# #572. AI 越强大，其经济占比反而可能越小
正文
一凯：欢迎收听跨国串门计划。这是一档专注于让中文听众无障碍欣赏全球优质外语播客的节目。通过先进的AI生文课龙技术,我们不仅将内容翻译成中文,还完美保留了原主持人和嘉宾的独特声音,为您呈现全球顶尖的AI财经健康与科技领域精品内容。我是主播一凯。一位热衷于AI领域的产品经理。很荣幸能为您搭建。这座跨越语言障碍的桥梁。接下来让我为您简单介绍。本期我们克隆的这档节目。并分享几句非常精彩的原话。本期我们克隆的是Dorcas Patel播客。在2026年6月4日更新的一期深度访谈。题目是。The better AI gets。the smaller its share of the economy might get。主持人Dorcas Patel。对谈两位研究AI与经济的学者。Alex Amos。是Google DeepMind的通用人工智能 Economics负责人。芝加哥大学经济学教授。Phil Trammell。是Poneo的Economics负责人。也是斯坦福研究学者。节目里有几句原话。很值得先听一听。如果这场对话里。你只记住我说的一件事。那就是我们没有数据。要让风域带来负的经济增长。这非常难。人不能像马那样。只是产出的一个投入。人本身必须给产出带来价值。想象一个还不存在的好东西。比想象失去一个已经存在的东西要难得多。这些话背后是一场关于AI财富和未来经济结构的认真推演。那我们就一起进入这期完整对话。今天我和Alex Imus聊聊。 [00:01:41]
Dwarkesh Patel：他是Google DeepMind的通用人工智能 Economics负责人。也是芝加哥大学经济学教授。还有Phil Trammell。他是Ponju的Economics负责人。也是斯坦福的研究学者。这次访谈里我想弄明白的是。经济学能告诉我们什么。面对越来越多的自动化。越来越先进的AI。世界会变成什么样。这对工资会有什么影响。对劳动收入占比会有什么影响。通用人工智能创造出来的财富。最好该怎么征税。怎么再分配。还有哪些东西会变得稀缺。因为什么东西稀缺。通常就说明价值会流向哪里。所以我想从这里开始。有哪些合理的候选项。可能会变得稀缺。 [00:02:20]
Alex Imas：比如说人际关系型部门。我的定义基本上是一些服务和商品。在这些服务和商品里。有人类参与这件事。本身就是产品价值的一部分。因为人类天然是稀缺的。所以如果自动化。让很多其他东西不再稀缺。那只要某些东西需要人类参与。需要人在流程里。我们在那里仍然会有稀缺。我想弄明白。人类为其他人类提供服务。
Dwarkesh Patel：是否永远不可能成为经济里的很大一部分。这里有一个直觉上的例子。假设在一个世界里。AI在物理上能做人类能做的一切。那里有一整个机器。经济机器在建工厂。做研究提出新想法。人类可能会参与这些东西的物理生产。也可能不会。但在最终极限下大概不会。如果机器人问题解决了。而且你并不在乎人类是否参与这个过程。那为什么还需要人类参与这个过程。但你指出还有另一类东西。比如在某些情况下。我们确实可能希望。芭蕾舞演员 咖啡师。或者类似角色是人类。去咖啡馆或者看演出。这本身的一部分价值。就来自对方是人类。但只有人类才有这种偏好。所以会有一个人类经济。人类彼此提供服务。他们的一部分财富流向其他人类。但他们的一部分财富也会流出去。因为他们也会想要那些自动化商品。也就是那个。只有机器参与的经济。创造出来的东西。所以如果把它想成一个系统。它并不是闭环。可是机器经济里的很多东西。更接近闭环。因为机器并不在乎。让人类咖啡师。给他们做一杯咖啡。在这个模型里。人类经济占比越来越小。不就是内在必然的吗。 [00:04:06]
Alex Imas：我想先把这个问题。换一种说法。我的看法是。像我们这种经济学家。做的预测。如果只是个人预测。不一定特别有用。比如,现在我和Phil在这里聊,我们各自给出预测,这未必有多有用。我之所以这么想是因为昨天刚出了一篇播客文章,作者包括Andre Fredkin,Brian DeBerry和Andrew Coe,。他们看了人们的预测,尤其是经济学家对劳动力市场的预测,他们发现分歧非常大,几乎每个方向上都有不同意见。所以他们主张。与其关注个人预测。也就是我和Fuel。接下来会怎么预测。不如去生成类似prediction market的东西。这样你能得到汇总预测。也能利用某种群体智慧的效果。我觉得这一点我是同意的。我这么想的原因是。我们在预测这件事上一直差得很有名。所以我们可以一路回到1820年。其实我们现在讨论的这种争论。已经有大约200年历史了。David Ricardo是古典经济学家。不是新古典。是古典经济学家。工业革命开始发生的时候。他写了很多东西。说你看这对所有人都会很好。价格会下降。但后来他又转过头来说。等一下。我其实能看到很多正在创造价值的工作。他们会被这些机器自动化。这会非常糟糕。所有人都会失业。还会出现政治动荡之类的问题。如果你看Ricardo的预测。其实他是对的。你看他那个时代。所有能赚钱的工作。他们后来确实被自动化了。所以如果我是David Ricardo。有一天醒来。有人告诉我。那些工作确实都被自动化了。然后你问我。David Ricardo。你觉得2026年的核心年龄段。就业率是多少。如果你告诉他。这是有史以来最高的水平。除了2000年以外。我觉得他会很惊讶。从2000年以来。我们现在拥有的潜在可就业人群中的就业人数是最高的。2000年是一个峰值。现在基本上是第二个峰值。所以David Ricardo最后漏掉的是这样一个事实。本质上你会看到结构性变化的经济学。基本上凡是被自动化的东西都会变便宜。人们手里会有更多钱去花在其他东西上。然后他们开始把钱花在服务上。这有点像他们所说的固定劳动量谬误。Ricardo没有想到。自己应该把新工作会被创造出来。这件事也考虑进去。但说实话。钱会流向服务业。这一点本来也不明显。为什么钱不会流向更多自动化商品。或者类似的东西呢。我不是拿这个例子来说明。现在也一定会这样。最后会实现充分就业。我用这个例子是想说明预测真的很难。我觉得经济学家一个很有用的工具。是反过来从一个前提出发。比如我们今天可以先假设。劳动力份额变成零了。或者劳动力份额下降了。那什么能解释这种情况。我们写一个经济模型。说明到底发生了什么。Phil今天后面会讲这个。或者你也可以写一个模型。问如果劳动力份额就是保持不变。会是什么机制让它发生。如果这场对话里。你只记住我说的一件事。那就是我们没有数据。我一直在说。我们需要一个数据版的曼哈顿计划。我们基本上没有关于消费者需求和弹性的数据。不知道他们到底是多少。我们也没有真正追踪哪些工作正在被创造。哪些工作正在消失。比如ODNetT数据库。里面列了各种工作的任务。但它很少更新。质量也非常低。所以我觉得真正有用的是去想有哪些可能的情景。我们接下来会讨论很多这样的情景。把它们画出来。然后问哪一种稀缺维度会生成这种情景。如果是充分就业。我们可以谈关系型部门或者类似的东西。如果劳动力份额大幅崩塌。我们可以谈其他类型的情景。这样也会告诉我们应该收集什么数据。 [00:08:22]
Dwarkesh Patel：这里可能值得先快速定义一下劳动力份额和资本份额。整个经济也就是所有卖出的商品和服务的总和。要么以工资的形式支付给人。要么支付给资本。资本的意思是。比如建筑物的租金。还有公司股东拿到的回报。在过去几百年的经济里。大概60%多的经济产出。也就是某一年卖出的所有东西。基本上会以工资形式支付给人类。另外30%到40%。会支付给拥有机器土地公司权益之类资产的人。问题是现在如果60%流向工资。那么随着自动化或者随着AI。 [00:09:02]
Alex Imas：变得越来越聪明越来越强。这个比例会不会缩小。会不会越来越强。对。而且这其实是一个caller fact。我们应该强调一下。这件事非常令人惊讶。工业革命之后。经历了我们见过的所有自动化之后。劳动力份额居然还超过60%。这真的很惊人。它一直这么稳定。甚至有些人担心。这是不是会计统计上的错误之类的。而且它一直超过60%。现在这里甚至还有争议。有些人可能会说。过去20年30年里。劳动力份额一直在下降。但这取决于你怎么算。过去三四十年里。会计口径发生了很多变化。比如Andy Ackeson。有一篇论文显示。如果你让这些年的会计口径保持一致。劳动力份额其实从来没有下降过。这也没那么奇怪吧。
Dwarkesh Patel：你之前提过。如果劳动力和资本是互补的。要做任何事。两者都需要。那你当然得同时付钱。给两边事情才能完成。但有些东西本来是可以被完全自动化的。 [00:10:08]
Phil Trammell：不过你那篇文章里也指出。其实抱歉。我想说的是。从某种意义上讲。到目前为止。还没有任何东西被完全自动化。如果你看一种商品的网络调整后要素份额。也就是说。你沿着供应链往下看。不只是看最后一步。有多少是资本做的。多少是劳动力做的。你还要看那些。能够自动化最后一步的机器本身。又是由什么投入生产出来的。你会发现在供应链更深处。劳动力其实增加了很多价值。比如美国的计算机和电子产品。他们的网络调整后。资本份额非常稳定。大概在50%左右。不是100%。不过我确实认为会出现一种质变。而且我觉得我们都同意。这种变化会来。也就是至少会有一些商品。他们的网络调整后。资本份额会变成1。因为整条供应链都可以被自动化。而且其中没有任何一个环节是。我们本身就特别在意。必须由人来做的。所以这会是一种质变。有意思的是。这种变化对整体资本份额的影响。并不明确。假设我们有两个部门。一个是人类本身。具有内在价值的部门。比如芭蕾舞演员。以及其他所有部门。现在其他所有部门之所以稀缺。是因为里面缺劳动力。但如果我们把其他所有部门的供应链。都完全自动化。而且我们很快就把其他东西消费到饱和。那所有非芭蕾舞演员的东西。数量可以趋近于无穷大。但是如果这些东西的编辑效用。下降到零的速度。比数量上升的速度还快。那结果就不一定了。如果你们不介意。我想先离开芭蕾舞演员这个例子。 [00:11:40]
Alex Imas：因为我在那篇文章里想表达的点。其实是从一个特定场景往回推。我的意思是芭蕾舞演员。或者表演者这类例子。现在不是合适的参照类别。现在很多工作都包含不同的任务。这就是基于任务的工作模型。一份工作里有很多不同任务。比如医生。医生的工作是什么。他们要填保险文件。要打电话给不同的治疗公司。他们其中一个任务。才是真正去看病人。跟病人交谈。但这其实并不是这份工作的主要部分。所以一份工作。一项服务或者一种商品。可以由不同类型的任务共同构成。而你可以把其中大量任务自动化。如果消费者愿意为一种产品或服务付更多钱。前提是每一个任务都自动化。相比之下。另一个版本是除了医生真正给出诊断。提供支持这些部分之外。其他任务都自动化。那我们就会把这种工作称为关系型部门的一部分。因为人们愿意多付钱。让人类继续留在这份工作流程里。所以我觉得我们现在没有数据能说。哪些是关系性工作。哪些不是。因为你真的需要收集这种数据。做一个conjoined analysis。看看我愿意为这项服务。这种商品支付多少钱。然后看一个反事实版本。所有东西都有机器生产。再看另一个反事实版本。只有这一项任务。没有由机器完成。你的支付意愿是多少。如果人类不在流程里。你对这一点的弹性是多少。如果我没有这些数据。那在这个故事里。我到底该做什么预测呢。 [00:13:24]
Dwarkesh Patel：但这里是不是还有另一点。就是有很多完全自动化的商品。现在甚至还不存在。所以你现在根本收集不到数据。比如人们会不会一直买越来越多。某种能让你更健康的药。
Alex Imas：而且这种药完全由AI生产。这其实就是辅的观点。没错。你可以这样说。资本品的种类可能会增加。而你不会达到饱和。也就是说种类在增加。所以你不会碰到那个很强的边际效用递减点。不会变成你的大部分收入基本都流向人类部门。如果这种种类增加的足够快。而人类部门里没有同样的种类增加。那你可以得到你想要的所有关系型服务。但这对劳动份额就不重要了。劳动份额会降到零。Phil 我喜欢你那个类比。某个1400年前后的蒙古经济体。 [00:14:17]
Phil Trammell：在思考未来。什么会稀缺。以及这种分析。有什么局限。你要不要讲一下。可以。如果你只看。很久以前一个蒙古人。能获得的商品。我不是这个社会的专家。但我知道。他们拥有的种类。远远没有我们今天这么多。然后他们看那些。本质上需要人来做的工作。比如当歌手。再看那些本质上。不需要人来做的东西。比如马提供的交通服务。或者他们拥有的不同食物。如果他们把这两个。类别里的种类都固定住。然后问。一旦我们有了更多自动化会发生什么。他们可能会说。我们会在类似马的交通。酸奶蒙古包这些东西上达到饱和。这些支出份额都会降到零。然后我们会把所有钱都花在歌手身上。但当然现实并不是这样。因为随着我们积累了更多财富。有了更先进的机器等等。我们扩展了除歌手之外。可以花钱购买的东西范围。而花在歌手上的份额。基本上一直可以忽略不计。所以类似地。这也是我对未来如何展开的核心预测。不过我觉得两种结果都有可能。我本来想提一个点。然后意识到这是个谬误。但它为什么是谬误。这一点很有意思。 [00:15:23]
Dwarkesh Patel：我本来想说。很难想象这样一个世界有成万亿。成万亿的机器人。但人类只有几十亿。然后我们花在机器人身上。花在制造更多机器人之类事情上的总金额。
Alex Imas：反而少于我们用来支付。Magnus Carlson之类人的钱。或者金融顾问。医生家教。或者播客主播之类的播客主播。但后来我意识到。这是个谬误。世界上的晶体管数量。
Dwarkesh Patel：肯定已经是万亿倍的量级。也许甚至是千万亿倍之类的量级。你的同事Chad Jones。有一个很有意思的结果。经济中用于购买计算的份额。也就是基本上用于购买晶体管的份额。一直在下降。你刚才说的点是。理解摩尔定律的一种方式是。价格由什么决定。价格由供给和需求决定。所以我们不仅在更便宜的生产。更多晶体管。而且编辑晶体管的价值。也在下降。所以正如你刚才说的。摩尔定律的另一种说法是。你来说吧。我喜欢这个说法。 [00:16:25]
Phil Trammell：从悲观的角度看。摩尔定律的意思就是。每过18个月。计算的价值就减半。我们能拿计算来做的用途。消耗的太快了。反而支撑住了摩尔定律。这其实和AI的讨论非常相关。也许这是第一次。
Dwarkesh Patel：这件事不再成立了。这里有个很有名的事实。现在租一块H100的成本。比三年前还要高。虽然我们的技术已经强得多。世界上的compute也多得多。但因为模型越聪明。
Alex Imas：pute的机会成本就越高。但这正是俯说的品类增加。我们做的事情是增加了。人们希望资本去满足的需求类型。现在突然多出了一种新用途。资本可以用在这里。于是需求一下子又跳上去了。你可以想象我们。也许永远都不会满足对compute的需求。只要这种情况一直存在。那么经济中流向computer份额。就会继续增加。这就是那个大问题。某种意义上。这就是我们最终需要关注的问题。我们到底能为compute。找到多少新用途。而且人们真的会对这些用途有需求。我想强调的是。经济学里的很多模型。尤其是我们现在讨论的这个领域。几乎把需求当成外生给定的东西。他们没有拆开。来看人们到底想要什么。背后的心理是什么。这也让我开始思考。关系型部门这个想法。因为我做的一些研究显示。确实存在一种价值。一种内在价值。它不只是因为东西稀缺。而是因为人们对同理心连接感。以及和另一个人互动。本身就有某种内在偏好。比如我们做过一个实验。这里有一张艺术版画。我们用一种激励相容的方法。基本上是在问。你愿意为这张艺术版画付多少钱。参与者是真的要付钱的。然后我们告诉他们。这张版画只有一张。而且在不同被试条件下。它要么是AI做的。要么是人做的。结果是人做的那张版画。估值比AI版本高得多。接着我们又设置了另一组条件。同样的版画一共有500张。这样一来。对人类创作的版本。价格就下降很多。因为它不再被看作。是你和某一个艺术家建立了连接。而对AI版本来说则没有什么区别。AI已经被看作一种商品化的东西。我们还需要做更多研究。但这似乎就是关键差别。比如拿马来说。马只是生产某种结果的投入。你可以用别的东西替代马。而你真正关心的只是那个结果。这个关系型的故事要成立。唯一的方式是。人不能像马那样。只是产出的一个投入。人本身必须给产出带来价值。也就是说如果你把人替换掉。产出的价值会下降。如果这种效应不够强。或者他不适用于足够多的部门。不适用于足够多的工作。那么这个故事就不成立了。还有一种可能性。Molly Kinder写过一篇。 [00:19:27]
Dwarkesh Patel：关于Messy Middle场景的文章。这个可能性让我想到。至少从财富分配和再分配的角度看。也许AI起飞速度更快。反而更好。我想问你。下面这种可能性到底有多大。或者在什么假设下。它可能成立。AI让自动化很多工作成为可能。很多人因此失业。但在自动化发生的过程中。它创造的财富又不够多。没法基本补偿那些被裁掉的人。所以这像是一个peritone improvement。AI自动化让每个人都变得更好。当然从一个很简单的意义上说。这必然是真的。因为公司不再付钱给人类。而是付钱给AI省下来的钱。不管是多少。这些资源仍然存在于经济里。也可以直接发给人们。但这里会有一些分配上的低效率。比如政府并不确切知道。谁是因为AI被裁掉的。还有一个政治问题。比如一个Meta员工。先被裁掉了。他一年赚20万美元。那在政治上。给他每年一张20万美元的支票。这种安排能持续吗。毕竟还有很多正在工作的人。收入要低得多。所以你觉得这种情况有多大可能。也就是AI确实在自动化很多事情。但财富创造的速度跟不上自动化的速度。我觉得这种情况可能吗。在我看来窗口相当窄。我的猜测是。 [00:20:46]
Phil Trammell：如果我们已经有技术能自动化那么多工作。以至于它变成一种新的政治问题。那整个经济蛋糕也会增长得很快。除非在所有被自动化的职业里。它带来的生产率提升都只是稍微高一点。比如用资本来替代所有软件工程师的成本。只是比我们原来雇软件工程师的成本稍微低一点点。为什么这种情况不可信呢。比如一家公司确实可以通过裁掉一大批软件工程师来省钱。 [00:21:12]
Dwarkesh Patel：但从长期看可能会有Javis Paradox那种效应。我们现在没法提前知道更多软件会被用来做什么。而且肯定会有更多用途。可是在短期内事实就是很多人被裁掉了。
Alex Imas：而大家还得弄明白怎么去使用多出100万倍的JavaScript Token。我觉得有一点很重要。Phil和我一直在写这些问题。背后也有数学模型。但我们的模型里完全没有政治经济学。Andy Hall写过一篇很好的播客。讲通用人工智能的政治。他提出了一个很有意思的观察。如果失业率上升2%。政治风向就会完全改变。失业对政治会产生巨大影响。所以回到Molly那篇很出色的文章。我觉得在某些方面。最糟糕的情景之一。其实是那种一点一点低下来的情景。因为这里有政治经济学的问题。你可能看到的不是大规模失业。而是人们转到收入更低的行业里。基本上就像20世纪中期。电话接线员经历的事情。在1920年到1940年之间。电话接线员被完全自动化了。但这个过程花了20年。虽然技术当时已经存在。所以它是慢慢发生的。不是一个巨大行业突然消失。最后发生的是有一篇很好的QJE论文。基本上说明很多人被重新吸收进了经济里。但工资更低。而且大多处于就业不足的状态。我觉得这就是Molly写的那种messy middle。事情还不到灾难的程度。因为我们在COVID期间看到。如果出现紧急情况。财政反应可以很快。而所谓紧急情况就是失业率快速上升。哪怕只是2%或3%。只要上升得很快。也会变成全国性紧急事件。我担心的是。 [00:23:04]
Dwarkesh Patel：假设你从这些白领员工身上省下来的钱。并没有让经济增长。只是创造出一些可以分配到别处的节省资源。那这够不够支撑一个广泛的再分配方案。因为你手里只有从几个人身上省下来的钱。除非你能准确找到这些人。并把钱专门给他们。否则问题就是。我能不能用这笔省下来的钱做UBI。
Alex Imas：所以你基本上是在说。经济蛋糕没有增长多少。你只是把一批人挤出了原来的岗位。但这并没有真正推进。经济能够生产什么的技术前沿。对 那问题就是。也许历史上每次发生这种事。技术前沿都会大幅扩展。我不知道是不是这样。我觉得确实是这样。历史上技术前沿确实扩展了。所以这有点像Philip刚才说的。很难想象那种情景。也就是你得到了一种智能。它刚好足以替代软件工程师。但成本仍然很高。它只是比软件工程师便宜一点点。所以你没有得到那种abundance effect。那再分配要从哪里来。因为经济蛋糕并没有变大。这很有帮助。也就是说要让那个情景。真的发生很多条件都得同时成立。而每一个看起来都不太可能。第一。 [00:24:21]
Dwarkesh Patel：必须能够把整个白领工作自动化。但只能一点一点地自动化。也就是说。你只能自动化软件工程师。但同一个程序。不能同时自动化会计分析师之类的岗位。可是在我对智能的理解里。软件工程需要的任务范围很广。而智能本身也是这样。所以如果你真的能把所有软件工程师都裁掉。那你手里的能力应该已经足够自动化各种白领工作了。所以这些裁员确实会带来巨大的潜在节省。而且AI还会比人类劳动力更便宜。如果这两件事。都是真的那种混乱的中间状态。也就是我们真的没有。足够财富可以分配的情景。看起来就不太可能。问题就变成。最好怎么对它征税。再怎么重新分配。我有一些想法。 [00:25:09]
Alex Imas：我觉得非常重要的一点。是把成本和收益讲清楚。还要知道。第一。落实这些方案的复杂度是不一样的。第二。他们真正开始发挥作用的时间线也不一样。比如Universal Basic Capital。这种方案不可能在六个月内就开始产生回报。所以最后你很可能会有好几层工具叠在一起。比如Negative Income Tax。你一时它一变成法律。就已经提供了一种保险。也就是说会有一个底线。每个人都能拿到一定金额的钱。然后如果你赚的更多就交更多税。诸如此类。但是negative income tax和UBI都有优点和缺点。比如我非常担心他们在政治经济上的影响。举个例子。如果人们只是依赖一张支票。那谁掌权就变得非常重要。现在我们拥有劳动力。而劳动力可以转化成收入。可一旦这件事不再成立。我们的基本需求就要仰赖当选官员。在我看来。这像是一种非常危险的权力分配安排。但任何形式的政府再分配项目。不都会有这个问题吗。如果是Universal Basic Capital。你有一份所有权。而且你对资本有财产权。那你就只是。你就是一个普通的。你就是一个普通股东。就只是一个普通人。但这又回到了指数化的问题。因为如果指数化很难。那Universal Basic Capital也会很难。对。这就是Universal Basic Capital的问题。关键在于目标怎么选。你到底选什么资产。放进大家的投资组合里。比如如果Anthropic归零了。但某家随机的机器人公司。拿走了所有收益呢。没错。Negative Income Tax。面临的风险和UBI。类似有人上台之后说。我们以后不这么做了。而人们又没法工作。那时候你就会遇到一个问题。那个收入底线。是可以被拿掉的。我对财富税的一个担忧是。政治上可能不存在。一个可持续的均衡。 [00:27:13]
Dwarkesh Patel：比如把财富税维持在0.5%。当然所得税也发生过类似的事。它一开始很低。好像是为了战争之类的目的。然后慢慢升高。直到美国的边际所得税率。大概到了40%左右。在某些州甚至超过50%。如果是资本税有没有理由担心。它会扭曲投资。因为人们会想。我为什么要投资Anthropic或者Intel。
Phil Trammell：政府会拿走越来越多的份额。稀释我的股份。等一下。我觉得有必要把两件事分开。收入是怎么筹来的。也就是征什么税。以及这些收入怎么分配。可能的情况是。政府用一个覆盖面很广的税收来筹钱。然后买入Anthropic。再把Anthropic的股份发给每个人。这样说也对。这可能确实是正确做法。希望某种民粹式提案。不要干扰这件事。 [00:28:03]
Dwarkesh Patel：比如没收某家。大家刚好都知道的公司。所以你的意思是。可以有一种税。接近某种最优税。比如我们对外部性征税。或者对土地征税。我猜我们可能还需要。对这两类以外的东西征税。但这种税或者说。消费税。消费税。好。也就是像欧洲增值税那样的消费税。让政府能够去买一大批股票。然后再把这些股票分给所有人。
Phil Trammell：这是David Ottawa的方案。对 我是说这和直接重新分配股票。不会差太多。但还是会有一点区别。顺便说一句。这就是当年关于social security的提案。
Alex Imas：也就是把social security私有化。对吧。简单说就是把这种。有点奇怪的制度。当然也不是奇怪。它到目前为止一直能运转。但大家会问。还能运转多久。所谓把social security私有化。基本上就是给每个人一篮子股票。我想了解一下。大家已经在讨论。是不是会出现白领末日。现在有没有证据表明。AI已经导致了大规模自动化。或者大规模失业。我觉得很多人都在研究这个问题。所以这是一个很多人盯着。也在产生大量数据的领域。耶鲁的Budget Lab。在这方面做了很好的分析。他们最近刚发布了一份报告。我觉得你真的很用力地去看。才能看出有什么事情正在发生。基本上如果你从整个经济的角度来看。哪怕看软件工程。这种受影响最大的行业。也几乎看不到什么明显变化。可能有一点信号是。初级开发者比以前更难找到工作。但这只是比以前少一些。不是突然出现一个水平上的断崖式变化。实际上如果说有什么变化的话。对高级软件工程师的需求反而增加了。所以如果你看趋势。初级岗位确实有点低于趋势线。也就是说你的意思是增长比以前慢了。是的。但就算是入门级软件工程师。仍然还是在增长。对。那你怎么看那些意识证据。 [00:30:08]
Dwarkesh Patel：比如大学毕业生说。他们现在更难找到CS工作之类的。我觉得那就是意识证据。你的意思是。有些人一直都很难找工作。只是现在被包装成了AI。叙事。裁员也是一样。
Alex Imas：本来可能只是普通裁员。现在被说成是AI裁员。对。我觉得这些都要非常小心地看。这里面会出现一些。公共协调装置。比如说。如果我们进入一种叙事。一家公司如果不裁员。就会被认为AI采用的不够积极。那接下来就可能出现几连效应。公司会觉得自己必须跟上别人。也开始裁员。这其实非常令人担心。因为公司在裁员之后。可能实际情况比裁员之前还更差。但它还是裁员。只是为了让外界觉得。你看我们没有落后于时代。我们在使用AI。你可能也听过一些意识。比如有人在公司里盯着token数。说必须把token用量最大化。诸如此类。所以再说一次。目前我们并没有什么证据表明。已经出现了白领大血洗。 [00:31:14]
Dwarkesh Patel：那这有什么让人意外的吗。我感觉。考虑到这些AI能做的事情。故事一直都是这样。如果你自动化的是某种互补性任务。那么和自动化互补的人类劳动。
Alex Imas：整体上会变得更有价值。对这个论点来说。有一个统计量非常重要。就是需求弹性。你可以用工作里的Oring模型来看。也就是说一份工作是一系列任务。假设AI自动化了10个任务里的9个。还有一个任务没有被自动化。如果这个人现在可以专注在那个任务上。这份工作的生产率就会提高。如果这种生产率提升会转化成价格效应。让产品变得更便宜。而需求又有足够大的反应。也就是现在买的人更多。用的人更多。服务被使用的更多。那这实际上可能带来更多招聘。网上很多人一直在比较笼统地提出这个论点。说你看数据里如果有什么变化的话。反而是软件工程岗位在增加。这说明至少就目前而言。按照这些工作的运作方式来看。需求可能是有弹性的。我觉得需求弹性这个论点极其重要。很多人提出各种论点或者使用各种标签。 [00:32:29]
Dwarkesh Patel：但并不了解背后的因果机制这个概念。对理解这些都很重要。人们经常谈到Javons Paradox。这个想法是。某样东西变便宜之后。你会想要多的多的这种东西。结果你花在它上面的总金额反而增加。很有名的例子是。大约200年前。英国的煤炭就发生过这种情况。但实际上。这只有在某样东西的需求高度。
Alex Imas：有弹性时才会发生。很多东西的需求并没有那么强的弹性。比如说如果石油变得特别便宜。也不会像魔法一样突然发生什么。胰岛素也是。对吧。对就是这个意思。 [00:33:06]
Dwarkesh Patel：那也是一个例子。不是说油突然变便宜。就会神奇的多出好多车。结果我们用的油比以前多得多。至少短期内不是这样。没错。所以长期弹性会高于短期弹性。但即使在长期也一样。农业就是一个有名的例子。如果我们把经济中同样大的比例投入农业。我们本来就已经能生产更多食物。但还能生产的更多。也就是说。如果100年前用于生产食物的那部分经济比例。今天仍然用来生产食物。我们可以生产更多食物。但问题是。你吃够了也就到此为止了。所以关于软件的说法是。市场并没有某种内在属性。说只要某个东西变便宜。你就会一直想要更多。绝对不是。软件的关键在于。它是一种特定类型的商品。随着它变便宜。我们会想要越来越多。这也和你写过的内容高度相关。其实这期播客很大一部分都是。我把你的文章总结给你听。有一篇很火的未来情景规划。文章是Rini写的。他们预测自动化和非常强大的AI。会导致经济衰退。因为白领工作者会被自动化取代。他们原本拿工资。用工资支付很多东西。但这些工资之后就没有了。所以经济会下滑。 [00:34:22]
Alex Imas：你能不能再讲一遍。为什么这个设想可能不太成立。这里有一部分是成立的。也有一部分不太成立。成立的部分是我们一开始就聊到的。确实可能出现失业。甚至大量失业。如果自动化速度很快之类的。人们可能会被裁掉。而且不一定能很快找到新工作。所以那篇Sony文章里。关于失业的部分。我们可以争论。但那不是核心问题。核心问题是他们说。会出现负的经济增长。所以我在那篇文章里做的事。也是我和弗莱回讨论过的。就是先接受这个命题。假设真的会出现负的经济增长。那经济需要满足什么条件才会出现负增长。结果发现这些条件其实相当不可能。其中一个条件是资本持有者。也就是基本上那些富人。在这种情景里。你会看到财富和收入重新分配。他会从低收入。靠工作靠出卖劳动的人那里。流向科技资本的所有者。那么你需要的是。他们的需求必须有一个硬上限。不是那种柔性的边际敏感度下降的上限。而是真的到某个点。他们会说。我已经够了。我不想再花钱了。而且这些钱也不能进入投资。在这种情况下。你才可能得到负增长。关键是就算我们不想要更多东西。在一个已经出现起点的世界里。却不想投入更多钱。这本身就很疯狂。 [00:35:51]
Dwarkesh Patel：我们不可能不说。再建更多数据中心。再建更多晶圆厂。即使我们已经有通用人工智能。也不可能不继续投资更多数据中心。来运行通用人工智能。而这些投资本身就会推动更多经济增长。 [00:36:05]
Alex Imas：对。所以我把那篇文章发给夫妇回信说。这挺蠢的。他说的是我的文章。他的意思是。你是在说会出现负的经济增长。但这些条件非常不现实。我当时说。其实这正是这篇文章的重点。这些经济条件非常不现实。所以我觉得情景规划。真正有价值的地方就在这里。Rinny那篇文章。我觉得他写出来很好。因为他开启了一场讨论。但那种想法太符合直觉了。你看如果需求崩塌。经济就会萎缩。可实际上大萧条也能造成这种情况。大萧条时期。技术前沿并没有扩张。而这里不一样。技术前沿正在扩张。你实际上拥有的是风域。要让风域带来负的经济增长。这非常难。对没错。Google最近发布了Gemini Omni。它的视频编辑能力非常惊人。
Dwarkesh Patel：你可以上传一段视频。然后告诉Omni做一些事。比如更换背景。调整光照。添加或移除元素。同时让其他一切保持一致。但Omni不只是一个视频编辑器。我有机会和Omni背后的研究团队。产品团队坐下来聊了聊。我了解到它其实是在预览。未来前沿模型会如何训练。它可以接收任何类型的输入。不管是文本音频还是视频。虽然从当前架构上看。它现在还没有这样做。但它有能力同样无缝的输出图像或文本。所以这其实是在压住多模态数据迁移假说。模型通过看到其他数据类型。会更擅长预测某一种数据类型。比如Omni在准确渲染。视频中的文字方面非常强。尽管Google在这个模型里。并没有专门针对这项能力做优化。Omni是迈向更准确。World Model的下一步。因为要预测视频的下一阵模型。就必须深入理解物理和空间动态。随着Omni继续进步。看看它能不能缩小Semitorial Gap。会很有意思。因为在真实世界里收集数据。比在模拟环境里难得多。机器人领域的进展。一直落后于AI的其他应用。但如果你有非常好的视频模型。能模拟现实。也许这种情况就不会再成立。同时。如果你想试试Omni。可以在GeminiApp里到Gemini.Google看看。也可以在Google的AI创意工具Flow里使用。地址是Flow.Google。我们刚才聊到为什么LLM。没有带来更多自动化一个可能的机制。就是你刚才说的Oring理论。说的是挑战者号航天飞机爆炸。是因为有一个部件出了故障。结果毁掉了整个系统。也许这也是经济里商品生产方式的。一个更普遍模型。你必须确保每个环节都可靠。都运行良好。现在你还不能把一整份工作。都自动化交给AI。即使它可能以某个概率完成任务。你也需要极高的可靠性。否则它可能毁掉最终产品。我觉得。这可以解释。为什么现在自动化程度。比本来可能达到的水平低很多。但我觉得这个逻辑。也会反过来起作用。等AI足够先进以后。把人类介入未来商品的生产流程。会变得很难。这还不只是因为人类会更贵更笨。或者其他类似原因。即使不考虑这些。也会有一整套生产流程。是围绕AI劳动力组织起来的。他们用AI之间的方式交流。思考速度快上成千上万倍。所以即使在某些地方。人类有比较优势。雇人看起来有道理。也会有交易成本。和可靠性方面的担忧。 [00:39:33]
Phil Trammell：这些因素会让人类。很难被整合进。未来的生产流程。这听起来是对的。尤其是我想区分两点。一点是。如果你把一份工作的。十分之九自动化了。人们可能会转到。剩下的十分之一上。但对这剩下部分的需求。可能会变成原来的十倍。另一点来自Gans和Goldfarb。最近关于Oring自动化的模型。也就是说。如果你只能自动化一份工作的十分之九。但自动化后的质量标准。低于人类能做到的水平。那你可能连这十分之九都不想自动化。这个逻辑完全可以对称地。搬到另一边。它也可能解释。为什么我们以后不再让人类做某个环节。因为人类就是达不到AI。在其他环节能达到的质量水平。或者速度水平。或者其他标准。最后。人类反而会拉低。最终产品的质量或速度。顺便说一句。你说的这个模型。在解释为什么更多律师。 [00:40:25]
Dwarkesh Patel：会计或者类似职业。还没有被自动化时。我觉得非常有说服力。比如在一些案例里。甚至在软件工程里。这个东西按你预期工作的概率。已经相当不错。但你付钱。
Alex Imas：请律师买的就是那种保证。不。我的公司真的不会因此倒闭。你同时也在为很多监管。相关的东西付费。尤其是律师这里。你需要有某个实体。来为这个产品背书。你需要某种对产品的所有权。你需要有人可以被解雇或雇用。还有执照问题。这里有很多监管层面的东西。即使没有关系性因素。它们也会让人类继续留在流程里。 [00:41:05]
Phil Trammell：这些因素跟人类实际提供。这项服务的能力。没有什么关系。所有这些摩擦。还有那些政治性质的决策。也就是我们习惯于只信任人类的地方。比如立法只能由人来做。法官和陪审团只能由人来担任。还有各种执照制度。把某些职业维持在人类手里。在我看来。这些都是过渡性的。我们期待人类承担什么角色。以及我们如何组织政治。这些在历史上已经变过很多次了。从小规模的狩猎采集群体。到帝国。再到各种其他形式。一旦由AI运行的政治系统。比其他选择高效得多。那么这些系统大概就会倾向于。胜过其他系统。
Dwarkesh Patel：说到这里我们一直在谈人类现在有什么偏好,以及这些偏好会怎样影响未来,哪些商品会变得稀缺,但未来当然会有不同类型的实体,也就是AI。曾经有一段时间地球上没有人类,但进化选择出了具有特定驱动力和偏好的agent,因为它们最容易存活下来,而这些偏好现在基本上决定了一个100万亿美元规模的世界经济,到底生产什么?。那为什么不预期未来的AI。也会发生同样的事。这甚至不是一个灾难性错位的世界。也就是说不是他们直接把所有人都杀掉。但仍然会有进化。即使不是单个AI在进化。也会是那些把AI作为组成部分的公司在进化。那这种进化会偏向什么选择压力。大概会偏向那些会增长的公司或agent。这里有一个选择论证。会增长的东西会变得更常见。也许只凭这一点。我们就能对他们的偏好。做一些预测。但那种偏好。人类内在商品的实体。会是最能积累资源的实体吗。大概不是。对吧。更可能是那种。更会储蓄的实体。它对某些东西。有无法满足的需求。不管当时相关的资源是什么。compute。显然就是一个例子。那我们能不能用这一点。去预测未来。会有哪些非人类偏好来主导。如果有一个AI。 [00:43:03]
Alex Imas：它有自己的welfare。完全自主。而且自己做那些和welfare有关的决定。那说实话。我完全没有鲜艳理由。认为他会偏好和人类打交道。没有什么理由。但我也想很快从另一个角度说一下。人类会不会继续偏好彼此互动。继续信任人类。对人类产生共情。以及所有这些在人和人之间发生的东西。而不是转向一个模拟出来的AI。我觉得这是一个非常重要的问题。这些偏好会不会改变。我听过很多论点说。你看我们现在只是还不习惯这项技术。到了某个时候。你现在认为是关系型的东西。或者类似的东西。人们会把AI therapist。看成更好的产品。到时候他们就不需要。人类提供的那种共情之类的东西了。我觉得这其实是一个很复杂的问题。这里有一个理由。说明它为什么未必会消失。而且这个理由和进化有关。假设有两类人。一类人并没有这种偏好。他完全可以和AI互动。只要AI能更好地模拟出来就行。另一类人几乎有一种道德情绪。用Jonathan Head的框架来说。就是一种反对把这些社会互动。外包给AI的道德情绪。这两类人里谁更可能反指找到伴侣。以及完成所有这些事情。我觉得答案相当清楚。是第二类。也就是偏好其他人类的人。这曲绝反指是怎么发生的。没错。但如果我们处在这样一个世界里。繁殖仍然按现在这种方式发生。那我觉得。而且这是一个大问题。我也不是又在做预测。我只是说。如果我们这样思考。你请过David Reich上节目。他在上一期播客里的观点是。我们周围充满了自然选择。所以。即使你现在出现了某种无差异状态选择。也可能把人推向一种更强的。对其他人类的偏好。可以这样想。世界上最富有的人。他们的财富是以什么形式存在的。当然他们可以消费。就像你前面提到的。 [00:45:11]
Dwarkesh Patel：他们的消费更偏向关系型商品。比如Mark Zuckerberg会请MMA教练。还会请舞者给他妻子过生日等等。但他的大部分财富其实就是Meta的股票。作为控股股东。他可以说Meta把这些收入都给我。或者把这些财富都变成Dividend Income。然后我就把它花在消费上。但他反而更愿意。让自己的财富富力增长。让Meta基本上去建更多Data Center。所以你甚至不需要改变人类。事情也会是这样。现实就是最富有。而且因为财富富力。而变得更富有的人。几乎带有一种Nik Lant式的偏好。偏好让资本加速。
Phil Trammell：这似乎确实说明。未来会生产哪些东西。这是不是一个重要的决定因素。可以这么说。有两种方式会产生那两类人。一类偏好人类Therapist。另一类觉得和AI互动也可以。如果他们对资本的满足速度一样快。对吧。但喜欢人类therapist的那个人。只是同时也喜欢一些具有人类内在价值的服务。那么对他们每个人来说。未来资本的边际价值。相比今天资本的边际价值。如果他们一开始同样富有。基本上应该是一样的。当然可能会有一些相互作用之类的东西。但基本上应该一样。如果差异的来源是。一个人就是不会在资本上满足。因为他会被探索宇宙的前景吸引。或者想把自己的头变成银河大脑之类的。而另一个人会满足。那如果第一个人是理性的。他就会有更高的储蓄率。所以从长期看他会拥有大部分财富。而整体资本份额。基本上就会变成那个人的支出。所对应的资本份额。也就是会变成1。重要的是我们说的不是一个假想中的未来。Elon Musk已经在谈月球上的mass driver了。对吧。 [00:46:52]
Dwarkesh Patel：而且他远远是世界上最富有的人。当然目前他的投资既投向人类。也投向机器。但我不觉得他特别在意。他未来的研究人员和工程师。到底是人类还是AI。 [00:47:05]
Phil Trammell：而且他繁殖的也挺快。总之我觉得这个区分还是值得说清楚。现在确实有一些富人。看起来对资本不太容易满足。所以也许长期来看他们会储蓄的最多。这点我也觉得有道理。我还想说即便他们在生物意义上繁殖的更慢。长期来看也未必那么重要。比如说如果他们可以永生的话。永生是关键。我们现在是在搭场景。对吧。如果人真的可以永生。
Alex Imas：那我刚才讲的很多东西也会变。你刚才说富人只消费不怎么投资。我觉得这最终取决于资本回报率。比如现在数据中心的回报非常火。但如果我们进入一种状态。大家对资本已经满足了。那继续积累资本的回报就会更低。于是这些富人就会消费更多。因为投资的激励变小了。所以基本上你要从一般均衡的角度来看这件事。这个过程的一般均衡是这样的。从1820年以来。我们变富了非常多。也有更多人在投资。但你仍然会看到消费端的反应。它让人们继续有工作。也让劳动份额保持较高。原因是。等一下。等等不一定。我觉得你可能是在说同一个点。但也可能是。他们的投资必须通过真实劳动者来完成。也就是说得有人去做事。 [00:48:25]
Dwarkesh Patel：投资才能发挥作用。但未来可能不是这样。未来只有消费还需要人来中介。而投资可以直接由机器人完成。但如果回报率是这样。
Alex Imas：我们现在讨论的是一种劳动份额。还能保持较高的场景。对吧。那就先假设这个场景。在劳动份额较高的场景里。不管原因是什么。资本回报率都会更低。
Dwarkesh Patel：对这没错。回到前面说的那个。混乱的中间阶段。我们是在解释。为什么这不太可信。我觉得这里也可以做类似的分析。要让资本回报率更低。增长率也必须更低。对吧。至少肯定要低于。 [00:49:03]
Phil Trammell：我们在Transformative AI阶段。预期的水平。如果有爆炸式增长的话。也对 也不完全对。资本存量可以增长得很快。但资本品相对于消费品的价格。可能下降得比资本存量增长还快。
Alex Imas：对 这个很有意思。这就是技术的潜在前沿。和这些东西实际价格之间的区别。因为相对价格会变化。这点很重要。你的意思是我可以把钱投进去。
Dwarkesh Patel：比如投数据中心。赚30%的利息。或者未来某个东西。如果增长率很高。也会带来高回报。但另一方面。由于这些技术突破。可能出现某个很酷的产品。我现在就很想买。
Phil Trammell：于是这两种选择都会很有吸引力。对 它不一定是新产品。也可能是人类本身提供的产品或服务。对。不过如果它是人类本身提供的产品或服务。那我们未来应该会比现在更想要它。因为它要比较的对象是。我们可能对它的需求和现在一样。比如一场芭蕾舞表演带来的编辑效用。和现在完全一样。但机器人带来的编辑效用。可能会比现在低很多。也就是说。如果用机器人作为单位来衡量。我们会比现在更想要芭蕾舞表演。所以利率会是30%吗。这取决于你说的实际利率是什么意思。可能每一个今天的机器人。到明年都能变成100个机器人。那如果用机器人作为单位。利率就是1%。但如果机器人的价格下降得非常快。那情况就不一样了。价格会调整。我觉得这就是重点。不过这里的价格调整方式很有意思。很多宏观模型并不允许这种情况出现。这里发生的事情会被称为。投资品特定技术进步。也就是资本的价格相对于消费的价格。在下降。而不是标准宏观模型里的那种做法。只说有一个叫产出的东西。它可以一比一地分配给资本或消费。在这个世界里。这不会成立。明年的每一单位。资本要放弃的消费。会比今年每一单位资本少得多。因为现在一个机器人。到明年会变成很多机器人。但是G加G准还是同一个。这里我们又要回到品类增加这件事。如果明年那些额外的机器人。 [00:51:13]
Alex Imas：其实都是不同种类的机器人。而且我并没有对这些机器人感到满足。那故事就会完全不一样。但我们刚才说的是消费那一边。投资这边可能不一样。可能会有某个贪婪的产业巨头。
Dwarkesh Patel：一直想要更多更多机器人。光是这一点就足以提高机器人的编辑价值。从而降低劳动份额。但我想问的是。我们为什么不预期。
Alex Imas：这种贪婪的产业巨头会一直存在下去。从历史上看。贪婪的产业巨头。也会建图书馆之类的东西。不过。那是因为他们会死。而且他们。他们都会死。所有人都会死。以后再看吧。但我的意思是。在人会死亡这个前提下。你之前节目里有一位嘉宾说过。要理解未来就应该想想过去。我觉得确实可能会出现新的巨头。他们积累财富的全部理由。就是继续积累财富。但很多时候至少从历史上看。财富积累的过程。是一种更大的社会互动的一部分。是在同辈之间。在社区里。你希望以某种方式。获得别人的敬佩。或者类似的东西。所以产业巨头的典型模式是。你先积累资本。然后买一大堆东西。 [00:52:29]
Dwarkesh Patel：这确实有点像一个历史问题。但在我看来。很多情况下发生的是。他们临近生命末期时。要么把财富交给子女。而子女管理资本的能力不如他们。这些子女甚至没法让财富增长速度。跟上经济增速。更不用说像父母那样。让财富增长得比经济更快。而且他们还会想。我其实没那么在乎。让孩子拥有这些财富。我更在乎的是。自己参与积累财富这场游戏。所以我干脆把它交给某个信托。如果人活得更久。或者他们能找到某种办法。让信托和这个财富积累过程。保持一致。那这里的演化力量。感觉会非常强。你只需要有少数几个经济主体。这样想。这件事就会变成主导因素。决定整个经济的偏好。因为这一部分。增长得比经济里的。 [00:53:19]
Alex Imas：其他部分快得多。关于满足感。和边际效用递减。这一点我觉得。一直在反复出现。但它真的非常重要。如果一个人本身。就偏好积累。积累就是他想要的东西。那你的故事完全说得通。但通常偏好。并不是这样运作的。你生活里的享乐。已经够了。然后社会地位。这些东西就会起作用。有人写过这个。圣奥古斯丁也写过这个。这算是偏好的一个很基本的部分。但你们两个其实在争论。另一件事。就是集中度可能高到。只要有几个例外就够了。这就足够了。对此我没什么可说的。
Phil Trammell：我觉得这个说法还可以更强一点。不是说可能有一些例外。而是历史上以及今天。我们似乎都能看到这些例外。只是从历史上看。他们还没有真正接管整个经济。因为出现了所谓的耗散冲击。比如他们把财富交给孩子。孩子把钱挥霍掉。或者他们把钱放进基金会。这也不完全算冲击。但意思是。有些人可能本来想用纪念自己的东西。填满整个宇宙。或者想以某种形式永远活下去。继续非常富有。这是一种很奇怪的偏好。但不是一种纯粹假设出来的偏好。我觉得关键就在这里。当然谁也不知道他们脑子里到底在想什么。我觉得即使没有这种内在的积累偏好。人们也可能有一些工具性的理由去重视积累。这也值得提一下。比如对政治影响力。哲学影响力。或者宗教影响力的渴望。所以人们会进入某种军备竞赛。围绕社会应该是什么样子。人们应该相信什么而竞争。还有一种类似但又不同的情况。因为它不是军备竞赛。而是总量功利主义式的慈善。当我作为一个好的古典功利主义者去思考。为什么未来拥有大量财富可能是好事时。在我看来财富的价值。或者至少其中一种价值。是你可以拥有一种。几乎不会满足的效用函数。也就是说。未来拥有财富。是为了创造新的快乐生命。这些生命会增加世界的总福利。这个想法至少可以追溯到。Bostrom关于天文浪费的观点。也就是我们可以在恒星周围。建Dyson Spheres。把所有能量都转化成。非常快乐的模拟生命之类的东西。 [00:55:29]
Dwarkesh Patel：我觉得这个优化器具体摊什么。并不重要。就算先不谈功利主义。哲学之类的东西。单说一个纯粹的Von Neumann probe。它对自己随机占据的那个太阳系。也会有很高的编辑价值。因为那个太阳系会变成更多太阳系。然后再变成更多太阳系。Von Neumann probe。是一种可能存在的东西。对吧。而且它就是一个非常贪婪的优化器。
Phil Trammell：如果我们讨论的是。它们会不会主导经济。也许这算是个技术细节。不过GDP里。我们只计算最终消费品和投资品。对吧。如果只是出现了这种现象。那它怎么体现出来呢。Von Neumann Probe。怎么体现在GDP里。是这个意思吧。对 正是这样。比如说如果我们把它承认为一个人。他拥有自己。然后他在编辑上做优化。是多花一点资源造一个小。Von Neumann Probe。让他去殖民另一个恒星系。还是造一个芭蕾舞演员之类的东西。他其实并不太看重芭蕾舞演员。对 我们讨论AI存在。或者类似的东西时。这完全取决于。我们怎么做核算 对吧。但问题就是。 [00:56:34]
Dwarkesh Patel：在一个Von Neumann Probe。可能存在的世界里。世界会是什么样子。劳动份额有可能还很高吗。不过先不展开。我觉得按我们通常的核算方式。劳动份额是有可能很高的。经济学家对那些。不在AI生产链里的国家。有什么建议吗。如果你既不生产AI模型。也不生产AI模型需要的硬件。如果你不是生产HBM的韩国。不是有FAB的台湾。也不是有ASML的荷兰。 [00:57:00]
Alex Imas：那印度或者尼日利亚该怎么办。如果你现在在跟莫迪说话。你会说什么。我觉得经济学界现在资源投入最不足的一个方向。就是思考AI时代的中等收入。发展中国家。这也有我的责任。我也觉得自己在这方面做得不够。思考这个问题的人还不够多。有些情景里AI技术会被分配出去。会扩散到尼日利亚和其他发展中国家。这样可能会拉平竞争环境。基本上给他们的能力带来一次升级。但也有另一个世界。因为他们资源不够。他们不再做这些事。不训练模型。也没有硬件。于是就被完全甩在后面。再加上自动化之后。发达国家现在也能生产商品了。对吧。
Phil Trammell：那这些国家甚至连消费市场都没有了。那个世界看起来就相当糟糕。在我看来。这像是混乱中间情形的一个延伸。混乱中间情形。可能只会在很窄的一组情境里变坏。其中一个原因。不只是说再分配会很容易。因为经济总量可能会更大。还因为利率会高得多。或者等价的说。除了人类本身带来的那些内在价值商品之外。其他所有东西的价格都会下降得非常快。这其实是一件事的两面。少量储蓄到了明年就会变成大量消费。所以事情必须出很多问题。我们才会刚好跨过一个门槛。资本的生产率已经高到足以自动化大量工作。但又没有高到让利率很高。或者让资本生产出来的商品价格大幅下降。所以就算没有再分配。只要有一点储蓄。也能让很多人受益。抱歉。你是说发展中国家有一些储蓄。而这些储蓄在发达世界里。 [00:58:42]
Alex Imas：会足以生产出大量剩余。然后他们就可以用这些剩余来消费。他们现在就能用自己的储蓄消费很多。对吧。不过我的意思是。在这种情况下。
Phil Trammell：混乱中间情形的范围可能会更宽。我的意思是。他们的起点低得多。对吧。比如他们到底有多少储蓄。储蓄。他们并没有多少。而且这些储蓄到底有多少。真正跟全球经济挂钩。对吧。我觉得他们现在就得开始做这件事。至于具体形式。我没有特别强的看法。可以是主权财富基金。去投资正确的供应链。也可以是给本国公民补贴。 [00:59:18]
Dwarkesh Patel：让他们自己买一点相关资产。这其实是一个关键点。我们前面聊过。为什么世界上的洛克菲勒家族之类的人。他们的后代没有控制一切。如果我们关于这类贪婪优化者。会被筛选出来的论点成立。那么一个解释就是。想要跟踪整个经济其实非常难。也许他们本来可以决定。让继承人去买整个经济的指数。让财富按经济增长速度增长。那到今天。他们的继承人应该已经是万亿富翁了。但从历史上看。在指数基金出现之前。要做到这一点非常难。回看100年。今天创造的大部分价值。其实来自经济中非常小的一部分。如果你错过了那些特定的东西。基本上你的财富就会停滞。也许从指数基金诞生开始。到大概五年前为止。确实有过一个短暂的黄金窗口。那时候你真的可以跟踪整个经济。让财富按经济增长速度增长。但现在我们进入了一个。回报非常集中的世界。尤其集中在两家私营公司那里。那是一种资本。正如我们在博客文章里说的。普通人能接触到的比例要低得多。相比之下。普通人的大部分资本。至少在美国。往往就是一套普通房子。或者一套房子的一部分。而我们刚才也说了。这种资本很特殊。它尤其不是合作为AI生产。AI服务机器人或者富人。会竞相抬高价格的。那些商品的互补资产。因为一套房子。现在的价值是什么。 [01:00:48]
Alex Imas：真正的价值在于。土地离其他人近。还有那些模块化的。关系性因素。但这些不会成为。未来的主要生产要素。在未来。所以这也解释了。为什么乔治主义税收不到足够的钱。来支持我们刚才描述的那些项目。对不过退一步说。我想表达的是。如果现在跟踪整个经济变得更难。而这本来应该是发达世界里。 [01:01:13]
Dwarkesh Patel：普通人通过某种全民基本收入之类的机制。去分享AI财富的主要方式。这也是发展中国家。本来应该用来分享AI带来的财富增长的方式。但如果这件事很难。那我就不确定了。
Alex Imas：比如尼日利亚持有很多SK Hynix和Anthropic吗。我猜没有。对吧。光是持有S&P500指数。对他们来说是不够的。这其实引出了一个很重要的问题。AI到底会更像电力。还是更像社交媒体。你想想ComEat或者这里的电力供应商。叫什么都行。它是一个垄断企业。提供的是人人都用的资源。但我们会不会觉得。电力制造了权力集中。Commit会不会拥有巨大的政治权利。社会权利之类的。不会。因为在电力这个例子里。下游的大量收益。其实流向了用电的人。而不是生产电力的那个实体。但社交媒体正好相反。社交媒体无处不在。人人都用社交媒体。可租金流向了平台。这个点很有意思。我还不确定自己是否赞同这个观点。我先边想边说。 [01:02:20]
Dwarkesh Patel：你越觉得通用人工智能会成为我们经济运行的基础。就像现在经济运行依赖电力一样。也就是说。它会对整个经济带来广泛而根本的改变。那它就越像电力。
Alex Imas：也就越像未来S&P500里的每一家公司。没错。如果一家公司能进入S&P500。那就是因为它利用了AI。那你就又能买指数了。对 没错。但是。不过反过来说。
Dwarkesh Patel：如果你只看S&P指数。随着时间的集中程度。像这些大型科技公司占比越来越高。我想这又回到了一个根本问题。而这个问题很难推理。AI带来的收益到底有多少。
Alex Imas：会被这些单个的私营公司控制。我觉得开源模型这件事。会是一个非常大的关键点。如果我们真的处在这样一个世界里。也就是开源模型只比前沿模型。落后六个月或者九个月。那么我们会达到通用人工智能。或者达到某个类似的节点。然后六个月后。所有人都能接触到这个资源。对吧。这也说明每个问题都和其他问题连在一起。 [01:03:24]
Dwarkesh Patel：因为关于会不会出现失控式收益的问题。会牵涉到地规自我改进的问题。而地规自我改进又会牵涉到持续学习。或者说online learning。也就是模型在实际工作中学习。如果模型已经部署出去。它就能学到更多。这些看起来只是技术问题。或者是技术预测问题。但它们最后会影响到。比如乌干达能不能分享到通用人工智能的回报。不过听起来。你们的答案其实是这样的。我之所以强调这个问题。是因为我觉得。不管是对混乱的中间阶段。还是对发展中国家。经常会有人很天真的建议说。必须做某种再培训。必须搞某种就业项目。或者必须让他们。在我们国家建数据中心。但我觉得你们建议的。更接近于直接买入通用人工智能的指数。这可能是一个干净的多。也更有可能成功的策略。 [01:04:17]
Alex Imas：这里其实有两个情景。一个情景是收益高度集中。在这种情况下。要指数化持有通用人工智能会非常难。另一个情景是收益并不集中。通用人工智能更像电力。那基本上每家公司都能用上通用人工智能。所以你只要买指数就行。比如说尼日利亚只需要买指数。这样尼日利亚就能接触到通用人工智能。原因就是有开放模型。回到刚才那个问题。
Phil Trammell：也就是到底应该选择再培训。还是尽量做指数化投资。我会优先考虑尽量做指数化投资。因为AI可能会非常快地冲击整个世界。但我肯定不会只依赖这一点。因为也可能出现那种混乱的中间阶段。或者时间线很长的情况。也就是说我们不会很快得到任何像通用人工智能那样的东西。在这种情况下。如果本来可以通过再培训。让人们更懂得怎么使用最新一波计算技术。却没有去做。那就会错失很多价值。所以我不觉得这里是一个非此即彼的问题。也许悲观的理由是。一个国家之所以贫穷。 [01:05:18]
Dwarkesh Patel：原因之一就是它的教育体系很糟糕。而要让这个国家变成全世界。最擅长培训人们使用AI的地方。听起来并不是一个特别有希望的策略。不过在发展中国家。
Alex Imas：也确实有一些跨越式发展的案例。比如移动银行之类的东西。它在尼日利亚的普及程度。远远高于德国之类的国家。在那里几乎人人都在用移动银行。他们手机上就有。平时一直在用这类服务。所以我的意思是。我仍然不想给这个情景分配概率。但像AI这样的变革性技术。确实可能带来跨越式发展。
Phil Trammell：也就是跳过中间某个阶段。然后实现非常惊人的增长。也许吧。关于指数化投资到底有多容易。我想快速说一句。我觉得这确实是值得稍微担心。也值得持续关注的事情。但就像我们自己的文章里讨论过的。也像其他人指出过的那样。现在做指数化投资。其实已经没那么难了。所以情况并不是完全做不到。回报。私有化的程度。最近确实有一点上升。但在美国非微型公司的总市值里。私人公司的占比。仍然远低于20%。大家都会想到OpenAI和Anthropic。如果所有财富。最终都会流向这些公司。那确实开放模型。能不能一直只落后一点点。这类问题就很重要。但就连他们看起来。也很可能不会过太久就上市。至少大概率是这样。而且那些。一直阻碍公司上市的摩擦。本身也可能被AI大幅缓解。比如各种信息披露要求之类的东西。这些公司也想接触到更多潜在投资者。如果让我猜我会猜。长期来看降低这些摩擦。让越来越多的人。能够越来越容易地做指数化投资。这个总体趋势会继续下去。尽管最近出现了一点反方向的波动。 [01:07:04]
Dwarkesh Patel：这反而让我比以前更希望这些。AI实验室被商品化。或者至少他们能尽快上市。但最好还是彻底商品化。因为我觉得如果AI的收益。并不特别容易被。
Alex Imas：捕获AI收益就像捕获电气化收益。一样难。那么AI会受欢迎的多。更重要的是它也更有可能带来。广泛的繁荣提升。没错你看世界上没有。反电力的人对吧。我的意思是电力不会抢走你的工作。不过。会影响一些人的工作。工作岗位。我觉得这可能有点偏离主题。但叙事真的很重要。现在围绕AI有一种非常负面的叙事。原因是大家没有把正面的叙事讲出来。这也有原因。想象一个还不存在的好东西。比想象失去一个已经存在的东西要难得多。所以一个人很容易上播客说。你喜欢的这些工作要消失了。但要让另一个人描绘一个还不存在的乌托邦。就难得多。 [01:08:05]
Phil Trammell：我希望这不算太跑题。但我觉得如果不指出前沿AI模型。商品化的一个重大成本。那我就漏掉了很重要的事。这个成本就是技术竞赛的动态。出于安全考虑。你可能希望前沿公司少一些。这样每家公司在想放慢速度。把事情做得更安全的时候。都能有一点缓冲空间。这和我们前面说的。收益广泛获得有关。我觉得这里的取舍。其实没有一些人想象的那么大。有些人会觉得。要么前沿AI被商品化。大家都享受到好处。但因为市场竞争非常激烈。非常残酷。所以会有风险。要么事情更安全。因为领先者和落后者之间。有很大差距。但这也意味着。领先者会变得极其富有。其实不一定。你完全可以有一个相对大的差距。同时。这些公司是上市公司。所有权分布的很广。最近我一直在想。AI商品化确实有风险。也就是。它会扩散使用AI。
Dwarkesh Patel：去做有害事情的能力。但相对于它带来的好处。这个风险也许是值得承受的。我担心的是。如果只有这些高度集中的实验室。不仅会让社会。无法那么广泛地分享。胜于收益。它还会给政府制造一个。非常清楚。非常具体的政治目标。我们已经在针对。Anthropic的国防生产法威胁里。看到过这一点。如果不是有一家实验室。或者少数几家实验室。明显领先于其他机构。这种威胁就会难得多。谢谢你们来聊这个。我感觉还有很多问题没有解决。但能知道这些重要维度上。至少第一层分支是什么。还是很有帮助。很好 谢谢。 [01:09:37]