#572.AI越强大，其经济占比反而可能越小

📝 本期播客简介本期我们克隆了：Dwarkesh Patel 播客《The better AI gets, the smaller its share of the economy might get – Alex Imas and Phil Trammell》本期节目是一场关于 AI、经济增长、就业、财富分配与未来稀缺性的深度推演。主持人 Dwarkesh Patel 对谈两位研究 AI 与经济的学者：Alex Imas 和 Phil Trammell。他们讨论了一个反直觉的问题：AI 越强，它在经济中直接拿走的份额，反而可能越小吗？对话从“未来什么会变得稀缺”开始：当机器能够完成绝大多数生产任务，人类是否还会因为“人类参与本身”而保留价值？医生、教师、治疗师、艺术家、咖啡师、芭蕾舞演员，这些工作里到底哪些部分可以被自动化，哪些部分因为关系、信任、共情和人类连接而仍然值钱？节目也深入拆解了劳动力份额与资本份额的长期稳定之谜。工业革命以来，大量工作被机器替代，但劳动收入占比却长期保持在很高水平。AI 会打破这个历史规律吗？两位嘉宾提醒，经济学家在预测未来时最大的限制是：我们几乎没有足够的数据。我们不知道消费者真正会为什么付费，也不知道哪些新工作、新商品、新需求会被创造出来。中段讨论尤其现实：AI 是否已经造成白领大规模失业？“白领末日”是否有数据支持？如果 AI 能替代很多工作，却没有创造出足够的新财富，会不会出现一个最糟糕的“混乱中间阶段”？嘉宾们认为，这种情景并非不可能，但需要很多条件同时成立；而如果 AI 真正强到能大规模替代白领工作，它也很可能同时显著扩大生产前沿，让再分配问题变成核心。后半段则进入政策与全球分配：AGI 创造的财富该通过 UBI、负所得税、全民基本资本，还是税收购买股票的方式分配？发展中国家如果不生产模型、不生产芯片、不掌握关键供应链，是否会被甩在后面？答案可能取决于 AI 更像电力，还是更像社交媒体：如果像电力，收益会广泛扩散；如果像社交媒体，租金可能集中在少数平台和资本所有者手里。这期节目不是给出一个简单预测，而是搭建了一套理解 AI 经济未来的分析框架：未来的关键，不只是 AI 能不能替代人类，而是需求弹性、关系型价值、资本回报、收益集中度、开源扩散、政治再分配和全球资产配置会如何共同作用。👨‍⚕️ 本期嘉宾Alex Imas，Google DeepMind 的 AGI economics 负责人，芝加哥大学经济学教授。他的研究关注行为经济学、劳动力市场、AI 对经济结构的影响，以及人类偏好、关系型价值和未来自动化之间的关系。Phil Trammell，Epoch 的 economics 负责人，斯坦福研究学者。他长期研究长期主义经济学、AI 时代的增长模型、资本积累、自动化、利率、财富分配以及未来技术对宏观经济的影响。⏱️ 时间戳00:00 开场 & 播客简介AI 时代，什么会变得稀缺01:38 经济学能告诉我们什么：工资、劳动份额、税收与再分配02:19 关系型部门：为什么“人类参与”本身可能成为价值04:04 预测未来为什么这么难：经济学家没有足够数据08:21 劳动力份额与资本份额：自动化会让工资占比下降吗10:17 供应链里的劳动：为什么过去几乎没有东西被“完全自动化”11:33 医生不是一个任务：工作会被拆成可自动化与不可自动化部分13:21 不存在的未来商品：为什么今天的数据无法预测明天的需求从蒙古歌手到晶体管：需求如何决定经济份额14:09 蒙古经济的类比：为什么未来商品种类会改变稀缺性15:15 机器人很多，人类很少，钱就一定流向机器人吗16:21 摩尔定律的反面：计算越便宜，边际价值可能越低16:50 H100 为什么更贵：AI 让 compute 出现新的高价值用途17:14 对 compute 的需求会不会永远无法满足18:03 人类创作为什么更值钱：连接感、共情与关系型偏好白领失业与“混乱中间阶段”19:20 AI 起飞太慢，反而更糟吗：自动化、失业与补偿难题20:37 Phil 的判断：最坏窗口可能很窄21:26 政治经济学缺口：失业率只上升几个百分点也会改变政治22:58 如果只裁掉一部分白领，省下的钱够不够做 UBI24:07 要出现“没有足够财富可分配”的情景，需要哪些苛刻条件25:02 负所得税、UBI 与全民基本资本：再分配工具的利弊27:35 税怎么收、钱怎么发：消费税、股票篮子与全民持股29:00 AI 已经导致大规模白领失业了吗：目前证据并不明显31:05 自动化互补任务：为什么 AI 也可能增加某些岗位需求32:13 需求弹性与 Jevons 悖论：便宜不等于总支出一定增加34:16 AI 会导致经济衰退吗：要让丰裕带来负增长非常难为什么 AI 没有更快替代所有工作36:43 多模态模型与世界模型：从 Gemini Omni 看未来 AI 能力37:59 Oring 模型：为什么一个环节不可靠会毁掉整个产品39:27 当 AI 足够强，人类也可能难以接入生产流程40:10 律师、会计为何还没被替代：可靠性、责任与监管摩擦40:59 人类制度会不会只是过渡性安排：执照、法官、立法与 AI 政治系统非人类偏好与资本加速41:32 未来 AI 或公司会不会形成自己的偏好42:51 人类还会偏好人类互动吗：AI therapist 与道德情绪44:52 富人财富的真实形态：消费还是让资本继续复利45:43 更高储蓄率的实体，长期会不会拥有大部分财富47:13 永生、资本回报率与消费偏好如何改变未来经济48:56 资本品价格下降：为什么高增长不一定等于高真实回报50:53 品类增加与贪婪资本家：为什么机器人需求可能不断扩张52:14 富豪、信托与财富积累：少数优化器是否足以主导经济53:44 从政治影响力到天文浪费：为什么有人会永远想要更多资本55:14 Von Neumann probe：极端优化器如何挑战传统 GDP 与劳动份额发展中国家如何分享 AGI 红利56:50 印度、尼日利亚怎么办：不在 AI 供应链里的国家风险57:38 储蓄、利率与低起点国家：发展中国家的“混乱中间阶段”59:03 主权财富基金与资产配置：现在就该买入关键供应链吗01:00:39 为什么土地税不够：普通人的资产未必是 AI 时代互补资本01:01:18 AI 更像电力还是社交媒体：收益扩散还是租金集中01:03:03 开源模型的关键作用：乌干达能不能分享到 AGI 回报01:03:59 两种情景：收益高度集中，或 AGI 像电力一样普及01:04:23 指数化投资 vs 再培训：发展中国家不能只押一个策略01:05:10 AI 是否带来跨越式发展：移动银行式 leapfrog 的可能性01:05:43 指数化到底有多难：私营 AI 公司、上市与普通投资者可及性AI 商品化、安全与叙事01:06:44 为什么 AI 实验室商品化可能更利于广泛繁荣01:07:06 “世界上没有反电力的人”：AI 叙事为什么如此负面01:07:45 商品化的安全代价：竞争压力与前沿模型扩散风险01:08:31 收尾：集中实验室、政府权力与社会分享 AI 剩余收益🌟 精彩内容💡 “我