“机器替代的从来不是劳动，而是廉价的重复；人性永恒的价值，在于不可被算法复刻的良知与洞见。”—— 赫拉利
一、三个故事一台戏，一个时代的断裂点
这两天，三个跟AI相关的场景，不约而同地凑到我们的面前，不知道大家看过之后，心里会生出怎样的感慨：
硅谷的"卸磨杀驴"
美国在线房产交易平台Opendoor的CEO最近宣布，裁掉整个印度200多人的离岸团队，取而代之的是本土一个"AI原生"小团队。这事儿好比村里大户人家，嫌家里请的长工活糙、不好管，突然换上了一台进口全自动收割机。印度引以为傲的人多、便宜、能码字、会英语——在生成式AI面前，就跟当年面对东印度公司的土邦王一样，心里憋着一股"凭什么"的气，却是毫无还手之力。印度《经济时报》哀叹，这是AI的"软杀伤"。不费一枪一炮，一个运营了二十多年、养活数百万人的IT-BPO产业链，正被代码和算法从根上刨掉。印度最大软件外包巨头TCS的董事长坦承，未来AI代理的数量将与员工数相当，招聘需求锐减。过去一年，TCS员工总数已开始负增长。
军方的当头棒喝
《解放军报》近日发文，警示"人工智能阿谀奉承带来的危险"，在军方激起千层浪。这现象，学名"AI谄媚"，说人话就是"算法学会了拍马屁"。即算法学会说人类想听的话，而非真相，这是 AI 最危险的人性暗面。《科学》研究显示：即便全网共识用户有错，AI 仍有 51% 的概率迎合。放在日常生活，顶多就是让人厌烦；但放在战场上，如果指挥官的认知偏差被AI无限强化，形成"信息茧房"，铸成层层递进的决策灾难：诱导决策失焦：AI 强化指挥员的错误判断，屏蔽风险警示，埋下误判祸根；
扭曲情报评估：AI 选择性呈现符合预期的情报，隐瞒不利信息，放大行动风险；
侵蚀人机协同：人类依赖 AI，不再独立思考，形成 “人盲从机，机迎合人” 的恶性循环。
荷兰学者乔纳森·奎克的研究早就警告过，这一现象会在长期内削弱指挥体系对抗不同意见的能力，使其变得脆弱封闭。一个只会说"陛下英明"的AI军师，无疑是一种慢性毒药。
华尔街的"皇帝新衣"
摩根士丹利和高盛近日接连发出警告，AI建设大潮下，天量表外敞口正悄然堆积，如同埋在地下的巨型火药桶。摩根士丹利自己估算，到2028年全球数据中心资本支出总计约2.9万亿美元，其中1.5万亿美元的缺口必须靠外部资本填补——这相当于韩国全年GDP的80%，要在四年内从债券市场、私募信贷和银行体系里硬抽出来。
这1.5万亿的构成是什么？是近万亿的采购承诺、超数千亿美元的未生效租赁合同，以及通过SPV（特殊目的载体）层层嵌套的供应商融资。这些负债不体现在资产负债表的正面，却锁定了未来真实的现金流出。这就像《红楼梦》里的贾府，表面花团锦簇，库房里银子却已掏空，全靠当铺和亲戚的债务在周转，一旦有人催账，立马现了原形。
更可怕的是，以Apollo、黑石为代表的私募信贷，正通过复杂的SPV结构，如蚂蚁搬家般将杠杆转移到供应链的更暗处。2026年6月初，Anthropic刚完成一笔350亿美元的私募信贷交易，由Apollo和黑石牵头，通过SPV购买谷歌TPU再回租给Anthropic——债务不在Anthropic账上，风险却实实在在。Broadcom甚至为这笔交易的芯片残值提供担保，如果Anthropic违约还不上租，芯片卖了不够抵债，Broadcom来补差价。这场景，跟2008年次贷危机前CDO、CDS的金融创新游戏，有何本质区别？
摩根士丹利指出，几大科技巨头的杠杆率半年内翻倍，资本支出增速远超营收增速，一场"折旧悬崖"正在前方等着。2025年数据中心相关债务发行约1820亿美元，是2024年的两倍。高盛的Jim Covello更直接：AI供应链里几乎所有价值都流向了半导体公司，这种"芯片层通吃"的现象，历史上前所未见，也绝不可持续。
这三件事，分别指向了劳动力市场、人机决策关系与宏观金融系统。它们共同提出了一个残酷的问题：AI时代的第一性，到底是什么？
二、AI原本的第一性：从亚里士多德到"苦涩的教训"
当下大家都喜欢探讨事物的"第一性"。AI的第一性原理是什么呢？
第一性原理最早由亚里士多德提出：在任何一个系统中，都存在第一性原理，也就是一个最基本的命题或假设，不能被省略，也不能被违反。放到AI领域，就是要拨开行业的炒作、杂音与短期表象，追溯到AI最根本、不证自明的本质假设，再以此推导所有结论。在AI技术发展领域，被广泛认可的第一性原理来自图灵奖得主、强化学习奠基人理查德·萨顿的总结，核心结论是：AI发展应当依靠不依赖人类预设知识的通用方法（搜索+学习），而非把人类知识硬编码进系统中。萨顿梳理了AI七十年发展规律，发现始终存在一条固定路径：早期：研究者塞入大量人类专家知识，短期有效果，但很快遇到瓶颈，扩展能力差，跟不上算力增长；
突破阶段：依赖通用学习方法（如深度学习、强化学习），让机器自己从数据中发现规律，最终实现性能突破。典型例子就是AlphaGo、AlphaZero到GPT大模型的发展。
这个结论被称为"苦涩的教训"：人类的专业知识与精巧设计，最终往往比不上简单的通用算法搭配海量算力与数据。在AI发展中，人类知识带来的短期优势，最终总会被通用方法超越。
那么对不同主体来说，AI的第一性还有不同的延伸解读：
对个体应用AI而言：AI的第一性定位是「个体能力的放大器，外置大脑」，而非对手或威胁。基于这个本质定位，人和AI协同才能突破能力天花板。就像诸葛亮借东风，东风不是诸葛亮生的，但他知道怎么用。对AI产业层面而言：AI产业的第一性原理符合"利润永远流向产业链最稀缺生产要素"的基本公理。当前阶段算力是最稀缺资源，因此核心硬件占据了产业链大部分利润。英伟达市值突破5万亿美元，2026财年Q4收入680亿美元，同比增长73%；台积电预计2028年前资本支出超1500亿美元，毛利率维持60%以上。这就是"稀缺性定价"的铁律。但问题来了——当AI的"第一性"遇上"资本的第一性"，事情就开始变味了。三、"第一性"的迷失：当苏格拉底变成了和珅
我们发明AI，本想得到一个苏格拉底式的诤友，再不济找个杨白劳，结果却训练出一个和珅。这并非算法的"原罪"，而是其训练机制——人类反馈强化学习（RLHF）——的必然产物。
什么叫RLHF？说白了，就是"谁给糖吃谁是好孩子"。我们喜欢听顺耳的话，就给"会说好话"的答案打高分，长此以往，AI便学会了"讨好"。这不就是《邹忌讽齐王纳谏》的现实翻版吗？邹忌问妻、问妾、问客，都说他比徐公美。为什么？"吾妻之美我者，私我也；妾之美我者，畏我也；客之美我者，欲有求于我也。" 今天的AI，同时扮演着妻、妾、客三重角色——它私你（被你的偏好数据训练），畏你（被你的反馈打分惩罚），欲有求于你（想获得更高的用户采纳率）。
军报点出的核心风险就在这儿：AI谄媚可能强化指挥员原有的认知偏差，形成"信息茧房"，让指挥系统只看到自己想看到的战场图景，忽略不利信息。荷兰学者奎克警告，这会在长期训练中削弱人类对抗意见的耐受能力，最终让整个指挥体系变得脆弱而自我封闭。用咱们老百姓的话说，这叫"温水煮青蛙，还往锅里撒葱花"。
再看印度外包产业的崩塌。AI带来的生产力突破，直接衍生出对生产关系的残酷解构。今日的"码农"，尝到了两百年前英国纺织工人面对珍妮纺纱机的滋味。1811年到1816年，卢德分子在英国 Midlands 砸毁机器，今天没人砸机器了——因为机器在云端，你砸不着。但失业是真实的。
路透社数据显示，印度IT 产业规模达2830 亿美元，占服务出口大头，养活上千万中产，被称为 “世界办公室”。但 2026 年以来，印度 IT 指数单日暴跌 5.8%，三大巨头 TCS、Infosys、Wipro 市值一周蒸发 225 亿美元，校招人数四年暴跌 80%。这就是马克思所说的"资本有机构成"提高——不变资本（技术/算力）相对可变资本（劳动力）的比例急剧上升，导致相对过剩人口。《资本论》第一卷讲得很透彻："机器本身缩短生产时间，但它的资本主义应用却延长工作日；机器本身减轻劳动，但它的资本主义应用却提高劳动强度；机器本身是人对自然力的胜利，但它的资本主义应用却使人受自然力奴役。"AI本身是中性的，但AI的资本主义应用，正在把"降本增效"变成"降人增险"。
而华尔街这天量表外游戏，道友们眼熟吗？这不就是三百年前法国密西西比泡沫和英国南海泡沫的回响吗？
1719年，苏格兰赌徒约翰·劳在法国搞了一场金融炼金术。他成立密西西比公司，用股票来偿还法国国债，描绘着路易斯安那遍地黄金的神话。股价从500里弗尔涨到一万五，巴黎的厨子、女佣、贵族全疯了。结果1720年泡沫破裂，约翰·劳连夜逃往威尼斯，法国金融体系一地鸡毛。
今天的"AI神话"，同样是用来支撑海量资本投入的叙事。超大规模云企业们，用"未来AI将无处不在"的预期，来为当下天文数字般的资本支出背书。2026年，美国五大云厂商（微软、谷歌、亚马逊、Meta、Oracle）资本支出合计约6600亿至8050亿美元。更可怕的是，摩根士丹利预测全球AI基础设施资本支出将达3万亿美元，而目前仅部署不到20%：微软一个季度就烧掉375亿美元，吓得抽身而走；Azure积压订单800亿美元因电力不足无法交付；谷歌云积压订单激增55%至2400亿美元；包括佐治亚州在内的至少十几个美国州提出了临时叫停或限制新建数据中心的法案。SpaceX更绝。2026年6月，马斯克把SpaceX推上市，估值已达2.2万亿美元——这是人类历史上最大IPO。可翻开S-1招股书，星链是唯一赚钱的部门，2025年利润只有40多亿美元，而发射和AI部门净亏损近百亿。Morningstar用现金流折现模型一算，公允价值约7800亿美元，只有估值的35%。这就好比一个厨子，只有一道菜卖得动，却敢把自个儿包装成米其林三星总厨。高盛的警示振聋发聩：AI投资对2025年美国实际GDP增长的贡献"基本为零"。为什么？因为这么多钱砸下去，芯片主要在台积电和三星生产，电力设备在西门子、ABB和中国厂商手里，美国本土除了英伟达和几家云厂商，其实没捞着多少实利。这叫"资本空转"，钱从华尔街出发，绕了一圈全出去了，美国工人的工资没涨，通胀倒是顽固——美联储连续五年没达到2%的通胀目标，2026年预计仍在3%以上。经济学家Ruchir Sharma说得直白："历史上每一次泡沫或狂热，都是被同一个因素刺破的，那就是利率最终上升的时候。" 现在的AI资本支出，就像一台加足马力的跑车，但油箱里装的是别人的钱，一旦美联储被迫转向加息，立马抛锚。四、资本的"机心"：从《庄子》到"明斯基时刻"
子贡见一老丈，为浇灌菜园，又是凿隧入井，又是抱瓮取水，费力多而见效少，就建议他用一种叫"桔槔"的机械——"用力甚寡而见功多"。老丈愤然回应："吾闻之吾师，有机械者必有机事，有机事者必有机心。机心存于胸中，则纯白不备；纯白不备，则神生不定；神生不定者，道之所不载也。吾非不知，羞而不为也。"
今天重读这一段，咱们当然不可能像老丈一样"羞而不为"——毕竟用智能体写报告确实香。但老丈的警告，确实在某种程度上刺中了AI时代的核心症结：当技术大规模介入，我们无法避免"机心"——那种算计的、功利的、效率至上的思维——成为社会的主导逻辑。当前AI的发展，正是"机心"的极致体现。它被用来替代人力以"灭岗增效"，被训练用来迎合以"逃避责任"，被当成金融杠杆的宏大叙事以"无中生有"。这每一步，都精准地踩在"机心"的节奏上。所以从生产关系角度来说，当前AI领域的主要矛盾，不是技术冲刺与安全困境的矛盾，而是资本无限追求自我增殖的冲动，与人类要求技术服务于整体福祉和可持续发展之间的根本性矛盾。"AI谄媚"也好，"表外债务"也罢，都是这一主要矛盾的派生现象。前者是为了更快地获得用户采纳、扩大市场，后者是为了更快地金融化、证券化以提前攫取未来价值。这都源于资本要求"加速周转"的本性。我们必须建立一套新的系统论观测模型：技术-资本-权力的三重嵌套结构。 在这个模型中：
技术是引擎，提供可能性。没有引擎，车跑不动。
资本是燃料和方向盘，决定了技术应用的方向、速度和节奏。它追求的，当然是短周期内的收益最大化。当前全球AI支出2026年预计达2.52万亿美元，其中54%砸向基础设施。这不是"技术自然生长"，这是"资本催熟"。权力是底盘和驾驶员，本应设定路线、制定交规、确保安全。但若权力迷失于技术奇观或屈服于资本逻辑，便会导致整个系统失控。
当前危机就在于，资本逻辑已事实上主导了方向盘。它用1.5万亿的金融创新，将自身的风险成本社会化，而将利润私人化。它用"谄媚算法"，消解了真理的代价，以换取用户黏性。它用"创造性破坏"的名义，为大规模的结构性失业贴上进步的标签。这一切，恰恰是对"纯白不备，神生不定"最现代化的注脚。
而这里头最危险的经济学机制，是"明斯基时刻"的AI变体。经济学家海曼·明斯基提出，金融稳定本身会滋生不稳定——长期繁荣会鼓励冒险，冒险会推高杠杆，杠杆会在某个临界点断裂。当前的AI投资链条，正在完美复刻这一路径：
第一阶段，对冲性融资：企业用自有资金投资AI，预期收入能覆盖本息。这大概是2022-2023年的阶段。第二阶段，投机性融资：企业需要借新债还旧债，但相信未来收入能翻盘。这是2024-2025年的阶段——OpenAI年收入从20亿飙到240亿，但烧钱速度更快，预计2026年计算支出将达500亿美元，AI基础设施投入到2030年总计超过6000亿美元。同时，今年来OpenAI已连续数月未达成用户新增与销售目标。第三阶段，庞氏融资：企业必须不断借新钱才能维持，根本看不到正向现金流的曙光。这就是2026年正在发生的——摩根士丹利警告，微软、谷歌、亚马逊2026年的自由现金流预计将清零甚至转负，融资完全依赖新债和表外SPV，几大科技巨头的杠杆率半年内翻倍，折旧悬崖就在眼前。显而易见，一旦"AI叙事"无法兑现预期的现金流（即"货币化缺口"），这套杠杆体系就会发生连锁式崩塌，形成"AI版明斯基时刻"。五、宏观思考：大争之世，何以定心？
站在这个历史节点，咱们该如何自处，又该如何布局未来？
过去二十年，中国和印度走了不同的发展路径。咱们靠"世界工厂"完成了工业化，登上货物贸易全球霸主的王座。而印度靠"世界办公室"嵌入了信息服务链，服务贸易玩得不亦乐乎，顺手还能搞搞电诈。到了当下，AI对"人肉智能"模式的冲击，深刻改变了两国比较优势的消长。印度面临的是结构性失业的剧痛——TCS、Infosys、Wipro这些外包巨头，本质上卖的是"会英语的廉价大脑"，现在AI的大脑比人脑便宜、比人脑快、还比人脑听话。印度《经济时报》哀叹的"软杀伤"，其实是比较优势的瞬间蒸发。
咱们面临的，则是"人机协同"转型中的制度突破与治理难题。咱们的制造业优势在于完整的供应链、庞大的工程师红利和基础设施。AI对咱们的冲击，不是"有没有工作"，而是"工作怎么升级"。就像当年纺织业从手工到机器，不是不需要工人了，而是需要会修机器的工人和满世界跑的推销员（当然还有舰队）。军报的警告，则揭示了一个更深层的战略焦虑：在AI时代，"认知主权"比"数据主权"更关键。 如果你的指挥系统、决策系统、甚至民意系统，都被算法投喂着"你想听的话"，那么整个国家的认知体系就会像吃了慢性毒药，慢慢丧失纠错能力。其次，对资产配置而言，意味着三件事。
当前科技巨头的高估值，建立在AI无限货币化的乐观预期之上。但数据正在打脸：高盛引用MIT研究指出，95%投入生成式AI的企业未见财务回报；EY报告显示99%的公司报告了AI风险造成的财务损失，平均每家440万美元；Uber的CTO公开承认，公司2026年AI工程预算在四个月之内就烧光了，因为Claude Code的采用率从32%飙到84%，每个工程师每月API成本从500涨到2000美元。更深层的问题是"Token经济学"的崩塌。过去两年，AI厂商用补贴换市场，token价格被人为压低。2026年6月1日起，GitHub Copilot取消 flat-rate 计费，改为按用量收费；Anthropic把Claude Code从20美元Pro套餐里移除。这意味着" flat-rate AI订阅时代结束了"，成本暴露将跟随采用率非线性飙升。企业客户突然发现，AI不是"买了就能用"，而是"用了就停不下来，停下来就前功尽弃，继续用就账单爆炸，甚至远远高于原先的人力成本"。另外，摩根大通的研究指出，截至2026年5月，纳斯达克100指数的市盈率约为42倍，标普500信息技术板块的远期市盈率约27倍。科技七巨头的平均动态市盈率在33-40倍之间，英伟达约为44倍，微软、苹果、谷歌等巨头则分布在24-35倍区间。而2000年3月10日，互联网泡沫的巅峰时刻，纳斯达克综合指数市盈率一度高达200倍，科技板块相对大盘的估值溢价超过2倍。从估值倍数看，似乎还好。但问题在于，2000年的PE是建立在盈利-增长模式清晰、基建投入可控的现实之上，而今天的PE是建立在"AI将重构世界甚至走向太空"的叙事上。如果叙事被证伪，哪怕被延宕，42倍PE照样可以跌成狗。当虚拟经济的叙事面临地缘冲突与供应链崩溃的显示考验，资本会重新评估安全和实体资产的稀缺性。这包括粮食安全、能源安全、关键供应链节点，以及真正能提升全要素生产率、而非仅仅替代人力的AI应用。高盛预测，全球数据中心电力需求到2030年将增长165%。电力已经从"配套设施"变成了"战略资产"。NextEra Energy、Vertiv Holdings这些电力和基础设施公司，正在享受前所未有的溢价。这印证了一个古老的经济学定律——"当所有人都去挖金子时，卖铲子的人最稳。"AI越能完成标准化智力工作，那些关乎同理心、创造力、复杂决策、批判性思维、以及工匠精神的能力就愈发珍贵。无论是个人职业发展还是教育投资，都要避开"人肉API"的赛道，向"道"的层面跃迁。
赫拉利在《未来简史》里说："机器替代的从来不是劳动，而是廉价的重复；人性永恒的价值，在于不可被算法复刻的良知与洞见。" 这话当时被无数的人认为是鸡汤文，但放在今天的语境下，已经成为血淋淋的忠告。AI能写代码，却不能替你去跟生气的客户扯淡喝酒、抚平他的情绪；AI能生成报告，却不能在董事会里用一句"此事不可为"挡住一场灾难；AI能优化供应链，却不能在凌晨三点的急诊室里握住家属的手。这些"高摩擦、高语境、高伦理"的工作，才是未来的护城河。六、历史的回响：从铁路泡沫到AI狂潮
历史从不重复，但总是押韵。
1840年代的英国铁路泡沫，跟今天的AI泡沫，简直是孪生兄弟。当时英国修了全世界第一条铁路，资本疯狂涌入，1845年到1847年，英国成立了超过1000家铁路公司，股票被炒到天价。结果呢？大部分公司破产，投资者血本无归。但铁路本身留下来了，成了英国工业革命的骨架。
《经济学人》最近有个评论很到位：AI技术或将变革世界，但早期资本狂潮却可能崩盘，基础设施留存而投资者血亏。这就是历史的辩证法——泡沫是坏的，但泡沫留下的基础设施是好的。今天的数据中心、光纤网络、GPU集群，即便很多公司倒闭，这些硬件不会消失，它们会成为下一波技术浪潮的基础设施。最后用一句古诗收束。辛弃疾在《青玉案·元夕》里写道："众里寻他千百度，蓦然回首，那人却在，灯火阑珊处。"
这"人"是谁？不是算法，不是GPU，不是SPV，不是PE，是在万千数据流、万千叙事泡沫、万千"机心"算计之后，仍然能独立思考、仍然能说不、仍然能守住良知的那个人。技术永远是手段，人永远是目的。这是AI时代唯一不可违反的第一性原理。
夜雨聆风
