夜雨聆风Anthropic的CEO Dario Amodei 前一阵子发布了一篇颇具争议的文章，各方解读热火朝天，大意就是高算力模型应该被政府监管控制，甚至需要上升到国家安全与政治意识形态的斗争层级，事件发展到现在，Anthropic的最新Fable模型也算是求锤得锤，已经被美国政府禁止提供给除美国本土以外其他地区用户使用。
Dario的说法并不新鲜，几乎每一轮真正的通用技术革命，都会出现三类相似言论：
第一类是：
机器会替代人，社会会出现大量失业。
第二类是：
生产力会暴涨，真正的问题不再是“能不能生产”，而是“财富怎么分”。
第三类是：
这项技术太重要，不能只交给市场，国家必须介入。
但历史也有一个很稳定的反转：
这些言论通常会高估短期“全社会失业”的速度，却低估具体人群、具体行业、具体地区受到的真实伤害。
也就是说，历史上“人类整体没工作了”基本没发生；但“某一代人、某一类职业、某些城市被技术甩出去”，发生过很多次。
⸻
1. 看看1964 年的 《The Triple Revolution》。
这份公开备忘录当时提交给美国总统约翰逊，核心说法非常像今天的 AI 讨论。它把计算机和自动控制机器结合带来的变化称为 “cybernation revolution”，认为这会带来一种“几乎无限的生产能力”，但需要越来越少的人类劳动力。
这份文件主旨说，传统社会把收入和工作绑定在一起，但如果机器可以生产大量财富，而人不再被生产需要，那就必须重新思考收入分配。文件明确提出，社会应该承诺给每个人和每个家庭提供“充分收入”，把收入当成一种权利。
这是不是很像今天 AI 里的 UBI、主权财富基金、全民资本账户、机器人税？
它也把技术、战争和制度放在一起讲。那份文件同时讨论了三个革命：自动化革命、武器革命和人权革命。 这和 Dario 这次把 AI、就业、国家安全、民主制度、地缘政治放在一篇文章里，结构上非常接近。
后果是什么？
美国政府确实被这种讨论推动了。1964 年，约翰逊签署法案成立 National Commission on Technology, Automation, and Economic Progress。他当时说，技术带来“更高生产力和进步”的机会，但也带来一种义务：不能让工人和家庭为进步付出不公正代价。
但最后并没有出现“自动化导致永久大失业”。
MIT 经济学家 David Autor 后来总结，这个委员会最后的判断是：技术会消灭具体工作，但不会消灭“工作”本身；真正决定总体失业规模的，更多是总需求、宏观经济和劳动力市场适应能力。委员会虽然否定了“自动化消灭就业”的最极端判断，但仍然建议最低收入保障、政府作为最后雇主、两年免费职业或社区教育、联邦就业服务等政策。
1960 年代的自动化恐慌，最后没有变成永久大失业，但它确实推动了就业、教育、福利和反贫困政策讨论。
所以 Dario 今天讲 AI 失业，不一定会完全兑现，但它很可能会推动政策系统提前动起来。
⸻
2. 卢德运动：他们不是完全错，只是输得很惨
19 世纪初纺织机革命时英国的卢德运动。
历史上的卢德工人并不是单纯讨厌机器。他们真正反对的是：新的纺织机器让熟练手工业者被低工资、低技能劳动力替代，原来的行业规则、工资标准和生活方式被打碎。
对卢德运动的概括：19 世纪英国手工业者组织起来破坏正在替代他们的纺织机器。运动从 1811 年底诺丁汉附近开始，后来扩散到约克郡、兰开夏等地。
英国政府的反应非常强硬。1812 年，机器破坏被提升为可判死刑的重罪。议会辩论里，支持者认为需要用死刑的恐惧来阻止破坏；反对者则认为，这是在用极端刑罚对付饥饿和绝望的人。
后果是什么？
短期看，卢德派失败了。政府镇压、审判、绞刑、流放，运动很快结束。Britannica 也提到，1813 年约克的大审判导致多人被绞死和流放，运动最终被镇压和经济复苏共同终结。
但从更长时间看，他们也不是完全错。
他们错在：机器没有让整个社会永久失业。
他们对在：自己的职业、工资和议价能力确实被打穿了。
工业革命后来带来了更高生产率和更高生活水平，但收益并不是立刻、均匀、温柔地分给所有人。关于英国工业革命生活水平的历史争论里，一个相对乐观的估计也承认，1781 到 1819 年真实工资增长很慢，1819 之后才快速增长；蓝领真实工资指数从 1819 年的 50 上升到 1851 年的 100，也就是 32 年翻倍。
当人们说“历史证明技术会创造新工作”，这句话在宏观上大体成立。
但对被替代的那批人来说，这句话很空。
因为他们不一定能活到下一轮红利，也不一定能顺利转型。
⸻
3. 电气化：生产力真的爆发了，但不是立刻爆发
电气化是研究 AI 最值得参考的技术革命之一。
因为它说明了一件事：
通用技术不是一出现就立刻改变生产率。真正的爆发，往往要等组织方式重构。
电力早在 19 世纪末就出现了，但大规模生产率提升主要在 20 世纪 20 年代体现出来。美联储一篇关于历史生产率繁荣的演讲总结说，1899 年美国工厂动力里来自电动机的比例还不到 5%，到 1929 年已经超过 80%；电动机让每台机器可以有自己的动力源，工厂布局也可以围绕材料流动重新设计，而不是围绕蒸汽传动轴设计。
结果就是，1919 到 1929 年，美国制造业生产率年均增长约 5.5%。
这个案例很像今天 AI。
今天很多人会问：
为什么 AI 已经这么火了，但宏观生产率数据还没爆炸？
历史上这很正常。
电力不是因为“电灯泡亮了”才改变生产率，而是因为工厂、流水线、管理方式、供应链、工人技能一起变了。
IT 也是类似。
所以 AI 真正的生产率爆发，可能不是“大家都开会员”的那一刻，而是公司流程、软件系统、数据权限、组织结构、岗位分工全部围绕 AI 重构之后。
后果是什么？
电气化没有消灭工人，但它改变了“什么样的工人值钱”。美联储那篇演讲提到，20 世纪新技术和技能劳动力长期呈互补关系；1920 年代更早采用新技术的行业，更倾向于雇佣受过高中教育的蓝领工人；1980、1990 年代则出现对计算机技能和高技能劳动者需求上升。
这就是历史上反复出现的模式：
技术不是简单让所有人失业，而是重定价。
被技术增强的人变贵。
被技术替代的人变便宜。
⸻
4. Keynes：1930 年就已经讲过“技术性失业”
1930 年，凯恩斯写了著名文章 《Economic Possibilities for our Grandchildren》。
这篇文章和今天 AI 讨论非常像。
凯恩斯当时已经看到电气化、内燃机、工业技术带来的生产率提升。他提出一个词：technological unemployment，技术性失业。他的意思是，节省劳动的技术进步，可能跑得比社会创造新工作、新用途的速度更快。
但凯恩斯同时很乐观。他预测未来一百年生产力会大幅提升，人的基本经济问题可能被解决，人们甚至可能只需要每周工作 15 小时。
后果是什么？
他一半对，一半错。
美国劳工统计局 2024 年对这篇文章的回顾说，凯恩斯关于财富大幅增加的判断基本成立：1930 年以来，工业化国家 GDP 增加了 4 到 8 倍；但 15 小时工作周没有出现。
为什么没有出现？
BLS 那篇总结列了几个原因：人们选择了更多消费而不是更多闲暇；现代爱好本身更贵；相对地位竞争继续存在；工作本身变得更有吸引力；新消费品不断出现；以及不平等让“基本需求已经满足”并不适用于所有人。
但工作时间确实大幅下降了。Our World in Data 的长期数据说明，过去 150 年，早期工业化国家的年工作时长显著下降；1870 年很多国家的工人每年工作超过 3000 小时，相当于每周 60 到 70 小时，而今天大约砍半。
所以凯恩斯的后果很有意思：
生产力真的上去了，工作时间真的下降了，但“丰裕自动变成闲暇”没有发生。
这对 AI 也是提醒。
AI 如果真的带来丰裕，社会不会自动进入“大家少上班多生活”。
它也可能进入另一种状态：
大家生产更多内容。
公司要求更快交付。
岗位竞争更卷。
少数资本和平台拿走更多收益。
技术本身不决定结果，制度和分配方式才决定。
⸻
5. 计算机和互联网：先是“看不到生产力”，然后是泡沫，最后变成基础设施
计算机革命也有类似言论。
1958 年，Harvard Business Review 有一篇文章叫 《Management in the 1980’s》，里面说一种新技术已经开始进入美国商业世界，虽然意义还很难评估，但会快速进入管理场景，并对企业组织产生深远影响。
到 1987 年，另一种声音出现了：计算机到处都是，但生产率统计里看不到。这就是著名的 Solow Productivity Paradox。斯坦福的资料页引用了 Robert Solow 的那句话，并把它作为 IT 生产率悖论的核心表述。
后来发生了什么？
到 1995 年后，美国生产率确实加速。美联储旧金山分行的研究提到，1973 到 1995 年美国劳动生产率年均增长 1.4%，而 1995 到 2003 年底提升到 3.1%；研究也强调，IT 作为通用技术，企业需要时间学习如何使用它，组织必须做互补性改变，才能真正释放生产力。
但互联网也带来了泡沫。
高盛对 dot-com 泡沫的回顾说，1990 年代中期 IT 和通信部门高速增长，互联网改变了产业、贸易、金融和服务，投资者热烈追捧互联网公司；1999 年 Nasdaq 上涨 86%，2000 年 3 月见顶，随后到 2002 年 10 月从高点下跌 77%。
后果也很典型：
互联网泡沫破了。
很多公司死了。
但互联网没有死。
泡沫留下了光纤、服务器、软件人才、商业模式实验，也留下了后来真正变成基础设施的一批公司。
今天 AI 也可能同时出现两件事：
估值泡沫是真的。
技术方向也是真的。
泡沫破裂不等于技术失败。
铁路如此，互联网如此，AI 也可能如此。
⸻
6. 铁路：生产力革命经常伴随金融狂热
铁路是另一个很适合类比 AI 的案例。
它不是“机器抢人工作”的典型案例，而是“大家都知道它会改变世界，于是钱疯狂涌进去”的典型案例。
1840 年代英国出现 Railway Mania。CEPR 的研究显示，1843 到 1845 年铁路股票平均上涨 106%，随后崩盘，从高点到低点跌了 64.1%。
但铁路不是纯骗局。
铁路确实改变了物流、市场和空间结构。美联储关于历史生产率繁荣的演讲提到，19 世纪后半叶铁路运输的重要性提高，帮助推动了美国生产率增长；1860 到 1890 年，铁路货运价格从每吨英里 2.25 美分下降到不到 1 美分，铁路货运量从 1870 年约 120 亿吨英里上升到 1890 年 800 亿吨英里。
这很像今天 AI 基建。
如果未来 AI 资本开支里一部分过热，很多模型公司、应用公司、数据中心项目会亏钱甚至倒闭。
但底层能力、算力基础设施、人才密度、软件生态，可能会留下来。
历史上很多生产力革命都不是“理性投资一步到位”，而是：
过度乐观 → 过度建设 → 金融崩盘 → 资产重组 → 基础设施继续发挥作用。
⸻
7. Leontief 的“马”类比：最接近 AI 时代的残酷问题
1983 年，诺奖经济学家 Wassily Leontief 提过一个很狠的类比：人的生产角色可能像农业里的马一样下降，最后被拖拉机替代。
这个类比后来被 Erik Brynjolfsson 和 Andrew McAfee 重新拿出来讨论。他们指出，19 世纪美国马的数量还在增长，似乎技术替代不了马；但内燃机和拖拉机普及之后，美国马匹数量到 1960 年只剩约 300 万，比高峰下降近 88%。
这类比很吓人，但也有一个关键区别：
人不是马。
人可以投票，可以抗议，可以拥有资本，可以要求再分配，可以改变制度。
所以如果 AI 真进入“劳动力变得不那么必要”的阶段，后果不只是经济问题，而是政治问题。
这和 Dario 这次非常接近。
他担心的不是“某些岗位没了”这么简单，而是：
如果 AI 带来极高速增长，同时把人类认知劳动大规模替代，那么核心问题会从“如何增长”变成“如何分配增长”。Anthropic 这次的政策框架也明确说，如果 AI 实现部分潜力，可能把几十年的科学进步压缩到几年内，但如果 AI 作为劳动的通用替代品，这些收益可能伴随人类工作需求下降。
⸻
8. 所以历史上类似言论带来了什么后果？
我把它总结成五种后果。
第一，短期通常会出现社会恐慌，但恐慌对象经常不是“技术本身”，而是分配方式
卢德工人不是单纯讨厌机器，而是反抗机器被用来压低工资、削弱熟练工、破坏行业规则。
今天很多人反感 AI，也不一定是反感“模型会写东西”。
他们反感的是：
公司拿 AI 做裁员理由。
平台拿 AI 稀释创作者收入。
老板把 AI 当成压缩交付时间的鞭子。
这和历史很像。
第二，预测经常高估“总体失业”，但低估“局部毁灭”
自动化没有让 20 世纪美国长期失业率一路上升。Autor 的论文也明确说，过去两个世纪自动化和技术进步没有让人类劳动整体过时，20 世纪就业人口比率反而上升，长期失业率没有明显上升趋势。
但这不等于没伤害。
纺织熟练工、农业劳动力、打字员、电话接线员、传统中层文员，都曾被技术严重冲击。
所以对 AI 更准确的判断不是：
AI 会不会让所有人失业？
而是：
哪些职业的入门岗位会消失？
哪些地区和公司会受伤？
哪些人没有时间完成转型？
这个问题比“人类会不会没工作”更现实。
第三，生产力爆发往往有滞后
蒸汽、电力、计算机，都不是一出现就立刻改写统计数据。
技术需要配套：
组织流程。
基础设施。
技能训练。
法律责任。
商业模式。
管理方式。
电气化用了几十年，IT 也经历了“生产率悖论”。AI 也大概率不会因为大家都装了聊天机器人，宏观生产率就马上爆炸。
真正的爆发可能发生在企业把工作流彻底改掉之后。
第四，技术革命经常催生金融泡沫
铁路如此，互联网如此，AI 也很可能如此。
但历史告诉我们，泡沫和革命不矛盾。
泡沫说明资本市场过度提前定价未来。
革命说明底层技术确实改变生产方式。
互联网泡沫破裂后，互联网继续改变世界。
铁路股票崩盘后，铁路继续改造物流和市场。
所以 AI 即使出现资本泡沫，也不等于 AI 是泡沫。
第五，最后一定会变成制度问题
每一轮大的生产力革命，最后都会逼社会改制度。
工业革命之后有工会、劳动法、工时限制、义务教育、公共卫生、城市治理。
电气化和大规模制造之后有职业教育、管理科学、大公司制度、反垄断。
自动化恐慌之后有就业培训、反贫困政策、最低收入保障讨论。
互联网之后有平台监管、隐私保护、反垄断、数据治理。
AI 如果真像 Dario 说的那样强，最后也不会停留在“哪个模型更厉害”。
它一定会变成：
就业制度问题。
教育制度问题。
税收制度问题。
平台权力问题。
国家安全问题。
普通人能不能分享收益的问题。
⸻
9. Dario 这次最像历史上的哪一类人？
他不像卢德工人。
卢德工人是被替代者。
Dario 是技术供应方。
他更像三种角色的混合体：
一部分像凯恩斯，讨论技术性失业和丰裕社会。
一部分像 1964 年自动化时代的政策倡议者，要求政府提前准备收入分配和就业缓冲。
一部分像冷战时代的战略技术派，认为 AI 不只是商业产品，而是国家力量。
⸻
10. 最关键的历史教训
我觉得可以浓缩成一句：
每一轮技术革命，都会有人说“这次不一样”；历史经常证明他们对一半、错一半。
他们错在：
技术没有简单消灭所有工作。
社会也没有自动崩溃。
他们对在：
技术确实会摧毁旧职业。
技术确实会重分配财富。
技术确实会制造政治冲突。
技术确实会逼制度改革。
所以看 Dario 这篇文章，
更合理的判断是：
他可能高估了短期冲击的确定性，但他没有高估这个问题的政治重量。
AI 最后是不是造成 10%、20% 失业，不好说。
但它会让所有社会重新讨论一个问题：
如果机器真的能生产越来越多价值，人靠什么获得收入、尊严和位置？
这个问题，凯恩斯问过。
1964 年自动化时代问过。
Leontief 问过。
现在 AI 又把它拿回来了。
