作者：刀书持念 ChatGPT 

假设我们把一家企业的生产过程看成一个黑盒。

观察者看不见盒子里面发生了什么，只能看到一端投入资金、技术和原材料，另一端输出商品和服务。

几十年前，盒子里主要是本国工人。后来，全球化把来自世界各地、成本更低的劳动力放进了这个盒子。企业不一定需要把工人搬到本国，只需要把订单、工厂和供应链转移到劳动力更便宜的地方。

今天，人工智能开始进入同一个盒子。

过去需要程序员、设计师、客服、翻译、律师助理和分析师完成的工作，现在有一部分可以交给成本更低的软件系统。

如果只从黑盒外面观察，全球化和人工智能其实非常相似。

全球化是把便宜的劳动力放进生产体系，人工智能是把便宜的“智能”放进生产体系。

两者带来的直接结果都是：

生产成本下降，企业效率提高，商品和服务变得更便宜。

对企业而言，这两种变化甚至没有本质区别。企业并不特别关心盒子里的工作是由本国员工、海外员工，还是人工智能完成。只要产出质量可以接受，成本更低，替代就有发生的动力。

因此，全球化可以被看作人工智能冲击的一次预演。

而全球化留下的最大教训是：一个社会即使在总体上获得了效率，也可能在分配和政治上付出巨大代价。

一、全球化并不是没有创造财富

从经济效率上看，全球化取得了巨大成功。

企业可以在全球范围内配置生产，消费者可以买到更便宜的商品，发展中地区获得了工业化机会，全球总产出快速增长。

问题在于，全球化带来的收益和损失并没有平均分布。

消费者获得了更低的价格，跨国企业获得了更高的利润，新兴工业地区获得了就业和资本。

但与此同时，一部分传统制造业地区失去了工厂、税收和稳定工作。

在统计数据中，这些损失有时并不显眼。

一件商品便宜了几十元，是数以亿计消费者都能感受到的小收益；一家工厂关闭，却可能是几千名工人、几万个家庭和整座城市共同承受的集中损失。

收益是分散的，损失是集中的。

从总体福利来看，前者可能大于后者；但从现实政治来看，承受损失的人并不会因为全国消费者买到了更便宜的商品，就认为自己得到了补偿。

这正是全球化最重要的经验：

总体效率的提高，不会自动解决具体人群受到的冲击。

二、真正失败的是转移和补偿机制

过去，人们经常用一种乐观的方式解释全球化带来的产业变化：

旧工作消失后，劳动者可以接受培训，进入生产率更高的新行业。

这个逻辑在理论上并没有错。

但现实中，一个在工厂工作了二十年的中年人，很难通过几个月培训就成为软件工程师；一座依靠单一产业发展起来的城市，也很难迅速转型为金融或科技中心。

工作不仅是一笔工资，还意味着生活方式、社会关系、住房价值、家庭预期和个人尊严。

当产业消失时，失去的往往不只是岗位，而是一整套地方经济和社会结构。

然而，全球化时代的很多政策只强调效率，没有建立足够有力的利益分享和风险补偿机制。

人们被告知，开放贸易对整个社会有利；至于收益如何转移给受损者，则常常被当成另一个问题。

结果是，经济学意义上的“赢家可以补偿输家”，在现实中经常变成“赢家有能力补偿输家，但最终没有充分补偿”。

因此，全球化真正的失败，并不是全球分工没有提高效率，而是社会没有及时回答三个问题：

谁获得了新增收益？

谁承担了转型成本？

获得收益的人是否需要补偿承担成本的人？

如果这三个问题长期得不到回答，经济问题最终就会转化为政治问题。

三、人工智能可能重复同样的过程

人工智能带来的冲击，很可能沿着相似的路径展开。

企业使用人工智能，可以降低成本、提高产量，并创造新的产品和服务。消费者也可能从更低价格和更高质量中获益。

从总体上看，社会财富可能继续增加。

但这并不意味着每个人都会同时受益。

一家企业使用人工智能替代部分岗位，从企业自身角度看完全合理。它可以减少支出，提高竞争力，将资源投入更有价值的领域。

但是，如果大量企业同时这样做，问题就不再只是企业效率，而会变成整个社会的收入分配问题。

过去，普通人主要通过出售劳动获得收入，再用收入购买企业生产的商品。

如果人工智能降低了劳动在生产中的重要性，却没有建立新的收入来源，就可能出现一个矛盾：

社会拥有越来越强的生产能力，却缺少足够广泛的购买能力。

人工智能可以写文章、设计产品、生成软件、管理流程，但人工智能本身不会消费。

它不会买房，不会养育孩子，不会因为收入增加而旅游、就医或改善生活。

机器可以参与生产，却不能代替人类形成最终需求。

因此，人工智能时代最重要的问题，可能不是社会能生产多少，而是谁有能力购买这些产出。

四、生产越便宜，消费力越重要

工业化早期，社会最稀缺的是生产能力。

缺少工厂、资本、技术和熟练工人，是限制经济增长的主要因素。

人工智能与自动化则可能逐渐改变这一局面。

当知识、软件乃至部分实体产品的生产成本不断下降，社会的主要约束可能从供给端转向需求端。

换句话说，未来真正稀缺的资源，可能不是生产能力，而是有支付能力的消费需求。

这也是为什么收入分配不只是社会公平问题，同时也是经济增长问题。

如果人工智能创造的大部分收益集中在少数资本和技术所有者手中，社会总财富可能大幅增加，但消费未必同步增长。

高收入者获得更多财富后，新增收入中很大一部分会转化为储蓄和投资；普通家庭获得收入后，则更可能用于住房、教育、医疗、养老和日常消费。

所以，从宏观经济的角度看，分配方式会直接决定人工智能创造的产能能否被社会吸收。

企业通过人工智能降低工资支出，对单个企业有利；但如果所有企业都同时压缩劳动收入，最终也可能削弱整个市场的购买能力。

这就是全球化经验对人工智能时代最重要的提醒：

微观上合理的效率提升，如果缺少宏观上的分配安排，最终可能破坏支撑效率的市场本身。

五、不能再次把问题简单理解为“培训”

面对人工智能冲击，今天也经常能听到一种熟悉的说法：

人工智能不会取代人，只会取代不会使用人工智能的人。

这句话包含一部分事实。

掌握新工具的人，确实可能提高效率；新技术也一定会创造过去不存在的新职业。

但它容易让人误以为，只要每个人学习使用人工智能，分配问题就会自然消失。

全球化时代，人们也曾经相信，只要失业者接受培训，就可以顺利进入新行业。

然而，培训只能解决技能不匹配，不能解决所有结构性问题。

如果一个新岗位只需要过去十分之一的人手，那么剩下的人即使掌握了工具，也不可能全部进入同一个岗位。

如果人工智能让一名专业人员完成过去五个人的工作，那么问题并不只是另外四个人是否会使用人工智能，而是市场是否还需要五个人。

因此，应对人工智能冲击，不能只讨论教育和培训，还必须讨论：

人工智能产生的收益如何分配；

劳动者是否能够分享生产率增长；

资本所有权是否足够广泛；

公共服务能否降低家庭风险；

工作时间是否可以随着生产率提高而缩短；

失去传统岗位的人是否拥有稳定的转型条件。

培训当然重要，但它不能代替分配制度。

六、发达经济体已经有过一次实战经验

从这个角度看，发达经济体并不是第一次面对人工智能式的冲击。

全球化已经让它们经历过一次生产成本快速下降、部分岗位被外部低成本资源替代的过程。

它们已经知道，技术和贸易创造的总体收益，并不会自动转化为社会共识。

它们也已经看到，如果部分地区和群体长期承担转型成本，而收益主要流向资本、金融和高技能人群，经济分化最终会表现为社会分裂和政治反弹。

这意味着，发达经济体面对人工智能时，理论上拥有更多实战经验。

它们拥有更成熟的税收体系、社会保障、资本市场、教育资源和公共财政，也更有能力建立新的收益分享机制。

但是否能够吸取教训，并不取决于有没有经验，而取决于是否准确理解了过去的问题。

如果把全球化的失败简单归结为沟通不足，或者认为只要向受冲击群体解释自由贸易的总体好处，就可以解决问题，那么面对人工智能时仍然可能重蹈覆辙。

全球化真正留下的教训并不是“不要追求效率”，而是：

效率提升必须和利益分享同时设计，而不能先创造赢家，再期待赢家自愿补偿输家。

七、人工智能时代需要新的经济闭环

在传统经济中，大多数人的消费权主要来自劳动收入。

人们为企业工作，获得工资，再购买企业生产的商品和服务。

这是一个相对完整的循环：

劳动参与生产，工资形成消费，消费形成企业收入，企业收入再次支持就业和投资。

人工智能提高生产效率后，这个循环可能发生变化。

如果生产越来越少地依赖人的劳动，而消费仍然只能依赖劳动收入，那么生产和消费之间就可能逐渐脱节。

因此，人工智能时代需要重新思考，人们通过什么方式获得对社会产出的索取权。

这种索取权不一定只来自工资，也可以来自：

更加广泛的资本所有权；

养老金和长期基金的收益；

公共教育、医疗和养老服务；

社会分红；

更短工作时间下仍然稳定的收入；

对技术红利进行适度再分配的税收制度。

这里的关键不是选择某一个固定方案，而是承认一个基本事实：

当技术改变生产方式时，收入和消费的形成方式也必须随之调整。

否则，社会可能拥有前所未有的生产能力，却无法形成与之匹配的有效需求。

八、最值得吸取的教训

全球化证明了，降低成本可以创造巨大财富。

它也证明了，财富增长和社会稳定之间并不存在自动联系。

如果收益集中、损失集中，而补偿缺位，那么总体上的成功完全可能伴随着局部地区和群体的长期失败。

人工智能带来的冲击可能比全球化更广。

全球化首先影响的是制造业和部分可外包服务，而人工智能可能进入金融、法律、教育、编程、媒体、设计、医疗和管理等大量知识型行业。

过去受到冲击的主要是部分蓝领劳动者；未来，许多城市白领和专业人士也可能面对相似的问题。

因此，全球化不是一段与人工智能无关的历史，而是一场已经发生过的社会实验。

这场实验告诉我们：

不能只计算商品便宜了多少，还要计算哪些人的收入消失了；

不能只统计新增了多少财富，还要观察财富通过什么渠道进入普通家庭；

不能只承诺未来会出现新工作，还要帮助现实中的人完成漫长的转型；

不能把所有问题都归结为个人技能不足，因为许多问题本质上来自经济结构变化。

结语

如果把生产看成一个黑盒，全球化和人工智能做的是相似的事情。

全球化向盒子里放入了更便宜的劳动力，人工智能则向盒子里放入了更便宜的智能。

从盒子外面看，结果都是生产效率提高、成本下降、产出增加。

但一个社会最终是否因此变得更加繁荣，并不只取决于盒子能够生产多少，还取决于盒子之外的人如何分享这些产出。

全球化时代，人们过于关注生产效率，却低估了收入分配、地区转型和社会补偿的重要性。

人工智能时代，我们不应该再犯同样的错误。

真正需要提前设计的，不只是如何让人工智能更强，而是如何让人工智能创造的财富进入社会经济循环。

因为当生产能力越来越便宜时，最珍贵的资源将不再只是技术和资本，而是一个社会广泛、稳定并且能够持续增长的消费能力。