ARTICLE · 1290322
两种未来:当AI成为资本工具,我们在为什么样的世界下注
两种未来:当AI成为资本工具,我们在为什么样的世界下注引言：一个被忽略的根本性选择 过去三年，我们听到了太多关于人工智能的叙事：它将取代多少工作岗位，它将使生产率提高多少个百分点，它将在多长时间内为企业节省多少成本。资本市场的分析师们勤勉地计算着每一家公司"AI化"后的人力支出缩减，咨询公司发布的报告里反复出现同一个词——降本增效。 我必须指出一个被系统性回避的问题：当我们谈论AI的价值时，我们到底在选择什么？ 是把它当作一把压缩成本的手术刀，还是当作一台拓展人类边界的发动机？这不是一个技术偏好问题，而是一个关于我们未来二十年经济形态、社会结构乃至文明走向的根本性抉择。今天，我想把这个选择讲清楚。 一、主导叙事：降本增效的诱惑与陷阱 当前全球资本对AI的定价逻辑，几乎完全建立在一个框架上——投资回报率以"节省了多少人力、多少时间、多少预算"来衡量。一家律所部署合同审查AI，估值逻辑是"初级律师编制缩减30%"；一家制造企业上线视觉质检系统，投资模型是"质检岗位减半、差错率下降"；一家金融机构引入智能客服，回报测算直接锚定"呼叫中心坐席规模压缩"。 这个逻辑对单个企业而言无可指摘。在竞争激烈的市场中，率先降低成本的企业获得定价优势，这是资本主义最古老的法则。 但当所有人同时做同一件事时，合成谬误就出现了。 让我用一个简单的模型来解释。假设全行业都在通过AI压缩人力成本，每个企业的成本曲线都下移了。短期看，利润确实改善了。但被裁撤的员工、被压低薪资的留任者，同时也是市场上的消费者。当劳动收入在国民收入中的份额持续下降，居民可支配收入的增速就跑不赢产能扩张的速度——东西越来越多、越来越便宜，但能买的人手里没有足够的钱。 这就是宏观经济学中最经典的危机结构：不是生产不足，而是生产出来的东西没人买得起。 马克思在《资本论》中描述的生产过剩危机，凯恩斯在《通论》中分析的有效需求不足，在AI时代不会消失——只会被加速。企业为了消化过剩产能继续降价，为了保利润继续压成本，消费者预期收入下降继续储蓄——一个通缩螺旋就此形成。日本"失去的三十年"是这个机制的温和版本；而AI如果沿着降本路线全速前进，是把这个螺旋按了快进键。 更隐蔽的代价在于创新能力的自我扼杀。当资本的估值标尺只剩下"回本周期"和"当期利润"，管理层的理性选择必然是把资源投向确定能省钱的项目，而不是高风险、长周期的边界探索。整个社会的研发能量被吸入"优化旧流程"的轨道，而"探索新范式"的投入持续萎缩。短期看效率极高，长期看——我们把一棵技术树的枝叶修剪得无比整齐，却忘了它的根已经长歪了。 这就是我说的效率铁笼：一个系统运行得越精密、越高效，它对外部变化的适应能力反而越弱。当所有人都在同一个有限的盘子里拼命挤压成本时，这个系统不会崩溃，但它会变得越来越沉闷——每个人都更忙碌，人均产出更高，但整体的财富增长却在停滞。 二、另一条路：边界拓展的经济学逻辑 现在让我们转向另一种叙事——AI不是节流工具，而是能力杠杆。 这条路线的核心命题是：需求不是预先固定的。很多消费需求之所以不存在，是因为供给端的成本高到不成立。 汽车出现之前，没有人觉得自己需要一辆汽车；互联网出现之前，没有人觉得自己需要在线购物；智能手机出现之前，没有人觉得自己需要随身导航地图。是技术先把供给做出来，需求才被唤醒。 AI在这条路线上能做什么？它能将过去只有大型实验室才能负担的药物分子筛选，下放给中型生物科技公司；它能将过去需要专业设计团队才能完成的仿真建模，交到独立工程师手中；它能将过去因师资稀缺而无法普及的个性化教育，触达每一个有网络连接的孩子。它不是在"把旧事情做得更便宜"，而是在做过去因成本过高而根本不可能存在的事情。 从经济学角度看，这条路线对应着熊彼特所说的"创造性破坏"——经济增长的本质不是在既有产品曲线上做成本优化，而是通过新组合、新产品、新市场不断摧毁旧结构、创造新价值。每一次通用目的技术革命——蒸汽机、电力、信息技术——都经历了这个过程：短期是大量的试错、泡沫和阵痛，长期是整个生产可能性边界的外推。 这条路线的社会经济后果与降本路线截然不同：新行业不断涌现，新职业持续诞生，虽然旧岗位会被摧毁，但总体就业结构在升级而非萎缩。劳动收入份额未必立即改善，但社会总蛋糕在真实变大——这意味着我们拥有更多资源来修补分配问题、应对转型阵痛。 但我必须诚实地指出这条路线的风险。 它不是乌托邦。它会产生三种新的不平等： 第一，平台垄断。最先跑通新范式的企业将凭借数据壁垒、算力壁垒和网络效应形成新型垄断——它们创造了新市场，但新市场的绝大部分利润可能向极少数平台集中。这不是传统的价格垄断，而是生态垄断：你不得不在我的轨道上运行，因为整个生态都长在我的地基上。 第二，能力鸿沟。旧行业消亡时，新行业的门槛极高。那些无法完成能力迁移的人不会被简单裁员，而是被整个时代跳过——他们不是没有工作，而是在新经济中找不到自己的位置。 第三，方向失控。边界拓展意味着技术跑在制度前面。深度伪造、自主武器、生物安全、隐私侵蚀——这些外部成本由全社会承担，而收益由少数先行者获取。 三、关键比较：哪条路的问题"更容易解决"？ 现在来到今天发言最核心的判断。评估一条路线好不好，不是看它有没有问题——任何技术革命都有问题——而是看当问题出现时，我们还有没有能力和空间去修正它。 降本路线的问题，我称之为内生型危机。需求萎缩、劳动收入份额下降、创新萎缩、社会撕裂——这些不是外部冲击，而是系统运行逻辑本身的产物。你越沿着这条路走，问题越深、纠偏空间越小。等到社会共识形成、政策工具准备就绪时，系统已经进入了低增长、高债务、低预期的困局，转身的代价极其高昂。这就像一个人通过每天少吃一顿饭来省钱——短期看存款增加了，长期看身体垮了，而身体垮了之后，他连继续工作的力气都没有了。这是一个负向反馈循环，不是"咬咬牙就能调整"的。 拓展路线的问题，我称之为外生型阵痛。垄断可以通过反垄断执法、数据可携带性、互操作性要求来遏制——美国司法部对AT&T和微软的拆分、欧盟对谷歌的反垄断处罚，都是成熟的制度工具。能力鸿沟可以通过教育体系重构、终身学习账户、转型培训来缓解——这是公共投资问题，不是无解的物理约束。安全风险可以通过分级监管、安全审计、红队测试来设护栏——全球AI治理框架已经在搭建之中。 这些问题棘手吗？当然。但它们是开放型问题。 每一代人面对类似的挑战——工业革命的童工问题、铁路泡沫的崩盘、互联网时代的隐私战争——都通过制度创新完成了修正。蛋糕在变大，社会有资源来修补；纠偏空间是扩张的，不是收缩的。 这就是两条路线最本质的区别：降本路线的问题，是我们什么都没做错却一起走进了死胡同；拓展路线的问题，是我们选择面对并可以通过治理来修正的挑战。 四、我的建议 我不认为社会可以在两条路线之间做简单的"二选一"——任何企业都会在日常运营中使用AI来提升效率，这是商业理性。但作为一个整体，社会的激励结构、资本的配置方向、政策的引导重心，必须有意识地向边界拓展倾斜。具体而言，我提出以下四点建议： 第一，重新定义AI投资的社会回报标尺。 目前资本市场的估值逻辑只计算"成本节约"这一项。我们需要建立一套更完整的评估框架，将AI投资的社会外部性——包括新创造的就业、新开辟的市场、对公共健康和气候变化的贡献——纳入定价体系。可以通过税收优惠、研发抵免、公共算力采购等政策工具，显著提高边界探索型AI项目的预期回报率，使其与降本型项目形成有意义的竞争。 第二，为创造性破坏建立"社会安全网2.0"。 当旧行业被AI加速替代时，转型阵痛不能由劳动者独自承担。我们需要设立专门的AI转型基金，为受冲击行业的工人提供再培训补贴、过渡收入支持和职业转换辅导。这不是慈善，这是维持社会对技术创新之共识的必要成本——如果公众认为AI只服务于资本而损害自身利益，任何技术进步都将面临政治上的反弹。 第三，对新型AI垄断保持高度警惕并提前布局监管工具。 历史告诉我们，平台垄断一旦形成生态锁定，事后拆分的代价远高于事前设计规则。我们需要在AI产业发展的早期就建立数据可携带性要求、算力基础设施的公共准入标准、以及对模型部署的安全审计机制。目标不是扼杀创新，而是确保新创造的蛋糕不会被少数玩家独占。 第四，也是最重要的一点——我们需要一场关于AI价值观的公共对话。 当前关于AI的讨论几乎完全被"效率"和"竞争"的话语主导。但AI到底应该帮我们做什么？是帮我们在有限的资源里互相挤压，还是帮我们拓展人类能抵达的边界？这个问题不应该由工程师和投资者单独回答。它是一个文明层面的选择，需要社会各阶层的广泛参与。 结语 四十年前，华尔街对个人电脑的看法也非常一致——它不过是让办公室文书工作更高效的工具。那些真正押注"个人电脑将拓展人类创造力边界"的人——比尔·盖茨、史蒂夫·乔布斯——在当时是少数派，他们的公司在资本市场上被嘲笑了很多年。 今天，历史正在重演。我们又一次站在同一个岔路口：把AI当作一把削减成本的手术刀，还是一台拓展人类可能性的发动机？ 我的判断是明确的：降本增效是一条短期舒适、长期走向停滞的路；拓展边界是一条短期颠簸、但通向开放未来的路。 人类真正的风险从来不是AI太强，而是我们把它只用在了"把彼此替换掉"这件事上，而不是用它去走得更远。 这个选择，今天就在我们手中。
