来源： Substack | Alex Imas & Phil Trammell | Jun 04, 2026 播客： Dwarkesh Podcast 分类： 其他 原文发表： Jun 04, 2026 纪要生成： 2026-06-11
Alex Imas 是芝加哥大学经济学教授兼 Google DeepMind 的 AGI 经济学主任，Phil Trammell 是 Epoch 的经济学主管兼斯坦福大学研究学者。本集播客聚焦于经济学原理如何帮助我们理解 AGI 时代的关键议题：在高度自动化的未来，劳动力份额会发生什么变化？财富的最优征税与再分配方案是什么？以及，当机器能生产一切时，还有什么东西真正稀缺，并决定了价值流向？
本节重点
详细精要
然而，这个闭环可能“漏气”，因为人类仍会用自己的财富去购买机器经济生产的自动化商品，导致人类纯劳务经济占比越来越小。
经济学预测的历史局限性及场景化转向：
💬 精华片段（中文）
“What we found is that there's a ton of disagreement in every single direction... rather than thinking about individual forecasts, we should be generating prediction markets where you get aggregate forecasts and wisdom-of-the-crowd effects.”
他们发现各方的预测存在巨大的分歧……比起依赖个人预测，我们更应该建立预测市场，利用群体智慧和加总预判。
互补性逻辑：Phil 指出，如果劳动力和资本是互补品，那么任何事物都需要两者配合，因此两者都要获得报酬，这解释了份额的稳定性。
网络调整资本份额与完全自动化的质变：
对整体资本份额的影响并非单向的：假设人类固有部门（如芭蕾）和非人类固有部门（如其他一切商品）二分。如果非人类部门的供给因自动化趋向无限大，且人类很快在该部门达到饱和（边际效用降为零），那么所有预算将重回芭蕾，导致劳动力份额升高。反之，若自动化部门持续产生新品种，使人无法饱和，则劳动力份额可能归零。
人类价值偏好与实验证据：
这证明了人类对人际连接有非稀缺性的内在偏好，而非仅仅因为稀缺本身。
蒙古经济学家类比与品种增加效应：
AI 时代的映射：只要 AI 能持续创造出我前所未有且想要的新品种（如新型特效药、太空探索服务），我们对资本的欲望就不会饱和，这会使流向人类服务的份额保持在较低水平。
摩尔定律的另一面与 H100 租金悖论：
本节重点
详细精要
Phil 认为这是比较窄的窗口期。一般来说，一项能熟练到足以取代大批软件工程师的技术，其带来的生产力红利理应远超目前的工资支出，从而极大丰富全社会的“大饼”。
生产力取代的悖论与杰文斯悖论：
杰文斯悖论：从长远看，更高的效率会导致更多的使用量。如果在短期内，我们无法预见到要如何使用 100 万倍的 JavaScript tokens，那么暂时的需求真空就会导致“混乱中期”。
政治冲击的非线性特征与历史教训：
💬 精华片段（中文）
“If there's a 2% increase in unemployment, the political winds completely change.”
只要失业率出现 2% 的增长，政治的风向就会彻底掉头。
本节重点
详细精要
全民基本资本 的逻辑通过赋予每个人明确的财产权和资本份额，使其拥有类似股东的权力和独立性，能避免因政治变革导致的收益中断，但这反过来遇到了“如何精准选择投资标的”的挑战。
指数化困境与投资目标选择：
个人住房作为资本，在 AI 时代可能极具风险，因为住房的价值大多建立在与人类社群的地理接近性以及对关系型潜力的依附上。
负所得税（Negative Income Tax）与财富税的隐患：
财富税 的历史惯性令人担忧。Alex 以美国所得税的演变为例，指出税种一旦确立，税率往往会随时间逐步攀升（如今美国边际税率达 40%-50%），这会严重抑制未来的再投资动力。
可能的混合解决方案：
💬 精华片段（中文）
“You implement [a negative income tax], and the day it turns into law, you already have this insurance that there’s a floor where everybody gets a certain amount of money.”
一旦实施负所得税，法律生效的那一刻，就立刻为所有人构筑了一道生存底线。
本节重点
详细精要
软件开发岗位的特例：仅发现初级开发者的就业增长略低于趋势线，但资深工程师的需求反而有所增加——整体是增长速度放缓，而非存量崩溃。
关于求职难的“叙事经济学”风险：
Alex 认为，最近的 “CS 求职难” 传闻存在向 AI 叙事硬扯的嫌疑，这可能历来如此。更可怕的是，可能存在 公开的协调机制（public coordination devices）：即如果社会形成“不裁员等于不用 AI”的叙事，公司可能会产生攀比效应（Keeping up with the Joneses），为了故作姿态而裁员，即便这会让经营状况恶化。例如，有传闻称部分企业甚至要求程序员最大化 Code Token 使用量（a.k.a. token counters）。
O 型环模型与需求弹性如何创造更多岗位：
需求弹性的魔力：如果这个被强化的产品降价了，且市场对其有高需求弹性，那么整体购买量会大大增加，公司对该岗位的雇佣量可能不降反升（这也就是 Jevons paradox 起作用的条件）。
Citrini 衰退情景的概率分析：
本节重点
详细精要
这能解释为什么现在的律师、会计等职业替代缓慢，因为顾客支付溢价是为了确保公司不会因此倒闭。
对称性：未来人类将被踢出生产闭环：
加上机器之间的交流可能是超快的 “神经语言（neuralese）” ，其思考速度是人类的几千倍，插入一个生物学生大脑将带来极大的融合摩擦。
过渡性的制度阻力：
本节重点
详细精要
人类的立场：利用 Jonathan Haidt 的道德情感框架，对人际交互有强烈偏好的人，在面对 AI 替代时会有道德感上的排斥。如果生物繁衍持续下去，自然选择可能会让这种“愿意找真人”的基因更强地遗传下去（类比 David Reich 关于自然选择依然活跃的论述）。
资本积累与“吝啬鬼”富人的现实：
李嘉诚与马斯克的案例：马斯克目前将资金投向了月球上的 质量加速器（mass drivers），且他并不会在意未来的工程师是人类还是 AI。这类似乎永不满足的精英如果在未来永生，他们将通过远高于普通人的储蓄率，让整个经济变得只围绕着他们偏好的那种资本进行生产。
资本回报率的相对性：
为什么现在不这么做？因为目前的资金雇佣了人才能增值（投资必须通过劳动者）。如果未来消费端全是人（买芭蕾）、但投资端全是机器人，那么资本回报率如果降得足够低（比如消费品价格下降更快），富人可能会转向多消费。但这需要在新品种出现上，不出现无休止的增长。
“冯·诺依曼探测器”与正统 GDP 核算的冲突：
💬 精华片段（中文）
“The pessimistic framing of Moore's law: every 18 months, the value of computation halves. We’re running out of uses for computation so fast that it’s sustaining Moore’s law.”
对摩尔定律的一种悲观理解：每 18 个月，计算的价值就会折半。我们正在以如此快的速度耗尽计算的用途，以至于这恰恰在维系着摩尔定律本身。
本节重点
详细精要
悲观图景：由于缺乏硬件和训练能力，发展中国家被彻底抛下。同时，发达国家通过自动化实现了自给自足，对发展中国家的初级消费品和劳动力市场不再有需求。
“混乱中期”在发展中国家表现得更棘手：
建议他们紧急建立 主权财富基金，尽快买入全球 AI 供应链相关的投资组合，甚至补贴本国公民购买指数基金。
指数化的难度与资产特性：
地主税的局限性：正因为此，单纯靠收取土地租金的 乔治主义税收 将无法筹集到足够的财政资源来应对 AI 冲击。
AI 的终极性质：“电气化” vs “社交媒体化”：
社会化媒体（赢家通吃型）：社交平台攫取了绝大多数 经济租金。如果 AI 亦是如此，利益会高度集中在几个实验室。但如果是后者，Phil 指出，这些实验室为了获取更多资本，最终还是会走向上市；而 AI 带来的监管合规性提升也会加速资本的公开化。
“蛙跳式发展” vs “指数投资”策略：
投资建议总结：Phil 和 Alex 都倾向于优先追求“买下指数”，而不是单纯押注在职业教育再培训上。因为如果技术奇点来得太快，缓慢的培训毫无意义。但他们也强调这并非二选一，在不违背大原则下，使用 AI 的教育升级依然有价值。
安全性与竞争性的平衡：
💬 精华片段（中文）
“Is AI going to be like electricity or social media? ... With electricity, a lot of the downstream benefits actually came to the users of the electricity rather than the actual entity producing it.”
AI 会变得像电力还是社交媒体？……电力带来的大部分下游收益流向了使用它的用户，而不是制造电力的实体本身。
| 术语 | 解释 |
|---|---|
| 关系型部门（Relational Sector） | 指那些高度依赖人类在场或人际互动的经济领域，消费者甚至愿意为此支付溢价，这也是自动化浪潮下可能保留给人类的最后估值高地。 |
| 卡尔多事实（Kaldor Fact） | 由尼古拉斯·卡尔多总结的宏观经济长期稳定规律，其中最著名的一条是劳动力和资本在国民收入中的份额长期保持高度恒定。 |
| 劳动总量谬误（Lump-of-Labor Fallacy） | 指一种错误的零和认知，认为社会上的工作总量是固定的，机器取代一个岗位就意味着永久减少了一个工作机会，而没意识到新需求会产生新岗位。 |
| 网络调整的资本份额（Network-adjusted Capital Share） | 一种更深入的分析法。它不仅看最终产品赚了多少钱归资本，还追溯生产这台机器的供应链上游，看底层包含了多少人类的劳动价值。 |
| 品种增加效应（Increasing Variety） | 指随着技术进步，我们不是消费更多的老产品，而是演化出全新的需求（如太空旅行），这导致人类的欲望难以被完全饱和。 |
| O 型环模型（O-ring Model） | 受挑战者号事故启发，指一种系统中，任何一个单一环节的微小失败都可能导致整个系统价值归零。应用于劳动市场可解释为何 AI 即使能做完 90% 的工作，也可能因为次要环节的不可靠而不被部署。 |
| 杰文斯悖论（Jevons Paradox） | 指技术进步提高了资源利用效率，但反而导致对该资源的总需求增加。例如电脑变省电了，但我们装了更多电脑导致总耗电量上升。 |
| 帕累托改善（Pareto Improvement） | 在福利经济学中，指在不使任何人境况变坏的前提下，使得至少一个人变得更好。用于讨论如何用 AI 财富补偿受损者。 |
| 负所得税（Negative Income Tax） | 一种将税收和社会福利统一的制度。收入低于特定门槛的人不仅不交税，还会得到政府的现金补贴。 |
| 全民基本资本（Universal Basic Capital） | 对比于发钱给居民消费（UBI），这种策略是直接分配资产（如股票、基金份额），让全民拥有社会生产力的部分股权。 |
| 冯·诺依曼探测器（von Neumann Probe） | 一种能利用环境资源进行自我复制以探索宇宙的假想自动化机器，在经济学语境中比喻那些只追求自身繁衍和资本扩张而忽视人类消费偏好的终极 AI 形态。 |
| 壮年就业率（Prime-age Employment Rate） | 衡量 25-54 岁核心劳动年龄段人口的就业占比，是剔除老龄化与学生效应后，反映劳动力市场强弱的黄金指标。 |