2025年至2026年初，美国科技业裁员大潮基本可视为“AI结构化重组”。

数据统计显示， 2025年全美裁员超120万人，创2020年以来新高。2026年首季度仅科技业即裁员近8万人，其中约48%归因于AI自动化。

其中包括英特尔 2.7万、微软 1.5万，以及 Oracle为筹资布局AI数据中心，最近刚宣布的 3万人大裁员。

这种 AI 裁员最终会导致什么？

日前，来自宾夕法尼亚大学和波士顿大学的一篇博弈论论文《AI 裁员陷阱》对此做出了论述。

论文认为，这是一个有数学支撑的囚徒困境。自动化，企业短期内生存；不自动化，企业会被竞争对手干掉。

但如果所有企业都 AI 自动化，就会摧毁支撑所有公司生存的基础，即消费需求。因为 UBI（全民基本收入）无法解决，利润税也无法解决。

论文通过模型表明，工人因为失业和收入下降而受损，而企业则因为需求萎缩、市场变小而利润下降。换句话说，企业在裁掉员工的同时，也在裁掉自己的客户。

这一逻辑，直接挑战了“技术进步总会带来整体收益”的传统乐观叙事。

而是指出，当自动化不仅是效率工具，而是变成一种被竞争逼迫的集体内卷行为时，市场机制本身都可能失灵。

在政策层面，论文的结论同样具有争议性。

作者认为，大多数被广泛讨论的解决方案——无论是提高工资、推动再培训、实施全民基本收入，还是通过员工持股改善分配——都无法触及问题的根本，因为它们没有改变企业进行自动化的激励结构。

唯一有效的办法，是对“用AI替代人类劳动”这一行为本身征税，让企业在决策时承担其对社会需求造成的隐性成本。

以下为论文原文编译

 一、摘要（Abstract ）

当人工智能替代人类劳动的速度超过经济体系重新吸纳劳动力的能力时，问题并不仅仅停留在就业层面，而会进一步侵蚀企业赖以生存的消费需求基础。

本文指出，即便企业清楚这一点，在竞争压力之下，它们仍然会做出加速自动化的决策。在一个以任务为单位的分析框架中，需求所具有的外部性会推动企业进入一种类似“军备竞赛”的自动化过程，从而在均衡中产生过度裁员。

这种均衡并非帕累托有效，反而同时损害劳动者与企业的利益。

进一步地，竞争的强化以及人工智能能力的提升，会系统性地放大这种扭曲，而工资调整或市场进入等传统调节机制无法纠正这一结果。

无论是依赖科斯式谈判、引入全民基本收入，还是通过员工持股来改善分配结构，都不足以改变企业的自动化激励。

相较之下，只有针对自动化行为本身征收庇古税，才能使企业在决策中内生地考虑其对需求的负面影响。

由此，本文强调，政策讨论不应仅停留在应对AI带来的就业后果，而必须深入到驱动这些结果的竞争机制之中。

二、引言（Introduction ）

围绕技术是否会取代人类劳动的担忧，并非当代才出现的现象，而是可以追溯至工业革命时期的长期议题。

在历史经验中，这种担忧往往被“再配置效应”所缓解，即自动化所淘汰的岗位会在其他领域以新的形式重新出现，从而在总体上维持就业结构的稳定。

然而，近期研究开始对这一机制的持续有效性提出质疑，指出新岗位创造的速度可能已经无法匹配技术替代的进程，尤其是在当前这一轮以人工智能为核心的技术浪潮中，初级岗位受到的冲击呈现出更加明显的结构性特征。

即便假定在长期中再就业效应仍然成立，问题在过渡过程中依然存在一个关键断裂：被替代的劳动者同时也是商品和服务的需求来源。

当他们的收入下降且未能及时恢复时，消费能力的收缩将直接反馈到企业端，表现为市场需求的萎缩。

随着这一过程反复发生，企业所依赖的需求基础会逐步被侵蚀，极端情况下甚至可能出现企业通过自动化削弱了自身市场的情形。

本文的核心在于揭示，这一问题并非简单的就业调整，而是一个由需求外部性驱动的均衡扭曲。

在企业的决策过程中，自动化带来的成本节约是内部化的，而由此引发的需求下降却被外部化。

在竞争环境中，这种外部性不会被自发纠正，反而会因为企业之间的战略互动而被放大，从而将经济推向一个自动化程度过高的均衡状态。

在这一状态下，劳动者因收入下降而受损，企业则因需求不足而利润受压，最终形成一种非效率的“双输”结果。

三、模型（Model ）

本文构建了一个以任务为基本分析单位的理论框架，其中生产过程被分解为一系列可以由人类或人工智能完成的任务。

企业在这一框架下面临的核心决策，是选择多大比例的任务进行自动化替代。

自动化的直接效果在于降低生产成本，从而在竞争中获得优势；但与此同时，这一决策也通过减少劳动需求而压低了总体收入水平，并进一步影响市场需求。

关键之处在于，企业在进行自动化选择时，并不会将其对总体需求的负面影响纳入自身决策函数。

换言之，需求的变化虽然会影响所有企业的收益，但单个企业在决策时仅关注自身成本与价格竞争地位，而忽略了其行为对整体消费能力的侵蚀。这种结构构成了一个典型的外部性问题。

在这一设定下，可以区分由市场机制产生的均衡自动化水平与社会最优自动化水平。

前者来源于企业在竞争中的利润最大化行为，后者则需要综合考虑企业利润与劳动者收入所共同构成的社会福利。

分析表明，均衡中的自动化程度系统性地高于社会最优水平，其差异正是需求外部性未被内部化的直接体现。

四、主要结果（Results ）

在模型的均衡分析中，一个核心现象是自动化行为呈现出明显的战略互补性。

即便所有企业都意识到过度自动化会削弱总体需求，从而在长期中损害自身利益，它们仍然无法单独偏离这一路径。

原因在于，在竞争环境中，任何一家企业若放缓自动化步伐，都可能在成本上处于劣势，从而失去市场份额。

这种“不得不为”的压力，使得自动化演化为一种类似军备竞赛的过程，其结果并非效率提升，而是集体性过度投入。

随着人工智能技术能力的提升，这一问题会进一步加剧。

更低的自动化成本和更高的替代效率，使得企业在短期内获得更强的激励去替代人类劳动，但与此同时，对需求的负面冲击也被同步放大。

类似地，市场竞争程度的提高同样会强化这一机制，因为利润空间的压缩会使企业更加依赖成本优势，从而进一步加速自动化决策。

值得注意的是，传统意义上的价格或工资调整，并不能有效缓解这一问题。

工资下降虽然可能降低用工成本，但并不能改变自动化决策所依赖的相对收益结构，因此不会从根本上削弱自动化动机。

自由进入同样如此，更多企业的加入反而会加剧竞争，从而强化自动化压力，使得均衡偏离最优状态更加严重。

五、政策分析（Policy ）

在政策层面，本文系统考察了多种常见的干预手段，并指出它们为何无法触及问题的根本。

诸如全民基本收入之类的政策，虽然可以在一定程度上缓解需求不足的问题，但并未改变企业在自动化决策中的激励结构，因此只能在结果层面进行修补，而无法阻止过度自动化的形成。

类似地，员工持股等安排虽然改善了收入分配，却并未改变企业在成本与竞争压力下的行为逻辑。

再培训政策在长期中可能有助于劳动力重新配置，但其作用具有明显的滞后性，难以应对自动化冲击在短期内对需求的破坏。

至于依赖科斯定理的协商机制，虽然在理论上可以通过重新分配产权来实现效率，但在现实中面临信息不对称与协调成本过高的问题，难以形成可执行的制度安排。

与上述方法不同，对自动化行为征收庇古税能够直接作用于企业的决策函数。

通过对每一单位替代人类劳动的自动化行为施加成本，可以使企业在选择自动化程度时，将其对整体需求的负面影响纳入考量，从而实现外部性的内部化。

在这一机制下，市场均衡可以被引导回社会最优水平，过度自动化的问题也随之得到缓解。

六、结论（Conclusion ）

本文的分析表明，人工智能带来的挑战并不局限于就业数量的变化，而是更深层次地涉及宏观需求结构的稳定性。

当企业在竞争压力下持续推进自动化时，个体理性的决策会通过需求外部性汇聚为整体性的非理性结果，使经济体系陷入一种自我削弱的循环之中。

因此，将问题仅仅理解为“如何安置失业者”是不充分的，更关键的是识别并干预驱动这些结果的激励机制。

只有当政策直接作用于自动化决策本身，使企业在决策中内生地考虑其社会成本时，才能从根本上避免过度自动化所带来的系统性风险。