AI把成本打下来之后，谁来把需求接回去？

以往谈论工业革命, 俺们通常将重点聚焦至技术这个方面: 具体涵盖啦蒸汽机, 还有电力, 再者呀汽车, 另外呢计算机, 顺带补充一下便是互联网, 最后呢把当今的人工智能也囊括其中呢。

而且从经济运行的角度, 去进行观察的话, 技术仅仅属于起点。然而真正对一轮技术革命是否能够转化为长期之增长起到决定的关键因素, 在于效率红利是否能够再次转变成为劳动收入、消费能力以及新增之以需求。当生产率获得提高之后呢, 如果成本下降在需求扩张方面带不来足够大的幅度, 或者劳动收入没办法通过新岗位得以承接, 那么技术进步是很难转变成为社会层面当中的繁荣的。

现如今, 一组并非十分夸张的数据, 已然将此问题放置在了桌面上。亚特兰大联储针对美国企业展开的调查表明, 在2026年, 私人部门打算投入约2800亿美元用于AI；分摊到每一名员工身上, 相关支出会从2025年的1358美元提升至2068美元, 增幅度超过50%。另外一项涵盖美国、英国、德国以及澳大利亚近6000名企业高管的调查显示, 企业预估未来三年AI会让生产率提升1.4%, 产出提高0.8%, 就业减少0.7%。

证明AI正在制造一场宏观就业危机, 这些数字还不够。真正值得注意之处在于, 三个指标方向不一致: 生产率上升更快, 产出扩张较慢, 就业反而可能收缩。

针对此情况作一个概括, 过往的几次工业革命, 从本质上来说, 皆是同一个增长飞轮处于运转状态。效率得到提升, 进而致使成本降低, 成本降低之后, 需求得以释放, 需求扩张开来, 便形成了规模效应, 规模效应又持续压低了成本。就这样循环往复, 自我强化。

这一套机制当中，最为关键的那一环并不是效率提升自身, 效率提升仅仅能够扩大供给能力, 而真正使得飞轮转动起来的是需求扩张；只有当下降本所释放出来的供给被新的消费以及投资吸收了, 技术革命才会进入到正循环里。

01旧飞轮转动，靠的是需求把效率接住

需求扩张大致有两条路径。

一条是通过降低价格来刺激现有的需求, 产品价格一旦下降, 本来买不起之人便进入市场, 存量市场的渗透率也就跟着提高, 棉布从奢侈品转变为日用品, 汽车从富人的玩具进入家庭消费, 一概都是此番逻辑。

另一条是打造出全新需求品类, 新技术致使过去不存在的产品以及服务得以产生, 并且还引发人类此前未曾表达出来的消费欲望, 在铁路出现之前, 人类并不晓得自己会有需求, 电话出现之前, 亦是如此, 在互联网出现之前, 同样这般, 当基础设施广泛铺设之后, 新的生活方式以及商业组织方式便随之而出现了。

前三次工业革命得以转化成大规模增长, 所依靠的恰恰是这两条途径相互叠加, 价格下降使得旧市场得到扩张, 新的品类又将新市场予以打开, 需求扩张带来规模效应, 规模效应进而进一步压低其成本, 飞轮借此加速运转。

被视为典型案例的福特T型车, 在1908年上市之际售价为850美元, 随后降低至260美元, 历经十九年累计生产数量超越1/500万辆 , 汽车进入家庭消费范畴后, 新增需求不仅仅局限于汽车自身, 还向外溢延伸至钢铁、橡胶、石油、道路、维修以及保险等领域 , 而且福特于1914年推出具备吸引力的每天5美元薪资 , 到1925年海兰公园工厂的就业规模近乎7万人 , 商品市场的扩张与劳动收入的增长 , 共同构成了同一个闭环的两个方面。

计算机与互联网并非仅仅是让既有工作得以完成且速度更快, 它们使信息匹配、交易以及流通成本降低, 与此同时, 创造出软件、电商、云服务、数字广告、移动支付等新产业, 旧岗位消失以后, 新产业链又给予了新的收入承接支持, 线下售货员进入电商、仓储以及配送体系, 传统文职岗位收缩, 随之增加的是程序员、产品经理、运营以及平台商家。

然而, 要是将这段历史归纳为以“市场自动达成调节”来表述, 那还是太过单一了。电气化切实转化为生产率的提高这一过程, 历经了工厂布局的长期重新调整, 组织方式长达长久时间的改制, 以及技能结构的长时间重塑；大规模消费市场得以形成, 同样离不开工时的同步变动, 工资的同步改变, 社会保障的同步调适, 公共教育的同步调整, 以及基础设施的同步变革。往昔的增长飞轮不是仅仅凭借一项技术自行转动起来的, 而是依靠产品需求, 以及就业迁移, 还有制度修补一同达成封闭循环的。

到了AI时代，这三个前提同时开始变化。

02四处断点：AI效率红利未必转成需求

国际劳工组织在2025年所做的测算表明, 全球大概有四分之一的劳动者所从事的职业, 其中至少存在一部分任务会受到生成式AI的影响, 处于最高暴露区间的劳动者大约占到3.3%, 这并非意味着四分之一的人将会失业, 就现阶段情形来讲, AI更有可能首先对岗位进行改造, 而非直接将整个职业予以消灭。

关键之处在于, 增长飞轮倘若出现卡住的状况, 并非要等到处于“全面失业”的情形才会显现出来。仅仅只要就业入口、工资增长以及消费预期率先出现改变, 需求这个方面很有可能就会前提前阶段感受到那种压力。

一、中高收入岗位先承压，需求冲击更集中

在前三次工业革命期间, 那些率先被替换掉的常常是收入相对而言比较低的, 以及技能结构较为单一的岗位, 纺织工算一个, 马车夫也是, 还有部分流水线工人, 以及线下售货员, 这些岗位固然重要, 然而单个劳动者被替代所造成的消费冲击相对来讲是有限的。

脑力劳动者, 在AI第一轮时, 真正有压力的, 是程序员, 是设计师, 是翻译, 是初级律师, 是分析师, 是编辑等, 属于中高收入人群。这类人群, 收入水平高于社会平均, 是住房消费重要支撑, 是汽车消费重要支撑、是教育消费重要支撑, 是旅游消费重要支撑, 是电子产品和服务消费重要支撑。

这种压力, 首先出现在职业入口。斯坦福数字经济实验室, 利用美国大型薪酬服务商的高频数据发现, 在AI暴露度最高的职业里, 22至25岁劳动者的就业规模, 相对下降了16%。年龄更大、经验更丰富的同类劳动者, 以及AI暴露度较低的岗位, 并没有出现相同变化。研究还发现, 下降主要集中在, AI更容易完成“自动化”的岗位, 而不是AI主要用于辅助人的岗位。

亦有相似信号现于中国市场, 北京大学研究团队针对智联招聘二〇一八至二〇二四年间超一百二十五万条信息予以分析之后得出, 会计、编辑、销售还有程序员等白领类职业在AI方面呈现出更高暴露度, 职业暴露度越高, 招聘需求以及工资增长便越显薄弱, 学历与经验门槛倒更趋严苛, 而这表明AI所引发的首波变身情况, 不一定以存量员工当即遭到解聘来呈现, 或也可能在企业较少招募新人、入口岗位变窄、同一份工作显现出更高要求方面得以体现。

处于中高收入水平的家庭, 其收入预期被向下调整, 这通常会对整个家庭的资产负债表以及未来的支出计划产生影响, 需要持续偿还房贷, 孩子的教育支出很难马上减少, 而大额消费与长期投资将会首先出现收缩, 需求端所面临的压力会比传统的机器替代更为集中。

二、专业服务降价，需求弹性没有想象中高

棉布价格降低, 消费者有可能购买更多的衣服, 汽车价格降低, 家庭有可能提前进行购车或者置换, 智能手机价格降低, 更有众多的人会进入移动互联网, 前三次工业革命的好多产品, 价格下降会显著地扩大渗透率。

对于AI正在降低成本的众多领域, 不少都是专业服务以及知识服务范畴。律师费每小时从500元降至50元, 普通人可不就会由于这个缘故就主动去增加诉讼的频次。医学影像诊断成本降低了, 消费者同样不会无缘无故地增加检查次数。代码生成成本有所下降, 企业会提高开发效率, 不过可不是因为代码便宜了, 就会去开发那些没有商业价值的应用。

那问题本身, 常常决意着专业服务需要, 价格降低仅能左右一部分边际需求。AI能够大幅削减供给成本, 可不一定能够同步扩充需求总额。

这并非否定AI具备提高生产率的能力, 美国有一项针对客服人员所开展的研究表明, 在接入生成式AI助手之后, 员工平日展现出的生产率提升了14%, 而就新手以及技能程度较低的员工而言, 提升幅度达到了34%, 这恰恰证明了另外一个层面的问题, 生产率的提高最初是一种能够提供相应产品或服务的能力, 唯有在企业借此去服务更多客户、开拓全新业务或者提升员工收入的情况下, 它才会转变成为新增的需要, 要是企业仅仅是依靠数量更少的人去完成原本就有的订单, 那么从微观层面实现的成本削减并不会自然而然地等同于宏观层面的增长。

三、AI原生需求已经出现，但还没有完成接力

首先, 市场对于AI最为乐观的那种判断, 是其会如同铁路、电话以及互联网那般, 创设出全新的需求品类。其次讲了, 这个判断是不容易被进行否定判断这点内容。然后提到, 到2026年2月时, 其周活跃用户已经超过了9亿这个情况, 并且付费个人用户超过了5000万。最后指出, 如此大规模的使用场景, 自身就表明AI并非是一项仅仅存在供给又没有需求的单一技术。

关键点在于, 用户规模跟增长闭环它可不是同一回事。就目前这个阶段而言, 数量众多的AI应用依旧是环绕既已存在的人工服务所要的自动化以及低成本供给来拓展开来: AI伴侣与情绪陪伴以及心理支持服务的低成本替代较为靠近, AI Agent跟秘书、助理以及事务代办之间的自动化比较贴近, 生成工具和插画、文案、设计、视频剪辑还有基础内容生产的效率替代差不多相近。

这些存在商业价值的应用，能够形成新的产品形态的一种可能性, 还是有的。然而, 有很多企业应用情况下, AI支出起初替换掉的是之前那份软件、外包以及人工的预算。预算从人工服务这儿转移成为模型调用, 也不一定就意味着社会总需求会有所增加。铁路起到规模相当大的客货流动扩展作用, 汽车同时还能带动能源、道路以及保险相关方面, 互联网则对信息发布、社交、交易以及组织协作进行了重新构建。AI原生需求想要完成接力, 也得出现那种同样广泛的产业外溢才行, 可不是仅仅对既有服务进行重新定价这么简单。

四、新的岗位不等于收入承接

AI时代肯定会出现新的岗位, 像是AI产品经理、模型工程师、智能体运维、数据标注、AI应用集成顾问之类的。然而问题在于, 高收入的岗位集中在少数核心研发以及平台公司, 更多外围岗位的数量, 还有收入水平, 不一定能够承接原来的白领岗位。

身为程序员, 年收入可达几十万元水平, 若转向低门槛的AI运营岗位, 或者转向数据标注岗位, 又或者转向外包型AI应用岗位, 那么收入下降将会演变成基于长期能力定价的变化情况。岗位出现了, 并不意味着收入就能接上；收入接不上的话, 消费能力也就接不上了。

这里同样得避免太早下结论, 丹麦的行政数据研究表明，截至二零二四年, 聊天机器人对收入、工时以及就业的平均影响依旧很小, 针对AI使用行为的观察也表明, 在不少高价值任务方面, 人依旧深度参与其中, AI更多呈现为增强工具, 然而另一面却是, 在面向编程的智能体产品当中, 机器自主完成任务的比例显著更高, AI从“辅助”迈向“代理”的速度, 或许比宏观就业数据所反映的更快。

03一笔粗账：企业理性，为什么可能形成需求缺口

为了直观地理解这个问题，可以先做一笔说明性测算。

试想一下, 有一家企业, 原本存在着一百名程序员, 在此之中, 有五十人的工作, 被那AI工具以及自动化流程给替代掉了。在被替代以前, 每一名程序员的年收入以及消费能力, 对应的是三十万元呢.在被替代之后, 其中有一部分人找到了新的工作, 然而收入以及消费能力却下降到了十万元。仅仅从这五十个人的角度去看, 年度的消费能力约减少了一千万元。

企业端实实在在地节省了成本, 假定企业少支出1500万元薪酬, 其间采购人工智能服务、算力及软件工具耗费500万元, 企业最终净节约了1000万元。

重要的是, 这一千万块钱不一定会按照相同的速度返回到消费的一端。它有可能转变为企业的利润, 留存于公司的账目之上, 或者以分红、回购、资本开支这般的形式流向股东以及资本市场。美联储针对家庭财富与消费所开展的研究再三表明, 低财富家庭在获取一元新增收入之后, 用于消费的比例一般而言要高于高财富家庭。换而言之, 相同的1000万元数额, 若是留在劳动者这一方手中, 那么有更大可能性转变为住房方面花销、教育投入、餐饮消费、旅游支出以及日常服务性消费；然而要是沉淀于企业利润范畴以及高财富人群的资产收益之中, 那么不一定会形成规模等同于前述情况的当下时期需求。

再度审视需求端, AI已然将代码生成、法律咨询、内容生产以及设计制图的边际成本予以降低, 如此一来必然会激发一部分新增需求。然而, 假如此类需求主要源自原本自身便一直存在着的企业预算, 仅仅是把人工成本替换成了AI服务成本, 那么它针对总需求所产生的拉动作用便是具有一定限定性的。

哪怕新增需求仅仅为200万元而已, 那么整体所呈现的结果如下: 企业的效率得到了提升, 利润也有所改善, 然而其中劳动者的消费能力却足足减少了大约1000万元之多, 新增需求仅仅只补回了200万元, 消费端依旧存在着有800万元的缺口。

这笔账, 无意于追求预测的精准程度, 几个数字, 并非是现实的参数。它所要表明的, 是一个具有方向性的问题, 具体而言: 企业只需计算自身节省的成本数额, 却不会将整个社会因之减少的工资以及消费, 完整纳入决策考量之中。在2026年, 一篇名为《AI Trap》的理论性论文, 将其称作“需求外部性”, 即: 单个企业实施裁员, 能够获取完整的成本收益, 然而却仅仅承担总需求损失的极小一部分；当所有企业同时做出理性抉择时, 最终的结果或许是自动化程度过高、需求匮乏, 甚至企业自身也会受到不利影响。

这跟近6000名企业高管给出的三年预期恰好构成呼应, 生产率提高1.4%, 产出仅提高0.8%, 就业减少0.7%。调查结果并非现实结局, 理论模型也并非经验证据, 然而两者共同指明了同一条风险路径, 当生产率增长快于产出增长, 企业便有动力用更少劳动去完成生产, 当劳动收入下降快于新需求形成, 增长飞轮就会出现空转。

这与前三次工业革命所存在的差别极为关键。以往的技术革命, 在降低成本之后常常会带来规模更大的消费, 以及更高的渗透率和更多的岗位。倘若AI主要是替代中高收入的劳动, 并且所创造出的新需求无法弥补收入缺口, 那么效率提升和总需求扩张之间就会出现断点。

飞轮仍然会转，问题可能出在传动轴上。

04最有力的反驳：更便宜的智能，也会创造需求

对于上述判断而言, 最具力度的反驳并非是“历经历史每次都存在有人担忧失业这种情况”, 而是更为低廉的智能本身有着成为一种通用投入的可能性，恰似电力以及互联网那般, 最终催生出我们现今仍无法予以想象的产品、公司以及职业。

这条路径完全可能发生，而且至少有三个现实依据。

其一, AI原生消费业已形成, 数以亿计之人借由AI以获取信息, 用来写作, 用于学习, 去解决具体问题, 存在一部分人甘愿持续付费。其二, AI并非仅会替代劳动, 于客服研究里, 新手所获生产率提升远比熟练员工高, 这表明它亦能够降低技能门槛, 致使更多人得以完成往昔做不了的工作。其三, 大规模算力, 数据中心, 电力以及应用投资, 会在相当长的时间之内创造资本开支以及配套就业。

实际上存在的分歧，并非是AI是不是会去创造需求, 而是在于新需求构建而成的速度, 以及新需求构筑起来的规模, 能不能够覆盖掉旧收入退出时的速度, 还有旧收入退出时的规模。

这件事, 不能单单看模型调用量, 也不能仅仅看头部公司的收入。它至少要看这么四个结果: 其一是, AI企业之外的产出是不是同步进行扩张；其二是, 新产品有没有带来高于原有预算之外的增量付费；其三是, 被替代的劳动者能不能进入到收入和以前相近的新岗位；其四是, 生产率红利会不会借着工资、分红、降价或者公共服务, 再度回归到多数人的购买力里面。

要是这四项持续呈现改善态势, 增长飞轮会再度闭合, 本文所怀有的担心理应得到修正。倘若生产率与利润持续攀升提高上去, 就业入口、劳动收入以及消费预期却长时间朝着走弱的方向发展, 那么“新需求终会出现”依旧是一张不存在期限的远期支票。

05分配重新成为增长问题

曾经谈论分配之时, 常常会将其认同为增长完毕之后的第二次去分切蛋糕。然而在人工智能时代, 分配极有可能直接判定蛋糕是否还具备继续做大的可能性。

效率提升所回应的, 是怎样以更低成本、更高速度进行生产, 分配机制所回应的, 是生产成果如何回归到社会总需求之中。在AI时代, 真正亟需补足的, 极有可能并非生产能力, 而是收入回流的机制呢。

这套机制可以分成两层。

发生在生产过程内部的第一层情况是, 企业使用AI的方式是什么, 是把其主要用来裁撤岗位, 还是扩大业务、降低技能门槛以及增强员工力量；员工能否借助利润分享、股权或者工资增长, 从而获得一部分生产率红利；工作时间是否会随着效率提升而缩短, 而非将全部调整都施加到就业人数上。这一状况决定了, 在技术红利进入利润表之前, 它会怎样在劳动与资本之间进行分配。

第二层, 其发生的位置是在生产过程以外的地方。要是AI收益呈现出高度集中的状况, 那么税收、社会保障、公共服务以及公共基金, 就都需要去承担起回流的那种功能。全民基本收入、机器人税、转型保险、公共基金全民分红, 它们的名称是不一样的, 然而其核心部分都在于去回答两个方面的问题: 第一个问题是, AI创造出来的资产收益是由谁来拥有的；第二个问题是, 这些收益又是借助什么样的渠道才能够回到社会需求那里去的。

没有一个方案是答案, 这些方案都不是完美的。机器人税可能抑制企业采用新技术。全民基本收入受到财政能力限制。缩短工时需要企业和劳动者重新谈判。公共基金涉及资产来源、治理以及分红规则。阿拉斯加永久基金的经验只能在一定的程度上提供参照, 仅仅是有限的参照: 长期、普惠的现金分红并没有显著降低总就业, 然而它不是AI分红的直接证据, 更不能替代具体制度设计。

关键点在于, 并非要等到需求显著收缩以后, 才将分配当作后期的补救举措。企业当下抉择“替代”亦或是“增强”, 劳动者能不能分享资产收益, 教育以及社保能不能涵盖转型阶段, 这些反过来都会对新需求能否形成起到决定性作用。分配不仅仅关乎公平层面, 更是增长飞轮的传动架构。

06真正的考场，在社会的议事厅

以技术乐观主义的视角观看, AI能够促进生产率提高, 使人类劳动得以解放, 进而推动社会步入更高效率的时期之中。这般结果无疑是值得人们满怀期待的 句号。

可是, 经济增长向来都不应该被简单化为一道技术方面的题目。生产率得到提高以后, 究竟是谁的收入会增加 , 又是谁的岗位会消失 , 到底是谁能够获取资产收益 , 而谁又要去承担转型成本 , 这些问题同样是非常重要的。

来判断增长飞轮是不是重新闭合了, 在未来那几年, 可以一直去观察五个指标。分别是: 年轻人的白领入口类岗位是不是恢复了。劳动收入以及中位数工资能不能跟得上生产率。AI原生收入里面有多少是源自真正新增的预算。企业产出的增速能不能追上生产率增速这样一个情况。以及AI资产收益是不是能从少数公司还有股东, 扩散到更广泛一些的居民部门。

这并不是想要去否定AI的意思, 这也不是去表达否定技术进步这个意思相反地恰恰这个意思, AI更重要了的话, 那么我们就更加要去把它放置回到真实存在的经济循环当中去进行观察, 不能够仅仅只是去看模型能力、算力投入、企业降本以及利润改善这些方面, 同时也要去看劳动收入、消费能力、需求弹性以及制度再分配这些方面。

过去几次工业革命，市场、组织和制度共同完成了调节。

此次 , 市场或许仍旧能够缔造奇迹 , 然而也或许需要制度更早地介入结算。

真正拥有第四次工业革命考场的地方, 也许不是设备精密的实验室, 而很有可能反而是在社会中人们专门用来进行讨论商议事情的议事厅。