从终产者到挪威：AI 时代的三种结局

最近一年，身边有很多因为裁员、岗位冻结而失去工作或机会的人。我手下的 HC也在被 AI 替代：人走了不再补，编制在收，新项目不再开岗。每一个决定单独拿出来看，都很合理。

但是如果每家公司都在用 AI 省人工，那 AI 生产出来的东西，最后卖给谁？

顺着这个问题推到尽头，大概有三种结局：刘慈欣笔下的终产者，全面公有，以及挪威。

产出总要有人买

国民账户核算中，总产出扣除中间投入后的增加值，与各类收入相对应。AI 创造的增加值可能成为工资、利润、租金或股东回报；但这不代表收入会立刻变成消费，也不代表每个人都能分享到。

所以问题不在于总收入够不够，而在于收入落到了谁手里，以及这些人花不花。

通常，收入较低的家庭会把更大比例的新增收入用于消费；高收入家庭则更可能储蓄或投资。若收入持续从工资转向资本，而新增投资没有带来相应就业和消费，整体需求就可能走弱。

美国已经出现了这种迹象。穆迪的估算显示，2025 年二季度，收入最高的 10% 家庭贡献了 49.2% 的消费支出，是有数据以来的最高值¹。

更麻烦的是合成谬误：对一家公司来说，少招三个人、每月多付一笔 token 费用，很划算；如果所有公司都用压缩工资和招聘来降本，就是在削减彼此的客户。AI 企业也因此面临一个问题：企业客户的预算最终来自哪里？

不过这个链条有一个自我限制：

企业购买 AI 服务的预算，最终要由消费者支出、企业投资、政府支出或其他收入来源支撑；而大众消费的重要来源之一，是就业所得。

如果就业所得和大众购买力明显走弱，而企业投资、政府支出等需求又无法补上，AI 企业的收入增长也会承压。链条上最先吃到苦头的，是 AI 公司自己。

capex 的账单

AI 基础设施投资的规模已经很大。行业汇总估算显示，微软、谷歌、亚马逊、Meta 四家 2026 年资本开支可能合计达到 7200 亿至 7450 亿美元；这是公司整体资本开支的估算，并非全部用于 AI，且各家公司披露口径并不完全一致²。

2024 年，红杉资本的 David Cahn 算过一笔账：要让当时的 GPU 投入回本，AI 行业每年需要大约 6000 亿美元的收入³。之后投入又翻了几倍，收入离这个数字仍然很远。

最新的例子是 OpenAI。10 月 8 日的报道援引知情人士称，OpenAI 向投资人提供的年化收入接近 500 亿美元；此前 Axios 报道的近 700 亿美元，则是为与 Anthropic 的收入算法比较而作的调整估算，涉及云合作伙伴销售额的不同处理方式⁴。这两项数字口径不同，不能简单视为公司收入突然减少了 200 亿美元。

口径之争本身不说明业务变差。报道当天，纳斯达克及多家 AI 产业链公司股价下跌；媒体将 OpenAI 收入报道列为市场关注因素之一⁵。这些公司的订单和估值与 AI 投资预期相关，但单日股价变化不能单独证明某条消息就是下跌原因。

这也不是第一次。今年 4 月，《华尔街日报》报道 OpenAI 未达到部分内部用户增长和收入目标⁶。路透社今年 2 月报道，OpenAI 2025 年收入约 130 亿美元，公司预计 2030 年收入超过 2800 亿美元，并计划到 2030 年累计投入约 6000 亿美元用于算力。这些是公司预测，不是已实现的收入或支出；预测与基础设施承诺之间的落差，正是投资者需要持续检验的地方。

钱的来源也在变。最开始是巨头们自己的现金流，也就是广告和云计算赚的钱；现在越来越多来自发债、表外的项目公司和私募信贷。

如果收入最终追不上，这笔账由谁买单？历史给的答案很一致：出钱的人。

1840 年代英国的铁路狂热、2000 年前后的光纤泡沫，都是这样收场的。2001 年美国铺下的光纤，按美林当时的估计只有 2.6% 的容量在使用⁷。一大批电信公司破产，投资人血本无归，光纤却留在了地下。几年后，视频网站和云计算用极低的价格接手了这些基础设施。

因此，一种可能的结局是股东和债权人承担投资损失，而后来的使用者以更低价格获得已经建成的基础设施。

但股东承担的只是泡沫破裂之后的那部分。在破裂之前，AI 已经在和其他行业争夺电力、芯片和资本，这部分代价由所有人分摊。

• 电力：美国最大的电网区域 PJM，2025/26 年度的容量拍卖价格从每兆瓦日 28.92 美元涨到 269.92 美元，主要推动力是数据中心。这部分成本最终会进入居民和工厂的电费⁸。
• 存储芯片：存储厂把产能优先给了 AI 服务器用的 HBM，普通内存价格在 2026 年大幅上涨，手机和 PC 厂商被迫涨价、砍掉低端型号⁹。
• 资本：2025 年全球风险投资里，AI 拿走了一半左右¹⁰，其他赛道越来越难融资。

经济学里有个词叫“荷兰病”。1960 年代荷兰发现大型天然气田后，资源繁荣被认为加剧了工资和汇率压力，制造业竞争力受到挤压。一个部门快速扩张，会抬高其他行业的成本。

最近流行一个说法：AI 像癌症，吸干别的行业，最后大家一起死。这个比喻抓住了资源挤出的风险，却把结局说得太确定。AI 企业仍需要客户付费；如果投资回报长期不足，资本市场和企业预算会限制扩张，调整成本则可能由投资者、供应商和其他行业共同承担。

真正值得担心的是，capex 本身也是需求。数据中心建设雇用了大量电工和建筑工人，养活了整条电力和芯片产业链。哪天 capex 停下来，就是双重打击：AI 对岗位的替代还在继续，建设带来的需求却先没了。

泡沫的出口

这轮 AI 投资有没有泡沫，市场已经吵了两年，我在 6 月也写过一篇《AI 泡沫的第一道裂缝？》。比起有没有，更值得想的是它会怎么收场。

经济学家卡萝塔·佩蕾丝研究过两百多年来的五次技术革命：纺织机械、蒸汽与铁路、钢铁与电力、汽车与石油、信息技术。几乎每一次都经历同一个过程：新技术出现，金融资本蜂拥而入，基础设施被超前建设，泡沫破裂，然后技术才进入真正普及的“展开期”¹¹。泡沫不说明技术失败，反而是技术革命的常态。

按这个框架，这轮 AI 投资大致有三条出口。

收入追上来。 推理成本快速下降，用量爆发，AI 公司的收入在融资耗尽之前跟上了投入，估值被时间消化，capex 平稳放缓。2000 年后的亚马逊走的就是这条路，但它是那一代公司里的少数。

融资链先断。 收入追不上，融资越来越依赖债务和互相投资，直到某个环节撑不住。这是铁路和光纤的老路。

政策托底。 AI 被当作国家竞争的基础设施，政府资金和补贴在回报不足时继续输血。泡沫不会马上破，但纠错被推迟，其他行业的资源被抽走的时间更长。

我倾向于第二条，而且断裂多半不从巨头开始。微软、谷歌、亚马逊、Meta 有广告和云的现金流，收入不及预期时可以砍 capex，不至于倒下。最脆弱的是中间层：靠借债扩张的新兴云厂商、用未来合同做抵押的数据中心项目，以及收入高度依赖少数几家大模型公司的供应商。市场对 OpenAI 相关消息最敏感的，也往往是 CoreWeave、甲骨文这类与其订单深度绑定的公司。

有两个信号值得留意。

一是循环融资。2025 年 9 月，英伟达宣布最多向 OpenAI 投资 1000 亿美元，OpenAI 则用这些钱部署英伟达的系统。这笔交易后来没有落地，黄仁勋今年 3 月表示 1000 亿“大概不会发生”，最终改为在 OpenAI 的新一轮融资中投入 300 亿美元¹²。

供应商给客户钱，客户再用这笔钱买供应商的产品，这种结构在光纤泡沫里有先例。朗讯、北电等设备商当年向资金紧张的电信创业公司大量放贷，让它们购买自己的设备，朗讯一家的贷款承诺就有 70 亿美元¹³。泡沫破裂后，客户成批倒闭，坏账回到设备商身上，朗讯被迫出售，北电最终破产。

二是折旧。巨头们这几年把服务器的折旧年限延长到了五到六年，但英伟达的产品两三年就更新一代。“大空头”迈克尔·伯里认为，这让整个行业的利润被高估了；反对者认为旧芯片可以转去做推理，还有第二春¹⁴。谁对谁错，取决于 GPU 真正的经济寿命，目前还没有答案。如果答案是三年，今天财报里的一部分利润，是向未来借的。

泡沫破裂之后呢？

光纤泡沫留下了一个容易被忽略的后果。2001 年以后，跨洋带宽变得极其便宜，美国公司发现把客服、软件开发、财务处理放到印度几乎没有通信成本。托马斯·弗里德曼在《世界是平的》里，把这轮外包浪潮的起点追溯到了光纤泡沫留下的过剩带宽¹⁵。

AI 很可能重演这一幕。泡沫破裂会让一批公司倒下，但留下来的算力会更便宜。对白领岗位来说，这不是喘息的机会，而是替代的加速：用 AI 替代一个岗位的成本，在泡沫破裂之后只会更低。

泡沫破裂解决的是投资人的问题，不是就业的问题。

统计里看不见的失业

美国的失业率并不高，很多分析据此认为 AI 对就业的冲击还没到来。

这和我身边看到的情况对不上。原因在于，AI 替代岗位的方式大多不是裁员，而是不再招人。人走了不补，预算收回，新项目不开岗，这些都不会以“失业”的形式进入统计。被挡在门外的主要是应届生和想换行的人，他们甚至不算失业，只是找不到工作。

斯坦福数字经济实验室与 ADP 合作追踪薪资数据发现：在 AI 暴露度较高的职业中，22 到 25 岁劳动者的就业人数，相较于暴露度较低职业的同龄人所呈现的趋势，低了约 19%；这一差距从 2025 年以来持续扩大。研究认为，变化主要体现为招聘减少，而非大规模裁员¹⁶。这是不同职业间的相对差距，不能直接解释为 AI 单独造成了 19% 的就业损失。

冲击也是集中的。客服、内容、外包、初级开发、设计、翻译，这些岗位集中在特定的行业和城市。平均到整个经济体，数字看起来温和；落到这个圈子里，就是一片一片的。

常见的安慰是：技术进步没有造成永久性的大规模失业。1900 年美国约 41% 的劳动力从事农业，到 2000 年约为 1.9%¹⁷。农业就业占比下降并没有阻止整体就业增长，但不能据此说每个被替代的劳动者都顺利找到了新工作。

经济史学家 Robert Allen 研究过英国工业革命早期：1780 到 1840 年，每个工人的产出增长了 46%，实际工资只涨了 12%¹⁸。生产率涨了半个多世纪，工人的收入几乎没动，这段时期被称为“恩格斯停顿”。当时的手织工人，很多到死也没等到转型成功。

社会最终挺过来了，不等于被替代的那一批人挺过来了。

农业转型之所以平稳，还因为它用了几代人的时间，主要靠年轻人不再进入旧行业，而不是在岗的人被赶出去。AI 对白领工作的替代，可能比一代人的调整快得多。

被需要，才被在乎

推到极端，还有一种更残酷的可能：以后的经济也许根本不需要大众的购买力。

这听起来荒唐，但大众购买力成为经济增长的重要支柱，是工业化之后的事。工厂需要大量工人，工人同时也是消费者；福特主义常被用来说明，企业既需要生产者，也需要有能力购买产品的消费者。

普通人被在乎，很大程度上是因为被需要。需要你的劳动，就得给你工资；需要你交税，就得为你提供公共服务。

部分高度依赖石油出口的国家，财政收入与国民劳动和税收联系较弱，公共问责和经济多元化也可能因此受到影响。这是“资源诅咒”讨论中的一种机制，并非所有资源型国家都会走向同一结果。

2025 年，Luke Drago 和 Rudolf Laine 写了一组文章叫《The Intelligence Curse》（智能诅咒），把这个逻辑套到了 AI 上：当 AI 替代了劳动，掌握 AI 的公司对普通人的依赖就会下降，投资普通人的动力也随之下降¹⁹。他们描述的替代路径和我看到的几乎一样：先冻结入门级招聘，再一层一层地削掉中间岗位。

刘慈欣的小说《赡养人类》，把这个过程推到了终点。

小说里的“第一地球”实行彻底的私有制。富人先用昂贵的“学习机”把知识直接灌进大脑，穷人用不起，两个阶层渐渐分化成了不同的物种。财富在交易、继承、兼并中不断集中，最后整个星球归一个人所有，这个人被称为“终产者”。大陆、海洋、大气层都是他的私有财产，二十亿穷人被封闭在自给自足的小房子里，连呼吸的空气都要计量付费。

整个过程没有政变，也没有屠杀，每一步都在当时的规则下完成。

这和我手里的 HC 决定是同一种结构：每一个决定单独看都合理、合法，加总起来却走向一个谁都不想要的结果。正因为没有哪一步是坏人在做坏事，所以也没有哪一步会被拦下来。

书名里的“赡养”也选得很准。外星人给地球人定的赡养标准，是地球上最穷的那个人的生活水平。被赡养的人有饭吃，但能过成什么样，完全取决于赡养者愿意给多少。

终产者与挪威

小说的反方向，是另一个常被提起的设想：把 AI 公司和算力全部收归公有，人类不再需要工作，生产力的提升由所有人共享。

这个设想的思想渊源很深。马克思设想的共产主义，前提是生产力高度发达、物质极大丰富。他在《政治经济学批判大纲》里有一段被称为“机器论片断”的论述：当生产主要由机器完成，劳动时间就不再是衡量财富的尺度。今天读来很像在描述 AI。

但无论所有制怎么安排，有两件事 AI 解决不了。

一是稀缺不会全部消失。软件能生产的东西可以接近免费，但土地、能源、好地段的房子、好学校的名额依然稀缺。只要稀缺还在，就需要规则决定谁先得到。

二是“算什么”仍然要有人决定。AI 可以帮忙计算怎么分配，但分配的目标是什么、出了偏差怎么纠正，是计算之外的问题。

在终产者和全面公有之间，挪威的石油基金提供了一个可供参考的制度类比：资源仍由市场主体开发，部分收益进入公共基金。

挪威在 1990 年立法设立石油基金。石油净现金流进入基金，政府长期以基金预期实际回报作为预算支出的指引，目前基准约为 3%，并非每年固定的硬性支出上限。截至 2026 年 6 月底，基金规模约为 22.7 万亿挪威克朗²⁰。石油公司仍按市场方式运营，基金收益则通过公共预算服务全体国民。

美国阿拉斯加州的做法更直接：州政府把石油收入存入永久基金，每年给每个居民发一笔分红，2025 年是每人 1000 美元²¹。

类似的思路放到 AI 上，已经有不少提法：主权 AI 基金、AI 公司的超额利润分成、全民基本收入、全民基本算力。它们的共同点是不改变谁来运营，只改变收益流向谁。

	终产者	全面公有	挪威模式
谁来运营	少数公司	公共部门	市场化运营
收益流向	资本所有者	统一分配	进入基金，全民共享
普通人的位置	被赡养者	取决于分配规则	股东
现实样本	资源诅咒国家	仍是设想	挪威、阿拉斯加

挪威的规则在石油收入大规模累积之前逐步建立。AI 也一样：如果希望技术收益更广泛地共享，税制、基金或分红规则需要尽早讨论，而不是等财富高度集中后再补课。

该盯什么

AI 到底是在创造一个“更富裕但更少就业”的经济，还是一个“生产能力过剩、购买力不足”的经济？

两者都可能。技术会改变生产能力，制度和分配方式则会影响谁能获得收益、谁能继续参与经济生活。

AI 未必会让经济崩溃，但可能让大多数人从参与者变成被赡养者。关键在于 AI 的收益能不能通过工资、税收和公共基金流回大多数人。

比起 GDP 和失业率，这几个指标更值得盯：

• AI 公司的收入能否覆盖折旧和利息。 追不上，先来的是一轮资本出清。
• 入门级白领岗位的招聘。 年轻人进不了门，比失业率更早说明问题。
• 消费的集中度。 消费越依赖少数高收入人群，购买力的根基越窄。
• 收益分配机制有没有跟上。 税制、基金、分红，能不能追上收入从工资到资本的转移。

我在做那些 HC 决定的时候，账算得很清楚，每一笔都划算。只是当所有人都打自己的小算盘时，大账就难说了。