AGI时代的经济会是什么样子 | 经济学家Alex Imas&Phil Trammell | 什么东西会最稀缺 | 纯机器闭环 | 大卫·李嘉图 | 全球收入分配格局 | 混乱中间地带 | UBI

稀缺资产：关系型服务的溢价逻辑

在AGI时代，当机器能够包办所有实体生产、体力劳作甚至新药研发，形成一个纯机器闭环的经济体时，人类最稀缺且溢价最高的资产并非算力或能源，而是关系型部门（Relational Sector）服务。这类服务的核心特征是人类亲身参与本身就是产品价值的一部分。例如，即便AI能复刻一模一样的咖啡口味，消费者仍愿意为线下真人咖啡师亲手制作的咖啡支付可观溢价，因为人与人之间的互动和真实共情是机器无法通过技术复刻的。伊马斯团队通过一项艺术版画定价实验证实了这一点：同一幅创作，标注为人类艺术家原创且全球仅一件时，成交价极高；一旦批量复刻500份，人类版画估值断崖式下跌，而AI生成的版画因被定义为标准化工业品，量产与否完全不改变其定价逻辑。这种对独特人际联结的偏好，构成了关系型服务持续稀缺的底层逻辑。

历史镜鉴：劳动总量谬误与数据短板

面对AI替代就业的担忧，学者们指出当前经济学界正重复两百多年前大卫·李嘉图的错误，即陷入劳动总量谬误（Lump of Labor Fallacy）。李嘉图曾悲观预判机器自动化会永久消灭岗位，但历史数据显示，欧美主要经济体就业率始终处于高位，2026年美国适龄劳动人口就业率甚至创下2000年后的峰值。自动化降低商品成本后，居民可支配收入增加，转而投向新兴服务业，催生了如机械维修、城市服务等新工种。然而，伊马斯强调，目前全球缺乏精准统计AI替代与新增岗位的数据库，O*NET经典岗位数据库因缺乏有效更新而数据失真严重。他直言，想要精准预判AGI冲击，需要一场经济数据领域的“曼哈顿计划”，在数据补齐前，所有预测均属盲人摸象，建议采用预测市场（Prediction Markets）汇聚群体智慧来优化趋势判断。

收入分配：网络调整后资本份额的演变

全球收入分配格局长期遵循60%劳动报酬+40%资本收益的稳定比例。尽管有报告指出劳动份额下滑，但伊马斯引用安迪·阿特克森的研究指出，这主要源于会计准则变更导致的统计干扰，若沿用旧口径，劳动份额并未明显下行。特拉梅尔引入了网络调整后资本份额（Network-adjusted Capital Share）概念，即追溯全产业链（从原材料到终端）的人工与资本投入。以美国计算机电子产业为例，全链路核算后资本份额长期稳定在50%左右，远未达到全资本垄断。但在AGI实现全产业链无人工参与的极端情况下，该份额将无限趋近于1。不过，资本无限垄断面临两个约束：一是消费品类的持续多元化，AI不断创造新品类打开新需求，避免需求饱和；二是算力市场的反常价格趋势，传统摩尔定律预测算力成本每18个月减半，但近期H100等高端芯片运行成本不降反升，因大模型挖掘出新场景，算力需求扩张速度超过产能扩张速度，推高了资本定价。

再分配政策：混乱中间地带与UBI隐患

AI转型中最危险的情景是混乱中间地带（Messy Middle），即AI替代岗位速度远超新财富创造速度，导致贫富撕裂。触发此情景需满足苛刻条件：AI仅碎片化替代单一工种、节省成本无法转化为新投资、且生产力提升幅度极低。鉴于AGI的通用性，这些条件难以同时成立，因此全面泥泞过渡期概率较低。在财富再分配方案中，学者对比了四种模式：1. 财富税：扭曲长期投资意愿，可能拖累技术迭代；2. 消费税+政府购股分红：通过消费税筹资，政府收购AI企业股权并将分红普惠全民，被视为最推荐的中长期路线，因其对投资扭曲最小；3. 全民基本收入（UBI）：存在政治隐患，一旦劳动者失去议价筹码，补贴易受执政党政策变动影响，形成依附式权力结构；4. 全民基本资本（UBC）：因AI赛道迭代快、资产波动风险大，落地实操难度极高。

杰文斯悖论与AI时代的非萧条逻辑

在讨论AI是否会导致经济崩溃时，首先需要厘清需求弹性对消费总量的影响。软件与数字化服务属于高需求弹性品类，这意味着它们处于杰文斯悖论的适用场景中：随着产品成本降低，衍生的全新应用场景会大幅增加，导致全行业总开支不降反升。历史上煤炭和电力的普及都印证了这一规律。虽然经济学家Alex Imas客观指出，杰文斯悖论并不适用于所有品类（例如粮食受限于人类生理饭量上限），但数字化软件没有天然消费天花板。AI降价只会催生更多细分需求，而非导致市场崩塌。

要实现悲观论中描述的“全市场需求崩塌和经济负增长”，必须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、晶圆厂或AI研发项目。然而，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处于扩张状态。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。

生产逻辑反转：从“AI需人类”到“人类拖累AI”

顺着O型环模型深挖，访谈提出了一个颠覆性的远期预判：短期人类因合规和可靠性需求留在生产链条，但远期生产逻辑将彻底反转。现阶段，律师、会计师、医师等职业无法被AI全替代，表层原因是AI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，出现合规纠纷需明确追责主体，这套人为制度硬性锁定了人类留在闭环中。

“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。”

然而，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，其内部数据的交互速度和协作容错效率远超人类生理极限。当整条生产线按照AI的协作逻辑设计时，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。Phil Trammell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。

资本垄断风险与财富耗散的终结

访谈进入长期主义思辨环节：如果未来诞生具备自主偏好的AI智能体，或人类群体分化出以无限积累资本为终极目标的群体，是否会依靠财富复利垄断全球经济？主持人以扎克伯格和马斯克为例，指出这类高净值人群天然具备资本无限积累的主观倾向。扎克伯格持续把企业利润投入数据中心和前沿AI研发，马斯克则不断扩张资本版图。Alex Imas从人类演化生物学角度解释，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，因此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。

Phil Trammell则从资本储蓄率角度补充，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，脱离资本复利循环。但是，如果未来人类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。

发展中国家的破局路径与AI商品化

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的经济体，如何在AI浪潮里分到时代红利？Alex Imas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（如尼日利亚移动支付跨过传统银行网点，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。

Phil Trammell给出两条可落地的实操方案： 1. 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。 2. 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。

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。

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：

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：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。

舆论偏差与长期经济展望

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？Alex Imas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。