--- author: Best Partners TV date: '2026-06-15' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=FXfHfey2Ack speaker: Best Partners TV tags: - relational-sector - labor-share - lump-of-labor-fallacy - wealth-distribution - automation-economics title: AGI时代经济学：稀缺资产、劳动份额与全球财富再分配 summary: 本文拆解了顶级经济学家Alex Imas与Phil Trammell关于AGI经济影响的深度访谈。随着机器接管实体生产，真人的“关系型服务”将成为最稀缺资产。基于需求弹性和杰文斯悖论，自动化不会导致全行业失业，劳动份额也不会归零。面对潜在的失业过渡期，政府通过消费税购股分红是优于UBI的再分配方案。 insight: '' draft: true series: '' category: macro-economy area: geopolitics project: [] people: [] companies_orgs: [] products_models: [] media_books: [] status: evergreen --- ### AGI时代的经济变革与学者背景 **大飞**: 大家好，这里是最佳拍档，我是大飞。AGI时代的经济，究竟会是什么样子呢？前几天，知名博主 **Dwarkesh Patel** 发布了一期顶级经济学家的访谈视频，受访的两位学者分别是来自芝加哥大学布斯商学院的**亚历克斯·伊马斯（Alex Imas）**，以及斯坦福数字经济实验室的博士后**菲尔·特拉梅尔（Phil Trammell）**。这场访谈，应该是我最近看到的针对 AGI 时代经济变革最系统，也是将数据与理论结合最好的一次讨论。 **大飞**: 在正式进入内容之前，我先用几分钟简单介绍两位学者的研究背景，方便大家理解他们观点的专业来源。首先是**亚历克斯·伊马斯（Alex Imas）**，他是芝加哥大学布斯商学院行为科学与经济学副教授，同时兼任美国国家经济研究局 NBER 研究员、CESifo 研究院客座学者，2023年斩获斯隆研究奖，在行为经济学、AI产业经济学领域属于全球第一梯队的研究者。他早年在卡内基梅隆大学任教，博士毕业于加州大学圣地亚哥分校，研究路径横跨实验室行为实验、实地产业调研、宏观数理建模，一边深耕人类在不确定性环境下的决策心理，一边长期跟踪 AI 落地对全球劳动力市场、企业生产模式的真实影响。他的多篇论文刊发在《美国经济评论》《美国国家科学院院刊》等顶刊，摩根士丹利等国际投行也会在 AI 就业相关研报中引用他的研究结论。和很多纯理论经济学家不一样，伊马斯本人深度参与过 AI 的落地实践，这也让他的观点更贴合产业现实。 **大飞**: 第二位是**菲尔·特拉梅尔（Phil Trammell）**，本科就读布朗大学数学与经济学专业，牛津大学经济学博士，此前长期在牛津全球优先事项研究所 GPI 从事有效利他主义与全球资源配置研究。现在在斯坦福数字经济实验室，跟随诺贝尔经济学奖候选学者**埃里克·布林约尔松（Erik Brynjolfsson）**和**查德·琼斯（Chad Jones）**，主攻变革型 AI 的宏观增长模型搭建。他的研究核心聚焦两件事：第一，当机器能够自动化绝大多数人类劳动之后，全球经济增长逻辑会发生什么样的质变；第二，从长期主义视角，如何通过财税、资本制度设计实现 AI 红利的普惠分配。他同时也是有效利他主义圈子里知名的耐心慈善研究者，主张通过长期投资放大慈善资源的社会价值。这套长期配置思维也贯穿在他对 AI 财富再分配的整套观点之中。两位学者一个从微观人类行为和企业用工的视角切入，一个站在全球宏观资源配置、长期经济演化的制高点，一微观一宏观的搭配，也让整场访谈的观点既有落地细节，又有全局视野。接下来我们正式进入访谈内容。 ### 未来最稀缺的资产 **大飞**: 第一个核心讨论问题，也是所有人可能最关心的：在 AI 无限自动化生产的未来，到底什么东西会变成全球最稀缺、溢价最高的资产呢？两位学者给出的统一答案是**关系型部门（Relational Sector）**服务，也就是人类亲身参与本身就是产品核心价值的商品与服务。 **大飞**: 主持人在访谈里用了一个很形象的思维实验：假设未来 AI、机器人可以包办全世界所有的实体生产、体力劳作，工厂建造、新药研发和工业品制造全部由机器闭环完成，从而诞生了一个体量无比庞大的纯机器经济体，人类几乎不参与任何实物生产环节。在这个大前提下，人类依然愿意花钱去线下咖啡馆，喝一杯真人咖啡师亲手制作的咖啡，哪怕 AI 可以复刻一模一样的咖啡口味，消费者依旧愿意为“真人在场”支付一笔可观的溢价。这部分由人与人互动产生价值的产业，就是**关系型部门**。 **大飞**: 伊马斯在访谈中补充了一项他团队落地的对照付费实验。这个实验用真金白银做激励，内容是艺术版画定价。同一幅艺术创作，分两组变量：一组标注为人类艺术家原创，全球仅此一件；另一组标注由 AI 算法生成。测试参与者愿意付出的成交价，后续继续增加变量，把人类原作批量复刻 500 份。此时人类版画的市场估值出现断崖式下跌，而 AI 量产版画的价格全程没有任何变化。实验结论非常直观，人类创作的作品，稀缺性绑定创作者本人的独特联结，一旦批量复制、打破独一无二的人际联结，价值就会快速缩水。但是 AI 作品从诞生之初就被定义为标准化工业品，量产与否完全不改变定价。这个实验从实证层面证明，人类与生俱来对同类联结、真实共情的偏好，是机器永远无法通过技术复刻的，这也是关系型服务能够持续稀缺的底层逻辑。 **大飞**: 顺着这个逻辑，整个经济体系会自然分化成两个闭环。一个是**纯机器闭环**，机器生产各类工业品和算力产品，但机器没有消费需求，不会为人类咖啡师付费；另一个是**人类经济体闭环**，人类互相提供关系型服务，同时拿出一部分收入去采购机器生产的廉价自动化商品。很多观众可能会提出疑问：随着机器商品越来越便宜、品类越来越丰富，人类在关系型商品上的消费占比会不会持续收缩，最终人类经济体在整个 GDP 里占比无限趋近于零呢？针对这个疑问，两位学者没有直接给出确定性答案，反而借用经济学史上最经典的**劳动总量谬误（Lump of Labor Fallacy）**复盘历史，提醒我们人类过往对技术替代就业的预判，几乎全都错了。 **大飞**: 这里就要提到古典经济学奠基人之一大卫·李嘉图。在第一次工业革命蓬勃发展的阶段，李嘉图亲眼目睹纺织机、蒸汽机大批量取代手工工人，他一度做出悲观预判：机器自动化会永久性消灭大量工作岗位，全社会爆发大规模失业、物价失衡、政治动荡。站在当时的历史节点，李嘉图的预判看似有理有据，他看到的那些手工纺织、作坊工匠岗位确实被机器彻底淘汰。但是从两百多年后的现实数据回看，除个别经济危机年份，欧美主要经济体就业率始终处在历史高位，2026年美国适龄劳动人口就业率甚至创下2000年之后的峰值。李嘉图犯的核心错误就是陷入了**劳动总量谬误**，默认全社会需要的工作总量是固定不变的，机器挤掉多少岗位，就会永久少多少就业。但真实经济规律是，自动化让商品生产成本暴跌、终端售价大幅下滑，居民购买刚需消费品的支出变少，手里多出大量可支配收入。多余的购买力会转向新兴服务业和新型消费品，进而催生从前不存在的全新岗位。就像工业革命淘汰了手工纺织工人，却诞生了机械维修、铁路运维、城市服务业等海量的新工种。 **大飞**: 伊马斯借此延伸出当下经济学界最大的短板，我们正在重复两百多年前经济学家的误区，在缺少精细化数据支撑的前提下，盲目预判 AI 带来全民失业。目前全球没有任何一套完整数据库能够精准统计各行各业哪些岗位正在被 AI 替代、哪些新兴岗位因为 AI 诞生。经典岗位数据库 **O*NET** 因为常年缺少有效更新，数据失真严重。更关键的是，我们几乎没有系统性的消费者需求弹性统计数据，所以无法量化测算当某类商品由 AI 实现全自动化降价之后，消费者的需求涨幅究竟能到什么水平，哪些服务会因为人类偏好持续保留人工属性。伊马斯直言，想要精准预判 AGI 对宏观经济的冲击，需要一场经济数据领域的“曼哈顿计划”，集中全球经济学、统计学资源搭建底层数据库。在数据补齐之前，所有针对 AGI 经济影响的预测都属于盲人摸象。他同时提出一个可行的折中方案，放弃依赖个别经济学家的主观预判，转而落地**预测市场（Prediction Markets）**，依靠群体智慧汇总海量市场参与者的判断，用市场化数据优化经济趋势预测。这也是近些年欧美经济学圈逐步落地的前沿探索。 ### 劳动份额与财富分配的演变 **大飞**: 聊完稀缺资源与数据短板，访谈进入第二个核心板块。自动化浪潮持续推进之后，延续数百年的“60%劳动报酬+40%资本收益”的全球收入分配格局，会不会彻底崩塌呢？资本收益份额有没有可能无限逼近 100% 呢？首先我们先明确两个基础概念。一个国家全年创造的 GDP，最终只会流向两个主体：一部分以薪资、奖金、劳务报酬形式发给劳动者，这部分就是**劳动份额（Labor Share）**；剩下的部分以厂房租金、企业分红、设备折旧收益、股东利润形式给到资本所有者，也就是**资本份额（Capital Share）**。过去两百多年全球市场经济体，劳动收入稳定占据 GDP 六成。这个规律稳定到很多经济学家一度怀疑，是会计记账方式带来的统计假象。 **大飞**: 近三十年有不少统计报告指出全球劳动份额持续下滑，但是伊马斯引用安迪·阿特克森的学术论文观点提醒大家，这个下滑数据存在巨大的统计干扰。过去三四十年全球各国企业会计准则和无形资产记账规则持续变更，如果统一沿用几十年前的会计核算口径，劳动收入份额实际上并没有出现明显下行。而特拉梅尔在这里提出了一个关键的新概念：**网络调整后资本份额（Network-adjusted Capital Share）**。区别于只核算终端产品生产环节的资本占比，这个指标顺着整条上下游供应链层层追溯，从原材料开采、零部件加工、设备制造全链路核算人工与资本投入。举个例子，一台笔记本电脑，终端组装环节看似自动化程度很高，但是如果向上追溯芯片、光刻设备、原材料矿产全产业链，依旧有大量人类劳动参与其中。之前美国的计算机电子产业，全链路核算后的网络调整后资本份额，长期稳定在 50% 左右，远达不到全资本垄断。但是特拉梅尔同时抛出一个关键推演，未来 AGI 实现全产业链打通，部分商品从原材料到终端成品全流程没有任何人类参与，这类商品的网络调整后资本份额就会无限趋近于 1，也就是所有收益全部归属资本所有者。这是自动化带给全球分配体系的根本性质变。 **大飞**: 不过即便部分品类实现了全链路无人工生产，也不代表全社会劳动份额会同步归零。这里有两个关键变量持续约束资本无限垄断收益。第一个是**消费品类的持续多元化**。菲尔用1400年蒙古经济学家的思想实验做类比，中世纪蒙古学者站在自己所处的时代，能看到的消费品只有马匹运输、手工酸奶、蒙古包、民间艺人表演。在他们的认知里，未来工业品产能饱和之后，居民全部收入都会用来雇佣艺人，也就是人类专属服务。但现实是，伴随工业迭代，人类可消费的商品品类呈爆炸式增长，新的产品不断诞生，在艺人身上的消费占比始终微乎其微。放到 AI 时代同理，哪怕传统实体商品产能无限、边际效用快速走低，AI 持续创造全新品类的产品、全新的消费场景，就能不断打开新的消费需求，避免全品类需求一次性饱和。 **大飞**: 第二个变量是近些年算力市场出现的反常价格走势，打破了传统摩尔定律的固有认知。传统摩尔定律的经典解读是，芯片算力每 18 个月成本减半、性能翻倍，算力价格长期单边下行。但是最近三年，全球顶尖 H100 高端算力芯片的运行成本不降反升，哪怕全球晶圆产能和芯片出货量持续暴涨，算力的使用开销依旧走高。背后的核心逻辑正是大模型不断挖掘算力的全新使用场景，人类对算力的需求变成近乎无底洞。算力需求扩张速度超过产能扩张速度，直接推高了算力的资本定价。伊马斯总结道，最终劳动份额能否守住，本质上取决于资本端每年能创造多少从前不存在的新产品和新服务。新品类扩容的越快，需求越难饱和，资本就无法依靠量产压低商品价格来吞噬全部居民收入。 ### 混乱中间地带与普惠政策 **大飞**: 话题推进到 AI 转型过程中最危险的经济场景：**混乱中间地带（Messy Middle）**，也被称为泥泞过渡期，以及针对 AI 的巨额新增财富，各类再分配政策的优劣势拆解。首先我们来定义什么是混乱中间地带。指的是 AI 替代岗位的速度，显著超过了新技术创造新财富、扩容经济蛋糕的速度。短时间大量劳动者失去原有工作，但是新产业的体量不足以吸纳失业人群，同时新增财富总量无法足额补贴失业群体，最终带来贫富撕裂和社会动荡。两位学者一致认为，这种极端情景存在理论上的可能性，但是触发需要多重苛刻条件同时落地，现实中发生的窗口期非常狭窄。 **大飞**: 细分来看，混乱中间地带分两种落地形态。第一种是突发性大规模失业，短期内失业率快速上涨 2 个百分点。安迪·霍尔的相关研究指出，失业率短期走高 2%，就足以彻底扭转一国的政治风向，倒逼政府紧急出台财政干预政策，就像新冠疫情期间各国快速落地失业补贴一样。第二种是缓慢失血式淘汰。行业不会一夜崩盘，但是岗位在二三十年里缓慢被自动化蚕食，从业者被迫转入薪资更低的行业，长期处于非充分就业状态。最经典的历史案例就是上世纪 1920 至 1940 年的电话接线员。自动化交换机逐步替代人工接线，整个淘汰周期长达 20 年。从业者缓慢失业、降薪转行，虽然没有爆发瞬时危机，但是一代人的收入水平持续缩水。 **大飞**: 想要触发糟糕的泥泞过渡期，需要满足几个几乎无法同时实现的前提。第一，AI 只能碎片化的自动化单一工种，比如虽然能替代软件工程师，但无法复用技术改造会计、法务、制造业等其他岗位；第二，AI 替代人力之后节省的成本，没办法转化成新产品和新投资，无法做大整体经济蛋糕；第三，AI 生产力提升幅度极低，替代人工之后的成本节约微乎其微，没有足够的新增财富用于全民再分配。而按照 AGI 的底层逻辑，只要技术强到能完整替代全栈软件开发工程师，它的通用能力必然可以横向迁移，自动化绝大多数的白领岗位，从而节省海量的人力成本，经济蛋糕同步快速扩张，到时自然就有充足的财富用来做普惠分配。所以泥泞过渡期很难全面落地。 **大飞**: 在明确极端情景的落地概率偏低之后，主持人顺势请教了最优的 AI 财富再分配制度。两位学者逐项对比了四类主流方案，包括传统财产财富税、消费税+政府购股分红、全民基本收入（UBI），以及**全民基本资本（UBC）**。首先是直接对资本征收财富税，它最大的短板在于扭曲长期投资意愿。投资者会担心税率像所得税一样逐年抬升，从最初的应急低税率慢慢涨到高边际税率，进而缩减对 AI 科创企业的长期投入，拖累全球技术迭代速度，从长期经济增长维度并不划算。其次是近些年学界认可度最高的方案：依托消费税筹集财政资金，由政府出面，分批收购全球头部 AI 企业的股权。股权产生的年度分红，以社会化方式分给全体国民。这套思路最早由经济学家大卫·奥托提出，底层原型参考了欧美社保私有化制度设计。和直接征税相比，消费税不会直接冲击企业投资行为，终端消费环节征税对科创的扭曲效应远低于资产税。而政府持股之后，AI 巨头的超额垄断利润可以通过分红回流全民，天然实现 AI 红利普惠。这也是两位学者最推荐的中长期落地路线。 **大飞**: 然后是**全民基本收入（UBI）**，也就是无条件给所有国民发放固定现金补贴。伊马斯重点指出它的政治隐患。一旦未来劳动者彻底失去劳动力变现价值，全民的基本生存完全依附政府财政拨款，执政党政策变动就可以随意取消补贴，民众失去议价筹码，形成依附式的权力结构，从长期制度稳定性来看隐患巨大。最后是**全民基本资本（UBC）**，给国民账户直接配置一篮子优质资产。难点在于资产标的筛选难度极高，AI 赛道的迭代速度极快，今天的头部企业可能短短数年破产退市，单一资产篮子波动风险不可控，落地实操难度远高于消费税购股模式。 ### AGI对就业的真实冲击 **大飞**: 讲完分配制度，访谈进入了大众最关心的现实议题：当下市面上铺天盖地的、所谓的白领末日、程序员全失业、AI引爆经济大萧条的说法，到底有没有真实的数据支撑呢？伊马斯引用了耶鲁大学预算实验室的最新行业统计数据给出了一个明确结论：截至2026年上半年，没有任何宏观数据可以佐证白领大规模失业的结论。哪怕是受 AI 冲击最直接的软件工程行业，整体用工需求依旧处在扩张通道，变化仅体现在结构层面。初级入门开发岗位的招聘量小幅低于历史均值，但是资深架构师、AI落地定制化研发的高端工程师招聘需求逆势暴涨，行业整体用工总量仍在上行。 **大飞**: 至于网上大量计算机应届毕业生吐槽找不到工作、企业大规模 AI 裁员的传闻，绝大多数属于碎片化个案，还夹杂着企业的跟风叙事陷阱。当下资本市场形成了“不用 AI 裁员优化就是数字化落后”的统一舆论。不少企业明明没有降本增效的刚需，却跟风以 AI 为理由裁员，向资本市场传递拥抱新技术的形象。最终反而造成企业生产效率下滑，裁员行为纯粹是迎合市场叙事的非理性选择，所以也不能作为 AI 系统性消灭岗位的实证。紧接着伊马斯依托**O型环模型（O-ring Model）**、**杰文斯悖论（Jevons Paradox）**、需求弹性三大经典经济学理论，系统性驳斥了 AI 自动化导致需求崩盘、经济通缩萧条的悲观论调。 **大飞**: 我们先简单解释 O 型环模型。该理论由迈克尔·克雷默1993年提出，名字源自挑战者号航天飞机密封圈故障失事事件。核心逻辑是，一套完整的生产流程由成百上千个串联任务组成，最终成品的整体价值由全链条最薄弱环节决定，任意一环出错，全链路的产出价值就会归零。放到 AI 落地场景里，一份工作拆分为十项细分任务，AI 自动化其中九项，仅剩一项需要人类落地。这时人类员工不用再分心处理重复性工作，专注剩余的单项任务，单人生产效率成倍提升，产品整体生产成本下滑，从而带动终端售价降低。这个时候需求弹性就成为了关键。如果对应产品的需求富有弹性，价格小幅下跌就能撬动需求量大幅上涨，市场为了满足新增订单，反而会反向扩招剩余岗位的从业者。 **大飞**: 软件、数字化服务恰好属于高需求弹性品类，也就是**杰文斯悖论**的适用场景。产品成本越便宜，衍生出的全新应用场景越多，全行业总开支不降反升。历史上煤炭、电力普及都印证过这个规律。当然伊马斯也客观补充，杰文斯悖论不适用所有品类，比如粮食。人类的饭量存在生理上限，粮食价格再低，整体消费总量的天花板是固定的。但数字化软件没有天然消费上限，AI 降价只会催生更多细分软件需求。想要实现悲观论里的全市场需求崩塌和经济负增长，需要同时满足两个几乎不可能落地的极端条件：第一，人类消费达到绝对硬性天花板，无论商品多廉价，居民拒绝新增任何消费支出；第二，全社会闲置的储蓄资金完全无法转化为生产投资，没有企业愿意新建数据中心、晶圆厂、AI研发项目。但是在 AI 持续迭代的时代，算力、机器人、前沿生物技术的投资需求永远都会处在扩张状态，技术边界持续向外延伸，全社会永远存在海量新增投资标的，储蓄必然源源不断流入实体生产。因此，技术驱动的丰裕经济很难出现全局性萧条。 **大飞**: 顺着 O 型环模型继续深挖，访谈提出一个颠覆性的远期预判：短期人类会因为合规和可靠性需求留在生产链条，但是远期的生产逻辑会彻底反转。不再是 AI 做不到全链条自动化，所以必须搭配人类，而是整套 AI 主导的生产体系运行效率过高，人类反而很难嵌入生产线。现阶段律师、会计师、医师没办法被 AI 全替代，表层原因是 AI 给出的方案存在概率性错误，企业需要人类为最终结果背书；深层原因则来自各国的监管法规和执业牌照制度。法律层面要求特定岗位必须由持证自然人承担责任，出现合规纠纷需要明确追责主体。这套人为制度，硬性锁定了人类留在闭环中。 **大飞**: 但是从长期技术演化来看，全链路 AI 系统依靠神经接口级别的信息互通，内部数据的交互速度和协作容错效率远超人类生理极限。整条生产线全环节按照 AI 的协作逻辑设计，人类的反应速度和出错概率会变成全链条的短板，拖累产品交付效率与品质。企业出于成本和可靠性考量，会主动规避人力接入生产环节。特拉梅尔补充道，现阶段人类独占法官、立法者、执业医师的制度，本质是人类阶段性的制度偏好。纵观人类历史，政治架构和职业准入规则会伴随生产力持续迭代多次重构。一旦 AI 治理体系展现出显著的效率优势，这类人类专属的制度壁垒也会逐步松动。 ### 资本垄断与后发国家的未来 **大飞**: 接下来访谈进入了偏长期主义的思辨环节。如果未来诞生了具备自主偏好的 AI 智能体，或者是人类群体分化出了天生以无限积累资本为终极目标的群体，这类主体会不会依靠财富复利垄断全球经济呢？主持人以扎克伯格、马斯克为现实案例引入讨论。扎克伯格手握巨量的 Meta 股权，但几乎不套现大额资产用于个人消费，持续把企业利润投入数据中心和前沿 AI 研发。马斯克坐拥千亿级身家，持续重仓航天、新能源、人形机器人赛道，不断扩张资本版图。这类高净值人群天然具备资本无限积累的主观倾向。 **大飞**: 伊马斯从人类演化生物学角度给出第一层解释。人类漫长的演化筛选，让偏爱真人面对面共情和实体人际联结的种群拥有更强的繁衍优势。在自然生育模式不变的前提下，偏好真人服务的人类会持续占据人口主体，关系型商品的稳定需求长期存在，不会出现全人类只追逐资本积累的极端情况。特拉梅尔则从资本储蓄率角度补充道，如果一个主体的效用函数是永远无法满足的资本积累，天生高储蓄、低消费，长期复利之下，财富增速必然远超注重即时消费的群体。只要少数这类个体存在，就足以逐步聚拢全社会绝大多数资产。历史上这类财富垄断很难落地，核心是存在耗散冲击（Dissipation Shocks）。富豪离世后财富交由后代继承，多数后代没有父辈的资本积累能力，挥霍资产、低效投资造成财富分散，大量财富流入慈善基金会，按照捐赠人意愿用于公益支出，脱离资本复利循环。但是如果未来人类的寿命借助生物科技大幅延长，或是信托法律制度可以永久锁定财富积累的意志，彻底规避后代挥霍带来的财富耗散，少数资本狂热型的主体就能依靠复利慢慢掌控全球绝大部分的生产资料。访谈还用**冯·诺依曼探测器（von Neumann probe）**做了一个思想实验，纯资源掠夺型的智能体没有人类的消费诉求，唯一目标是无限扩张资源占有、自我复制。这类主体落地之后，传统以人类消费为核算基准的 GDP 和劳动份额统计规则会彻底失效，全球经济核算体系需要重新重构。 **大飞**: 所有宏观逻辑落地之后，话题落脚在全球发展中国家的破局路径上。像尼日利亚、印度这类没有本土高端芯片产能、无法自研前沿大模型、不在 AI 核心产业链上的经济体，如何在 AI 浪潮里分到时代红利呢？伊马斯直言，目前全球经济学界严重忽略中等收入和低收入国家在 AI 转型中的生存路径，相关的系统性研究少之又少。落后国家面临两种截然不同的未来：一是依托开源 AI 技术实现产业蛙跳，跳过芯片和大模型等重资产研发阶段，直接落地 AI 下游应用。就像尼日利亚移动支付跨过传统银行的网点建设，普及率反超德国。二是被 AI 技术彻底隔绝，发达国家依靠全自动化实现全品类自给自足，不再需要发展中国家的廉价代工与原料，落后经济体彻底被全球化产业链抛弃。 **大飞**: 特拉梅尔则给出两条可落地的实操方案。优先顺序靠前的是国家层面配置全球 AI 资产，各国主权财富基金分批买入全球 AI 龙头企业股票和宽基 AI 产业指数，借助资本分红分享 AI 增长红利。对比本土从零搭建 AI 产业链，配置股权的投入成本更低、落地周期更短。第二条路线是扶持本土产业，依托开源大模型做本地化场景落地，用开源技术补齐本土 AI 能力短板。而单纯依靠全民技能再培训的容错率极低，绝大多数贫困国家的基础教育体系本身就存在系统性的短板，很难在短时间批量培养出适配前沿 AI 的高端技术人才，不能作为核心破局手段。 **大飞**: 两位学者进一步拆分了 AI 未来的两条演化路径，用来判断后发国家红利获取难度。第一条是电力化路径，AI 变成全社会通用底层基础设施。就像百年前的电力，所有行业都能低成本接入使用，技术红利向下游全行业扩散。哪怕没有本土 AI 研发能力，发展中国家也能依托下游产业分到增长收益。第二条是社交媒体路径，AI 技术被少数科技巨头垄断，超额租金全部留在平台企业，下游行业只能被动缴纳高额技术使用费，后发国家很难分享增量红利。而决定 AI 走向哪条路的关键变量，就是前沿 AI 模型的商品化进程。推进前沿 AI 商品化，把头部实验室的模型适度开源、推动龙头企业上市，有两层核心收益。第一，开源技术快速向下扩散，落后国家不用支付天价专利费就能接入 AI 能力，从而打破巨头技术垄断；第二，企业上市之后股权分散，全球各国投资者都能通过二级市场持股， AI 的超额利润可以通过股价分红实现全民共享。但是商品化同样伴随着安全隐患，前沿技术无限制开源会加速全球 AI 军备竞赛，中小主体低成本获取顶尖的 AI 能力，大幅提升了 AI 被恶意滥用的风险。于是两位学者给出了一个折中的平衡方案，那就是适度保留头部企业短期技术的领先优势，不做无底线全开源，而是强制头部 AI 实验室完成上市，用股权社会化实现红利普惠，在技术安全与全民共享之间寻找平衡点。 **大飞**: 访谈临近结尾回到了舆论层面。为什么当下 AI 末日论总能占据主流舆论呢？伊马斯从行为经济学的损失厌恶角度进行了解释。人类天生对现有利益受损的痛苦感知，远强于对未来新增收益的快乐预期。普通人很容易具象化自己现有工作被 AI 抢走的痛苦，却很难想象十年后 AI 催生的全新产业和从前不存在的高薪岗位。因此负面叙事天然更容易传播、被大众接受。纵观人类历次工业革命，蒸汽机、电力、内燃机普及之初，全行业都充斥着机器消灭工作的末日言论。但是最终每一次技术革新都带来了全社会的财富扩容和人均收入上行。AI 的长期演化大概率也会复刻电气化的普惠轨迹。因此短期的局部行业阵痛，无法定义全人类经济的长期走向。 **大飞**: 好了，以上就是整场顶级经济学家访谈的完整拆解了。从稀缺资产变迁、劳资分配重构、再分配政策、就业现实、发展中国家破局五大维度，希望能够帮大家跳出 AI 带来的片面恐慌，用更加严谨的经济学逻辑，来客观看待 AI 对未来经济的影响。感谢收看本期视频，我们下期再见。