AGI 会让经济流动性停滞吗?关于工作与所有权的讨论

原标题Could AGI Freeze Economic Mobility? A Debate About Work and Ownership

Matthew Berman 权衡永久底层阶级的担忧,以及 AI 辅助工作、新需求和收入支持可能带来的机会。

ALAaron Levie嘉宾 · BoxRHReid Hoffman嘉宾 · Reid Hoffman
频道
Matthew Berman
发布
2025年9月23日
视频
13:02
阅读
6 分钟
幻灯片
1
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

2025 年 9 月,Matthew Berman 探讨了一种假设中的未来:AI 取代知识工作,算力的所有权决定经济机会。他引用早期劳动力市场指标以及对 Aaron Levie 和 Reid Hoffman 的采访,然后提出对人类监督、新工作和富足未来更乐观的看法。这些结果都是预测,所引用的就业数据本身不能证明变化由 AI 引起。

  1. 1对流动性的担忧Berman 描绘了一种情境:高度强大的 AI 使资本和算力比人类知识劳动更有价值。
  2. 2早期劳动力指标一项 Stanford 研究和 Handshake 平台数据展示了年轻劳动者与求职竞争的变化;两者都不能证明 AI 是唯一原因。
  3. 3更便宜的算力与需求Berman 引用杰文斯悖论,认为效率提高可能增加总体使用量,但反弹幅度需要通过实证确定。
  4. 4收入支持他介绍了全民基本收入和全民高收入等分配收益的提议,以及相关担忧和不确定性。
  5. 5互补性招聘Box 首席执行官 Aaron Levie 认为,效率提升可能产生新的瓶颈,从而在其他环节带来更多用人需求。

要点建议

  1. 永久底层阶级的设想关注经济流动性:如果劳动者失去议价能力,而收益流向资本和算力所有者,会发生什么?
  2. Berman 引用的 2025 年就业和招聘指标涉及特定人群,本身不能确立因果关系。
  3. 计算成本降低可能增加需求,但杰文斯式反弹并不保证每个市场的总支出都会上升。
  4. 全民基本收入或高收入是所提出的应对方案,其效果取决于政策设计和经济状况。
  5. Berman 和受访者预测,人类监督、互补性岗位和创业会带来机会,但影响规模尚不确定。
全文

按章节阅读整理后的全文

只看原始文稿
01

永久的底层阶级?

Berman 描述了一种假设经济:AI 能够从事知识工作,而算力的获取决定谁能受益。他认为问题不仅涉及收入,也涉及社会流动性。

实现通用人工智能是否会把人们锁定在永久的底层阶级?我从硅谷 AI 领域的一些人那里听到这种担忧,想认真探讨它,因为其社会影响将十分巨大。我也会解释为什么我对结果仍然比较乐观。

在这次讨论中,我用 AGI 指在知识工作中表现超过人类的 AI,包括编程、客户服务和数据分析。担忧者设想,一旦这样的系统出现,购买算力就会成为完成这些工作的主要限制。如果人类劳动失去大部分经济议价能力,已经拥有资本的人就可能占据巨大优势。这些是关于未来可能性的假设,而非已经确立的事实。

AI 公司正在大量投资计算基础设施。在这种设想中,所有者可以利用资本和电力大规模复制 AI 能力,而不受雇佣人类员工时面临的限制。人们担心的不只是贫困:如果收益集中,而多数人几乎没有积累财富的途径,经济流动性就可能停滞。

02

早期证据与更便宜的算力

他引用年轻劳动者的就业数据和职位发布趋势,接着讨论更便宜的算力可能增加需求。

我听到一些人急于在 AGI 到来之前积累资本,因为他们担心此后的地位会被固定下来。这是一种担忧,而非已被证明的必然结果。我也指出,艰难的初级职位就业市场是一个值得研究的早期信号。

Stanford 2025 年就业研究
幻灯片 1 / 1Stanford 2025 年就业研究画面中的摘要描述了 AI 高暴露职业中年轻劳动者就业的相对下降。

Stanford Digital Economy Lab 2025 年的《Canaries in the Coal Mine》研究使用 ADP 薪资数据,报告称在控制企业层面的冲击后,AI 高暴露职业中 22 至 25 岁劳动者的就业相对下降约 13%。这些职业中经验更丰富的劳动者就业稳定或有所增长;论文称调整主要体现在就业人数而非薪酬上。这一比较是对某种现象的描述性证据,并不能证明只有 AI 导致了这一结果。

Handshake 也报告称,其平台上的职位发布量同比下降 15%,而 2025 届毕业生每个职位的申请人数增加了 30%。这表明该平台数据中的竞争更加激烈;它并不衡量所有职位,也不是对 AI 影响的因果估计。这些观察值得关注,但不能当作永久底层阶级必然出现的证据。

大规模基础设施投资也可能降低推理成本。我预计运行 AI 的成本会下降并趋近硬件和电力成本,尽管实际价格取决于许多因素。更便宜的使用门槛可能让更多人受益,但这本身并不能决定谁拥有资源或获得收益。

我提到杰文斯悖论:当一种资源的使用效率提高或价格下降时,新的用途可能变得经济可行,从而增加总消费量。如果算力也出现这种情况,即使单位成本下降,需求也可能扩大。总支出是否上升取决于需求反应的大小,并不会自动发生。

03

收入支持与人类监督

Berman 解释了基本收入和高收入的政策提议及批评意见。他提出自己的观点:人们可能继续发起、协调和验证工作。

一种提议的应对办法是全民基本收入:定期、无条件地发放现金,帮助人们满足基本需求。包括埃隆·马斯克在内的一些人也讨论过全民高收入,这是一种更宏大的设想,让人们拥有足够资源来选择如何支配时间。两者的效果都取决于资金来源和具体设计。

批评者认为基本收入类似社会主义,或可能加剧通货膨胀。我提到了与倡导者 Scott Santens 的一次对话:他认为财务保障能够鼓励创业,让人们腾出精力解决问题或创办企业。这仍然是关于政策效果的一种观点,并不能保证 AI 不会同时承担这些任务。

我更乐观的看法源于一种观点:AI 常常会处理任务的中间部分,而人类仍处在两端。人可以设定目标、提示或协调智能体,然后审查和验证输出。随着系统进步,这条边界可能移动,不同任务需要的监督程度也会不同;我预计许多工作将发生改变,而不是彻底消失。

04

增长与新瓶颈

Aaron Levie 认为,AI 驱动的增长可能在其他职能中产生用人需求。另一段采访讨论了错误和对错误的容忍度。

在一段采访中,Box 首席执行官 Aaron Levie 认为,公司应该奖励利用 AI 提高效率的团队,向他们分配资源,让他们处理更多问题。在后来的对话中,他表示自己的观点没有改变:如果 AI 让公司增长更快,新的瓶颈可能会增加销售、咨询或客户成功等岗位的用人需求。这是他对可能出现的互补性招聘的预测,并非每家公司的实测结果。

另一段采访中的一位 OpenAI 技术负责人指出,人类在任务两端的角色可能变得更少,但模型仍会产生幻觉和犯错。合适的监督程度取决于任务对错误的容忍度。视频旁白通过职位介绍了这位发言人,但没有说出姓名。

05

新工作与转型

Berman 与 Reid Hoffman 讨论新任务和创造机会。最后,Berman 分享了对部署、能力增强和富足未来的预测。

我预计会出现今天难以想象的新工作,也会有机会让创业者和个人用更少的资源做更多的事。这是一种预测,并不能证明新增岗位一定会抵消所有失去的工作,也不能证明转型会一帆风顺。

在我们采访的一段片段中,Reid Hoffman 提出,软件开发成本降低可能释放对针对个人任务定制工具的需求。他以视觉特效软件为例:如果制作成本更低,纪录片等规模较小的制作可能获得过去只有高预算电影才能使用的能力。他把这视为创造性需求可能扩大的例子。

我预计知识工作会发生重大变化,人们需要支持,才能学会高效使用 AI 工具。部署也需要时间:模型具备某种能力,并不意味着机构立即拥有在所有地方使用它的基础设施和流程。我的预测是,一些工作会实现自动化,而更多工作会发生转变。

在生产力更高的经济中,基本收入或高收入或许可行,但其可行性和后果仍是开放问题。我希望 AI 能扩大创造力和创业机会、改善健康并创造富足。这次转型是否会类似以往的技术变革,以及收益能多广泛地得到分享,仍有待观察。

同频道的其他文章

12 张幻灯片34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构,并质疑 AI 快速发展与安全之间的张力。AnthropicAI Safety企业 AI+2
0:26EN → 简体中文
Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中,Altman 思考解决难题的乐趣,以及人在解读结果时的作用。Human-AI CollaborationFuture of WorkAI Strategy
2 张幻灯片0:36EN → 简体中文
Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原,并对 Kimi K3.1 的测试给予积极评价。评估编程智能体Open-weight models
2 张幻灯片0:21EN → 简体中文
Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表,随后发现图中的数字只是示意性占位值。Benchmarks评估Generative media
6 张幻灯片25:50EN → 简体中文
Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。Open-weight modelsBenchmarksAI cost & performance+1
2 张幻灯片32:20EN → 简体中文
Matthew Berman· 2026年10月23日本地 AI 究竟适合谁?成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权,与硬件成本、设置复杂度及推理速度之间的关系。Local inferenceOpen-weight modelsAI cost & performance+1