谁想体验一把集体失业？

本文来自微信公众号： 看理想 ，作者：梁捷

01.

AI有没有让经济增长更快

中国2023年GDP增长率是5.2%，2024年是5.0%，2025年还是5.0%。2026年，市场普遍预计GDP增长率会略低于5%。

ChatGPT于2022年底发布，距今三年多。豆包、Kimi、Deepseek等国产大模型，也都发布了很久。AI每隔几个月就有一次大的能力突破。但是，中国的GDP增长率没有提高，反而在缓慢下行。美国也差不多，不管股市如何，实体经济的增长速度没有什么变化。那么，AI这么强，它为什么没有把GDP的增长率拉起来？

这个现象有点像索洛悖论。1987年，诺贝尔奖得主索洛说过一句很出名的话，“你在一个到处都能看到计算机的时代，就是在生产率统计数据里看不到计算机”。

索洛的意思是，1987年，美国乃至全世界都有计算机狂热，但是计算机在当时就是没有对经济产生影响。这句话困扰经济学界将近十年。一直到1990年代中期，计算机对于生产率的贡献才终于在数据当中有所体现。

现在把同样的问题抛给AI：为什么人人都在谈AI，但是我们的经济生活没有发生变化？

在2023年年初，ChatGPT刚出现没多久，我和几位专家录过一次播客，讨论ChatGPT会对生活产生多大影响。一位专家给出三种可能的预测。

第一种最悲观：AI对于经济的影响跟智能手机差不多。智能手机对于我们的生活改变很大，但谈不上颠覆。智能手机本身也没有改变GDP增长率的长期趋势。

第二种是中间情形：AI相当于蒸汽机，会带来一次真正的产业革命，让经济增速上一个台阶。蒸汽机普及前后，人们的生活模式完全不同。蒸汽机普及以后，经济开始增长。单纯从物质角度来看，每一代人的生活都比前一代变得更好，这是从蒸汽机普及才开始出现的现象。

第三种预测最为乐观：AI的出现相当于人类发现了火。这是文明级的跃迁。不会用火的人是原始人，甚至谈不上是人。原始人只有学会用火，才可以吃熟食，大脑结构发生突变，才逐步演变成现代人。

今天回过头看，三年前的预测中，哪一种最接近现实？

AI对于我们的生活肯定有影响，但关键要看，到底有多大的影响。这个问题在经济学界本身还没有定论。公众的观点大致可以分成三派：怀疑派、乐观派，还有“大家都不对派”。

02.

怀疑派：阿西莫格鲁的悲观估计

怀疑派的代表人物是2024年诺贝尔经济学奖得主达龙·阿西莫格鲁。2024年5月，阿西莫格鲁发表一篇论文，叫做《AI的简明宏观经济学》。他提出一个非常具体也非常保守的数字，那就是未来十年，AI对于全世界全要素生产率（TFP）的累计贡献，它的提升不会超过0.66%。

简单理解全要素生产率，就是经济增长可以拆成两部分，一部分是投入更多的钱和更多的人；另一部分是技术进步和效率提升。把投入的人和钱的影响去掉，单纯只考虑技术进步和效率提升，这就叫做全要素生产率，简称TFP。

阿西莫格鲁认为，未来十年AI对于全要素生产率的提升是0.66%，平均下来每年只有0.06%。这个数字基本上等于没有。美国过去几十年的TFP平均增速是每年1%到1.5%。没有AI的时代，每年的TFP增速都有1%到1.5%，现在AI能够为它额外增加0.06%，连零头都不到。

阿西莫格鲁的论证分成两步。第一步，他发展出一个叫做“任务模型”的框架。这是他和合作者长期研究的一套理论，理论认为，应该把整个经济看成无数个具体任务的集合。

过去一般用“职业”来描述一个人的工作，但阿西莫格鲁认为“职业”太宽泛，任何职业都是由几十个、几百个具体的任务组成的。比如会计要记账、对账、报税、做预算、跟客户沟通。

所以讨论AI能不能取代会计，不是说AI能不能"做会计"，而是要看AI能够取代目前会计工作任务里的哪一些任务。只有通过具体的研究，才能够计算到底省下多少成本。

第二步，阿西莫格鲁用了经济学里一个很经典的算法，霍尔滕定理。这个算法告诉我们：整个经济生产率的提升，等于“受影响任务的占比”乘以“这些任务上的平均成本节约”。很多人认为最先进的行业会推动经济增长，但霍尔滕于1978年的研究表明，不一定是这样。

举个例子，假设航天工业的效率提高了100%，这是非常先进的行业中，非常了不起的技术进步。但航天工业只占到GDP的0.1%，计算公式就是100%×0.1%=0.1%，最后只有一点点。

所以，航天工业对于经济增长的影响可以忽略不计。但是反过来看，零售业的效率只提高5%，但零售业可能占到GDP的20%，公式就是5%×20%=1%。通过计算，零售业一点点的进步，对整个经济的贡献很大。

按照上述方式可以计算出，大约会有多少任务受到AI的影响。阿西莫格鲁又引用了埃隆度等人2024年的一项研究结果。埃隆度是OpenAI的研究员，他认为大约20%的任务会受到AI不同程度的影响。但问题在于，在这20%里面，真正能够被AI“经济地”取代的，也就是“AI比人更便宜”的任务，又只占23%左右。两个数字相乘，真正会被AI自动化的任务，只占整个经济的4.6%。

在这些可以被取代的任务里面，AI又能省多少钱？阿西莫格鲁对比了好几个实验研究，最终把所有数字代入霍尔滕定理，算出来全要素生产率十年累计下来，会被AI拉高0.66%，平摊到每年，就是0.06%。

故事还没完。阿西莫格鲁又把这个任务往下打了一个折扣。他说，我们现在看到AI生产率提升，主要来自“易学任务”。这些任务有明确的正确答案、大量训练数据、反馈也很清晰。写代码、翻译，或者回答客服问题等等，都属于“易学任务”。

但是在未来，想要AI进一步发挥作用，易学任务都已经被啃完，就必须啃“难学任务”，比如做战略决策、谈判、管理一个团队、做研究判断等等。这些难学任务没有标准答案，反馈周期也很长，AI很难从中直接学会怎么干活。阿西莫格鲁认为，未来的实际增长可能比0.66%还低，最终可能只有0.53%。

怀疑派的核心观点可以总结为，AI确实是一项重要技术，但是它对于宏观经济的影响被严重高估。高盛2023年的报告预测，AI未来十年能够给GDP带来年化1.5%的增长。高盛作为投行，它的预测一定偏向乐观。阿西莫格鲁估计的数字只有高盛的二十分之一。由此可见，不同的专家对于AI影响的判断分歧竟有如此之大。

阿西莫格鲁这篇论文影响非常大。美联储、欧盟、IMF，很多国家的央行，都把这篇论文作为AI政策评估的基准。我个人很喜欢阿西莫格鲁的计算方法，但是他的研究中有一个根本的假设是需要讨论的。

阿西莫格鲁认为，AI是以取代现有任务的方式，逐步取代人类。但是历史经验表明，真正颠覆性的技术可能不是节约现有任务的成本，而是创造全新的任务。我们今天每天需要做的任务，已经与几十年前很不一样。

所以AI时代会不会重新创造大量的新任务？这正是乐观派在探索的问题。

03.

乐观派：科林内克的推演

乐观派的代表是弗吉尼亚大学的科林内克还有苏东炫。他们在2024年3月，发表一篇论文，叫做《通向AGI的几种情景》。AGI就是技术能够理解或者学习人类的任何智力任务。

阿西莫格鲁从今天AI的能力出发，计算十年之内它们能产生的影响。但科林内克把目光放得更远。他们直接追问，假如AI最终能够发展到AGI，也就是说，AI能够完成所有人类能做的工作，那么我们的经济或者普通老百姓的工资会变成怎样？他们采用的算法也是任务视角，从这个角度来说，他们的研究和阿西莫格鲁是具有可比性的。

他们假设人类的工作可以拆解成无数个“原子任务”，把所有任务的复杂度从低到高排序。他们认为，AI的发展过程就是从最简单的任务开始，一步一步往上，逐步“吃”掉越来越复杂的任务。

今天AI能做的，可能是低复杂度的那部分任务；明天能做的，可能就已经是中等复杂度的任务；以此类推，AI会越来越强，最终AI会把所有的任务都吃掉。

人类会不会失业、或者工资会不会崩盘，主要看科林内克所说的“自动化与资本积累之间的赛跑”。随着AI逐步把一些任务吃掉，劳动力相对于资本变得“过剩”。资本原本雇佣劳动力是为了干活，但现在大多数活都用AI干，按理来说工资就应该压低，不用人类干那么多活。

但是另一方面，AI具有这么高的生产率，一定会刺激资本疯狂积累。比如说为了发展AI，一定要建更多的数据中心，需要更多GPU，造更多机器人。所有这些资本扩张，同时必须要有劳动配合。比如英伟达的市值一直在涨，跟AI行业相关的上下游股票一直在涨，所有在这些公司打工的人，他的工资和福利也一直在涨。

接下来问题就是，如果资本积累跑赢了自动化，AI的出现导致大家有更多钱可以分配，那么大家的工资就能上涨。比如更多人涌入AI相关行业，这些人能够分享到AI发展带来的红利。

AI从业者的工资上涨，周边行业从业者的工资也会上涨；但是另一方面，如果AI取代劳动的速度大于资本积累速度，也就是说，钱并没有因为AI的出现而增加，而AI的能力已经可以取代绝大多数人的工作。技术发展太快，但是资本积累没有跟上，人类工资可能就要崩盘。

怎么对这两者的发展速度进行比较？科林内克认为，最终的命运取决于一个问题，就是人类能完成的任务，它的复杂度有没有上限。

假如任务复杂度的分布存在一个“无限厚尾”，人类就永远有工作可做，工资也可以永远上涨。因为无论AI多强，总还有更复杂的任务是只有人类才可以做的。但是如果人类能做的任务复杂度有上限，那么AI早晚都会吃掉所有任务。一旦达到完全自动化，工资就会瞬间崩盘，因为资本不需要人类去上班了。

可以用一些例子来理解“无限厚尾”。有一些任务是很常见的，大家经常会遇到，AI公司也有很强的动力去解决它。比如做饭、开车，其实都挺难的，但是因为出现频率太高，所以各个大公司会投入大量资金来研究。

但是，除了这些很常见的任务以外，还有一些特别少见的任务，比如“协调跨国离婚案当中的儿童监护权”，又比如“处理一幢历史保护建筑里面居民的装修纠纷”。这种事情在生活中出现的频率不是很高，肯定是尾部任务，AI公司没有动力去解决它。但这些任务又不容易解决，那么要解决这些问题，就需要人来出面。所以，只要这样的任务足够多，人就不可能被AI完全取代。

科林内克基于这个框架，设计了四种情景。

第一种是“基线情景”。任务复杂度可以无限延伸，AI永远不可能把所有工作吃掉。经济和工资会按照过去一百年的趋势继续增长。经济学家非常熟悉这种情景，"太阳照常升起"。

第二种情况叫做“激进AGI情景”。我们所有的工作任务，它的复杂度是有边界的，它有可能在五年之内完全被自动化。如果这种情况发生，GDP会爆炸式增长，但工资会在短期内彻底崩盘。因为人类的劳动突然变得彻底没用，没有价值，完全不需要人类。

第三种情况叫做“基准AGI情景”。任务的复杂度是有边界的，但是这个边界还比较远，不可能在五年内彻底被AI取代，可能需要二十年左右的时间完全自动化。那么这二十年就是过渡期。过了二十年，90后、00后没有退休，对于很多人来说，最终的归宿可能还是工资崩溃。

第四种情况叫做“长尾任务情景”。先有一段时间的快速自动化，比如AI迅速取代大量的认知工作。但是在此之后，会剩下一条很长的尾巴，那些很难自动化的任务始终存在，一些事情必须要人类解决。

在这种情况下，经济增长会很快，工资会先下降一段时间，然后保持平稳。但是工资没有彻底崩盘，它还能够坚持下去。它能够坚持多久，就看人类在长尾任务上能够坚持多久，可能是几十年，也有可能是几百年。

科林内克的论文最重要的贡献就是，把“AI会不会让经济爆炸式增长”和“AI会不会让工资崩盘”这两个看起来的矛盾，统一在一个框架里面。

作者的结论触目惊心，经济增长爆发和工资崩盘是同一个硬币的两面。AI发展得越快、效率越高，就能够快速把工作吃掉，普通人的工资，就可能越快崩盘。

04.

第三派：琼斯的脑洞

第三派的观点，可以叫做"大家都不对派"。这派的代表人物是斯坦福大学的查尔斯·琼斯，他的专长是研究超长时间段经济增长问题。他在2024年12月的《美国经济评论·见解》上发表了一篇短论文，叫作《AI的两难：增长还是生存风险》。

琼斯的视角很独特，他说，怀疑派和乐观派争来争去，争的都是AI能带来多少经济增长，但是这个争论可能错过了真正重要的问题。AI是一把双刃剑。它确实可能大幅度提高生产率，让我们活得更好；但是也可能带来生存风险，超级智能如果跟人类的价值观对不上，可能会导致人类灭绝。

琼斯没有那么关心AI对于劳动的取代，他比较关心AI会不会灭绝人类，他觉得这个问题比经济收益重要得多。

他假设AI能够每年让GDP增速从现在的2%提高到10%，同时带来一定的生存风险，比如有5%的概率全人类灭绝，那我们应不应该继续推进发展AI？这是很多科幻电影里出现的场景。

担心AI灭绝人类的学者倒不是担心出现憎恨人类的AI机器人。AI灭绝人类的方式可能有很多种，比如消耗资源，智能爆炸，对人类施行经济控制等等。琼斯很认真地思考了这个问题，建立一个最优控制模型。

他认为，每个人在每一年都从消费当中获得“效用”，也就是幸福感。但是，人的效用函数是边际递减的。比如你今年比去年消费增加一倍，但是，今年比去年的幸福感可能只增加一点点，绝对不会翻倍。所以，一个人的终身效用是有上限的。哪怕你后来每年消费翻几百倍、一万倍，幸福感也不会无限增长，总有上限。

这个设定意味着，如果你已经过得不错，再多的经济增长给你带来的边际幸福感也很有限。为了那一点点边际幸福感，去赌一个全人类灭绝的风险，很不划算。

根据琼斯的计算，单纯依靠经济增长，比如把GDP的增速从2%拉到10%，人类能够接受的生存风险阈值很低，大概只有4%。也就是说，如果AI带来的灭绝风险超过4%，那理性的社会就应该停止开发AI。

但是接下来，琼斯又引入另一个变量，就是死亡率。AI不只能带来更多财富，还有可能在医疗上带来突破，比如治愈癌症、延缓衰老等等。如果AI能让每年的人口死亡率从1%降低到0.5%，那人类的预期寿命会从100岁延长到200岁。

这是一个巨大的福利改善，在新的均衡下，人们能接受的生存风险阈值会从4%跳到25%，甚至更高。活得更长，意味着人类能够享受未来的时间更多，这部分的预期收益非常非常大，足够抵消相当大的风险。

所以，如果AI有可能让人类长生不老，很多人就愿意让AI继续发展，甚至赌上很大风险也在所不惜。很多科幻电影里描述的都是这类场景，驱动科技狂人最主要的动力，就是AI可以让自己长生不老。

琼斯的研究背后有个含义：单纯讨论“AI能够让经济增长多少”是不够的。AI带给我们的主要好处也包括健康和寿命，而不只是消费品的丰富。因此，人类有可能为AI承担很高的风险。

琼斯没有给出最终的答案，因为最终答案取决于一系列未知的参数，比如AI能带来多少生存风险，AI能减少多少死亡率，人类的风险厌恶程度到底是多少等等。

05.

真正的分歧在哪里？

阿西莫格鲁说，未来十年AI最多让TFP累计增长0.66%，几乎可以忽略不计；科林内克说，激进的情景下，十年内GDP如果能够翻一番，工资就会崩盘；而琼斯说这些都不重要，重要的是要不要把人类的未来押在AI上面。

这些专家真正的分歧在哪里？可以聚焦三个核心问题。

第一个问题，到底有多少任务可以被AI自动化。阿西莫格鲁估计，人类工作中大约只有20%受影响、其中又只有23%可以被经济地自动化，这是一个很低的比例。但是科林内克假设，理论上所有的任务都可以被自动化，只是时间问题。

第二个问题，所谓“难学任务”的边界到底在哪里。阿西莫格鲁认为，很多任务的反馈不清晰、缺乏客观的度量结果，所以AI在可见的未来都学不会。科林内克认为，AI的进步速度在加快，今天看起来很难学的任务，过几年可能就变成容易学的。

第三个问题：AI能不能自动化AI研究本身。这也是所谓“奇点”理论的核心假说。假如AI可以自己做研究，自己调用AI做实验、写代码、搞理论，自己发展自己，它的迭代速度就会指数级地加快。

这跟过去任何一次技术革命都完全不一样，这是一种全新的动力学。蒸汽机自己不会造蒸汽机，手机也不会制造手机，但是AI有可能自己发展自己。阿西莫格鲁根本不考虑这种情况；科林内克把它作为一种很重要的场景。而琼斯提醒大家，在最乐观的情形下，人类的生存风险也最高。AI最有可能拯救人类，也最有可能毁灭人类。

回到一开始的问题，AI像手机、AI像蒸汽机、AI像火，到底哪一种假设更接近现实？

从目前的宏观数据来看，AI确实更像“手机”。它改变了很多人的生活方式，也改变了很多人的工作行业，但没有改变GDP增长的长期趋势。但是，从能力发展速度来看，它又远远超过手机，已经有点像蒸汽机。

蒸汽机最早在18世纪初出现，但是要到19世纪20年代才真正开始改变GDP增长率，中间相隔一百多年。从计算机热到计算机给全球GDP带来真实的改变，差不多也要花十年。所以很关键的问题就是，AI要用多少时间取代人类的大多数工作。

接下来这几年是关键的窗口期。如果AI公司宣称AI的能力扩展是真的，我们应该在两三年内看到全要素生产率数据的明显变化，这种变化应该快于计算机带来变化的十年周期。

但是，如果两三年以后，中国的GDP还是在5%的增速里打转，阿西莫格鲁可能就是对的。也就是说，AI只会取代少数工作，太阳照常升起。

至于“AI像火”那种最乐观的估计，我个人持保留态度。因为根据考古证据，人类也不是一天内学会用火的。人类学习用火这个过程可能持续了好几万年。我个人不会做几万年的预测，那毫无意义。