引子：先把问题换掉#
“AI 会不会导致失业”是一个注定产出垃圾答案的问题，因为它只有两种现成模板。乐观派背诵历史：从纺织机到 ATM，每一次技术恐慌最后都创造了比毁灭更多的岗位，卢德分子永远是错的。悲观派宣称例外：这次不一样，因为 AI 替代的是智能本身。两边都不是分析，而是信仰陈述——前者把两百年的归纳当成自然律，后者把一句口号当成论证。
要回答得比信仰更好，只有一条路：先弄清 AI 在经济学意义上是什么，再追踪这个冲击如何传导到劳动市场，然后找到宏观循环可能断裂的位置，最后看不同的制度结构如何承接。预言留给先知，分析者只配下注。本文就按这四步走，结尾给出我的赌注和验证指标。
一、定性：思考正在变得便宜#
AI 在经济史上的特殊性，不在于它聪明，而在于它替代的对象。蒸汽机替代肌肉，电力替代位置受限的能量，流水线替代手艺的某个切片——此前每一次自动化，吃掉的都是人类能力的一个子集。AI 是第一种对一般认知能力本身定价的技术：阅读、归纳、起草、翻译、编码、检索、初步分析——这些曾经只能按月薪购买的东西，现在按 token 计价，而且同等能力的单价在两三年内下降了一到两个数量级，还在继续掉。
这是一场价格革命。理解它的最好类比不是“新工具”，而是“某种要素的价格归零”：印刷术之于复制成本，电力之于能量成本，AI 之于平均水平的认知成本。当一种要素的价格塌方，会发生两件事。
第一件事支撑乐观派：杰文斯悖论。要素越便宜，消耗越多——煤的使用效率提升后，煤的总消耗暴涨。认知同理：当一份法律意见、一次代码评审、一份调研报告的边际成本趋近电费，人类会消费比今天多一百倍的认知。这部分是确定的，也是“生产力大爆发”预言里真实的部分。
第二件事支撑悲观派，而且常被乐观派偷换掉：要素需求的暴涨，不等于旧供给者需求的暴涨。杰文斯悖论救得了煤矿，救不了马。引擎普及后，“运输”这种服务的总消费量指数增长，而马——运输的旧供给者——种群在 1915 年达到顶峰后一路崩到忽略不计。马的问题不是没有比较优势；按李嘉图的算法，马永远在某件事上“相对最不差”。马的问题是，它的市场出清工资跌破了草料钱。
所以真正的问题从来不是“AI 会不会取代人”，而是：当平均认知的价格塌方之后，以出售认知为生的人，其出清工资还能不能维持在体面线之上。这个问题没有先验答案，取决于传导机制和制度反应——下面两节讲的就是这件事。
二、传导：三层劳动，与责任的稀缺#
岗位不是原子，而是任务的捆绑包。AI 不按岗位吃，按任务吃；一个岗位的命运，取决于它的任务束被拆开之后，剩下的人类部分是增值了，还是失去了存在理由。按暴露程度，可以把人类劳动切成三层。
**第一层：例行认知。**材料搜集、整理、格式化、初稿、基础分析——学术、媒体、法律、咨询、行政系统的整个底座。这一层正在被吃，不是预测，是现在进行时：斯坦福对薪资数据的研究发现，AI 暴露度最高的职业里，年轻雇员的相对就业已出现两位数下滑；科技、法律、咨询行业的初级岗位招聘在 2024 年后系统性收缩。值得注意的是方向的颠倒：此前每一波自动化都先打蓝领，这一波先打文凭阶层，而且从梯子的最底层一脚踹起。
这里埋着一个被严重低估的次生灾害：学徒制危机。资深专家不是天生的，是干了十年初级活儿喂出来的。如果初级工作全部交给 AI，资深判断力从哪里长出来？企业正在吃自己的种子粮。十五年后的合伙人荒，此刻正在初级岗位的招聘冻结里酝酿。
**第二层：具身在场。**护理、维修、手艺、面对面服务。莫拉维克悖论仍然有效：对 AI 来说难的容易、容易的难，水管工的护城河比初级律师深得多。但这层的保护期取决于机器人成本曲线的燃烧速度，而这根引线已经点着了。具身是缓冲带，不是堡垒。
第三层：判断与问责。常见说法认为专家安全，因为“AI 不会提出真正的问题”。结论大体对，论证却不够稳——论证错了，保质期可能就只有三年。AI 当然能生成问题，它能生成无穷多看起来极好的问题、诊断、战略；它不能做的是为问题署名。社会运转不仅需要答案，更需要一个答案出错时可以被起诉、被吊销执照、被剥夺声誉、被送进监狱的主体。责任的前提是个体性：一个连续的、有利益可损失的、可被惩罚的“谁”。而当前形态的 AI 可复制、可回滚、无状态——结构性地无我，因此无法在任何责任链条里充当终点。
所以顶层的护城河是制度性的，而非能力性的：执照、签字权、审计责任、医疗事故法，全是把责任定位到自然人身上的机器。这种保护比“AI 会幻觉”耐久得多——幻觉率年年降，而社会对替罪羊的需求万古长青。人的最后一个岗位是背锅。但要诚实地补一句：制度护城河的本质是行会政治，它会在成本压力下被一寸寸赎买。值得盯住的信号是：哪个行业第一个用责任豁免换取效率——那里就是堤坝的管涌点。
最后说说中间那层被寄予厚望的“监工”。眼下最常见的结构，是裁掉几十个初级岗位，再新增两三个审核者。这符合当下的实证，但把它当成稳态就错了。验证比生成更容易自动化，因为验证有标准答案；AI 审 AI 的成本曲线比人审 AI 陡峭得多。监督岗位是一座建在正在改道的河流上的收费站：能收几年钱，别按桥的寿命估值。
三、断裂：谁来购买认知的产出#
以上还只是劳动市场的微观图景。真正的危险在宏观闭环上：工资不仅是成本，还是需求。生产端，认知产出即将爆炸；需求端，如果劳动收入份额持续下滑，大众购买力从哪里来？这是马克思在《资本论》第二卷里摆弄的再生产难题，是凯恩斯的消费不足。名字不重要，重要的是：AI 时代最正统的马克思主义危机，可能首先在最资本主义的经济体里上演。
看美国的现状就够了：前 10% 的家庭已经贡献接近一半的消费支出；GDP 增长有相当一部分靠 AI 资本开支撑着——也就是说，这个经济体正在靠“建造认知工厂”来维持增长，而认知工厂的产品恰恰会压缩本应购买其产出的劳动收入。用借来的需求建造摧毁需求的产能，这个循环的名字叫泡沫，或者叫危机，取决于断裂的时点。
价格结构上还有一个剪刀差：比特通缩，原子通胀。一切可被 AI 生产的东西——文本、代码、图像、咨询——价格塌向零；一切必须捆绑人类在场的东西——住房、医疗、教育、护理——继续遵循鲍莫尔成本病的逻辑相对涨价。普通人的体验将是诡异的：智能免费了，生活却更贵了。这个剪刀差本身就是政治火药。
闭环只有三种修法。其一，再分配回路：用税收，对算力、资本、AI 租金征税，支撑转移支付、全民基本收入或公共服务。其二，所有权回路：让 AI 资本的股权广泛化——主权财富基金分红、全民持股，阿拉斯加模式的放大版。其三，新稀缺回路：把就业基础迁移到机器给不了的东西上——注意力、在场、地位、关怀。第三条经常被当成完整答案，但它有一个循环依赖：服务业吸纳就业的前提是大众有钱购买服务，而大众有钱恰恰是前两条回路的结果。技术决定蛋糕的大小，分配决定有没有人买得起蛋糕——服务业是分配问题解决之后的果，不是替代分配方案的因。
历史在这里只给了一个冷酷的对照组：上一次通用技术革命的产能与购买力缺口，是用几十年时间填平的。蒸汽机和八小时工作制之间，隔着一个世纪、数次萧条和无数次罢工；电气化的红利，要等到大萧条和罗斯福新政重写分配规则之后，才变成大众繁荣。制度滞后期就是危险期。我们正在驶入这一段。
四、镜像：中美各自的病灶#
一种常见剧本是“美国顺利转型，中国必然危机”。我认为正确的图景是镜像而非单边：两个大国从相反的入口走进同一道方程。
中国的病在需求侧，但伤口的位置经常被找错。“农民工与机器人竞争”是十年前的剧本——今天中国制造业的真实问题是招不到年轻人，老龄化在对冲自动化，而中国本身吃下了全球一半的工业机器人装机量。真正站在铡刀下的是大学生：高校扩招二十年，把农民的孩子批量加工成“材料搜集、整理、格式化”型白领，而 AI 的第一刀切的恰好是这一层。孔乙己的长衫，AI 来收。
最残酷的对偶在于：最能吸纳这批人的部门——养老、医疗、护理、教育——正是老龄化制造出的天量真实需求，却被生产优先的财政结构常年饿着。钱流向芯片、基建和产能，不流向医院、养老金和转移支付。一边是过剩的人，一边是未被满足的需求，中间隔着财政与户籍社保制度。病灶不是“不懂消费经济学”——北京的经济学家比谁都懂——而是分配即分权：把国民收入的大盘子从政府和企业部门切给居民部门，动的不是理论，是权力结构。中国的隐藏底牌也在同一处：如果下一波是具身智能，世界工厂的制造生态就是主场；而一个威权财政想转向福利，行政上一夜可成，政治上千钧难移。
**美国的病在分配侧，而且它正在染上中国的病。**消费经济的引擎还在转，但越来越靠头部家庭单缸驱动；与此同时，几千亿美元的 AI 资本开支是不折不扣的生产中心主义——美国正在用举国之力扩建认知产能，把需求侧当成事后脚注，这画面熟悉得令人发笑。美国手里同样有一张牌：前沿模型的全球租金。谁拥有最强模型，谁就在对全世界的认知征收铸币税，这笔国民收入流足以缓冲整个转型——前提是它被分配出去。而这正是死结：这个政治系统已经半个世纪没有产出过罗斯福量级的再分配工程，眼下也看不出产出的迹象。
所以镜像的全貌是：中国的危机从就业端进入，美国的危机从分配端进入；两边都在疯狂扩建认知产能，都没有需求侧答案。有人赌美国赢。我只赌一句话：谁先把分配问题政治化地解决掉，谁赢——而这件事，目前两边的制度都没有表现出能力。芯片战争打得越热闹，越说明双方都在用供给侧的勤奋，回避需求侧的怯懦。
五、赌注：三个情景，六个指标#
拒绝预言，改下注。三种世界，按我目前的权重排列。
**电力情形，基准，约五成。**AI 是通用技术，沿用电气化的剧本：扩散缓慢，生产率 J 形曲线，二十年的组织重构与制度适应。例行认知层被压缩，问责层守住，具身层缓慢失守，社会在持续阵痛中长出新的分配工具。痛苦真实，但属于“历史押韵”的范围。
**纺织机情形，两到三成。**能力在“出色的实习生”水平附近撞墙，幻觉与责任问题长期把人锁在回路里，“专家、AI 与审核”结构成为稳态。初级岗位经历一代人的挤压后达到新均衡，历史类比完全成立。这是最舒服的世界，也是目前各国政策事实上唯一准备好的世界。
**马匹情形，一到两成，且权重在上调。**认知与具身在十五年内先后失守，相当比例人类劳动的出清工资跌破体面线，问题退化为纯粹的分配政治。这个世界里，今天的一切就业讨论都是给泰坦尼克头等舱排座次。
理性的姿态不是争论哪个情景为真，而是：生活在电力情形里，按马匹情形买保险——而保险单的名字叫分配制度，宜早不宜迟，因为制度的建造周期以十年计。
赌注需要可证伪的指标。我盯六个：劳动收入在国民收入中的份额，趋势性下行是马匹情形的心电图；认知行业初级岗位的招聘量，学徒制危机的温度计；AI 智能体可自主完成任务的时长，目前每隔数月翻一倍，这条曲线弯折与否决定纺织机情形的生死；机器人单位成本曲线，具身层的引线长度；第一个用责任豁免换效率的持牌行业，制度护城河的管涌点；以及算力或 AI 租金税的立法进展，分配回路是否开工的唯一硬指标。
六、尾声：当“有用”不再是人的属性#
很多讨论会跳过问题里最锋利的半句：“AI 会不会带来一种新的社会心态？”这恰恰是终点站。
现代社会的地位秩序运行在一个隐含前提上：认知稀缺，所以认知排序约等于人的排序。学校按认知分拣人，职场按认知定价人，一个人的“有用”几乎就是他认知输出的市场价。当认知变得便宜，这台分拣机失去了参照系。失业是经济问题，无用感是政治问题——历史上每一次大规模的“多余的人”，最后都在政治上找到了出口，而且很少是好出口。教育的隐含契约第一个崩裂：寒窗的回报率塌方，已经同时在太平洋两岸的毕业生失业率里显形。
新的地位游戏会围绕新的稀缺重组。盘点 AI 时代真正稀缺的东西，清单出人意料地古老：责任，可被惩罚的署名；在场，不可复制的身体；品味，对无限供给的拣选权；关怀，被一个真人而非一个进程在意；所有权，认知工厂的股权。它们的公约数只有一个——个体性。AI 什么都能生成，唯独不能成为某个人；它可以输出一切，唯独无法在场、无法担责、无法损失。在思考不再稀缺的世界里，“是谁”比“会什么”更值钱。
所以这篇文章的最终答案是：生产力大爆发是确定的，马斯克说对了前半句。但生产力革命从来不自动兑现为普遍富裕——蒸汽如此，电力如此，认知也将如此。繁荣是技术的承诺，分享是政治的战利品。未来二十年的真正战场，不在模型的参数里，而在机器认知的租金归谁的问题上。两个超级大国都在全力建造认知的产能，而历史正在一旁冷眼记录：上一次人类把这道题做对，用了一百年。这一次，我们没有一百年。
