判选项，SaaS 公司的议价能力就会下降。
报告还提到一个很有意思的反身性机制：
一些 SaaS 公司本来销售的是工作流自动化产品，但当更先进的 AI 工作流自动化出现后，它们自己也会受到冲击。
为了维持利润率，它们不得不裁员，然后把省下来的钱投入 AI 工具。
但这些 AI 工具，恰恰又在削弱它们原来的业务基础。
这就是 AI 时代非常典型的悖论：
最受 AI 威胁的公司，往往也是最积极采用 AI 的公司。
因为它们别无选择。
不采用，成本结构失去竞争力；采用，又加速整个行业的人力替代和价格压缩。
个体公司的决策是理性的，但放到整个系统里，可能会形成负反馈循环。
六、白领失业的真正影响，不是岗位减少，而是消费结构坍缩
很多人谈 AI 替代工作，只停留在岗位层面。
比如哪些职业会被取代，哪些岗位还安全。
但这篇报告真正专业的地方在于，它把白领工作和消费系统联系起来。
报告指出，美国经济本质上是一个白领服务型经济。白领工人占就业总数的 50%，并贡献了约 75% 的可自由支配消费支出。
这意味着，AI 替代白领，影响的不只是劳动市场。
它会直接影响消费。
白领群体支撑了大量非必需消费：
房子、汽车、旅游、餐饮、教育、保险、娱乐、装修、金融服务。
当这些人失业，或者收入下降 30%、50%，整个消费结构都会被压缩。
更关键的是，白领失业的冲击有滞后性。
高收入人群通常有储蓄，可以维持几个月甚至几个季度的消费表象。
所以一开始，数据未必立刻恶化。
但当储蓄消耗、奖金削减、招聘冻结、房贷压力上升，这种冲击会集中显现。
报告设定中，到 2027 年第三季度，美国首次申请失业救济人数激增至 48.7 万人，为 2020 年 4 月以来最高，新增申请人大多数是白领专业人士。
这里的关键不是这个数字本身，而是它背后的机制：
普通衰退中，失业往往分布更广。
但 AI 冲击可能首先集中在高收入白领阶层。
这些人的就业占比未必最大，但消费贡献非常高。
所以，少量高收入岗位的收入损失，也可能带来不成比例的消费冲击。
支撑消费经济的中产收入基础开始松动，才是报告真正担心的地方。
七、私人信贷和抵押贷款：AI 风险如何进入金融系统
这篇报告最有金融含量的部分，是它继续往下推演：
如果 AI 冲击白领收入和 SaaS 商业模式，会不会传导到金融系统？
报告提到，私人信贷规模从 2015 年不到 1 万亿美元，增长到 2026 年超过 2.5 万亿美元。
其中相当一部分资本投向软件和技术交易，很多是对 SaaS 公司的杠杆收购，而这些估值假设建立在收入会长期保持两位数增长之上。
问题是，如果 AI 让 SaaS 续约率下降、收入增长放缓、客户重新谈判合同，那么这些债务的基础假设就会动摇。
报告用 Zendesk 做了一个情景案例。
Zendesk 曾被私有化，其债务融资结构建立在年度经常性收入持续增长的假设之上。
但在报告设定中，AI 代理开始自主处理客户服务，Zendesk 定义的工单系统、路由、人工支持管理等类别被替代，年度经常性收入不再稳定，最终触发私人信贷软件违约。
这里要特别强调：
这不是现实已发生事件，而是报告中的未来情景推演。
但它提出的问题是真实的：
如果 AI 让某些软件公司的“经常性收入”不再经常，那么建立在这些收入之上的债务、估值和信贷产品，会不会被重新定价？
更进一步，报告还把风险连接到寿险公司、养老金、私募信贷基金和普通家庭储蓄。
过去大家以为私人信贷是封闭式基金，资金长期锁定，不会像银行一样发生挤兑，所以更有韧性。
但报告指出，许多另类资产管理公司通过寿险公司、年金资金、离岸再保险和特殊目的载体，把私人信贷嵌入更复杂的资产负债表中。
这意味着，一旦底层资产出问题，损失最终可能传导到更广泛的家庭财富和保险体系。
这就是 AI 风险从技术层进入金融层的路径。
技术变化本身不可怕，可怕的是金融系统早就根据旧世界的收入假设和商业模式，做了大量长期定价。
当旧假设失效，风险就开始暴露。
八、抵押贷款的关键假设：好借款人也可能变脆弱
报告还提出了一个很有冲击力的问题：
如果白领收入的稳定性被 AI 改写，那么优质抵押贷款还安全吗？
美国住房抵押贷款市场规模约 13 万亿美元。
抵押贷款承销有一个基本假设：
借款人在未来 30 年内，会大致保持稳定收入。
过去的抵押贷款危机，通常来自三类问题：
投机过度，比如 2008 年次贷；利率冲击，比如可调利率贷款压力上升；局部经济冲击，比如某个地区依赖的产业崩溃。
但报告设定的 2028 年危机不同。
借款人不是次级借款人。
他们信用评分很高，首付充足，收入在贷款发放时真实可靠。
他们是金融系统眼里的优质客户。
但问题在于，贷款发放以后，世界变了。
他们原本稳定的白领收入，被 AI 结构性削弱。
报告中有一句话很适合引用：
2008 年的贷款从一开始就是坏账。2028 年的贷款从一开始就是好账。世界在贷款发放后发生了翻天覆地的变化。
这句话非常关键。
它提醒我们，AI 时代的信用风险，可能不再只是“借款人过去有没有信用”。
而是：
他未来的收入能力还稳不稳定？
如果白领收入不再像过去那样稳定，那么很多建立在“高收入、高信用、高稳定性”之上的金融模型，都需要重新校准。
AI 对金融系统的深层影响，不是简单改变某个职业，而是改变收入稳定性的假设。
九、政府财政也会被卷入：因为税收本质上来自人的时间
报告后半部分还有一个很值得注意的视角：
政府财政收入，本质上也是建立在人类劳动上的。
人们工作，企业发工资，政府从工资和所得中收税。
在正常年份，个人所得税和工资税是财政收入的重要来源。
但如果 AI 提高了生产率，收益却主要流向资本和计算资源所有者，而不是流向劳动收入，那么财政收入结构也会受冲击。
报告设定中，劳动收入占 GDP 的比重从 1974 年的 64% 下降到 2024 年的 56%，而在 AI 指数级增长后的四年里进一步降至 46%。
这个设定背后的意思是：
产出还在。但产出不再通过工资流向家庭。也就不再像过去那样通过所得税和工资税流向政府。
这会让政府陷入一个两难局面：
需要向失业和收入下降的家庭转移更多资金；但恰恰在这个时候，来自劳动收入的税收减少了。
所以 AI 风险最后会变成政策问题。
如果生产率提升的收益高度集中在 AI 基础设施、模型公司和资本所有者手中，而劳动者收入下降，政府就必须重新思考税收、转移支付和社会保障框架。
报告中甚至设想了“共享人工智慧繁荣法案”，也就是对 AI 基础设施收益建立公共权利，用类似主权财富基金或特许权使用费的方式，将部分 AI 产出收益用于家庭转移支付。
不管这个方案是否现实，它提出的问题都非常重要：
当机器智能成为新的生产力核心，公共财政如何分享这部分收益？
这不是科幻问题。
这是制度设计问题。
十、这篇报告哪些是事实，哪些是推演？
读这种报告，最重要的不是立刻相信，也不是立刻否定。
真正专业的读法，是分层。
第一层：事实
报告确实由 Citrini Research 和 Alap Shah 撰写。
报告明确声明自己是思想实验，而不是预测。
报告采用 2028 年未来回顾的写法，模拟 AI 快速发展带来的经济风险场景。
第二层：情景设定
2028 年 6 月失业率 10.2%。标普 500 从 2026 年 10 月高点下跌 38%。2027 年第三季度首次申请失业救济人数激增至 48.7 万。Zendesk 触发私人信贷软件违约。房价在旧金山、西雅图、奥斯汀等城市明显下跌。
这些都属于报告中的未来情景设定，不是现实已经发生的数据。
所以引用时必须明确说明：
这是报告构造的压力测试场景。
第三层：机制推演
AI 替代白领导致消费收缩。AI 代理消除交易摩擦，冲击中介商业模式。智能编码工具削弱 SaaS 定价权。白领收入下降传导到消费、抵押贷款和私人信贷。劳动收入占比下降影响财政收入。
这些属于机制推演。
它们不一定会按照报告设定的速度发生，但逻辑值得认真研究。
第四层：核心叙事
报告最核心的叙事是：
人类智力不再稀缺，经济系统需要重新定价。
这不是一个普通观点。
它是一个框架。
一旦接受这个框架，我们看待 AI 的方式就会变。
我们不再只问：
AI 会不会替代某个岗位？
而是问：
哪些收入，是因为人类智力稀缺才存在的？哪些资产，是建立在白领收入稳定之上的？哪些商业模式，是建立在用户懒得比较和信息不对称之上的？哪些金融产品，是建立在 SaaS 经常性收入和中产长期还款能力之上的？哪些税收制度，是建立在劳动收入占比稳定之上的？
这才是这篇报告最有价值的地方。
十一、报告里的时间线：危机不是突然发生的
这篇报告的叙事之所以有冲击力，是因为它不是简单喊“AI 会带来危机”，而是设计了一条从技术变化到系统性风险的时间线。
2025 年底：智能编码工具跃迁(已经出现了)
报告设定中，智能编码工具的能力出现阶跃式提升。
Claude Code 或 Codex 这类工具，让熟练开发者几周内就能复制中端 SaaS 产品的核心功能。
这一步改变的不是“会不会写代码”，而是企业对软件采购和续费的心理预期。
2026 年初：第一批白领裁员出现（也已经开始蔓延了）
企业开始用 AI 替代部分白领劳动。
短期结果是利润率上升，企业盈利改善，市场反而把它理解成效率革命。
危机最初不是以“坏消息”的面目出现，而是以“利润改善”的面目出现。
2026 年 10 月：市场仍沉浸在 AI 乐观叙事中
报告设定中，标普 500 接近 8000 点，纳斯达克突破 30000 点。
这说明市场在早期并没有把白领裁员理解成系统性风险。
它看到的是 AI 带来的利润率提升和科技资产上涨。
2027 年：消费与信贷压力显性化
随着白领收入下降、消费放缓、SaaS 收入承压，风险开始从就业和企业利润传导到信贷市场。
私人信贷、抵押贷款、消费信用开始受到冲击。
2028 年 6 月：“全球智能危机”情景成形
到这个阶段，问题不再是某个行业受损，而是整个经济系统都需要重新理解：
当人类智力不再稀缺，白领收入、中产消费、信贷假设和财政税基，应该如何重新定价？
这条时间线提醒我们：
真正的大变化，往往不是突然发生的，而是在一连串看似合理的局部决策中逐步积累出来的。
十二、AI 时代，有一种能力叫“叙事事实”能力
我认为，这篇报告除了内容本身，还有一个更值得学习的地方：
它展示了一种非常重要的能力——叙事事实能力。
什么叫叙事事实？
不是编故事，也不是制造恐慌。
而是看懂一个技术事实如何被组织成资本叙事；一个资本叙事如何改变市场预期；市场预期如何转化为交易、融资、裁员、投资和政策行为；最后，这些行为如何反过来塑造现实。
这篇报告做的事情，就是把分散的 AI 焦虑，组织成一条完整链条：
AI 能力提升；企业减少人力；白领收入下降；消费能力下降；SaaS、中介、支付、保险、房产等商业模式被重新定价；私人信贷和抵押贷款承压；财政收入和转移支付体系面临压力；经济系统被迫重新寻找平衡。
这就是高质量叙事。
它不是一句“AI 会让人失业”，而是把技术、就业、消费、企业利润、资产定价和政策反应放进同一个框架里。
这类叙事一旦被市场相信，就不只是观点。
它会影响资金流向、估值模型、企业战略、裁员计划和政策讨论。
过去，市场相信“AI 是生产力革命”。
于是资金涌向 GPU、数据中心、云计算、大模型和 AI 应用。
这个叙事变成了事实。
未来，如果市场开始相信“AI 会重估白领收入和中产消费”，那么它也会变成另一种事实：
资本会重新评估 SaaS、咨询、中介、支付、保险、房产、私人信贷和消费行业的风险。
企业会提前裁员和部署 AI。
投资人会调整估值模型。
政策制定者会讨论 AI 税、转移支付和社会保障改革。
这就是叙事事实能力。
叙事事实能力，不是跟着故事激动，也不是被故事吓倒，而是看懂故事如何变成现实。
它要求我们看懂：
哪些事实正在被组织成叙事；哪些叙事会被市场相信；哪些相信会转化成行动；哪些行动会反过来改变现实。
在 AI 时代，信息不再稀缺，真正稀缺的是结构化判断能力。
十三、这篇报告真正提醒我们的是什么？
我不认为 2028 年一定会出现报告描绘的那种危机。
报告自己也说，它不是预测，而是思想实验。
现实世界有很多缓冲机制。
技术扩散不会完全线性。企业替代人力需要组织调整。监管会介入。新的就业和商业模式会出现。社会也会逐步适应。
但这不代表报告没有价值。
它真正的价值，不在于准确预测未来，而在于提出了一个足够深的问题：
如果人类智力不再稀缺，现代经济哪些部分需要重新定价？
这是一个非常大的问题。
过去几百年，现代经济的很多制度都建立在人类智力稀缺之上。
劳动力市场相信专业能力有溢价。抵押贷款市场相信高收入白领收入稳定。消费市场相信中产会持续支出。SaaS 公司相信企业会长期为流程软件续费。中介平台相信用户没有时间自己比较。政府财政相信劳动收入可以持续贡献税基。资本市场相信白领服务型经济可以维持增长。
而 AI 挑战的，正是这些默认前提。
AI 不是只替代某个岗位，它是在重新定义“智力劳动”的价格。
结语：AI 不是单纯的技术变量，而是定价变量
这篇报告给我最大的启发是：
AI 不是一个单纯的技术变量。
它同时是就业变量、消费变量、商业模式变量、金融变量、财政变量，最后也是一个叙事变量。
如果 AI 失败，我们要面对的是泡沫破裂。
如果 AI 成功，我们要面对的是结构重估。
如果 AI 失败，是泡沫破裂；如果 AI 成功，是结构重估。
这就是它真正复杂的地方。
所以，讨论 AI 不能只停留在“哪些职业会被替代”。
更重要的问题是：
哪些收入来自人类智力稀缺？哪些公司依靠信息不对称和用户惰性赚钱？哪些资产定价假设了白领收入长期稳定？哪些商业模式会在 AI 代理面前失去摩擦红利？哪些政策框架还停留在劳动收入占主导的旧世界？
这才是理解 AI 时代的关键。
Citrini Research 这篇报告未必预测对了 2028 年。
但它准确提出了一个未来几年越来越重要的问题：
当人类智力不再稀缺，中产、消费、金融和政府财政，应该如何重新定价？
在我看来，这就是 AI 时代最值得训练的能力：
不是只看见技术进步，也不是只陷入失业焦虑，而是看懂技术进步如何变成经济叙事，经济叙事如何变成市场行为，市场行为又如何反过来塑造现实。
这就是“叙事事实”能力。
未来真正稀缺的，可能不只是会使用 AI 的人，而是能看懂 AI 如何改变事实、价格和秩序的人。