# VOL.103 AI的泡沫担忧和失业担忧，是一组跷跷板 | 宏观笔记 宏观七日谈 · 2026-05-25 宋雪涛在《宏观七日谈》中提出，AI的失业担忧与泡沫担忧是一组跷跷板：技术渗透越快，失业压力越大；渗透越慢，泡沫风险越高。他以Anthropic收入加速、ARR达500亿美元、OpenAI Agent落地等为例说明产业回暖，但随后列举亚马逊裁员1.6万人、甲骨文裁员3万人、Meta裁员8000人、汇丰裁员2万人、渣打裁员8000人，称硅谷和华尔街正以AI提效为由裁撤中后台，员工一边用AI替代同事一边恐惧自己也被替代，美国高校和硅谷已出现反AI的新卢德运动。他对比蒸汽机、电力、互联网三次通用技术革命，认为AI首次从辅助人变成替代人，而当前AI渗透仍处于将蒸汽机换成电机的早期阶段，需要像福特流水线那样的组织重构，且面临数据壁垒、技术债和激励不匹配三重阻力，MIT报告显示只有5%试点真正进入生产。他进一步质疑，AI只是更便宜而非做得更好，可能不会创造新需求，只是将人力换成电力，而财富分化从50/50走向1/99，极少数资本和AI大神拿走全部收益，Sam Altman的UBI试验失败也未解决分配问题。最终他强调失业与泡沫担忧此消彼长：渗透快则失业重，渗透慢则泡沫破，同期还要观察流动性收紧、利率走高等信号，以判断这一轮AI革命对经济、社会和投资的影响。 ## Questions this episode answers ### 哪些公司因为AI提效而进行了大规模裁员？ 宋雪涛列举了今年技术性裁员：亚马逊裁员1.6万人（白领5%），甲骨文裁员3万人（18%到20%），Meta宣布裁员8,000人（10%）；华尔街的汇丰裁员2万人（10%），渣打要裁8,000人（15%）。理由是AI提效、替代中后台，宣布裁员并使用AI后股价大涨。 [3:14](https://647ef186.podhood.com/686690e2-fc9c-4f5c-9582-e8b69d58c568?t=194000) ### AI与过去几次技术革命的关键区别是什么？ 宋雪涛说，过去的技术大多只是辅助人，火车、汽车需要人开，流水线需要人配合；但今天AI开始替代人甚至脱离人，从Copilot式的领航员变成Autopilot自己开。因此AI对就业的冲击与历史经验不同，需要小心甄别。 [30:37](https://647ef186.podhood.com/686690e2-fc9c-4f5c-9582-e8b69d58c568?t=1837000) ### AI泡沫担忧和失业担忧是什么关系？ 宋雪涛认为，AI泡沫担忧与失业担忧是一组跷跷板：失业担忧越大，泡沫担忧越小；反过来，如果技术渗透受阻，泡沫担忧就会重新出现。他提醒要同时关注两边变化，才能理解AI革命对经济、社会和股票投资的影响。 [44:01](https://647ef186.podhood.com/686690e2-fc9c-4f5c-9582-e8b69d58c568?t=2641000) ## Key moments - **[0:00] AI回暖** - [0:46] Anthropic收入加速和OpenAI Agent落地让AI泡沫论明显降温，宋雪涛称产业预期与范式已改变。 - **[3:01] 裁员潮** - [4:08] 今年科技与金融业密集技术性裁员：亚马逊裁1.6万白领(5%)、甲骨文裁3万(18%-20%)、Meta裁8000(10%)、汇丰裁2万(10%)、渣打裁8000(15%)。 - [4:22] 宣布裁员并用AI后股价大涨，市场正向激励企业加速用AI替代中后台人力，宋雪涛指出。 - [4:51] 硅谷员工一边用AI替代同事，一边恐惧自己被替代，宋雪涛比作HR裁员最后裁到自己。 - [5:32] 国内IT圈玩笑：同事被蒸馏成一个Skill，工位上只剩名字加dot Skill——宋雪涛引用。 - **[5:44] 新卢德运动** - [5:44] 19世纪卢德运动因纺织机替代织工而砸机器，宋雪涛称如今全球兴起'新卢德运动'反AI。 - [6:50] Sam Altman两次遭人身威胁，贝索斯在亚马逊裁员周避走度假，宋雪涛称硅谷大佬也忌惮裁员引发暴力。 - [8:19] 亚利桑那大学毕业礼上，谷歌Eric Schmidt吹捧AI遭全场嘘声，宋雪涛称学生抗议代表对AI替代的恐惧。 - **[9:42] 历史教训** - [10:41] “对于个体来说，这是一座山；对于整体来说，这就是时代的一粒灰尘。”——宋雪涛 - [11:41] 通用技术革命仅三次：蒸汽动力、电力电气、信息化互联网；宋雪涛称AI是第四次，开始从辅助人变成替代人。 - **[12:35] 生产力条件** - **[15:08] J型曲线** - [15:08] 电力革命中1866年电机问世，40年后福特流水线才释放生产率，宋雪涛称组织与流程重构是慢变量。 - [18:08] AI目前只相当于把蒸汽机换成电机：仍只替代单一任务，白领层级和决策机制未变，宋雪涛说。 - [19:30] AI对经济影响可能是J型曲线，但过去技术革命扩散需数十年，AI的J型规律是否成立存疑——宋雪涛。 - [20:02] 1998年Paul Krugman称互联网作用不会超过传真机，10年后被证伪，宋雪涛回顾。 - [21:15] Q: AI究竟是替代人，还是提升效率？宋雪涛：关键看能否提升全社会生产率，AI目前常只是更便宜地替代人力。 - **[21:30] 落地的阻力** - [21:46] AI渗透减速原因之一：优质语料基本用完，行业/企业数据不共享，具身智能数据采集成本极高——宋雪涛。 - [23:04] 美国社保系统仍用1960年代COBOL语言，马斯克用AI重构无疾而终，宋雪涛称之为'屎山代码'拖累AI落地。 - [25:15] 企业引入AI却不同步重构组织，个体提效但组织效率未提升；宋雪涛指AI多在前台，中后台落地慢。 - **[27:36] 乐观预测** - [27:36] MIT Nanda报告：80%企业尝试生成式AI，仅5%试点进入生产阶段，95%没有回报。 - [29:06] OpenAI研究预测：AI将影响全美80%就业岗位，但旧职业消失与新职业诞生会扩大就业容量，甚至出现'虚假工作'。 - **[30:37] 替代或辅助** - [31:25] AI从Copilot变为Autopilot，不再辅助人而自己当司机，宋雪涛称这是与历次技术革命的关键差异。 - [32:24] AI替代呼叫中心、合规、分析师等不是做得更好，只是更便宜(人5万、AI4万)，宋雪涛称这是技术跟人内卷而非生产力革命。 - **[32:50] 新需求** - [35:02] 乐观vs悲观：AI创造10倍软件需求、被裁者转行AI工程师；还是用户时间/软件需求见顶，AI只把人力换电力、岗位净减。 - **[35:28] 分配难题** - [36:45] 财富分化从50:50变成1:99，一个大神+AI替代10-100人拿走全部薪酬；宋雪涛称指望富人消费拉动就业不可靠。 - [38:05] Sam Altman出资6000万美元做全民基本收入试验，结果不工作的人很快花完钱，贫富差距反而扩大，试验失败。 - **[39:34] 泡沫与失业** - [39:43] Anthropic创始人Dario Amodei预测：裁掉美国170万程序员和20%-50%白领，AI收入可达6000亿至1万亿美元；Anthropic ARR已达500亿。 - [41:05] 泡沫是市场乐观预期快于产业实际回报；每轮技术革命初期都有泡沫，带来基建并加速渗透——宋雪涛。 - [42:22] 技术扩散是S曲线，电力/互联网需20-50年渗透，资本耐心仅2-3年，泡沫产生与破灭是内生的——宋雪涛。 - [44:01] 失业担忧与AI泡沫担忧是一组跷跷板：失业担忧越大，泡沫担忧越小；反之亦然，宋雪涛称需同时关注。 - [46:17] 泡沫破灭前常有流动性收紧、信用违约、欺诈、大宗并购如AOL并购时代华纳；宋雪涛提醒今年三大IPO临近是信号之一。 - [47:59] 技术性失业与AI泡沫担忧同时存在，宋雪涛无结论：需观察技术渗透速度、AI替代还是辅助人、能否创造新岗位和再分配。 ## Topics 科技产业, 宏观经济, 投资机会 ## Mentioned Anthropic (company), Meta (company), OpenAI (company), 亚马逊 (company), 汇丰 (company), 渣打 (company), 甲骨文 (company), 福特 (company), 谷歌 (company), COBOL (product), OpenClaw (product) ## Transcript ### AI回暖 **Host** [0:16] Hello 大家好 ， 欢迎收听 《 宏观七日谈 》。 我是宋雪涛 。 上一期我们聊到了这个关于 AI 的一个话题 ， 就是从今年以来 ， 特别是过去 3 个月 ， 应该说 AI 是发生了非常重要的一个变化的 。 那么这个变化就是从 Anthropic 收入开始加速提升以来 ， 应该说这个关于 AI 这个产业 ， 它的预期和范式发生了影响 。 那么这个就是以 OpenClaw 为代表的 Agent 的这个加速落地 ， 让去年泡沫论的担忧现在是明显地有缩小 。Anthropic 的 ARR， 包括 ROI， 它的这个限制也在明显地打开 。 那么这个也拉动了硬件公司的股价 ， 比如说算力芯片 、 存储 、 光模块 、PCB 它们的表现 ，以及亚洲的这个市场的表现 ： 韩国 、 日本 、 中国台湾 ， 还有中国的这个创业板 。 那么最近也有像这个半导体设备 、 材料这些上游去蔓延的这样一个趋势 。 当然了 ， 这个随之而来的另外一个担忧出现了 ， 就是关于这个 AI 造成的技术性失业的问题 。 所以我们今天就来聊一聊这个很大的话题 ：AI 到底是不是在带来技术性的失业 ？ 那么去年呢 ， 或者更早以前吧 ，其实我们看到大家对 AI 造成的这个就业的影响 ， 当时还是比较轻松的 。 去年我们也有一篇报告 ，在年中的时候分析过这个问题 ， 就是把这个美国的非农就业的下降 ， 特别是这个 Computer Science， 包括这个 Information 这个领域的就业的下降 ， 与 ChatGPT 的出现 ， 这个时间上做这个相关性 ， 确实看起来是比较完美的 。在 22 年底 ChatGPT 出来之后，Information 这个行业 ， 它的信息技术 ， 它的新增就业就开始出现了下降 ， 特别是年轻人的这个就业出现了下降 。 但是从原因上来说 ， 它们可能没有必然的关系 。 这个原因一方面是在疫情期间的 overhair， 就是说雇人雇太多了 。 当时因为大家都 work from home， 所以对这种软件 、SaaS、 在线办公需求旺盛 ， 所以当时有这个过度雇佣 。 因为当时也是在一个雇佣不足的背景下， 特别是这些互联网公司在 22 年以前股价表现得非常好 ， 所以大量的雇人。 第二呢 ， 就是跟这个利率收紧带来的这种滞后的效应有关 ， 特别是对这种年轻人的雇佣更加的谨慎 。 但是今年呢 ， 我想再去聊这个 AI 与就业之间的关系 ， 恐怕就不那么轻松了 。 最近有一些这个现实的这个问题 ， 确实看起来是越来越显著的 。 ### 裁员潮 **Host** [3:14] 第一个就是技术性的裁员 ， 正在越来越多的出现 。 这个今年亚马逊裁员了 1.6 万人， 这个是占它的白领的雇员里边的 5%。 那么甲骨文呢 ，是裁员了 3 万人， 这个占它的全部雇员的 18% 到 20%。Meta 最近是宣布要裁员 8,000 人， 这个占它雇员的 10%。 不仅是硅谷在裁员 ， 那么像华尔街也开始进入到了这个裁员的状态 。 汇丰宣布裁员 2 万人， 这个占汇丰的员工的 10%。 渣打最近在这个财报里边明确的说了 ，他们要裁 8,000 人，8,000 人占到了 15%。 那这些裁员呢 ， 都共同的提到了这个因为用 AI 可以提升效率 ， 愿意在这个 AI 里边加大投入去替代中后台 。 所以目前已经看到了这个技术性裁员 、 技术性失业的这个问题的表现 ， 甚至这个有公司因为裁员 ， 这个宣布大量裁员使用 AI， 它的股价是大涨的 。 这些其实都进一步的从这个微观的角度鼓励企业在使用 AI 技术来替代它的员工 ，因为这个股价也会给它正面的反馈 。 特别是硅谷的员工 ， 应该说是用的最多 ，而且是最担忧的 ， 就是一边大量的在用 AI 替代掉自己的同事 ， 另外一方面呢 ， 看着 AI 的进化的速度 ， 认为迟早有一天自己也会被 AI 所替代掉 。 所以这个就有点像 HR 在裁员过程中的心态 ， 一方面在裁到自己的同事 ， 那么最后一个裁掉就是自己了 。 今天这些硅谷的信息技术部门 ，他们使用 AI 来替代人的时候 ， 我觉得内心也生出了这种相似的被 AI 的感觉 。 那么在中国这边呢 ， 大家也开类似的玩笑了 ， 比如说这个我的同事消失了 ，他被蒸馏成了一个 Skill， 被蒸馏成了一个技能包 ， 甚至网上还有各种 AI 的生成图 ， 这个上班的时候电脑自己在跑 ， 同事已经没有了 ， 工位上面写着一个同事的名字 ， 然后后面跟着一个 dot Skill。 所以这些其实都是大家今天已经 ， 特别是在这个 IT 行业里边 ， 已经感受到的越来越直接的这个扑面而来的技术性裁员的风险 。 第三呢 ， 就是今天我也看到了 ， 就是美国社会其实对 AI 的反对声音越来越大了 ， 这个有点像是蒸汽机 、 纺织机 、 纺纱机出现以后的这个卢德运动 ， 这个当时也是纺纱机大量的这个应用 ， 替代了这个传统的手工的纺纱工人， 然后这个积累到一定矛盾 ， 积累到一定程度之后， 开始出现了砸机器运动 。 ### 新卢德运动 **Host** [6:07] 第一个带头砸机器的这个叫卢德 ，他就砸碎了 ， 然后这个大家一拥而上开始砸这个纺织机 ， 所以当时叫卢德运动 。 那今天呢 ， 好像就是一个新卢德运动 ， 还没有开始出现这个砸大模型 ，因为大模型不知道去哪里砸 ， 这个可能只能去砸大模型公司的总部 ， 或者去砸这个服务器了 。 但是今天确实从这个硅谷到这个大学 ， 都表现出了非常明显的对于 AI 的反对的声音 。 那硅谷这边呢 ，Sam Altman 两次 ， 这个应该是他在他的家里边遇到了这种威胁 ， 可能有人去他这个家门口 ， 或者给他一些这个明确的威胁的信号 。 那么第二呢 ， 就是贝索斯在亚马逊裁员的那一周 ， 这个时间里边 ， 就是躲得远远的 ， 好像都已经跑到外面度假去了 ， 就是他们也知道这种技术性失业 、 技术性裁员带来影响非常大的 。 那么亚马逊和 Meta 的这两次裁员呢 ， 都有一个共性 ， 就是先给员工放假 ， 或者先让员工在家办公 work from home， 然后呢 ， 趁着假期找一个凌晨的时间群发邮件 ：" 你明天不用来了 "， 这个就避免员工在办公区里面闹事 ，因为美国这个个人可以合法持枪 ， 虽然他不能 ，有些地方他不禁止把枪带入到这个公共的场所 ， 特别是室内的封闭的场所 ，但是这个合 法持枪确实造成了很大的这个办公室的风险 。 之前也出现过这个因为裁员 ， 造成了这个大量的办公室人员的死伤的问题 ， 所以亚马逊和 Meta 都采取了先放假 ， 或者先在家办公 ， 然后找个周末凌晨发邮件 ， 这个直接注销掉他们的卡 ， 让他们回不来 ， 把东西先搬走 ，因为要在家办公 ， 然后回不来了 ， 这个就减少一点直接对于这 个 CEO 的个人的这个生命的危险 。 那么在美国学校这边呢 ，也出现了反 AI 的这个浪潮 ， 最近这个 Arizona 大学的毕业典礼上， 这个请了 Eric Schumacher， 就是谷歌的这个创始人之一 ，他就过来吹 AI 了 ， 这是技术革命 ， 这个是加速 ， 你们都要会用着 AI 这个创业 。 当然这个在硅谷来说 ， 这个话是没有问题的 ， 这也是硅谷的这个文化之一 ，但是这个话但凡我觉得出了旧金山 ， 恐怕都不会有什么好脸色 。 去洛杉矶说这个话 ， 我觉得都不见得大家会喜欢 ， 更不要说是去了这个中部的学校了 ， 去了 Arizona。 那么不出意外的 ， 下面一片嘘声 。 最近不少学校的毕业典礼上请来的这个发言嘉宾呢 ， 都在说 AI 塑造世界 ， 结果下面的这些年轻的毕业生们 ， 都是用抗议来回应的 ， 这代表了他们的真实的恐惧 。 所以 Eric Schumacher 还说 ：" 我知道你们很多人对此难以接受 ， 我能听到你们 ， 你们是恐惧的 。" 结果这句话我觉得进一步的激发了这个学生的心里的这个厌恶的生理反应 。在这个 Central Florida 大学 ，他们这个副校长也说 AI 是工业革命 ， 田纳西中部州立大学 ， 这些都出现过这个校长和高管说这个 AI 在改着行业 ， 你们学着接受吧 ， 结果都出现了抗议 。 当然抗议也没有办法 ， 这个只是一种态度 ，但是改变不了技术的这个趋势 。 所以这些就是最近这段时间吧 ， 应该说关于 AI 的技术性失业 、 技术性裁员的问题 ， 确实变得愈演愈烈了 ， 这也是有这个现实背景在的 。 那么在历史上来看呢 ， 技术革命不一定会引发失业 ， 比如说这个互联网 ，其实互联网就没有引发这个失业的问题 。 ### 历史教训 **Host** [9:53] 那么在这个蒸汽时代 ， 包括后面出现这个纺纱机的时候是出现过的 ， 另外就是火车出现的时候 ， 大量的这个马夫之类的失业也出现过 。 但是后来来看的话 ，因为大量的这个基建的投资需求 ，其实又创造了新的就业 。 你比如说要机器生产 ， 要有这个基建 ， 然后这个第一次工业革命的时候 ， 大规模的铁路建设 ， 它也缓解了这个就业 ，而且价格下降之后， 成本下降 ， 需求上升 ，其实也拉动了新的需求 ， 创造了新的岗位和就业 。 所以这是过去大家对这个 AI 带来这种失业的问题 ，其实没有那么担忧的一个地方 ，是从历史的角度来看 ， 好像确实是最终都是没有出现大规模的长期的失业的 。 即使有的话 ， 这些微观的这个故事也不足以解禁到宏观的历史里边来 。 对于个体来说 ， 这是一座山 ， 对于这个整体来说 ， 这就是时代的一粒灰尘了 。 所以这也是之前大家对这个问题相对来说没有那么担忧的地方 ， 至少经济学家们在讲这个问题的时候 ， 多少还是比较乐观的 。 大多数经济学家是比较乐观的 ， 觉得没有问题了 ， 历史上不都这么过来了吗 ？ 每个技术革命看起来一开始都是有担忧的 ，但是最后这个问题都得到了解决 ，因为创造了新的需求 ， 拉动了新的就业 。 这个说法其实也没有错 ，但是我觉得每一次的技术情况还是不一样的 。 一方面这个我们的技术革命其实一共也没有发生过几次 ， 一般来说这个 GPT， 就是通用目的的技术 ，GPT 一共也就三次 ， 第一次就是蒸汽机动力革命 ， 从这个纺纱机再到这个火车 ， 那最终到内燃机 。 那么第二次就是电气电力革命 ， 包括自动化 ， 还有流水线 、 汽车 、 飞机 ，其实都是在这一次革命期间出现的 。 那第三次呢 ， 就是从 80 年代开始的电子信息互联网 ， 这个移动互联网一直蔓延到今天 。 所以可以说这种通用技术革命一共出现的次数就不多 ， 所以每一次的情况也不一样 。 你说这个纺纱机是出现过这个失业的这种冲击的 ， 只是说后面的这个时间拉长以后 ，因为经济在不断的增长 ， 加速增长了 ， 汽车的出现 、 马车的出现 ， 它也带来过冲击 ， 这个火车的出现也带来过马车冲击 ， 当然那个规模其实都非常小了 。 那么在这个互联网时代 ，其实是没有什么这个失业冲击的 ， 所以每一次情况应该说这个还是有差异的 。 那么我们也能看到这个差别到底在哪里呢 ？ 我觉得这个里边有几个重要的问题 。 第一呢 ， 就是有没有带来这个生产力的提升 ， 这是一个重要的问题 。 ### 生产力条件 **Host** [12:48] 那么如果要提升生产力的话 ， 应该说是有一些前提条件的 。 第一呢 ，是能够接管低价值但是耗时的任务 ， 提升生产效率 。 你比如说一个文职员工吧 ， 秘书 ，他既干一些文案 ，也搞一些策划 ， 那么他的文案比较强 ， 所以他就变成了文秘 。 那么 AI 替代了这个文案以后 ，他可以就是转任策划了 ， 所以没有增加这个人力 ，也提升了职能的效率 ，而且可能策划的这个附加值是更高的 ， 所以这是提升了生产力的一个方式 。 那么第二个就是要有人力的再分配 。 你比如说这个他同时有几种职务可以做 ， 一种职务被替代掉了 ， 还有其他职务可以干 ，但如果说只能干一种职务的话 ， 那确实可能就存在着比较强的这种短期的失业的冲击 。 所以在当年纺织机替代人工的这个纺织工人， 包括这个火车替代马车的时候 ， 这都是这种暴露性很强的工作 ， 所以都带来了这种失业的冲击 。 那么互联网相对来说没有这种很强的这种暴露性 ， 它更多是提升了生产效率辅助性的 。 所以技术本身它并不直接等同于生产力的提升 。 那么每一次的这种技术的崛起 ， 它也跟组织制度还有观念的这个重塑是有关的 。 所以这个也是我们看这个 AI 对于劳动的影响 。 首先呢 ， 就是它有没有提升全社会的生产率 。 如果提升生产率的话 ， 这当然是一个最好的结果了 。 那么如果没有提升的话 ， 那更多的时候只是一个微观上的局部的优化 ，不是一个宏观效率的这个增长 。 那么还有一个问题呢 ， 就是提升的速度有多快 。其实如果慢一点的话 ， 我想这个通过这个再训练 ， 通过这个技能的提升 ， 对就业的影响也会稍微小一点 。 如果说太快的话 ， 这个渗透率很快就发生了 ， 那确实这个是不利于进行技能的这个再培训和这个再就业和适应的 。 那么历史上看呢 ， 这个技术产生跟经济影响之间 ， 都会存在一段时间间隔 ，有时候会很长 。 你比如说电力技术 ， 刚开始被发明的时候 ， 对整个社会的影响是很小的 。 ### J型曲线 **Host** [15:08] 那么 40 多年之后， 电的发明 ， 它对生产力的提升才开始出现 。 你比如说第一台电机在 1866 年就已经问世了 ，但是过了 40 年， 这个才开始产生作用 。 一个原因就是说它这个大规模的基建 ， 比如说发电站的建设 ， 电网的铺设需要时间 ， 这个用了差不多 30 年的时间吧 ， 这个电才真正的飞入到寻常百姓家 ， 那么它才能对经济和社会影响才开始出现 。 当然这个问题我觉得在今天的这个 AI 算力大规模投资的这个时代 ， 应该是没有这么强的约束了 ， 就基建不是一个 AI 的约束 。 那么第二个问题是电到了 20 世纪的 20 年代末 ， 就是 1920 年到 1930 年初 ， 它对生产率才开始产生影响 。 这它这个生产率的革命比电机的发明的时间要晚得多 。 这个原因就是说工厂的组织秩序重构 ，其实是花了很长时间的 。 因为过去这个 19 世纪末的这个工厂 ， 它是蒸汽工厂 。 蒸汽工厂就是一台蒸汽机 ， 驱动一个中央主轴 ， 然后在这个皮带 、 齿轮链条上面 ， 就跟着这个主轴一起转 ， 然后整个工厂的布局 ， 包括人的这个岗位的这个分配 ， 还有机器的排列 ， 都是围绕这个主轴展开的 。 所以离主轴近呢 ， 它这个就用一些比较重的活 ， 离主轴远就用一些比较轻的活 。 所以这个电机刚开始进工厂的时候 ， 它也只是替代了蒸汽机 ， 就是把蒸汽机换成了电机 。 所以它这个对于工厂效率来说没有提升 ，因为过去是没有流水线 ， 没有分布式这种工作的内容的 ， 就完全就上面一个做完了 ， 然后再等下面这个一个再做 ， 大家就是一个等一个 ， 然后再从头开始 。 那么这个就生产效率其实是非常低的 。 所以电机进来之后， 它只是把蒸汽机换成电机了 ， 原来的主轴结构 ， 这个生产的这个分布的布局 ， 任务分工 ， 包括机器的这个物理空间上的分布 ， 都没有发生变化 ， 只是把电机当成是一个更干净的这个蒸汽机在用 ， 没有创造新的秩序 。 那真正的变化其实大家意识到了 ， 就是你不需要把电机集中使用 ，因为有了电了 ， 电线是可以拉的 ， 这个你可以同时用几台电机同时运行 ， 所以不用按照这个主轴的顺序来做这个任务的分配了 ，而是按照工艺的顺序来布置机器 。 所以在这个基础上就有了流水线 ，由 1913 年福特发明的 。 那这个流水线 ， 这个可以说就是福特汽车时刻 ， 把这个汽车的成本急剧的降低 ， 那么进而带来了这个汽车的革命 。 所以看似简单 ， 这个传送带看似很简单 ， 本质上是电气化之后 ，在这个工业里边空间流程重构的一个产物 。 所以可以说这个 AI 到今天为止 ， 相比于蒸汽机到电力革命 ， 到底是到了哪一步呢 ？ 我看有一些看法呢 ， 可能也刚刚只是相当于把这个蒸汽机换成了电机 ， 还在一个早期的阶段 。 比如说今天 AI 你给我生成个 Word， 你给我生成一个 PPT， 就是我今天做这些事情还是过去要做的事 ， 只是说我在这个具体的单一任务上， 我进行了这个替换 。 那么过去 PPT 是给人看的 ， 你以后如果都是 Agent，Agent 相互之间可以不用看 PPT 了 ， 那我是不是今天也不需要让 AI 来做 PPT 了 ？ 我今天可以让 Agent 去做更有效率的事情 。 所以就是这个人类今天的白领的组织结构 ， 层层递进的这种决策机制还没有发生变化 ， 只是说 AI 在个体上面提升了一些任务的效率 。 所以它对整个社会的效率的提升 ， 应该说还需要比较长的时间 。 当然这个是乐观一点的看法了 ， 就是说因为组织架构需要的时间还比较长 ， 改革的时间比较长 ， 所以 AI 的渗透不会那么快 ， 当然对生产力的提升也不会来得那么快 。 那么大概率可能 AI 对于经济的影响就是个 J 型曲线 ， 这个 J 型曲线在当时的电力革命 ， 包括这个早期的这个蒸汽革命都出现过 。 就是说早期呢 ，因为需要大量的基建投资 、 资本开支 ， 包括资产泡沫 ， 所以这个也造成了经济基本面和流动性的短期的这个压力和恶化 。 那么进而随着这个技术的扩散 ， 才开始提升了生产率 ， 提升了这个投资的回报 ， 进而出现了这个生产力的跃升 。 那么这个就是讲这个 J 型曲线的这个原因 。 当然这个 J 型曲线在 AI 这个时代到底还有没有规律 ， 今天也是保持怀疑的 ，因为毕竟过去的这个技术革命 ， 它的扩散的时间都比今天要长得多 。 刚才讲到了这个电力的革命 ， 从这个电力技术被发明到这个电机问世 ， 再到这个流水线生产率的提升 ， 中间用了 40 年的时间 。 那互联网其实用的时间也比较长 ， 互联网初期的时候 ， 大家都不知道这个东西能带来多少经济的影响 。 像 98 年的时候 ， 这个 Paul Krugman 就说 ， 说这个互联网的作用不会超过传真机 ， 这个当然一方面了 ， 站在当时的这个互联网有限的应用 ， 像是邮件 、 网页 ， 当时这个 Yahoo 替代这个网页 ， 那么其实都确实是很有限的这个作用 。 早期呢 ，也不知道互联网这个除了能这个传真更快之外， 还有什么大的作用 。 但是 10 年以后吧 ， 应该说互联网对生产的这个影响终于出现了 。 所以当时 Krugman 的这种互联网还不如传真机的这个质疑 ，也就不攻自破 。 后面看这个互联网比这个 99 年当时最乐观的预期都要重要得多 ， 就是当时看这个都是长期都是被低估的 ，但是它确实也是经过了很长的时间 。 那把今天我们真正其实是互联网无处不在 ， 互联网对于组织架构 、 企业流程 ， 包括我们在这个生活和生产的过程中， 这些影响应该说是无处不在的 。 今天这个离开了手机 ， 离开了互联网 ， 我们的生活 ， 我们的工作几乎是寸步难行的 。 但是这个从互联网出现以来 ，也经过了将近 20 年的时间 ， 应该说才真正的带来了这样的这个变化 。 所以过去看这个技术是 J 型曲线 ， 那么有可能 AI 今天也是处在这个 J 型曲线的这个早期 。 当然这个 AI 怎么样这个加快扩散 ，也要突破一些技术性和非技术性的问题 。 ### 落地的阻力 **Host** [21:30] 技术性的问题就是说 ， 你比如说这个今天这个大模型已经把大量的最优质的语料数据已经用完了 ， 接下来要让模型更出色 ， 要不然就要用更多的这种结构化的或者是非结构化的数据 。 那么这些数据可能各个行业 、 各个企业之间差异是巨大的 。 比如说今天在这个 Embodied AI 具身智能里边 ， 需要大量的这个物理数据跟优质的仿真数据 。 那么这些数据呢 ， 首先它的量非常大 ，其次这些数据的采集获得 ， 相比于这个语料来说 ， 成本还是要高得多 ，也需要更大的算力 。 所以这就是一个让这个渗透会被这个减慢的一个原因之一 。 那么行业之间 ， 大家也出于商业机密的保护 ， 企业之间也很少共享数据 ， 比如说 AI 加这个 Finance、AI 加这个医疗等等 ， 这些可能都会遇到这个行业的数据的壁垒 ， 导致这个技术的渗透开始出现减速 。 第二就是有技术债 ， 这个所谓技术债就是说企业在过去的信息化建设里边 ， 为了追求这个局部的优化 ， 积累下来的各种这个冗余的代码 、 碎片化的系统 、 不兼容的接口 ，也就是这个 IT 行业常讲的叫屎山代码 ， 就是说这个一堆 bug 只要能运行 ， 它就没有 bug。 但是如果你为了这个去 debug， 导致整个系统不能运行 ， 你就是那个 bug。 所以这个屎山代码是非常常见于过去的这些企业的这个信息系统里的 。 那么最典型就是美国的社保了 ， 美国联邦政府现在这个社保体系用的还是上世纪 60 年代以来的这个 COBOL 语言 ， 这个 COBOL 是应该是 IBM 的 。 那么随着时间的推移 ， 这个 COBOL 已经没有办法满足现在需求了 ，但是如果你要更换的话 ， 这个要大量的重写程序 、 迁移数据 ， 它的这个成本也很高 ， 风险也很高 。 所以没有哪一任政府敢去承担 。 那么当时这个马斯克就头铁说 ， 这个美国的这个社保体系还在用纸 ， 这个所以在这个政府效率部斗志改革的时候 ， 想要用 AI 来重构这个社保的系统 ，因为社保效率非常低 ， 中药大量浪费 。 这个我记得在 25 年初的时候 ， 我们聊的斗志肯定也聊到这件事 。 最后是无疾而终 ， 这个几乎是没有切入点 ， 最后是无果而终 。 因为这个不管是成本还是风险 ， 这个应该代价极高的毕竟是社保体系 ， 最后只能把这个屎山代码成就的系统将错就错的留在那里继续使用了 。 所以这也是让技术最终难以加速渗透的一个原因之一了 。 那么还有一些非技术的因素 ， 比如说这个组织架构和激励机制不匹配 ， 你比如要让 AI 真正的发挥效率的话 ， 那么组织架构激励机制必须要跟新的技术实现良性的协同 。 但是现实里边这个组织的惰性是很大的 ， 这就造成了改革的阻力 。 那么企业引入了 AI 的系统 ，但是没有同步去重构组织架构 ， 所以员工用 AI， 然后员工个体是提升了 AI 的效率 ，但是你对整体来说 ， 这个组织并没有真正的被 AI 所改造 ， 组织的效率没有提升 。 所以它降低了一些这个门栏 ， 大家都有这个能力了 ，但是你最终合在一起可能还得领导拍板 ， 还得领导拍脑袋 。 所以这个就是其实它并没有改变组织的这个效率 ， 构成新的秩序 ，也跟这个激励机制是不匹配的 ， 一定要激励大家使用 AI。 那么甚至在这个决策流程上 ，也要进行自动化和 AI 化 ， 这个其实就是从替代中层到替代领导了 ， 这个先替代底层 ， 然后替代中层 ， 最终替代领导 。 那么第二个就是 AI 现在更多是在前台环节 ，因为好展示 ， 这个都给别人看 ， 我们是 AI 企业 。 但是在真正的这个中后台 ， 特别是像财务 、 对账 、 合同审查 、 风险合规 、 供应链预测 ， 这些不起眼的地方 ， 倒是 AI 可以真正的提升效率的潜力巨大的领域 ， 比如说可以控制成本 、 管理风险 ， 这些是潜力巨大的 。 但是目前来说呢 ， 这个更多还是在前台环节 ，在这个中台和后台环节上面 ，AI 对于组织架构 ， 包括这些流程的嵌入还是非常的缓慢的 。 所以这也是目前所看到的 ， 就是这个 AI 的渗透率加速渗透 ，其实是市场的一种很乐观的预期了 。 这个当然也跟这个 OpenClaw 为代表的 AI Agent 的这个应用的加速落地 ，Anthropic 的 AR 加速的上升是有关系的 。 但是在现实里边 ， 刚才我们也提到了有技术性的原因 ， 比如说这个数据的壁垒 ，有技术债的存在 ， 还有这个非技术原因 ， 比如说组织架构激励机制不匹配 ， 这个目前这个落地都只在前台 ， 中后台的落地缓慢 ，有直接的关系 。 所以只能说两边各有各的道理吧 ， 我们兼听则明 。 当然了 ， 这个渗透越快的话 ， 应该说对于失业的压力就越大 ，因为首先就是直接产生了冲击 ，其次呢 ， 就是留给这个失业者进行这个适应 、 再训练和再培训的时间是不足的 。 因为过去的这个技术革命 ， 它的渗透缓慢 ， 所以留下了充分的时间让人去适应 。 那么甚至说这个真正受冲击的一代人可能已经退休了 ， 未来的这个一代人又是 AI 的原住民 ， 所以他们也不受到技术的直接的影响 。 这个可能在大学教育里边 ， 教育也需要顺应这个 AI 的变革而迅速的变革 ， 让这个 AI 时代的这些年轻人 ，他的这个从技能的这个训练到这个求职的这样的一个意愿上面 、 想法上面 、 思路上面都发生变化 ， 就不受到 AI 的太大的冲击 。 所以应该说这是一个全社会要发生变化的事 。 那目前呢 ， 对于 AI 的这个很多预测呢 ， 应该说是微观乐观 、 宏观理性 。 ### 乐观预测 **Host** [27:36] 你比如说去年 MIT 的这个互联智能体和去中心化 AI 的这个项目组叫 Nanda， 它出了一份商业领域 AI 使用报告 ， 就给 AI 泼了一盆冷水 。 这个报告里说 ，80% 以上的企业已经尝试用生成 AI 了 ，40% 企业定义了生成 AI 服务 ，但只有 5% 的试点真正进入到了生产阶段 ， 带来了效率提升 。 另外 95% 都只是坐着看 ， 没有什么回报 。 这个前面也讲到了 ，AI 能尝到甜头的企业是少数 ，因为组织架构的这个变革需要漫长的时间 。 那么大多数企业是高采用低转型 ， 当然这是去年的报告了 ， 它指的还是生成式的 AI。 那今年这种 Agent AI、Agentic AI 的出现 ， 我不知道会不会再次改变这些企业的态度 。 所以这也是技术发展的非常快 ， 我们对于 AI 是否会带来这种技术性失业的问题 ，也要时时保持更新 。 这个因为技术在变 ， 所以去年这种 Chatbot 为代表的这种生成式 AI 技术 ， 可能影响没有那么大 ，但是今年到了这个 Agentic 时代 ， 应该说它的这个影响已经是不容忽视了 。 我们只能用技术的渗透率的速度来看一看 ， 这个跟历史上有没有一些区别 。 那么即便到今天为止 ， 我们也不能非常乐观的说 ， 这个技术一定不会对失业产生影响 。在今年呢 ，OpenAI 的这个团队 ， 它也发了一个研究 ， 预测说这个 AI 会影响全美 80% 的就业岗位 。 当然它的这个结论呢 ，是乐观了一点 。 它说这个尽管说就业的结构的巨变是不可避免的 ，但是它认为这个一些职业会消失 ， 另外一些职业又会出来 。 比如说它就提到了以后会有很多是虚假工作 ， 虚假工作就是说跟游戏似的 ， 就是没有什么正经工作 ，但这些工作其实就是创造它为了解决就业的问题 。 那么它说这些虚假的工作可能也有重要的意义 ， 这个一方面呢 ， 确实是解决了一些新的就业 ， 另外一方面你今天是无法理解将来这些虚假工作有什么内涵的 。 就像 1000 年前一个农民看今天的社会 ，他也无法理解编剧是什么 ， 这个时尚主编是什么 ， 品牌经理是什么一样 。 所以我们今天也就不要去为这个子孙发愁了 ，以后子孙自然有他的这个新增的这个职业的岗位 。 所以 Sam Altman 应该说他是对技术的乐观和对就业的乐观居然是一致的 。 我觉得这里边他可能真的是对技术更乐观一点 ， 至于对就业上他可能有一点找补的这个成分在里边 。 那么他也说了 ， 说这个失业是暂时的 ， 尽管有时候会引发失业浪潮和社会动荡 ，但是最终新技术的推广会扩大整体就业的容量 。 所以 AI 即便失业是暂时的 ， 拉长时间来看 ， 它这边没有问题 。 我觉得这个逻辑上呢 ，其实还是老逻辑了 ，但是从现实情况来看 ， 我觉得今天依然还是要边走边看这个问题 。 就是过去的技术很多只是辅助人， 就是技术本身没有办法离开人， 它对人是辅助 。 你比如说这个火车 ， 火车需要人来开 。 ### 替代或辅助 **Host** [30:46] 第二呢 ， 这个汽车也需要人来开 。 那么这个流水线上也需要人和机器的配合 。 即便是互联网时代吧 ， 依然不管是在这个电商 ，在这个平台 ， 还是有大量的人的需求的 。 但是今天这个技术呢 ， 到底是辅助人还是替代人 ，是可以离开人， 还是说技术一定还需要有人在旁边的监督和这个帮助 。 我觉得今天这个问题 ， 我们还需要继续保持观察 ， 这个地方还需要保持观察 。 它如果是个 Copilot， 就是一个领航员的话 ， 那么还好 ， 就是一开始这个叫 Copilot，但今天叫 Autopilot， 就是它自己开了 。 以前这个人是司机 ， 这个 AI 是辅助驾驶 ，AI 是旁边的这个领航员 ， 今天这个不需要司机了 ，AI 就直接当司机了 ， 这个它既当领航员当司机 。 所以今天这个问题 ， 它确实跟过去的这个技术革命 ， 我们需要小心的甄别和看待它 。 第二呢 ， 就是说它到底是超过人了还是没有超过人。 超过人就意味着生产效率是提升的 。 你比如说这个火车 ， 它一定比马车要拉的快 ， 要拉的多 。 铁路出现以后， 运输成本下降了 80%， 速度提高了 10 倍 。 所以毫无疑问 ， 这是生产率的提升 ， 它会创造出来新的需求 ， 新的需求又会带来新的供给 ， 又会解决新的就业岗位的问题 。 但是今天 AI 到底有没有超过人， 这个问题我觉得也需要仔细的去想一想 。 就是 AI 替掉的这个 Call Center，AI 替掉这些中台的合规 ，AI 未来要替掉的这个金融分析师 ， 这个审计 、 法律这些工作的人， 特别是在文本的工作上面 ， 它有没有比人做的更好 。 如果它没有比人做的更好的话 ，其实总的这个效率其实是没有出现明显提升的 。 就是它干了一个人也能干的活 ， 甚至它干的是一些过去是干的一些低端的活 ， 就是说这些可能一个人就是 5 万 ，AI 4 万 ， 就把这个人的工作就给换掉了 。 那么这是一个问题 ， 就是它到底有没有这个比人干的更好 ， 还是说只是比人便宜 ， 就是技术来跟人卷了 ，而不是说提升了全社会生产力 。 那么第二就是说这个它能不能创造出来新的需求 。 因为过去从蒸汽时代到纺织 ， 大家对于穿衣服这个需求是没有结束的 ，因为以前的这个手工纺织它成本是很高的 ， 到了蒸汽的时候成本大幅下降了 ， 所以需求提升了 。 ### 新需求 **Host** [33:06] 那么在火车出现以后， 运输的需求也是大幅的提升的 ，因为远距离运输成本下降了 。 那当然这个大量的货物以前是运不过来的 ， 现在这个都可以每天享受到这个各个地方的这些生产的产品了 ， 才有了这个再工业化 ，有了全球化 ，有了这个国际的分工 。 这些其实都是需求 ，因为没有得到满足 ， 生产率的提升提高了需求 ， 然后又创造出来了新的供给 。 那么到这个电力时代 ， 到这个汽车的时代 ， 应该说都有这样的特点 ， 包括互联网 ， 互联网也是大幅的降低了信息的成本 ， 提升了很多这个新的需求 。 你比如说在玩游戏 、 看电影 、 电商 、 这个处理工作 ， 这个可能远程都可以开会 ， 远程可以解决问题 ， 做文本也比以前方便和快了很多 。 这个编程去解决一些现实的这种要求 ， 这些需求都没有得到满足 。 所以互联网跟过去的蒸汽革命 、 电力革命本质上是一样的 ， 带来了新的供给 ， 降低了成本 。 那么大家的需求没有得到满足 ， 所以整个社会的这个增长还能提高 。 今天对这个问题 ， 我觉得也没有暂时是没有答案的 ， 就是 AI 到底给我们创造出来的这些供给能不能带动更多的需求 。 就是我们今天会不会因为 AI 的出现 ， 聊更多的天 ， 做更多的这个搜索 ， 做更多的 PPT， 开发更多的软件 ， 这些我觉得今天的这个问题还需要观察 。 就是它也需要看 AI 到底带来了什么样的新的应用 。 所以这些问题其实都影响到了在 AI Agent 的时代 ， 人的作用是什么 。 如果能带来新的需求了 ， 就是软件的需求比以前多了 10 倍 ， 那么即便效率提升了 ， 那些被大厂裁员掉的人 ，他可能自己通过创业或者进入到一些传统的企业 ， 成为这个 AI Engineer， 帮这些传统企业去提升需求 ，他也能找到更多的工作 。 当然这是乐观的看法了 。 悲观的看法就是说我们这个时代 ， 大家的时间是就这么多了 ， 大家能看短视频 、 能玩游戏的时间就这么多了 ， 我们这个需要的软件需求就这么多了 。 所以 AI 只是把人成本替代掉了 ， 把这个人力换成了电力 ， 那么并没有提升更多的需求 。 所以这个因为没有更多的需求 ， 更高的增长 ， 所以这个就业的问题也很难得到满足 。 那么第三呢 ， 就是一个分配的问题了 ， 就是效率提升之后， 资本是受益的一方 ， 当然这个技能方面的大神也是受益的 。 ### 分配难题 **Host** [35:37] 比如说在这个硅谷 IT 企业里边 ， 一个大神顶 10 个同事 ， 那么这个老板就把 10 个同事裁掉了 ， 把这 10 个人的钱给了这个大神 ， 大神带着 AI Agent 去干 ， 一天消耗这个 1 亿 Token。 这个假如是这样的话 ， 那么这些大神能不能把自己更高的收入作为消费支出花出来 。 那么即便这些这个软件的需求到头了 ，但是如果说有更多的这个服务性的消费了 ，也可以创造服务就业 ， 解决这个就业岗位的问题 。 那么当年在这个蒸汽时代和电力时代都出现过类似的情况 ， 就是因为生产率提升和收入提升 ， 大家的需求 ， 人的欲望是无限的 ， 需求是没有得到满足的 ， 所以也拉动了服务消费 ， 最终是硅谷赚钱 ， 这个创造服务就业 ， 这个拉动美国经济 ， 成了这样的一种经济增长模式 。 那么到今天呢 ， 这种状态还能不能出现 ？ 因为今天的这个财务的分配是越发的不均的 ， 这个不管从股票市场还是现实的分配上来讲 ， 就是极少数的人拿到了大多数的附加值提升所带来的利润 。 不管是在股市里边这个超级富豪 、 万亿富豪的出现 ， 还是在这个现实的一方 ， 一个人可能加上 AI 就可以代替过去 10 个人 、100 个人的工作 ， 就导致最后是 1:99 这样的财富的分化 ，而不是过去可能是 50 个人受益 、50 个人受损 。 所以这这这个也是今天的一个重要的问题 ， 就是指望获益的一方通过多创造需求来解决就业 。 这个问题在今天面对着更大的这个贫富差距的分化 ， 我觉得也变成了一个不是让人特别放心的地方 。 所以有人开玩笑说 ， 一个大神替代掉了 10 个同事 ，10 个同事去给大神洗脚 ， 那么也能解决这个就业的问题 。 但是问题就是说 ， 这个洗脚的需求它也是有上限的 ， 这个服务消费的需求也是有上限的 。 所以如果说社会的分配能够更加的公平一点的话 ， 那或许这个今天对于失业的问题担忧也可能会小一点 。Sam Altman 在一方面这个幻想鼓吹这个 AGI 的同时， 另外一方面确实也在推动这个全民收入计划 UBI。 那么关于 UBI 呢 ， 这个 Sam Altman 甚至直接出资 6,000 万美元去搞了一个试验 ，但是很不幸的是 ， 这个试验的结果以失败为告终 。 就是说他通过发钱的方式来想解决技术带来的贫富差距的问题 ， 就是给大家发钱 ， 那么选了一些这个样本 ，但结果就是说这个不工作拿钱的人很快就把钱花掉了 ， 所以并没有缩小贫富差距 。其实这个贫富差距是变得越来越大的 。 所以以后这个社会财富的分配会是什么样 ， 我觉得这个也非常考验各个国家的这个体制 。 所以韩国提到了这个公民的红利 ， 美国提到了 UBI， 这些都是很直接很现实的一个问题 。 这些我想也是伴随着这个 AI 的时代 ， 特别是 AI Agent 的这个时代的一些重要的这种大问题 。 整体就是这些吧 ， 就是我们看 AI 的技术性失业的影响 ， 提到几个方面 。 第一呢 ， 就是能不能提升生产率 ， 这个跟技术的特点是有关系的 ， 这个是替代人还是辅助人， 总的需求能不能进一步的被创造和提升 。在这个成本大幅的下降之后， 如果能提升的话 ， 创造出来的新需求和新商业模式也可以解决就业 。 第三呢 ， 就是再分配的问题 ， 少数的受益者能不能把自己的这个获得的红利向这个多数受损者进行分配 。 那么再一个就是技术的渗透的速度 ， 技术渗透的越快 ， 那么这个失业的压力就会越大 ， 适应的时间就会越短 ， 技术渗透的越慢 ， 这个失业的压力相对来说会小一点 。 但是另外一方面 ， 如果技术渗透的慢的话 ， 那么哪个问题会出来 ？ 泡沫的问题会出来 。 所以这也是今天的一个一大争议 。 ### 泡沫与失业 **Host** [39:43] 这一轮呢 ，Anthropic 是跑出来的最红的公司 ， 它这个创始人 Daryl Amodi 也讲了这个我们的以后的这个收入是多少呢 ？ 是把马农都裁掉 ， 今天这个美国的马农 170 万 ， 然后把白领裁掉一半 ，20% 到 50% 的白领裁掉 ， 比如说律师 、 会计师 、 金融分析师 ， 把他们都裁掉 ，20% 到 50%。 所以这个算下来收入的预期还是非常可观的 ， 估计可能会达到 6,000 亿到 1 万亿美元的这个收入预期 。 今天这个 Anthropic 的 ARR 也是达到了 500 亿美元 ， 所以这个还有将近 20 倍的空间可以得到提升 。 当然了 ， 这个如果发生的没有那么快的话 ， 就像我们前面所说的 ， 这个渗透的过程也有各种各样的阻力 ， 你比如说这个组织架构 ， 比如说各种技术性的问题 ， 那么这个可能会导致 AR 不及预期 ， 最终出现这个泡沫的破灭的风险 。 所以今天这个说到泡沫这个问题 ， 它本质跟技术性失业的问题我觉得是连在一起的 ， 就是泡沫的问题越严重 ， 失业的问题反而会小一点 。 如果泡沫没有问题了 ， 就说明背后的渗透是很快的 ， 那么反过来失业的问题也会变大 。 那么关于泡沫呢 ， 这个关键在于怎么去定义它 。 那么对于泡沫定义 ，其实还是市场的乐观预期快于产业的实际的回报 ， 所以就会形成泡沫 。 当然这个在每一个重要技术革命发生之初都有泡沫 ， 所以泡沫也不是个坏事 ， 它带来了大量的基建 ， 降低了这个要素的成本 ， 加快了这个技术的渗透和应用 ， 那么其实也能够凝聚这个社会的共识 。 所以有泡沫不是坏事 ， 关键是这个泡沫会不会最终被这个技术的生产力的提升所消化掉 。 所以类似的这个技术革命呢 ，因为它的这个渗透是比较慢的 ， 从技术发明到融入到生产结构 ， 变成全社会生产力 ， 拉低边际成本 ，因为需要几十年时间 ， 比如说互联网用了二三十年， 电力用了四五十年， 所以最终这个资本上肯定等不了那么久 。 这个资本对于投资回报的耐心也就是两三年的时间 ， 那么 AI 可能有三五年的这个耐心 。 所以过去呢 ， 几十年的时间才看到生产力提升 。 所以在这个初期 ， 这个因为技术需要大量的消耗 、 基建 ， 那么造成了基本面和流动性的恶化 。 那么到一定程度上， 这个基本面和流动性的恶化承受不了这个资本对于技术带来生产力提升和投资回报的这个期待了 ， 这个泡沫就会破 。 所以往往应该说泡沫的产生是内生性的 ， 泡沫的破灭也是内生性的 ， 这个跟技术的渗透是一个 S 曲线是有关的 ，因为这个技术需要一个缓慢的扩散 ，而初期是要大量消耗的 ， 就像是一个动物在不停的吃啊吃 ， 吃了以后它还没有到长肉的这个阶段 ， 就没有变强壮 ，但是不停的吃 ， 那最终呢 ， 就是把自己的这个脚底下可能站的这个土地 、 这个土壤 吃空了 ， 最终塌下去了 。 所以塌下去之后可能又会滋养这个土壤 ， 让土壤真正的出现这个大量的这个繁荣 。 所以在过去的这个规律里边 ， 应该说这个泡沫的产生和破灭 ， 它是一个内在机制 ， 主要原因是技术的扩散 ， 需要一个先快后慢 ， 然后再提速的一个过程 。 那么这也是对于这一次的这个 AI 泡沫吧 ， 我觉得跟技术的扩散的快慢有关 。 当技术扩散慢的时候 ， 你比如说去年在这个 Chatbot 的这个时代 ，以 OpenAI 为代表的 ， 它这个有这个 9 亿的周活 ，但是它的这个实际的这个订阅数字不再大幅的快速的上升了 ， 它的收入预期很难快速上升的时候 ， 那么关于 AI 泡沫论的担忧就出现了 。 因为 AI 是建立在一个大量消耗算力 、 存储 、 电力 、 融资这样的一个宏观的基本面之上的 ， 所以一旦宏观的基本面和流动性的承受力变差了 ， 这个 AI 泡沫的担忧就会开始出现 。 但是 Anthropic to be、AI coding、OpenClaw Agent 这一系列的这个应用的出现 ， 又开始了这个技术的加速扩散一下， 让 AI 的这个泡沫的破灭的担心又变小了 。 所以可以说这个泡沫的担忧和这个失业担忧 ， 我觉得就像是一组跷跷板 ， 现在失业担忧大的时候 ， 反而泡沫的这个担忧又出现了下降 。 所以这些其实都是我们在平时这个跟踪和观察 AI 的时候 ， 可能同时需要兼顾这两方面的问题吧 。 当然如果说最后这个技术渗透遇到了各种各样阻力 ，不管是社会性的阻力 ， 这个 AI 时代的新卢德运动 ， 还是说现实的阻力 ，在技术和非技术层面上， 组织架构和激励机制上， 它本身就有一个放缓的过程 ， 还是说技术本身 ， 它的这个又出现了一些新的变化 吧 ， 让它的这个渗透自然的这个放缓 。 如果是出现这些问题的话 ， 那我想这个恐怕关于 AI 泡沫论的担忧可能又会开始重新的出现 ，因为产业不一样 ，AI 这一次的渗透是比之前的技术要快得多的 。 但是股票的泡沫每次都有相似性 ， 这个背后还是市场的乐观预期要快于产业的实际回报 。 那么往往这个泡沫会自我实现 ， 表现为个体理性和集体非理性 ， 站在每个人视角 ， 它都是理性的 ， 对吧 ？ 投资者是 FOMO， 硅谷的 CEO 是囚徒困境 ， 这个甚至国家之间也必须要争先恐后军备竞赛 ，因为这些都是个体的理性的表现 。 但是个体的理性放在集体就是一种非理性的定价了 ， 表现为集中度很高 ， 少数股票在涨 ， 多数股票不涨 ， 甚至是下跌的 ， 涨幅主要集中在少数股票 ， 市值集中在少数股票 ， 成交量集中在少数的板块 。 所以这些都是市场出现泡沫化的一个标志 。 那么最终如果流动性和基本面承受不了的时候 ， 泡沫就会破 。 注意这就是一个关键的问题了 ， 就是如果技术能够提升生产力 ， 那我想这个实体经济和流动性的承受力就会变强 ， 那最终这个泡沫会被消化掉 。 但如果技术的生产力提升速度不及这个实体和流动性恶化的速度的话 ， 这个泡沫最终会承受不了 ， 会破掉 。 那么往往在破灭之前 ， 都会出现一些类似的情景 ， 比如说流动性的收紧 、 利率的走高 、 出现了一些信用风险的违约 ， 甚至出现了一些欺诈的案件 ， 比如在 99 年的时候都出现过类似的情况 ， 还有一些大的 IPO 的出现 。 那这个在今年， 这个其实马上三个大的这个 IPO 也马上要上市了 。 另外就是出现了一些并购 ， 比如说这个科技企业 、 新企业对传统企业的并购 ， 当年呢 ， 就是这个 AOL 去并购 Timewarner， 用新经济的高估值的股票去收购旧经济的资产 ， 这个往往也是市场泡沫破灭的一个标志 。 这回想当时这个 21 年吧 ，其实也是出现过类似的情况的 ， 这个 Fintech 把这个金融的公司按照这个 Tech 的公司进行估值 ， 所以当时也是一轮泡沫破灭的标志 。 所以对于这个问题吧 ， 我觉得今天目前为止是没有清晰的答案的 ， 我们还得边走边看 。 一方面我们要观察技术本身 ， 它是否在加速渗透 ； 第二呢 ， 我们要观察技术是替代人还是提升了人， 能否创造出来更多的更高附加值的工作 ， 能否给失业者留出时间进行这个适应和再就业 ， 进而提升全社会的生产效率 。 如果这些没有出现的话 ， 那么反过来就要关心另外一个问题了 ， 就是去年所担心的 AI 泡沫的问题 ， 大量的投资能不能在市场耐心的时间范围里取得回报 ， 这个问题我觉得又会重新的出现 。 毕竟这个宏观的环境是没有发生变化的 ， 基本面在变差 ， 流动性在收紧 ， 市场的这个分化也在变得越来越明显 。 所以这些都是对于泡沫我们也需要保持警惕的地方 。 所以最终呢 ， 应该说今天我没有结论 ， 我只想告诉大家 ， 今天不管是对于技术性失业担忧还是 AI 泡沫担忧 ， 这两个担忧都是同时存在的 。 失业担忧越大 ， 泡沫担忧就越小 ； 反之这个失业担忧越小 ， 泡沫担忧就会越大 。 那么我们需要同时关注两边的变化来理解和学习这一次的这个 AI 的技术革命给经济 、 社会以及给股票投资带来影响 。 那今天的 《 七日谈 》 我们就聊到这里 ， 感谢大家收听 。 关于这个话题 ， 我们以后还会找机会再做一些更加深入的讨论 ，也希望大家继续保持关注 。 我们今天就聊到这里 ， 下周同一时间不见不散 ， 拜拜 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。