原节目:https://youtu.be/Jj-kBHzUohs?si=U_PzY64u7cTjAyjp · 时间戳可点击,就地跳转播放器
在本期节目中，主持人 Dwarkesh Patel 采访了 Alex Imas（Google DeepMind 的 AGI 经济学总监兼 University of Chicago 经济学教授）和 Phil Trammell（Epoch 的经济学主管兼 Stanford 的研究学者）。讨论探讨了经济理论和历史对于一个拥有先进 AI 和自动化的未来向我们揭示了什么，重点关注工资、劳动力份额、财富再分配以及什么将保持稀缺。逻辑主线从定义稀缺性和“关系型部门”开始，延伸到经济预测的历史挑战、劳动力和资本份额的机制、各种经济转型情景（如“混乱的中期”和需求驱动型衰退）的可能性、最佳税收策略，最后是对于处于直接 AI 生产链之外的国家的地理政治和发展影响。
人类参与的服务和商品（“关系型部门”）将保持稀缺，因为人类天生稀缺，但该部门能否维持高份额的劳动力取决于消费者需求弹性，以及资本多样性的增加是否足够快以防止饱和。
关于劳动力市场的个人经济预测分歧极大且历史证明是不可靠的（如 1820 年 David Ricardo 的预测所示），这意味着经济学家应该专注于总体预测（预测市场）并基于稀缺性绘制情景，而不是做出个人预测。
严重缺乏关于消费者需求弹性和工作创造/毁灭的高质量数据（例如，O*NET 数据库极少更新），这就是为什么需要一个“数据曼哈顿计划”来妥善评估未来的经济情景。
从历史上看，经济中的劳动力份额一直令人惊讶地保持在 60% 以上（Kaldor 事实），因为劳动力和资本一直作为互补品发挥作用，甚至自动化的步骤也依赖于供应链下游的劳动力。
在衡量艺术印刷品支付意愿的实验中，当印刷品是单一且独特的时候，人们对人类创作艺术的估值显著高于 AI 创作的艺术，但当生产了 500 张印刷品时，这种溢价就消失了，这表明关系价值与感知到的独特人类连接有关，而不仅仅是产出本身。
“混乱的中期”情景（即 AI 实现了许多工作的自动化，但没有产生足够的财富来补偿那些被解雇的人）是不太可能的，因为如果技术先进到足以使整个白领职业自动化，那么整体经济蛋糕将极其迅速地增长，而且 AI 劳动力将比人类劳动力便宜得多。
全民基本资本（赋予公民资本所有权份额）避免了 UBI/负所得税的政治脆弱性（即公民受民选官员的摆布），但它面临着严重的定位和指数化挑战（例如，决定将哪些公司纳入投资组合）。
当前的宏观经济数据没有显示出因 AI 导致“白领大屠杀”或大规模失业的证据；即使在软件工程等高度暴露的行业，入门级招聘也仅略低于趋势，而对高级开发人员的需求依然强劲。
Citrini 对 AI 引发衰退/需求崩溃的预测在经济学上是不可信的，因为它需要高度限制性的条件，例如资本所有者在面临巨大的技术丰裕和技术前沿扩张时完全停止投资。
对于发展中国家（如 India 或 Nigeria），优先考虑对全球 AI 经济进行指数化（例如，通过主权财富基金或补贴）是比完全依赖重新培训计划更干净、更有前景的策略，特别是如果 AI 像电力一样被商品化，而不是像社交媒体那样高度集中。
让我们从当机器几乎可以制造任何东西时，究竟什么还能保持价值开始。如果机器人可以建造工厂并进行研究，我们还剩下什么？答案在于“关系型部门”[00:44]——即人类参与能增加内在价值的服务和商品，比如芭蕾舞演员的表演、咖啡师为你制作咖啡，或者医生给出诊断[01:40, 10:49]。但问题在于：如果机器制造的商品种类继续迅速扩张，我们可能永远不会对它们感到厌倦（饱和）。如果发生这种情况，我们的支出将继续流向机器，而人类的关系型部门仍可能萎缩到接近于零[11:58]。
不要太相信个人的经济预测；即使是经济学家之间也存在巨大的分歧[02:51]。看看 1820 年的 David Ricardo [03:24]。他看到机器使工作自动化，并预测会出现大规模、永久性的失业。他对于那些特定工作的消失预测得没错，但在大局上完全错了。他忽略了“劳动总量谬误”[04:46]：随着自动化使商品变得更便宜，人们有了剩余的资金来消费全新的服务，从而保持了高就业率[04:28]。为了避免今天的这些盲点，我们需要更好的数据（比如更新过时的 O*NET 数据库[05:52]）和综合预测市场[02:56]。
从历史上看，经济收入中大约 60% 总是流向人类工资（被称为 Kaldor 事实）[07:19]。为什么？因为资本和劳动力一直是合作伙伴——即使最终产品实现了自动化，人类仍然在供应链的更下游工作[08:22]。但我们正在走向一个质变：完全自动化的供应链，其中人类的份额将降至零[08:50]。
为了看看“关系型部门”是否真实存在，Alex Imas 进行了一项实验[17:06]。人们被问及愿意为一张艺术印刷品支付多少钱。如果这是一张独特的、独一无二的印刷品，他们为人类艺术支付的费用远高于 AI 艺术[17:28]。但如果有 500 份副本，这种“人类溢价”就完全消失了[17:39]。我们不仅仅想要物理产出；我们想要感受到与人类创作者的独特连接。
有些人担心会出现“混乱的中期”，即 AI 夺走了工作，但没有产生足够的财富来补偿失业者[19:37]。Alex Imas 认为这极不可能发生[21:09]。如果 AI 足够聪明，能够使复杂的白领工作自动化，它将变得极其便宜且高效，从而使整体经济蛋糕迅速增长[25:02, 25:39]。真正的危险是缓慢的“滴流”情景——比如 1920 年至 1940 年之间的电话接线员[22:43]。因为这些工作在几十年里缓慢消失，人们找到了收入更低、更糟糕的工作，但这从未触发快速的政治紧急应对措施来帮助他们[22:28]。
如果我们必须重新分配财富，我们该怎么做？全民基本收入（UBI）或负所得税听起来很简单，但它有一个可怕的政治漏洞：公民变得完全依赖于掌权者[26:53]。更稳妥的选择是全民基本资本（UBC）——给每个人股票所有权[27:26]。但 UBC 存在定位问题：你如何选择给人们哪些股票？如果你给他们 Anthropic，而它归零了，而一家随机的机器人公司赢了怎么办[27:34]？用于为公民资助广泛股票指数的消费税（如增值税）可能是最干净的途径[29:21]。
尽管网络上存在恐慌，但宏观经济数据并未显示出“白领大屠杀”[22:19]。Yale Budget Lab 的一份报告显示，你必须眯起眼睛才能看到 AI 对工作的任何影响[30:24]。初级开发人员的招聘略有下降，但对高级开发人员的需求实际上在上升[30:47]。许多公司的裁员甚至不是由 AI 能力驱动的；它们是“协调手段”，公司裁员只是为了向投资者展示自己现代化和前瞻 AI 的形象[31:34]。
为什么 AI 还没有取代所有人？想想 O 型环理论（其中一个微小的故障就会毁掉整个航天飞机）[39:30]。如果 AI 只有 90% 的可靠性，如果一个错误会毁掉产品，公司就不会冒险使用它[41:03]。但一旦 AI 足够先进，相反的情况就会发生：将缓慢、易出错的人类整合到超快速的 AI 工作流中将带来太多的交易成本，从而将人类完全排除在外[40:12]。此外，让软件变得更便宜会让我们购买更多软件吗（Jevons 悖论[33:45]）？这取决于弹性。农业是无弹性的——你吃饱了就会停止[34:24]。软件可能是高度弹性的，这意味着我们只会想要无限多的软件[34:49]。
Citrini 撰写的一篇病毒式文章预测了需求驱动的衰退，因为自动化的白领工人将没有薪水来购买东西[35:13]。这在经济学上是不可信的[36:10]。它假设富有的资本所有者将完全停止将他们的巨额利润重新投资回经济中，尽管技术前沿正在爆炸式增长[36:14, 37:31]。在现实中，丰裕会驱动投资（比如建造更多的数据中心），从而推动增长，而不是萧条[37:01]。
从长远来看，是什么在引导经济？人类的偏好可能会保持以人类为中心，因为进化自然会选择那些更喜欢真实人类连接而不是 AI 模拟的人[45:41]。但是那些最富有的人呢？像 Elon Musk 或 Mark Zuckerberg 这样的巨头不会把财富花在个人奢侈品上；他们通过复利来建造月球上的质量投射器或庞大的数据中心[47:11, 48:52]。这些“贪婪的优化器”对资本（如算力）有着无法满足的需求[44:26]。如果他们永生，或者将财富传递给紧密一致的信托，他们加速资本的偏好将主导全球经济[49:40, 56:07]。
如果你是 India 或 Nigeria，并且不拥有 AI 供应链，你该怎么办[1:01:28]？不要把精力浪费在天真的重新培训计划上[1:09:09]。相反，尝试对全球 AI 经济进行“指数化”[1:09:25]。如果 AI 表现得像电力（一种利益流向用户的公用事业）[1:06:42]，那么未来的每一家 S&P 500 公司都将利用 AI，而只需购买全球指数基金就能让这些国家获取财富[1:07:50]。如果 AI 表现得像社交媒体（所有利润都流向少数私有平台）[1:07:20]，那就困难得多。这就是为什么我们应该希望 AI 实验室被商品化（通过开源模型） or 迅速上市，从而允许发展中国家直接跨越到高增长[1:08:22, 1:11:09]。
本页为对节目内容的忠实解读与大白话重述,由 PodLens 生成。