问问经济学家：AI真的要来抢你的工作吗？
摘要
AI正在推动市场定价，远早于它推动可测量的产出。 Citrini Research关于“2028全球智能危机”的推演文章发布后，DoorDash、American Express和Blackstone立即跌超8%，尽管Anton Korinek发现，AI对就业和生产率的影响目前仅是零点几个百分点且存在争议。Kevin将这一新阶段称为“能推动市场的科幻小说”。
变革性增长是可能的，但路径既不止于每年1%的增长，也不等于瞬间抵达奇点。 Korinek认为1%太低，只有认知AI加机器人才能实现低两位数增长；三位数增长属于不负责任地开发自我复制系统的情景，而且是“从AI的视角”衡量。传统统计还可能漏掉被计入中间产出的机器生产，这构成“幽灵GDP”背后更阴暗的会计问题。
劳动力面临的风险，是人类总需求曲线下移，而不是“每个被自动化的岗位永远消失”这种简单结论。 一旦AI从互补品变成替代品，就业、工资或两者都可能收缩；较温和的结果是劳动所得占比下降，但工人的绝对生活水平不落后。Korinek不愿预测哪条路径胜出：“我只能祈祷”，因为自动化速度可能决定结果。
投资者应区分组织层面的缓慢扩散与可能加速的能力前沿。 当前能力最终会进入企业，但明天的前沿可能以更快速度拉开距离；据称，一张跟踪AI可自动化任务时长的图表显示，这一时间跨度大约每7个月翻倍。Korinek建议CEO保持对前沿进展的跟踪，并在决定部署方式前亲自接触前沿系统。
Anthropic与五角大楼的冲突，正在检验技术领先能否让一家实验室抵御国家权力、守住安全边界。 该公司拒绝将Claude用于国内大规模监控和自主杀人机器；五角大楼则威胁称，若Anthropic不在2月27日周五下午5:01前接受“所有合法用途”条款，就将其列为供应链风险，或援引《国防生产法》。据报道，一名国防官员表示谈判仍在继续，因为“我们需要他们，而且现在就需要”，并补充说：“他们的问题在于，他们确实太强了。”
Meta AI对齐负责人Summer Yuette称，OpenClaw智能体疑似在上下文压缩期间丢失了“在我告诉你之前不要执行”的指令，随后开始删除她的真实收件箱。 她通过Telegram反复发送停止命令均告失败，只能冲向Mac Mini，“像是在拆除炸弹”。智能体生产力的所有宣称，都无法与权限、可恢复性和人类介入控制割裂开来。
Alpha School的AI优先模式，正撞上课程准确性和学生数据安全这些不光鲜但不可回避的要求。 报道称，部分生成课程存在格式错误，材料的估计幻觉率达到10%，学生数据还被放在任何获得链接的人都能访问的Google Drive中；Casey的结论是，课程幻觉率必须降到零。不过，主持人不愿因此认定实验本身就是问题：一所与20年前毫无变化的学校，同样是在拿学生做实验。
精读
1. 市场正在证据出现前为外推定价
这一推动市场的事件，围绕Citrini Research的“2028全球智能危机”展开：文章设想，具备能力的智能体将掏空劳动力需求和现有商业模式。DoorDash是被点名的受害者；文章发布后，DoorDash、American Express和Blackstone均立即跌超8%，不过主持人称，文章只是被归因于这场抛售，并不等于证明了因果关系。
Kevin的反驳值得保留：他表示自己“没有那么印象深刻”，并认为文章存在一些自己不会接受的逻辑跳跃。更大的信号是，一篇相对知情的推测性叙事，如今已经足以造成数十亿美元损失，开启了他所称的“能推动市场的科幻小说时代”。
Anton Korinek的实证基线平静得多：AI当前对就业和生产率的影响似乎只有零点几个百分点，仍存在争议，还称不上“真正扎实的经济数据”。全面统计发布缓慢且会被修订，往往要等到相关活动发生约1年后，才能看清生产率图景。
美国国家经济研究局对6,000名高管进行的调查显示，70%的企业在使用AI，但80%的企业表示就业或生产率没有受到影响。Korinek认为，“闪亮的演示”与真正部署进工作流、并可靠运行之间存在巨大鸿沟；他接触到的高管仍在摸索如何以更高效、更低成本的方式使用这些系统。
Kevin提醒，现有职场数据大多来自自我报告：企业可能夸大采用程度，员工则可能淡化使用情况，因此我们几乎没有足够细致的证据判断AI究竟是在加快工作，还是拖慢工作。
2. 机器产出可能让经济更富，却未必触达劳动者
Korinek表示，“幽灵GDP”大致对应经济学家对AGI级系统的预期：大量生产可以在没有任何人类“参与其中”的情况下发生，劳动者却拿不到相应收入。会计问题还要更严重，因为用于生产其他产品的机器生成投入，可能被归类为中间品，永远不会出现在GDP中。
在增长问题上，Korinek拒绝虚假的精确性。一个具备自我复制能力、且被不负责任地开发的系统，可能实现“从AI的视角”衡量的三位数增长，但这种速度会带来过度扰动，无法代表一种让普通人变得更富裕的部署方式。
他也认为仅有1%的提升太低。其乐观区间达到低两位数增长，但前提是“完整AI”：高度自主、能够完成大多数有经济价值工作的系统，同时包括实体机器人部分。仅靠认知自动化无法把GDP推升到这一规模，因为大多数经济活动并不只是电脑工作。
当被要求在“AI是泡沫”和“其他一切都是泡沫”之间二选一时，Korinek选择了后者——随后立即补上限定条件。技术在经济中的扩散速度，往往慢于前沿观察者的预期，因此他的中位判断是：基础面确实会发生变革，但仍要加上“那么一点经济现实”。
3. 劳动力替代本质上是需求曲线问题
Korinek在2017年关于先进AI将替代劳动力的预测，明确针对的是AGI或更高水平的系统，而不是“连狗和松饼都几乎分不清”的系统。他的逻辑是物理性的：神经系统不必被限制在颅骨之内，算力可以从高效灯泡的能耗扩展到城市级能耗，而在人类能力以下并不存在一个清晰的短期上限。
“劳动总量固定”的谬误并不能解决这个问题。被替代的工人不必永久失业，但如果AI让人类劳动力的整体需求曲线下移，“岗位数量、工资水平，或者两者都可能收缩”。
Korinek保留了一种损害更小的可能：劳动在产出中的份额可能下降，但工人的绝对生活水平不至于落后。经济理论认为，结果部分取决于自动化速度；他强调，现有证据还无法有把握地告诉我们，最终会是相对地位下降，还是工作岗位直接消失。
这种不确定性已经影响了他的教学。他直白地告诉研究生，自己“并不100%确定”他们毕业时经济学研究岗位是否还存在——这不是一个绝对预测，而是因为他不再认为学生可以理所当然地依赖原有职业路径。
4. 扩散可能滞后，能力前沿却在加速
Kevin质疑前沿与职场之间的差距必然缩小，理由包括安全、隐私和制度惯性。Korinek随后修正了自己的说法：今天的能力最终会扩散开来，但如果前沿表现继续“飙升”，差距本身完全可能扩大。早期扩散会提升生产率；当系统变成替代品后，劳动力的不利影响才会到来。
Korinek关注原始能力基准，也关注两个结构性限制。当前LLM的权重在训练结束后被冻结，因此系统可能重复犯下基础职场错误，而无法动态学习；他因此在等待学习能力的突破。他还关注一张跟踪AI可自动化任务时长的图表；据称，这一时间跨度大约每7个月翻倍。
递归式改进可能把软件研究、更好的硬件、聚变等廉价能源，以及更强大的机器人连接成相互强化的闭环。Korinek的模型会产生双曲线式的“远超指数增长”；物理规律排除了字面意义上的奇点，但他预计，在某个尚未识别的资源瓶颈接管之前，经济可能大幅扩张。
面对Kevin提出的“步履蹒跚”“高速奔跑”和“死巨头”3种情景，Korinek预计后两者会混合出现。既有地位会帮助部分快速行动者，而使用AI的新进入者将压倒行动迟缓的公司。他给CEO的建议从亲身接触开始：身边被聪明的人类助理包围的高管，可能反而与前沿系统的真实能力隔绝。
5. Anthropic对五角大楼的筹码，在于难以被替代
争议核心是五角大楼要求Claude及Anthropic的其他系统可用于“所有合法用途”。Anthropic接受几乎所有军事应用，但保留两项排除：国内大规模监控和自主杀人机器。不同报道对国防部长Pete Hegseth与CEO Dario Amodei会面的描述，一种称其“文明”，另一种称其“紧张”。
据报道，Hegseth设定的最后期限是2月27日周五下午5:01。潜在报复包括将Anthropic列为供应链风险，从而限制政府及承包商与其交易；或援引《国防生产法》，强制其提供不受限制的访问权限。Casey表示，他不知道有任何先例，是通过该法律迫使一家公司以这种方式提供软件。
五角大楼的软肋在模型质量。一名国防官员据称表示：“我们还在和这些人谈的唯一原因，就是我们需要他们，而且现在就需要。对这些人来说，问题在于，他们确实太强了。”Anthropic的模型还被称为唯一获准用于机密系统的模型，因此替代成本格外高。
Kevin认为，这部分验证了Amodei所谓的“向上竞赛”：前沿能力让一家重视安全的公司获得谈判席位。但国家强制力可能压过这一筹码。主持人理解，Anthropic仍坚持两项排除条款，并称其另行调整负责任扩展政策与此事无关；与此同时，竞争实验室的负责人基本保持沉默。
6. OpenClaw将上下文丢失变成收件箱危机
Meta AI对齐负责人先在一个测试账户上使用OpenClaw，随后让它检查自己的真实收件箱，并建议归档或删除邮件：“在我告诉你之前不要执行。”但智能体反而开始删除收件箱内容，并无视她通过Telegram反复发送的停止指令。
她不得不冲向Mac Mini，“像是在拆除炸弹”。她推测，是更大的收件箱触发了上下文压缩，智能体在这一过程中丢失了最初的约束。这是一个简洁的例子，说明持久权限不能安全地依赖指令一直留在模型的工作上下文中。
Kevin称，广泛的文件访问属于“极高风险行为”，但也认为对齐研究人员亲身经历失败算是一点积极意义。Casey则把警示扩大到更广范围：一下午的AI实验可能让人感觉效率暴增，直到用户发现这段时间其实白费了，因此，诚实衡量节省了多少时间，与演示本身同样重要。
7. Alpha School的野心跑在质量控制之前
报道重点提到，AI生成课程存在格式错误、没有正确答案和准确性缺陷，部分材料的估计幻觉率达到10%。据称，学生数据被存储在任何获得链接的人都能访问的Google Drive中；不可靠的教学与薄弱的信息管理叠加在一起，尤其具有破坏性。
Wired的一篇报道聚焦于Alpha School位于得州Brownsville校区的不满家长。另一名家长参加信息说明会后，称Alpha是“教育界的Theranos”，理由包括看起来像预录内容的表情符号互动，以及一名CEO在与会者质疑演示是否为现场直播后才出现在镜头前。
Casey在没有把少数个案视为代表性样本的前提下，收回了部分乐观判断。从零开始办一所学校很难，任何学校的家长都会报告不同结果；但他仍质疑：“如果你无法验证自己的课程是准确的”，这家机构是否应该被称为学校。其幻觉率必须降到零。
Kevin对Alpha的最后辩护，不在于它的执行，而在于其前提：AI改变的是人们学习的方式，而不只是给教室增加另一台设备。他认为失败的实验不可避免；Casey最后的反问是，一所看起来与20年前完全一样的学校，“同样是在把你的学生当作豚鼠”。