2026-06-07 18:02
扫码打开虎嗅APP
本文来自微信公众号： 未尽研究 ，作者：未尽研究
如果世界可以选择放缓或暂时中止前沿人工智能的研发，从而使社会结构和协调研究能够跟上技术发展的步伐，这对世界大有裨益。
这段话来自Anthropic研究所在官网上发布的文章《当人工智能开始构建自身》（When AI Builds Itself）。这很自然被很多人看作Anthropic的一种特有的话术，它想表达的意思是：看，我都赢麻了，不想再赢了，咱们座下来谈谈道德和责任吧。
但在创始人和CEO阿莫迪（Dario Amodei）在播客视频和电视屏幕上摇头晃脑的背后，是Anthropic正在看到AI加速发展，或者说递归自我改善（Recursive Self-Improvement），在这些效率提升的表象之下，效率本身可能会坠入大坑。
早在去年十月份，Anthropic就公布了它的经济顾问委员会和经济未来研论会的一些成果。在诸多论文和政策建议中，首先提及的，就是可以考虑对AI自动化征税，以抵消快速自动化给失业工人带来的负面外部性。
Anthropic引用了麻省理工学院（MIT）经济学家Martin Beraja，和达特茅斯学院（Dartmouth College）经济学家Nathan Zorzi撰写的论文《自动化的效率失灵》。
把论文压缩成一段话：自动化收益来得太晚，而冲击来得太早，市场不会充分计入这段过渡期中的社会成本。自动化速度过快，替代人工导致的社会摩擦过大，这将导致低效率的自动化。由于企业无法内化劳动者重新配置，政府可以对自动化征税，但仅从效率角度考虑，放缓自动化是最优选择。
这篇论文写于2022年，近几年AI明显加速了自动化，并且出现了AI的自我完善，最终可能完全摆脱“人类束缚”的情景下，这项研究为Anthropic提出放缓或中止前沿AI的研究，提出了直接的论证。
论文首先反驳了传统看法。过去讨论“是否应该给自动化征税”，通常有两种逻辑。第一种是公平逻辑，自动化提高总产出，但损及部分工人，所以政府为了再分配，可以对自动化征税，把一部分收益转给受损工人。
第二种是资本税逻辑，在不完全市场中，长期资本税可能改善效率，自动化作为一种资本投资，也可以被纳入这个框架。
但Beraja和Zorzi认为，这两种讨论都没有真正抓住自动化的残酷现实，自动化会直接替代一批具体工人，而这些工人的转岗过程不是瞬间完成的。他们面对两个摩擦：一是重新配置到新职业很慢，可能要经历失业或再培训；二是信用市场不完美，他们无法轻易以未来收入为抵押来借钱，维持当前消费。论文摘要和引言都把这两个摩擦作为全篇出发点。
接着，作者提出了论文的关键机制：自动化收益后置，工人损失前置。
在作者的模型里，自动化会让某些职业变得更少依赖劳动，也就是直接挤出原来的工人。长期看，劳动可以流向未被自动化的职业，经济总产出会上升；但短期看，被替代工人的收入先下降，而且他们可能要经历失业、再培训、技能折损。
论文在模型部分明确设定，自动化职业变得更少劳动力密集，被替代工人需要随机获得转岗机会，经历临时失业或再培训，并承受技能专用性带来的生产率损失。
这就造成一个时间错配结构。自动化的成本是前置的：投资成本、岗位冲击、收入下降、消费下降很快发生。自动化的收益是后置的：只有当工人逐步转移到其他职业，新的劳动力配置完成后，生产率收益才逐渐显现。
论文中有一个很关键的表达：自动化与劳动再配置是互为补充的（automation and labor reallocation are complements），也就是说，自动化的收益要通过劳动力重新配置才能充分释放。因此自动化回报的是后置（back-loaded）的，会先挤出消费，然后才会提高产出。
为什么市场会“过度自动化”？论文最核心的理论推导是：劳动慢速再配置+借贷约束，会导致低效率自动化。
假设被自动化替代的工人，理论上知道自己未来可能会转岗成功、收入部分恢复。因此，他们最希望做的是：现在收入低的时候借钱，等未来收入恢复后再还。这叫平滑消费（smooth consumption）。
但现实里，很多工人借不到钱，或者借贷能力有限。他们被迫在收入下降时也同步压低消费。于是，他们的消费路径会变得很陡峭：短期很痛苦，未来才恢复。这使得被替代工人与那些没有借贷约束、能够给企业股权定价的人，对自动化收益的时间价值看法不同。
用高级一点的话说：企业没有内化被替代工人无法平滑消费这一事实，因此私人自动化激励和社会最优自动化激励发生偏离。
换句话说，企业不是不知道自动化会替代工人，而是市场价格体系没有充分反映一个问题，被替代工人不是一个可以自由跨期借贷、自由转岗、自由保险的抽象劳动者；他们是现实中的人，会在过渡期被现金流约束卡住。
所以，市场会倾向于按资本和企业的折现逻辑推进自动化，而不是按被替代工人的消费痛苦和再配置速度来推进自动化。这不再是单纯的再分配问题，而是效率问题。
这就来到论文最有意思的地方。作者强调，放缓自动化不仅可以改善公平，也可以提高效率。
传统观点会说，给自动化征税，是为了牺牲一点效率，换取更多公平。但这篇论文说，在存在再配置摩擦和借贷约束时，不放缓自动化本身就是低效率的。
原因是，政府看到的是整个社会的跨期消费配置。自动化太快时，总产出未来可能更高，但当前被替代工人的消费下降太剧烈。由于这些工人借不到钱，他们当前消费的边际效用非常高。政府如果适度放慢自动化，就可以把一部分消费从未来“搬回”现在，让过渡期更平滑。论文明确说，最优政策会降低相对于自由放任情形下的现值产出，但通过改变总消费在时间上的流动、以及改变不同工人之间的消费分配来提高福利。
这就是所谓效率考量（efficiency grounds）：即便政府完全不关心再分配，只关心效率，也有理由在过渡期内给自动化踩刹车。
作者得出了最重要的政策结论，而这一结论，对于AI所带来的快速自动化，具有特别的意义：放缓过渡期的自动化，而不是长期反自动化。
这点对于理解Anthropic为什么引用它也很关键。它不是“反AI”的论文，而是给出一个“速度治理”的经济学基础：问题不是自动化要不要发生，而是自动化发生得多快、社会能否在过程中吸收冲击。让技术扩散速度与社会吸收能力相匹配，会产生明显的福利收益。
论文做了一个定量模型，把职业流动、异质性工人、未保险收入风险、储蓄分布、累进所得税和失业救济都放进去，来估算放缓自动化的福利影响。作者发现，在基准校准下，自由放任情况下自动化收敛的半衰期约为20年，而最优政策下的自动化半衰期约为47年，也就是自动化推进速度显著放慢；这一政策在只考虑效率、不考虑再分配偏好的情况下，带来约3.8%至4%的消费等价福利收益；如果政府采用功利主义权重、也重视再分配，福利收益约为5.9%至6%。
他们还做了几个对照：如果失业或再培训时间更长，最优自动化半衰期进一步提高到约52年，因为更多被替代工人在漫长转岗期间会受到借贷约束。
如果整个经济中的流动性很高，工人更容易用储蓄或借贷缓冲冲击，那么放缓自动化的福利收益会明显下降。这说明再配置机制确实依赖于“现金流约束/借贷约束”。
如果政府只给被自动化影响的工人一次性1万美元转移支付，福利收益反而小得多：效率权重下只有0.3%，功利主义权重下约3.0%。这说明一次性补贴有助于再分配，但不足以解决中期借贷约束和自动化速度过快的问题；把转移支付和自动化税结合起来，福利收益最高。
这篇论文谈的是自动化，把它放到AI语境下，可能就是Anthropic的放缓/中止主张，不是AI应该慢下来的道德口号，而是一个更严肃的经济学判断：如果AI自动化主要冲击那些转岗慢、储蓄少、借贷难、技能迁移成本高的劳动者，那么企业层面的最优部署速度，可能快于社会层面的最优速度。
但也要具体分析，这套机制对不同AI场景所产生的影响有强弱不同。若AI主要替代的是高收入、高储蓄、高流动性的知识工作者，他们的借贷约束可能没那么强；若它替代的是呼叫中心、客服、仓储、司机、收银、基础文书、低中收入白领等更容易陷入现金流约束的人群，论文机制就更有解释力。
所以，Anthropic引用这篇论文时，真正想借用的可能是这一点：AI速度不是越快越有效率。技术扩散速度本身也需要被纳入社会福利计算。如果RSI真的迫在眉睫，那么就索性先中止前沿AI的研究吧。
这种主张正在华盛顿赢得市场，在大国地缘科技战的情景下，它最终不一定是以中止AI前沿研究的方式体现出来，但政府对token、对算力、对AI巨头的资本征税，以及国家获得AI企业的股份，都已经成为认真的政策讨论选项。
Anthropic创始人CEO阿莫迪（Dario Amodei），更喜欢用阿姆达尔定律来解释AI的快速自动化，如在编程领域，所引发的组织瓶颈。
如果说一个月前在Code with Claude大会上，阿莫迪所关注的是编码能力的成倍提升，让组织能力产生大量的瓶颈，现在，前沿AI企业的快速自动化能力，让整个经济和社会成为其瓶颈。
这些瓶颈如果处理不好，在企业层面过快的编码效率最终导致组织失灵，在经济与社会的层面，则是过快的AI自动化，将导致整个经济的效率失灵。
--
参考：
https://www.nber.org/papers/w30154，
https://www.anthropic.com/institute/recursive-self-improvement，
https://www.anthropic.com/research/economic-policy-responses
