2028全球智能危机：AI冲击下的复杂系统演化

本文来自微信公众号： 集智俱乐部 ，作者：赵思怡、王璇

2028年前后，人工智能引发的经济与制度冲击，正重新定义知识劳动的稀缺性、消费结构与金融体系稳定性。从智能替代螺旋到抵押贷款承压，这不仅是一场行业颠覆，更是文明动力学的系统压力测试：技术加速器下，社会的制度适应力与群体认知稳定，决定未来轨迹。

关键词：人工智能、智能替代螺旋、幽灵GDP、制度适应、复杂系统、金融风险、知识劳动、消费裂痕、群体认知稳定

智能扩张、制度适应与文明动力学

近日，投资研究机构Citrini Research发布了一份关于人工智能潜在宏观经济风险的“思想实验”报告——《2028年全球智能危机》（The 2028 Global Intelligence Crisis）。这份报告以2028年为时间坐标，采用假想备忘录的形式，回顾一场由AI主导市场所引发的全球性经济震荡，迅速在金融市场与科技领域引发广泛讨论。

报告的核心推演路径是：当通用人工智能显著降低认知劳动成本后，最先受到冲击的将是以知识处理为核心的SaaS行业，随后波及支付、保险、房地产经纪等中介型行业结构。随着白领岗位大规模收缩，居民收入增长放缓，消费基础削弱，进而触发通缩压力。若信贷结构无法及时调整，抵押贷款市场与资产价格可能出现连锁反应，传统货币政策工具在结构性失业背景下面临效力下降的风险。整份报告并非预测未来，而是一种情景推演：当智能供给结构发生剧变时，宏观经济系统是否具备足够的适应能力。

在呈现《2028全球智能危机》的全文之前，有必要先引入一个更为宏观且方法论自觉的分析框架。从复杂系统的角度看，这一情景推演不宜仅被理解为一次由人工智能引发的经济衰退。若仅停留在周期性波动的层面，我们很可能低估其潜在的结构性含义。更审慎的表述是：2028年前后可能出现的“智能冲击”，以及围绕2050年前后的“技术奇点”讨论，或许可以被放置在同一条加速演化轨道上加以审视——当然，这是一种理论建模意义上的连续性，而非经验上已被验证的必然路径。

复杂系统理论强调，决定系统演化方向的并非孤立事件，而是内部的反馈结构与时间尺度差。生物体、城市、企业乃至全球经济体系，都可以被视为开放的耗散结构，具有代谢、增长与资源流动特征。Geoffrey West在规模理论研究中指出，生物体代谢率与体重之间呈亚线性关系，因此其增长存在内在约束；而城市的创新产出与人口规模之间则呈超线性关系，人口规模越大，人均创新与经济活动越密集，但社会问题的强度也同步上升。需要强调的是，这些结论基于人口规模的经验数据。将这一框架外推至“技术能力”或“人工智能算力”，只能视为一种启发式类比，而非已被充分实证支持的等价关系。（详情请见集智俱乐部文章《奇点临近，带着地球去流浪|新春特辑》）

在这一启发框架下，《2028全球智能危机》所讨论的情景，便不再只是一次普通的宏观经济波动，而是关键生产要素供给结构变化可能引发的制度张力。长期以来，人类认知能力始终是经济体系中的稀缺要素。资本可以通过金融体系扩张，能源可以通过技术替代提升效率，资源可以通过全球贸易再配置，但复杂决策与创造性劳动高度依赖个体认知能力的有限供给。正因为这种稀缺性，现代薪酬结构、税收体系与信贷模型，都隐含着“认知能力具有持续溢价”的制度前提。

随着以OpenAI等机构推动的大规模模型技术发展，以及类似ChatGPT这类通用认知工具的出现，机器认知能力的边际复制成本显著下降。需要谨慎表述的是，我们并非断言智能已成为“无限供给”的资源，而是指出：认知自动化的可扩展性正在增强。如果企业在微观层面出于成本动机以算法替代部分白领岗位，短期内可能提高效率；但在宏观层面，若这种行为广泛发生，便可能形成一种正反馈路径：技术能力提升带来人力需求下降，进而影响居民收入增速与消费能力，企业利润承压后进一步投资自动化。这种链条可以被概念化为“智能替代螺旋”，但必须承认，现实系统中同时存在财政调节、产业转型与教育升级等负反馈机制，因此该螺旋并非必然失控，而是对制度参数高度敏感。

与传统库存或投资周期不同，认知自动化直接作用于现代经济中占比较高的知识型劳动。如果生产率提升未能同步创造新的就业与收入渠道，生产系统与需求系统之间可能出现阶段性脱耦。文中所谓“幽灵GDP”，可以理解为产出统计增长与可持续需求基础之间的错位。这里使用“失衡”一词，指的是子系统之间资源流与信息流的结构张力增加，而非严格物理意义上的能量失衡。一旦这种张力在缺乏制度缓冲的情况下持续累积，系统便可能进入重组或相变区间，但是否走向崩溃，取决于调节机制的有效性。

当时间尺度延伸至2050年前后，“奇点”的含义也应被重新界定。公众叙事常将其与Ray Kurzweil所提出的人工智能超越人类智慧联系在一起。然而在复杂系统语境中，更为严格的定义是：当关键控制变量的变化速率显著快于制度调整速率时，系统稳定性下降，可能出现结构重组。所谓“奇点”，并非某一瞬间的能力超越，而是技术迭代周期压缩与制度适应滞后之间的时间尺度差扩大。

图2雷·库兹韦尔（Ray Kurzweil）写道，由于范式的转变，指数增长的趋势将摩尔定律从集成电路扩展到更早的晶体管、真空管、继电器和机电计算机。他预测，指数级增长将持续下去，几十年后，所有计算机的计算能力都将超过（未增强的）人脑，与超人人工智能的出现时间大致相同。（详情请见集智俱乐部文章《什么是技术奇点|集智百科》）

因此，2028年的智能冲击可以被理解为较短时间尺度上的经济结构压力释放，而2050年前后的临界讨论则涉及更长时间尺度上的制度重构问题。两者之间并不存在宿命式因果关系，而是可能共享某些控制变量，如智能扩张速度、收入分配机制与政策响应能力。复杂科学并不提供预言，它提供的是对反馈结构与参数敏感性的识别。

从这个角度看，2028与2050不是两个彼此割裂的节点，而更像同一条加速演化曲线上的不同截面。前者或许体现为经济结构对认知自动化扩张的首次集中响应，后者则可能对应更深层次的制度重组临界。轨迹尚未锁定。决定未来方向的，不仅是算力或资本规模，更是制度适应速度与系统级协调能力。

因此，2028年的智能冲击并不只是一次潜在衰退情景，而是一场关于系统调节能力的压力测试。技术扩张本身并不决定方向，它只是提高了变量变化的斜率。当认知自动化加速扩散时，真正关键的不是“是否会替代”，而是社会是否拥有足够强的负反馈机制——包括制度弹性、政策协调能力，以及群体决策的稳定度。如果说技术是加速器，那么情绪与认知结构就是方向稳定器。加速并不会自动导致失控，但在高波动环境中，群体性的焦虑、短期主义决策与风险厌恶行为，可能放大原本可控的结构张力。从复杂系统角度看，稳定并非保守，而是一种降低噪声、延长时间尺度、提升调节精度的能力。

技术不是风暴，它只是放大器。真正决定系统轨迹的，是我们能否在加速中保持稳定，在不确定性中维持清晰。

这篇“思想实验”的报告全文

如果我们对人工智能的乐观判断一直都没错，可要是这份“正确”，到头来反而变成了利空，该怎么办？这篇文章是一次情景推演，既不是刻意唱空的噱头，也不是渲染人工智能末日的空想，只是希望搭建一个此前没人深入探讨过的推演模型。这个问题是由Alap Shah提出的，希望本文能帮你在人工智能持续重塑经济、市场愈发反常的环境下，更好地应对潜在的左尾风险，一同完整复盘全球智能危机的演进与后果。

2026年2月22日早间，失业率数据重磅出炉：10.2%，较预期高出0.3个百分点。受这一数据冲击，市场当日下跌2%，标普500指数自2026年10月的高点以来，累计回撤幅度已达38%。交易员们早已麻木，换作六个月前，这样的数据早已触发市场熔断。短短两年时间，经济格局彻底变了模样，从当初“风险可控、仅波及单一行业”，变成了我们从未见过的样子，而这一切的核心，都源于AI引发的连锁冲击。

以下我们将完整复盘这段历程，梳理危机爆发前的经济脉络，看清这场变革的来龙去脉。

彼时的市场狂热，肉眼可见。到2026年10月，标普500逼近8000点，纳斯达克指数更是突破30000点。2026年初，第一轮因人力被AI替代引发的裁员潮正式拉开序幕，而裁员也确实带来了账面利好：企业利润率走高、业绩超预期、股价节节攀升。创下历史纪录的企业利润，又被悉数投入到人工智能算力的建设中。

表面上的宏观数据依旧光鲜，名义GDP年化增速持续保持中高个位数增长，生产率迎来大幅飙升。凭借不知疲倦、无需休假、也不产生社保成本的AI智能体，美国每小时实际产出创下了1950年代以来的最快增速。人力成本大幅削减后，手握算力的资本方财富暴增，可普通劳动者的实际工资增长却大幅缩水。即便政府一再高调宣扬生产率创下历史纪录，白领岗位还是不断被机器取代，从业者只能被迫转向低收入岗位。

消费经济开始显露裂痕时，学界开始流传一个词——“幽灵GDP”：产值明明体现在国民经济核算里，却从未真正在实体经济中循环流动。人工智能的发展在各方面都超出预期，市场也完全被AI浪潮裹挟，唯一的问题是，实体经济并没有跟上这份繁荣。我们其实早该看清，北达科他州一组GPU集群，就能创造出原本曼哈顿中城一万名白领的产值，这从来不是什么经济灵药，而是一场经济疫情。货币流通速度陷入停滞，占GDP七成、以人为核心的消费经济持续萎缩。其实想通一个简单问题就能预判走向：机器会在非必需品上花钱吗？答案是零。

AI能力不断升级，企业用工需求随之减少，白领裁员潮愈演愈烈。失业人群消费能力下降，企业利润承压，只能进一步加大AI投入，反过来又推动AI技术继续迭代。这是一个没有天然刹车的负反馈循环，也就是人类智能替代螺旋（Intelligence Substitution Spiral）。白领的收入能力遭遇结构性冲击，而他们的收入正是13万亿美元抵押贷款市场的根基，这也让承销商不得不重新思考，优质抵押贷款，真的还具备足额偿付价值吗？

美国市场十七年没有出现过真正的违约周期，这也让私募股权支持的软件类资产过度膨胀，这类交易全都建立在“年度经常性收入（ARR）持续稳定”的假设之上。2027年中期，AI冲击引发的首轮违约，彻底打破了这一幻想。即便冲击只局限在软件行业，尚且还能控制，可现实远非如此。到2027年底，所有依托中介业务的商业模式都岌岌可危，大批靠赚取人类交易摩擦成本盈利的企业接连崩塌。

整个金融体系，本质上就是一长串押注白领生产率增长的关联赌注。2027年11月的市场崩盘，不过是把所有既有的负反馈循环彻底加速。近一年来，我们始终盼着“利空出尽便是利好”，政府也开始着手研究应对方案，可民众对政府救助能力的信心却在不断消退。政策应对本就总是滞后于经济现实，如今缺乏系统性的解决方案，更是有可能加速通缩螺旋的形成。

危机的开端

其实这场AI引发的经济冲击，早在2025年末就有了明确信号，智能体编程工具迎来了一次跨越式升级。熟练开发者用Claude Code、Codex这类工具，短短几周就能复刻出中端SaaS产品的核心功能。虽说不算完美，也覆盖不了所有极端场景，但已经足够让那些审批50万美元年度续约的CIO们心想：我们为什么不自己做？

企业财年大多和自然年同步，2026年的预算早在2025年四季度就定好了，那时候“智能体AI”还只是个时髦概念，没人当回事。直到年中预算复核，采购部门才真正见识到这套系统的威力。不少企业亲眼看到，内部团队花几周时间就能做出原型，直接替代掉六位数年费的SaaS服务。那年夏天，一位财富500强企业的采购经理，讲过一次真实的预算谈判：供应商还想按老套路来，每年涨价5%，反复强调“你们团队离不了我们”。结果采购经理直接摊牌，已经和OpenAI谈妥，由对方驻场工程师用AI工具彻底替代这家供应商，最终续约价格直接砍了30%。他说这已经是好结果，Monday.com、Zapier、Asana这些长尾SaaS厂商，处境要惨得多。

投资者其实早有心理准备，甚至预判长尾SaaS会遭遇重创。这类厂商虽然占到企业常规软件支出的三分之一，但风险本就显而易见。大家原本以为，核心业务系统能扛住这波冲击，直到ServiceNow 2026年三季度财报出炉，这种自我强化的反噬逻辑才彻底暴露。

ServiceNow新增年化合同价值增速从23%放缓至14%；宣布裁员15%并启动“结构性效率计划”；股价暴跌18%|彭博社，2026年10月

SaaS并没有就此“死掉”，自研和维护系统仍要权衡成本，但自研已然成为一个现实选项，直接改写了定价谈判的规则。更关键的是，行业竞争逻辑彻底变了。AI让新功能的开发和上线变得轻而易举，产品之间的差异被彻底抹平。老牌厂商陷入惨烈的价格战，既要和同行厮杀，还要应对层出不穷的新对手，这些新玩家靠着智能体编程工具的突破，又没有历史成本包袱，疯狂蚕食市场份额。

这份财报也让所有人看清了生态的关联性，ServiceNow靠售卖席位盈利，财富500强客户一旦裁员15%，就会同步取消15%的授权。客户用AI裁员拉高了自身利润率，却直接挖空了ServiceNow的收入基本盘。这家靠工作流自动化起家的公司，最终被更先进的工作流自动化技术颠覆。而它的应对手段，也只有裁员，再把省下来的钱，投进颠覆自己的技术里。它们还能怎么办？坐以待毙吗？受AI威胁最大的企业，反倒成了AI最激进的拥趸。现在回头看，这一切似乎顺理成章。历史上的行业颠覆向来是同一个剧本。老牌企业抗拒新技术，被灵活的新入局者抢走份额，最终慢慢出局，柯达、百视达、黑莓都是如此。

但2026年完全不同，这些老牌企业不是不想抵抗，是根本抵抗不起。股价暴跌40%—60%，董事会步步紧逼，受AI冲击的企业只剩下一条路：裁员，把省下来的人力成本投入AI工具，用更低的成本维持产出。单看一家企业，这个决策无比理性，但放到整个市场，结果却是灾难性的。每省下一美元人力成本，都会变成AI的能力升级，进而引爆下一轮裁员。软件行业只是个开始，投资者还在争论SaaS的估值有没有触底，却没意识到，这套自我强化的循环早已跳出软件行业，ServiceNow的裁员逻辑，适用于所有拥有白领成本结构的企业。

当交易摩擦归零

2027年初，大语言模型已经彻底成为标配，很多人连AI智能体是什么都搞不清楚，却早已在日常使用，就像不懂“云计算”的人照样天天用流媒体服务一样，在大多数人眼里，它不过是手机自带的自动补全、拼写检查这类基础功能，稀松平常。

而真正成为AI接管消费决策转折点的，是通义千问开源的智能购物助手。短短几周内，主流AI助手全都上线了智能电商功能，轻量化模型的出现，更让这类智能体不再只依赖云端，手机、笔记本就能直接运行，推理的边际成本大幅下降。更值得投资者警惕的是，这些智能体根本不需要用户主动下达指令，会按照偏好在后台默默运行，消费不再是人类一次次零散的决策，而是为每一个联网用户7×24小时不间断运转的优化流程，到2027年3月，美国人均每日消耗的Token量达到40万，是2026年末的整整10倍，这一变化直接导致产业链的下一个环节：中介业务，就此轰然崩塌。

图3支付方式如何发生改变

过去五十年，美国经济靠着人性的天然局限，搭建起了一套庞大的抽租体系：人做事耗时间、没耐心，习惯认品牌而不是理性比价，多数人为了少点几下屏幕，宁愿接受更贵的价格，数万亿美元的企业市值，全都建立在这些人性弱点之上，而这一切，被智能体用最简单的方式打破：消除交易摩擦，那些闲置数月仍自动扣费的订阅、试用期结束后悄悄翻倍的定价，这些靠信息差牟利的套路，全被智能体一一戳破，支撑整个订阅经济的核心指标，客户终身价值，也随之大幅跳水。

消费智能体就此开始改写几乎所有消费交易的规则，人没工夫为了一盒蛋白棒在五个平台来回比价，但机器可以，旅游预订平台成了第一批牺牲品，因其模式最简单、最易被替代，2026年四季度，智能体就已能以更低成本、更快速度完成全套行程规划，机票、酒店、地面交通、会员权益最优解等一应俱全。完全依赖用户惰性的保险续保业务同样被彻底颠覆，智能体每年都会重新比价投保，直接抹掉保险公司靠被动续保赚取的15%–20%保费，而理财咨询、税务申报、常规法务等这类以“处理繁琐事务”为核心价值的服务，也因智能体从不嫌麻烦的特性，无一幸免地被颠覆。

就连我们以为靠人情关系能稳住的领域，也不堪一击，房地产行业几十年来，买家因信息不对称一直忍受5%–6%的佣金，可AI智能体接入房产多重上市服务系统（MLS）、吃透几十年交易数据后，瞬间就能拥有同等专业能力，2027年3月一篇卖方报告将此称为“智能体互搏”，核心城市的买方佣金中位数从2.5%–3%被压到1%以下，越来越多的房产交易彻底不再需要人类买方中介。我们都高估了所谓“人情关系”的价值，后来才发现，很多所谓的关系不过是披着温情外衣的交易摩擦，而这只是中介层被颠覆的开始，那些巨头企业曾砸下几十亿美元精准拿捏消费者的行为和心理弱点，可在AI时代，这些弱点一文不值。只追求最优性价比的机器，不会在意你用了四年的常用APP、习惯点开的网页，更不会被设计精美的结算页面打动，它们不会疲惫，不会图省事选默认选项，更不会“一直只在这家买”，这也直接摧毁了一类特殊的护城河：习惯性中介。

美国外卖平台DoorDash就是最典型的例子，编程智能体把外卖APP的开发门槛直接拉到零，一个熟练开发者几周就能做出竞品，几十家新平台随之崛起，把90%–95%的配送费全分给骑手，疯狂挖走DoorDash和Uber Eats的运力，多平台接单仪表盘更让零工能同时接收二三十个平台的订单，彻底打破了老牌平台的用户锁定效应，让市场一夜之间碎片化，利润率被压到几乎为零。智能体从两头加速了这场颠覆：一边催生竞品，一边直接使用竞品，DoorDash的护城河本质上就是“你饿了、懒了，手机桌面正好有这个APP”，可智能体没有桌面，它会同时检索各类外卖平台和餐厅官网，每一次都选出费用最低、配送最快的方案，支撑其商业模式的核心。用户对APP的习惯性忠诚，在机器面前根本不存在。这一点颇具讽刺意味，也是整场危机里智能体唯一“帮”到即将失业白领的地方：这些人转行做骑手后，至少一半收入不会再被平台抽走，只不过，随着自动驾驶配送普及，这点技术带来的短暂红利，也很快消失殆尽。

智能体掌控交易后，开始追求更极致的成本优化，比价、聚合的空间终究有限，想持续帮用户省钱，尤其在智能体之间直接交易时，核心就是砍掉手续费，机器对机器的交易里，银行卡2%–3%的交换费成了首要攻克目标，智能体最终大多选择通过Solana或以太坊二层网络（L2）使用稳定币，结算几乎实时完成，单笔成本仅为零点零几分钱。

万事达卡2027年一季度：净营收同比增6%；消费交易量增速从上季度5.9%放缓至3.4%；管理层提及“智能体主导的价格优化”与“非必需消费板块压力”｜彭博社，2027年4月29日

这一变化的影响在万事达卡2027年一季度财报中彻底显现，这份财报成为不可逆的转折点，智能体电商从一项产品层面的创新，变成了对支付底层架构的颠覆，万事达卡次日股价暴跌9%，Visa同步大跌，后来仅因分析师提及它在稳定币基建上的优势，跌幅才有所收窄。这种绕开银行卡交换费的模式，对以信用卡为核心的银行和单一发卡机构构成了致命打击。它们正是2%–3%手续费的主要获利方，整套消费返现奖励业务也全靠商户补贴支撑，其中美国运通（AXP）受伤最重，白领裁员潮掏空了它的核心客群，智能体绕开交换费则直接摧毁了它的盈利模式，同步金融、第一资本、发现金融等发卡行，随后几周内股价也均暴跌超10%，要知道，它们的护城河本就是由交易摩擦一砖一瓦砌成，而如今，摩擦正在归零。

从行业风险到系统性风险

2026年全年，市场都将人工智能的负面影响视为行业性问题。软件、咨询行业暴跌，支付等收费业务摇摇欲坠，但宏观经济看似平稳。劳动力市场虽走弱，却未崩盘。市场共识认为，创造性破坏是技术创新周期的必然，局部会有阵痛，但人工智能的整体净收益远大于损失。2027年1月的宏观备忘录就指出，这是错误的认知，美国经济是白领服务型经济。白领占就业人口的50%，贡献约75%的非必需消费。人工智能正在吞噬的企业和岗位，并非美国经济的边缘，而是核心本身。

图4AI能力扩展

“技术创新摧毁岗位，同时创造更多新岗位”，这是当时最主流、最有说服力的反驳。它之所以可信，是因为两个世纪以来都成立：即便我们想不出未来的新工作是什么，它也一定会出现。ATM机降低了银行网点运营成本，银行反而增设网点，柜员岗位在随后二十年持续增加。互联网颠覆了旅行社、黄页、实体零售，却催生了全新行业与就业。但这些新岗位，都需要人类来完成。

美国JOLTS报告：职位空缺降至550万以下；失业人数/职位空缺比升至1.7，创2020年8月以来新高|彭博社，2026年10月

如今的人工智能是通用智能，它进化的方向，正是人类转岗后要做的工作。失业的程序员无法简单转向“人工智能管理”，因为人工智能本身就能胜任管理。如今，人工智能智能体能完成耗时数周的研发任务。指数级的进化速度，粉碎了我们对能力边界的认知，即便每年沃顿教授都试图用S型曲线拟合数据。它们几乎能编写所有代码，最顶尖的智能体在绝大多数领域都比人类更聪明，且成本持续下降。人工智能确实创造了新岗位，例如提示词工程师、人工智能安全研究员、基础设施技术员。人类仍在顶层参与协调、把控偏好，但每创造一个新岗位，就有数十个旧岗位被淘汰，且新岗位薪酬远不及旧岗位。

Indeed招聘平台：随着“效率提升计划”蔓延，软件、金融、咨询行业职位招聘量暴跌|Indeed招聘实验室，2026年11-12月

全年招聘势头持续疲软，2026年10月的JOLTS报告给出了明确数据：职位空缺降至550万以下，同比下降15%。白领职位暴跌，蓝领职位（建筑、医疗、技工）相对稳定。受冲击的是撰写报告、审批预算、维系经济中层运转的岗位（我们竟还能存活）。但两类人群的实际工资增长，全年多数时间为负且持续下滑。

图5AI反馈循环

股市对JOLTS数据漠不关心，反而更关注通用电气维诺瓦涡轮机产能预订至2040年的消息，在宏观利空与人工智能基建利好的拉扯中横盘震荡。而债市（向来比股市理性，至少不那么盲目乐观）已开始计价消费冲击，十年期国债收益率在随后四个月从4.3%降至3.2%。但整体失业率未大幅飙升，部分人仍未看清就业结构的本质变化。普通经济衰退中，诱因会自我修正。过度建设导致建筑业放缓，进而利率下行，重启建设。库存过剩引发去库存，随后再补库。周期机制本身就孕育着复苏的种子。

本轮衰退的诱因，并非周期性的。人工智能更优、更便宜→企业裁员→用省下来的钱买更多人工智能→进一步裁员→失业者消费下降→消费企业销量下滑、经营承压→加大人工智能投入保利润→人工智能更优、更便宜。一个无天然刹车的反馈循环。

总需求下降会放缓人工智能建设，但事实并非如此。因为这不是超大规模云服务商的资本支出（CapEx），而是运营支出（OpEx）替代。一家原本每年花1亿美金雇人、500万美金投人工智能的企业，如今花7000万雇人、2000万投人工智能。人工智能投入数倍增长，总运营成本却在下降。每家企业的人工智能预算增加，整体支出却在收缩。

人工智能基建产业链持续繁荣，即便它正在颠覆的经济不断恶化。英伟达营收屡创新高，台积电产能利用率维持95%以上，超大规模云服务商每季度仍投入1500-2000亿美金建设数据中心。完全受益于这一趋势的中国台湾、韩国，经济表现远超其他地区。印度则截然相反。其IT服务行业年出口超2000亿美元，是印度经常账户顺差的最大来源，也是弥补长期商品贸易逆差的核心。整个模式的价值主张只有一个，印度开发者成本远低于美国。但人工智能编程智能体的边际成本，已几乎降至电费。塔塔咨询、印孚瑟斯、维普罗等企业2027年合同取消量激增。支撑印度国际收支的服务贸易顺差蒸发，卢比兑美元四个月暴跌18%。2028年一季度，国际货币基金组织已与印度政府启动“初步磋商”。

引发颠覆的核心引擎（人工智能）每季度都在进化，颠覆速度也每季度加快，劳动力市场没有天然底部。在美国，我们不再讨论人工智能基建泡沫如何破裂，而是思考：当消费者被机器取代，消费信贷经济将何去何从？

智能替代螺旋

2027年，宏观经济的恶化不再隐晦。过去十二个月零散却明确的负面信号，其传导机制已清晰可见。无需查看美国劳工统计局数据，和朋友吃顿饭就能感受到。失业的白领没有坐以待毙，而是被迫降维就业。多数人转向低收入服务业、零工经济，推高了这些领域的劳动力供给，进而压低了整体薪资。

有位2025年Salesforce的高级产品经理，有头衔、医保、401(k)退休计划，年薪18万美金。在第三轮裁员中失业，求职半年后开始开网约车，收入降至4.5万美金。个案不重要，重要的是二阶效应：全美主要城市数十万从业者经历同样的过程，过高技能的劳动力涌入服务与零工行业，压低了本就艰难的在岗人员薪资。行业性颠覆，演变成全经济范围的薪资压缩。

图6大规模转移：技术劳动力向零工经济的转变

就在此刻，仅剩的人力密集型岗位还将面临新一轮调整：自动驾驶配送、自动驾驶汽车，正在渗透吸纳首轮失业者的零工经济。截至2027年2月，在职职场人明显开始节衣缩食，人人自危。他们在人工智能帮助下加倍努力工作，只为不被裁员，晋升加薪的希望彻底破灭。储蓄率上升，消费疲软。最危险的是滞后效应，高收入人群凭借高于平均的储蓄，维持了两三个季度的消费常态。等硬核数据证实问题时，实体经济早已恶化。最终，一份数据打破了所有幻象。

美国初请失业金人数飙升至48.7万，创2020年4月以来新高；美国劳工部，2027年第三季度

初请失业金人数飙升至48.7万，创2020年4月以来新高。ADP与艾奎法克斯数据证实，新增申领者绝大多数为白领专业人士。标普500随后一周暴跌6%，宏观利空开始主导市场。普通衰退中，失业分布广泛，蓝领、白领失业比例与就业占比大致匹配，消费冲击也均匀分布，且因低收入人群边际消费倾向更高，数据会快速反映。本轮衰退中，失业集中在收入最高的10%人群。他们占总就业比例不高，却贡献了远超比例的消费：美国收入前10%人群贡献超50%的消费，前20%贡献约65%。他们是买房、买车、旅游、餐饮、私立学校、家装的主力，是整个非必需消费经济的需求基石。

这类人群失业或降薪50%转岗后，消费冲击远大于失业人数本身，白领就业下降2%，非必需消费就会下滑3%-4%。蓝领失业的消费冲击立竿见影，而白领有储蓄缓冲，能维持数月消费，冲击虽滞后却更深远。2027年二季度，经济已陷入衰退。美国国家经济研究局数月后才正式确认，但数据已明确，实际GDP连续两个季度负增长。但此时，还不算“金融危机”，至少暂时不是。

关联赌注的链式崩塌

私人信贷规模从2015年的不足1万亿美金，增至2026年的2.5万亿美金。其中相当一部分资金投向软件科技领域，多数是对SaaS企业的杠杆收购，估值均假设收入能长期保持15%左右的增速。这些假设在智能体编程首次展示、2026年一季度软件股暴跌时就已破灭，但资产估值方却迟迟未承认。众多上市SaaS企业估值跌至EBITDA的5-8倍，而私募股权支持的软件企业账面估值，仍基于早已不复存在的收入倍数。管理人逐步下调估值，从100%、92%、85%，而可比上市公司估值已只剩50%。

穆迪下调14家私募股权支持软件企业的180亿美金债务评级，理由是“人工智能驱动的行业颠覆带来永久性收入压力”；为2015年能源行业以来最大规模单一行业评级调整|穆迪投资者服务，2027年4月

所有人都记得评级下调后的剧情，行业老兵早已在2015年能源行业评级下调时见过。2027年三季度，软件类贷款开始违约，信息服务、咨询行业的私募股权投资组合企业紧随其后，多家知名SaaS企业的数十亿美金杠杆收购项目进入重组。

人工智能驱动的客服自动化侵蚀年度经常性收入，Zendesk违反债务条款；50亿美金直接贷款项目估值降至58美分；创史上最大规模私人信贷软件违约纪录|金融时报，2027年9月

Zendesk（客服SaaS企业）成为导火索。2022年，赫尔曼弗里德曼、珀米拉以102亿美金将Zendesk私有化，配套50亿美金直接贷款，是当时史上最大规模以年度经常性收入（ARR）为支撑的贷款项目，由黑石牵头，阿波罗、蓝猫头鹰、HPS参与放贷。该贷款完全基于Zendesk的ARR可持续假设，约25倍EBITDA的杠杆，也只有在这一假设下才成立。

2027年中期，这一假设彻底失效。人工智能智能体已自主处理客服近一年，Zendesk定义的工单、分配、人工客服管理赛道，已被无需生成工单就能解决问题的系统替代。支撑贷款的年度经常性收入，不再“持续”，只是尚未流失的收入。史上最大规模ARR支撑贷款，沦为史上最大规模私人信贷软件违约。所有信贷部门同时发问，还有谁的风险，是披着周期性外衣的永久性冲击？但市场共识最初是对的，这本该是可控的。

私人信贷不同于2008年的银行业，整个体系专为避免强制抛售设计。封闭式基金，资金锁定7-10年，有限合伙人承诺长期出资，没有储户挤兑，没有回购协议抽离。管理人可以持有问题资产，逐步处置，等待回收。虽有阵痛，却可控。这套体系本应是弯曲，而非断裂。黑石、KKR、阿波罗高管称，软件类资产敞口仅7%-13%，可控。所有卖方报告、金融社交账号都口径一致，私人信贷拥有永久资本，能承受足以压垮杠杆银行的损失。“永久资本”，这个词出现在每一次财报电话会、每一封投资者信中，用来安抚市场，成了一句口号，和多数口号一样，没人关注细节。

图7私人信贷与人寿保险公司

过去十年，大型另类资产管理公司收购寿险公司，将其变成融资工具：阿波罗收购雅典娜、布鲁克菲尔德收购美国股权、KKR收购环球大西洋。逻辑很完美：年金存款提供稳定、长久期负债，管理人将存款投向自己发行的私人信贷，赚双重收益，保险端利差+资产管理端管理费，只要一个条件成立，这套双层收费的永动机就能完美运转。

私人信贷必须具备足额偿付价值。损失冲击了那些依托长久期负债持有非流动性资产的资产负债表。本应让体系具备韧性的“永久资本”，并非抽象的耐心机构资金，而是美国普通家庭的储蓄，以年金形式投向了如今违约的私募股权软件科技资产。无法抽离的锁定资本，是寿险保单持有人的资金，而这里的规则截然不同。相较于银行体系，保险监管向来宽松甚至自满，但这次被彻底唤醒。本就对寿险公司私人信贷集中度担忧的监管机构，开始下调这类资产的风险资本权重，迫使保险公司要么融资、要么抛售资产，而在市场冻结的背景下，两者都无法以合理条件实现。

纽约、爱荷华州监管机构收紧寿险公司持有的部分私人评级信贷的资本要求；美国保险监督官协会指引将提升风险资本系数，引发证券估值办公室进一步审查|路透社，2027年11月

穆迪将雅典娜财务实力评级展望下调至负面，阿波罗股价两个交易日暴跌22%，布鲁克菲尔德、KKR等纷纷跟跌。局势自此愈发复杂。这些企业不仅打造了保险永动机，还搭建了精密的离岸架构，通过监管套利最大化收益，美国保险公司发行年金，再将风险转移给旗下百慕大、开曼群岛的再保险公司，这些机构监管更宽松，相同资产只需持有更少资本。关联方再通过离岸特殊目的载体（SPV）对外融资，新增一层交易对手，与保险公司共同投资母公司资产管理部门发行的私人信贷。

评级机构（部分本身由私募股权持有）向来不透明（这一点无人意外）。不同企业、不同资产负债表交织成的蛛网，透明度极低。底层贷款违约时，谁在真正承担损失，实时根本无法厘清。2027年11月的崩盘，标志着市场认知从“普通周期性回撤”转向“更严峻的系统性风险”。美联储主席凯文·瓦尔什在11月联邦公开市场委员会紧急会议上，将其称为“一长串押注白领生产率增长的关联链式赌注”。要知道，危机的根源从不是损失本身，而是损失的确认。而金融领域还有一个规模更大、更重要的板块，我们正害怕面对它的损失确认。

抵押贷款问题

本月Zillow房价指数，旧金山同比跌11%、西雅图跌9%、奥斯汀跌8%。这并非唯一令人担忧的信号：上月房利美预警，大额贷款集中的区域早期逾期率上升，这些区域的借款人信用分超780，向来被视为“绝对安全”。美国住宅抵押贷款市场规模约13万亿美金，抵押贷款承销的核心假设是：借款人在贷款期内保持就业，收入水平基本稳定，多数贷款期限长达30年。白领就业危机，通过持续改变收入预期，动摇了这一核心假设。我们不得不提出一个三年前看似荒谬的问题：优质抵押贷款，还具备偿付价值吗？

Zillow房价指数：旧金山同比跌11%、西雅图跌9%、奥斯汀跌8%；房利美预警科技/金融就业占比超40%的区域早期逾期率上升|Zillow/房利美，2028年6月

图8抵押贷款问题

美国历史上所有抵押贷款危机，都源于三类原因：投机过度（如2008年向无力购房者放贷）、利率冲击（如80年代初利率上行导致可调利率抵押贷款无力偿还）、区域性经济冲击（如80年代德州石油、2009年密歇根汽车行业崩塌）。但本轮危机，却与这三类原因毫无关联。当前的借款人绝非次级贷群体，他们信用分普遍在780以上，首付比例达20%，信用记录清白、就业稳定，放贷时的收入也均经过核实备案，他们本是金融体系所有风险模型里，最坚实的信贷质量基石。

2008年的那些贷款，从一开始就带着劣质属性。而2028年的这些贷款，起初全是实打实的优质资产。只是，放贷之后，世界彻底变了。人们当初是对着一个如今再也不敢轻信的未来，签下了债务合约。早在2027年，我们就已经捕捉到了那些隐性压力的早期信号：房屋净值信贷额度被频繁提款、401(k)账户提前支取现象增多、信用卡债务大幅飙升，而房贷还款表面上依旧正常进行。随着失业潮蔓延、企业招聘冻结、奖金大幅削减，这些原本优质家庭的债务收入比，直接翻了一倍。

即便如此，他们虽然还能勉强偿还房贷，代价却是停掉所有非必需消费、耗尽积蓄、推迟所有房屋维修与装修。账面上看，他们没有出现逾期，但只要再承受一次冲击，就会彻底陷入困境。而人工智能的能力演进轨迹清晰显示，这样的冲击正在加速逼近。紧接着，我们就看到旧金山、西雅图、曼哈顿、奥斯汀等科技核心城市的房贷逾期率开始飙升，尽管全国平均水平仍处于历史合理区间。如今已进入这场危机最严峻的阶段：要是边际购房者财务状况健康，房价下跌尚且可控。但眼下，边际购房者也正遭遇同样的收入重创。尽管市场担忧不断加剧，我们目前还未陷入全面的抵押贷款危机。逾期率虽有上升，却远低于2008年的水平。

图9推动情报转移螺旋式发展的“抵押贷款加速器”

真正的威胁在于趋势本身，智能替代螺旋之下，如今又新增了两个金融加速器，三者相互叠加，共同拖拽着实体经济持续下滑：劳动力被替代、抵押贷款市场承压、私募市场动荡，这三者相互强化、形成了难以打破的恶性循环。传统政策工具，比如降息、量化宽松（QE），或许能修复金融引擎，却救不了实体经济的引擎，因为实体经济的症结并非金融条件收紧，其核心驱动力在于人工智能的普及，让人类智能不再稀缺，也不再值钱。哪怕你把利率降到零，买下市场上所有的抵押贷款支持证券、所有违约的软件杠杆收购债，也改变不了一个核心事实：一个Claude智能体，每月只需200美元，就能完成年薪18万美元产品经理的工作。

一旦这些担忧成为现实，抵押贷款市场将在今年下半年彻底破裂。在这种情景下，预计本轮股市回撤幅度最终将堪比全球金融危机，从高点到低点回撤57%，这将把标普500指数拉至约3500点，退回2022年11月ChatGPT问世前一个月的水平。明确的是，支撑着13万亿美元住房抵押贷款市场的收入假设，已经遭受了结构性破坏。不明确的是，在抵押贷款市场彻底消化这一后果之前，政策能否及时介入。我们仍抱有希望，但也无法忽视那些令人悲观的现实因素。

与时间赛跑

第一轮负反馈循环出现在实体经济：AI能力提升→用工规模收缩→消费疲软→利润受压→企业购入更多AI→能力进一步提升。随后它转向金融：收入受损冲击房贷→银行亏损收紧信贷→财富效应破裂→反馈循环加速。而政府的政策应对不足，坦率地说近乎迷茫，进一步加剧了这两类循环。

图102028年全球情报危机的三大驱动因素

现有经济体系，根本不是为应对这种危机设计的。联邦政府的税基，本质上是对人类劳动时间征税。人们工作、企业发薪、政府抽成。正常年份里，个人所得税和工资税是财政收入的支柱。截至今年一季度，联邦财政收入比国会预算办公室基准预测低12%。工资税收入下滑，因为能拿到原有薪酬水平的就业者越来越少。所得税收入下滑，因为人们的收入出现结构性下降。生产率在暴涨，但收益流向了资本和算力，而非劳动者。劳动收入占GDP比重从1974年的64%降至2024年的56%，四十年持续下滑，背后是全球化、自动化、劳动者议价能力不断削弱。而在AI开始指数级进步的这四年里，这一比例直接跌到46%，创下史上最剧烈跌幅。

图11超智能前后的经济循环对比图

产出依然存在，但这些产出不再通过家庭消费流向企业，说白了，它也绕开了国税局的征管体系，经济循环正在出现断裂，而所有人都指望政府站出来修复这个循环。和以往每一次衰退一样，居民收入在下降，政府支出却在不断增加。但这一次不一样，这份支出压力不是周期性的临时麻烦，现有的自动稳定器，本就是为临时性失业设计的，根本适配不了这种结构性的劳动力替代。现有福利体系的核心前提，是假设失业的劳动者最终会被市场重新吸收，可如今很多人恐怕很难再就业，至少再也拿不回曾经的薪水。

疫情期间，政府坦然接受15%的财政赤字，因为所有人都清楚，那只是暂时的应急措施。但现在需要政府帮扶的人群，遭遇的不是一场能慢慢康复的疫情，而是被一项还在不断进化的技术，彻底替代了工作。偏偏就在政府从家庭端征收的税收越来越少的时候，它需要向家庭转移支付的资金，反而变得更多。美国不会发生违约，它可以靠印钞来支付这些支出，再用同样的货币偿还债权人，但压力已经在其他领域显现出来。

今年以来，市政债的表现出现了令人担忧的分化：没有个人所得税的州，市政债表现还比较平稳，但那些依赖个人所得税的州（多数是蓝州）发行的一般责任债，已经被市场计入了违约风险。政客们反应很快，围绕“谁该被救助”的辩论，立刻陷入了激烈的党派对立。不过本届政府有一点值得肯定，它较早意识到了危机的结构性本质，还开始讨论一项两党提案，也就是所谓的《转型经济法案》，这个框架计划通过赤字支出结合AI推理算力税，为失业劳动者提供直接转移支付。目前最激进的提案则更进一步，《AI繁荣共享法案》将设立对智能基础设施收益的公共索取权，这种模式介于主权财富基金与AI产出权利金之间，打算用相关分红，为家庭转移支付筹集资金。对此，私营部门的说客在媒体上展开铺天盖地的反对，警告这是“滑坡谬误”，会挫伤市场活力。

这场讨论背后的政治博弈，惨烈又在意料之中，各种政治作秀和边缘政策还在不断火上浇油。右翼把转移支付和再分配称作马克思主义，警告对算力征税会让中国在AI领域领先。左翼则直言，由科技巨头参与起草的相关税收政策，不过是换了个名字的监管俘获，最终只会让巨头受益。财政鹰派死死坚持赤字不可持续，鸽派则拿全球金融危机后过早紧缩导致复苏乏力当前车之鉴，反对过早收紧财政。在今年总统大选前夕，这些分歧只会越来越大。政客们吵来吵去，而社会结构撕裂的速度，远比立法进程快得多。

智能溢价的消退

纵观整个现代经济史，人类智能（Human intelligence）从来都是稀缺要素。资本是充裕的，—至少能复制。自然资源虽然有限，却有替代方案。技术进步也足够慢，人类完全能跟上。但智能不一样，那种分析、决策、创造，还有说服、协调的能力，是没法大规模复制的。

正因为稀缺，人类智能才自带内在溢价。我们经济里的每一项制度。从劳动力市场、抵押贷款市场到税法，都是为这个前提成立的世界量身打造的。而现在，我们正在亲眼看着这份溢价慢慢消失。越来越多的任务中，机器智能已经能胜任人类智能的工作，还在飞速进化。那些为“人类智能稀缺”这个世界优化了几十年的金融体系，现在正经历重新定价。这个过程很痛苦、很混乱，而且远没到尽头。但要明确，重新定价不代表崩溃，经济总能找到新的平衡点。而走向这个新均衡，是眼下少数还只能靠人类来完成的任务，我们必须做好。

这在历史上是头一遭。经济体里生产力最高的资产，创造的岗位不是更多，反而更少。现有的所有框架都用不上，因为没有一个框架，是为“稀缺要素变成充裕要素”的世界设计的。所以我们必须搭建新的框架，能不能及时建起来，是眼下唯一关键的问题。不过文章的时间不是2028年6月，而是2026年2月，此时标普指数还接近历史高点，那套负反馈循环，还没真正启动。

我们确信，文中部分情景不会成真。但我们同样确定，机器智能会继续加速发展，人类智能的溢价也会不断收窄。对投资者来说，现在还有时间去评估自己的投资组合里，有多少是建立在未来十年站不住脚的假设上。对整个社会而言，我们也还有时间主动去应对这场变革。