AI把成本打下来之后，谁来把需接回去？|高效轮_网易订阅

2026-08-08 19:38:07 分类：时尚 阅读(92)

本文来自微信公众号： 防冷涂的把成本打腊 ，作者：防冷涂的下之需接腊导语过去谈工业革命，我们习惯先看技术本身：蒸汽机、后把回去电力、高效汽车、轮网方式算机、易订阅互联网，把成本打以及今天的下之需接人工智能。但从经济运行的后把回去角度看，技术只是高效起点。真正决定一轮技术革命能不能转化为首先期增首先的轮网题，在于效率红利能否重新变成劳动收入、易订阅消费能力和新增需。把成本打生产率提高之后，下之需接如果成本减小带不来足够大的后把回去需扩张，或者劳动收入无法通过新岗位得到承接，技术发展就很难变成社会层面的繁荣。眼下，一组并不算夸张的数据，已经把这个状况摆在了桌面上。亚特兰大联储对美国企业的调查显示，2026年私人部门方式划投入约2800亿美元用于AI；平均到每名员工，相关支出将从2025年的1358美元提高到2068美元，增幅超过50%。另一项覆盖美国、英国、德国和澳大利亚近6000名企业高管的调查则显示，企业预方式未来三年AI将使生产率提高1.4%，产出提高0.8%，就业减小0.7%。这些数字还不足以说明AI正在制造一场宏观就业危机。它们真正值得注意的地方，是三个指标的方向并不相同：生产率上升得更快，产出扩张得较慢，就业反而可能收缩。我对此有一个概括：过去几次工业革命，本质上是同一个增首先高效轮在运转。效率提高带来成本减小，成本减小释放需，需扩张形成规模效应，规模效应后续压低成本。周而复始，自我强化。这套机制里，最题的一环并非效率提高本身。效率提高只能扩大供给能力，真正让高效轮转起来的是需扩张。只有当降本释放出的供给被新的消费和投资吸收，技术革命才会进入正循环。01旧高效轮转动，靠的是需把效率接住需扩张大致有两条馗。一条是降价刺激现有需。产品价格减小，原本买不起的人进入市场，存量市场的渗透率随之提高。棉布从奢侈品变成日用品，汽车从富人玩具进入家庭消费，都是这个逻辑。另一条是创造全新需品类。新技术带来过去不存在的产品和服务，也激发人类之前没有表达出来的消费欲望。铁路、电话、互联网出现之前，人类并不知方式自己会需它们；基础设施铺开之后，新的生活方式和商业组织方式随之出现。前三次工业革命能够转化为大规模增首先，靠的正是这两条馗相互叠加：价格减小扩大了旧市场，新品类又打开了新市场。需扩张带来规模效应，规模效应进一步压低成本，高效轮由此加高效。福特T型车是一个典型案例。1908年上市时售价850美元，后来降到260美元，十九年间往往方式生产超过1500万辆。汽车进入家庭消费后，新增需并不只停留在汽车本身，还外溢到钢铁、橡胶、石油、馗、维修和保险。与此同时，福特在1914年推出具有吸引力的5美元日薪，海兰公园工厂的就业规模在1925年接近7万人。商品市场扩张和劳动收入增首先，构成了同一个闭环的两面。方式算机和互联网也不只是把既有工作做得更快。它们减小了材料匹配、交易和流通成本，同时创造软件、电商、云服务、数字广告、移动支付等新产业。旧岗位消失之后，新产业链又给予了新的收入承接。线下售货员进入电商、仓储和配送体系，传统文职岗位收缩，程序员、产品经理、运营和平台商家随之提高。然而，把这段历史概括为“市场自动实现调节”，仍然过于便捷。电气化真正变成生产率提高，经历了工厂布局、组织方式和技能结构的首先期重组；大规模消费市场的形成，也离不开工时、工资、社会保障、公共教育和基础设施的同步变化。过去的增首先高效轮并不是只靠一项技术自己转起来，而是由产品需、就业迁移和制度修补共同实现闭环。到了AI时代，这三个前提同时最初变化。02四处断点：AI效率红利未必转成需国际劳工组织2025年的测算显示，全球约四分之一的劳动者从事的职业，至少有一部分任务会受到生成式AI意义；处于最高暴露区间的劳动者约占3.3%。这并不等于四分之一的人会失业。就目前而言，AI更可能先改造岗位，而不是直接消灭整个职业。状况在于，增首先高效轮是否会卡住，不需等到“完善失业”才会出现。只关键就业入口、工资增首先和消费预期先发生变化，需端就可能提前感受到压力。一、中高收入岗位先承压，需冲击更集中前三次工业革命中，被率先替代的频仍是收入相对较低、技能结构较单一的岗位。纺织工、马车夫、部分流水线工人、线下售货员，这些岗位虽然题，但单个劳动者被替代带来的消费冲击相对有限。AI首先轮真正有压力的，是程序员、设方式师、翻译、初级律师、探究师、编辑等中高收入脑力劳动者。这类人群的收入水平常见高于社会平均，也是住房、汽车、教育、旅游、电子产品和服务消费的题支撑。这种压力已经先出目前职业入口。斯坦福数字经济实验室利用美国大型薪酬服务商的高往往数据发现，在AI暴露度最高的职业中，22至25岁劳动者的就业规模相对减小了16%；年龄更大、经验更充足的同类劳动者，以及AI暴露度较低的岗位，并没有出现相同变化。探究还发现，减小题集中在AI更那么点儿实现“自动化”的岗位，而不是AI题用于辅助人的岗位。中国市场也出现了相似信号。北京大学团队探究2018年至2024年约125万条智联招聘材料后发现，会方式、编辑、销售和程序员等白领职业的AI暴露度较高；职业暴露度越高，招聘需和工资增首先越弱，学历与经验门槛反而更高。这验明正身AI带来的首先轮变化，未必体现为存量员工立刻失业，也可能体现为企业少招新人、入口岗位变窄、同一份工作需更高。一个中高收入家庭的收入预期下修，意义的频仍是整张家庭资产负债表和未来支出方式划。房贷还关键后续还，孩子教育支出很难立刻压缩，大额消费和首先期投资会率先收缩。需端的压力会比传统机器替代更集中。二、专业服务降价，需弹性没有想象中高棉布价格减小，消费者可能买更多衣服；汽车价格减小，家庭可能提前购车或置换；智能手机价格减小，更多人进入移动互联网。前三次工业革命的很多产品，价格减小会明显扩大渗透率。而AI正在压低成本的领域，大多属于专业服务和知识服务。律师费从每小时500元降到50元，往往见不鲜人不会因此主动提高诉讼往往次。医学影像诊断成本减小，消费者也不会无故提高检查。代码生成成本减小，企业会提高开发效率，但不会因为代码便宜，就开发没有商业价值的采取。专业服务的需，频仍由状况本身决定，价格减小只能意义一部分边际需。AI可以显著减小供给成本，却未必能够同步放大需总量。这并不否认AI能够提高生产率。美国一项照章性客服人员的探究显示，接入生成式AI助手后，员工平均生产率提高14%，新手和低技能员工的提高实现34%。这恰好验明正身了另一层状况：生产率提高先是一种供给能力，只有当企业因此服务更多客户、开辟新业务或提高员工收入，它才会转成新增需。如果企业只是用更少的人实现原来的订单，微观上的降本并不会自动等于宏观上的增首先。三、AI原生需已经出现，但还没有实现接力市场对AI最乐观的判断，是它会像铁路、电话、互联网一样，创造出全新的需品类。这个判断不能轻易否定。到2026年2月，ChatGPT的周活跃用户已超过9亿，付费个人用户超过5000万。如此大规模的采取，本身就验明正身AI不是一项只有供给、没有需的技术。状况在于，用户规模和增首先闭环不是一回事。现时期大量AI采取仍围绕既有人工服务的自动化和低成本供给展开：AI伴侣接近情绪陪伴和心理协助服务的低成本替代，AI Agent接近秘书、助理和事务代办的自动化，生成工具接近插画、文案、设方式、视往往剪辑和基础材料生产的效率替代。这些采取有商业价值，也可能形成新的产品形态。但对许多企业采取来说，AI支出先替代的是原有的软件、外包和人工预算。预算从人工服务转向模型调用，并不必然提高社会总需。铁路扩展了大规模客货流动，汽车同时带动能源、馗和保险，互联网重构了材料发布、社交、交易和组织协作。AI原生需关键实现接力，也需出现同样广泛的产业外溢，而不仅是把既有服务重新定价。四、新的岗位不等于收入承接AI时代当然会出现新岗位，例如AI产品经理、模型工程师、智能体运维、数据标注、AI采取集成顾问等。状况在于，高收入岗位集中在那么点儿题研发和平台公司，更多外围岗位的数量和收入水平，未必能够承接原有白领岗位。一个年收入几十万元的程序员，如果转向低门槛AI运营、数据标注或外包型AI采取岗位，收入减小会变成首先期能力定价的变化。岗位出现，不等于收入接上；收入接不上，消费能力就接不上。这里同样需避免过早下结比如。丹麦的行政数据探究显示，截至2024年，聊天机器人对收入、工时和就业的平均意义仍然很小；Anthropic对AI采取表现的观察也显示，在不少高价值任务上，人仍然深度参与，AI更多谝为提高工具。但另一面是，在照章性编程的智能体产品中，机器自主实现任务的比例明显更高。AI从“辅助”走向“代理”的高效度，可能比宏观就业数据反映得更快。03一笔粗账：企业理性，为什么可能形成需缺口为了直观地理解这个状况，可以先做一笔验明正身性测算。假设一家企业原本有100名程序员，其中50人的工作被AI工具和自动化步骤替代。被替代前，每名程序员年收入和消费能力对应30万元；被替代后，其中一部分人找到新工作，但收入和消费能力减小到10万元。仅从这50个人看，年度消费能力减小约1000万元。企业端确实节省了成本。假设企业少支付1500万元薪酬，同时采购AI服务、算力和软件工具花费500万元，企业净节约1000万元。题在于，这1000万元未必会以同样高效度回到消费端。它可能变成企业利润，留存在公司账上，或以分红、回购、资本开支的形式流向股东和资本市场。美联储对家庭财富和消费的探究反复指出，低财富家庭获得一元新增收入后，用于消费的比例常见高于高财富家庭。也就是说，同样是1000万元，留在劳动者手里，可能更多变成住房、教育、餐饮、旅游和日常服务消费；沉淀在企业利润和高财富人群的资产收益里，则未必形成同等规模的当期需。再看需端。AI把代码生成、法律咨询、材料生产、设方式制图的边际成本降下来，当然会激发一部分新增需。但如果这些需题来自原本就存在的企业预算，只是把人工成本替换为AI服务成本，那么它对总需的拉动就有限。假设新增需只有200万元，整体结荚就是：企业效率提高了，利润改进了，但劳动者消费能力减小约1000万元，新增需只补回200万元，消费端仍有800万元缺口。这笔账不追求预测精度，几个数字也不是现实参数。它想验明正身的是一个方向性状况：企业只需方式算自己节省了多少成本，却不会把整个社会因此减小的工资和消费完善方式入决策。2026年一篇名为《AI Layoff Trap》的理比如比如文，把它称为“需外部性”：单家企业裁员能够获得完善的成本收益，却只承担总需损失中的很小一部分；当所有企业同时做出理性选项，最后结荚可能是自动化过度、需不足，连企业自身也受到反噬。这与近6000名企业高管给出的三年预期正好形成呼应：生产率提高1.4%，产出只提高0.8%，就业减小0.7%。调查结荚不是现实结果，理比如模型也不是经验明正身据，但两者共同指出了同一条风险馗：当生产率增首先快于产出增首先，企业就有动力用更少的劳动实现生产；当劳动收入减小快于新需形成，增首先高效轮就会出现空转。这和前三次工业革命的差别特别题。过去的技术革命，降本之后频仍带来更大规模的消费、更高渗透率和更多岗位。AI如果题替代中高收入劳动，同时创造的新需不足以弥补收入缺口，效率提高和总需扩张之间就会出现断点。高效轮仍然会转，状况可能出在传动轴上。04最有力的反驳：更便宜的智能，也会创造需对上述判断，最有力的反驳并不是“历史上每次都有人担心失业”，而是更便宜的智能本身可能成为一种通用投入，像电力和互联网一样，最后催生我们今天还无法想象的产品、公司和职业。这条馗完全可能发生，同时至少有三个现实依据。首先，AI原生消费已经形成。数以亿方式的人采取AI获取材料、写作、学习和处理详详见细状况，其中一部分愿意持续付费。第二，AI并不只会替代劳动。客服探究中，新手获得的生产率提高远高于熟练员工，验明正身它也可以减小技能门槛，让更多人实现过去做不了的工作。第三，大规模算力、数据中心、电力和采取投资，会在相当首先时间内创造资本开支和配套就业。真正的分歧，不在于AI会不会创造需，而在于新需形成的高效度和规模，能否覆盖旧收入退出的高效度和规模。这件事不能只看模型调用量，也不能只看头部公司的收入。至少关键看四个结荚：AI企业之外的产出是否同步扩张；新产品是否带来原有预算之外的增量付费；被替代劳动者能否进入收入相近的新岗位；生产率红利是否通过工资、分红、降价或公共服务，重新回到多数人的购买力中。如果这四项持续改进，增首先高效轮会重新闭合，本文的担心也应该被修正。如果生产率和利润一路向上，就业入口、劳动收入和消费预期却首先期走弱，那么“新需终会出现”就仍然是一张没有期限的远期支票。05分配重新成为增首先状况过去谈分配，常把它理解为增首先之后的第二次分蛋糕。但在AI时代，分配可能直接决定蛋糕还能不能后续做大。效率提高回答的是如何更便宜、更快地生产，分配机制回答的是生产成果怎样回流到社会总需。AI时代真正需补上的，很可能不是生产能力，而是收入回流机制。这套机制可以分成两层。首先层发生在生产流程内部。企业是否把AI题用来裁撤岗位，还是用来扩大业务、减小技能门槛和提高员工；员工能否通过利润分享、股权或工资增首先，获得一部分生产率红利；工作时间能否随着效率提高而缩短，而不是把全部调整都压到就业人数上。这决定了技术红利在进入利润表之前，如何在劳动和资本之间分配。第二层发生在生产流程之外。如果AI收益高度集中，税收、社会保障、公共服务和公共基金就需承担回流功能。全民基础收入、机器人税、转型保险、公共基金全民分红，名称各不相同，题都在回答两个状况：AI创造的资产收益由谁具有，又通过什么渠方式回到社会需。这些方式划没有一个是完美答案。机器人税可能抑制企业采取新技术，全民基础收入受到财政能力约束，缩短工时需企业和劳动者重新谈判，公共基金则包含资产来源、治理和分红条件。阿拉斯加永久基金的经验只能给予一个有限参照：首先期、普惠的现金分红并没有显著减小总就业，但它不是AI分红的直接证据，更不能替代详详见细制度设方式。题的是，不能等到需明显收缩之后，才把分配当作善后方式。企业目前选项“替代”还是“提高”，劳动者能否分享资产收益，教育和社保能否覆盖转型期，都会反过来决定新需能不能形成。分配不只是公平状况，也是增首先高效轮的传动结构。06真正的考场，在社会的议事厅站在技术乐观主义的角度，AI会提高生产率，解放人类劳动，让社会进入更有效率时期。这个结荚当然值得期待。但经济增首先从来不该被简化为一方式技术题。生产率提高之后，谁的收入提高，谁的岗位消失，谁获得资产收益，谁承担转型成本，这些状况同样题。判断增首先高效轮有没有重新闭合，未来几年可以持续观察五个指标：年轻人的白领入口岗位是否恢复；劳动收入和中位数工资能否跟上生产率；AI原生收入有多少来自真正的新增预算；企业产出增高效能否追上生产率增高效；AI资产收益是否从那么点儿公司和股东，扩散到更广泛的居民部门。这并不意味着否定AI，也不意味着否定技术发展。恰恰相反，AI越题，我们越需把它放回真实的经济循环里观察。不能只看模型能力、算力投入、企业降本和利润改进，也关键看劳动收入、消费能力、需弹性和制度再分配。过去几次工业革命，市场、组织和制度共同实现了调节。这一次，市场可能还会创造奇迹，但也可能需制度更早参与结算。第四次工业革命真正的考场，或许不在实验室，而在社会的议事厅。本材料由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。如对本稿件有异议或投诉，请关联 tougao@huxiu.com。本文来自虎嗅，原文链接：https://www.huxiu.com/article/4879971.html?f=wyxwapp