Citrini Research&UNDP：AI革命的隱憂——2028智能危機下的智能替代螺旋與下一輪大分流

導語

Citrini Research（美國獨立宏觀研究機構）于2026年2月23日發布的報告《THE 2028 GLOBAL INTELLIGENCE CRISIS》以“來自未來的金融史思辨練習”形式，系統推演了AI agent普及引發的“智能替代螺旋”負反饋循環：企業生產率提升推高名義產出，卻伴隨白領的認知勞動被系統性替代、家庭消費能力萎縮及平臺中介價值消解，最終觸發2027—2028年結構性失業潮與指數回撤。UNDP（聯合國開發計劃署）《The Next Great Divergence》系列背景論文則從歷史縱深與全球南方視角提供額外的分析視角：Shahid Yusuf分析了自2000年代以來的生產率“干旱”與索洛悖論重演，揭示AI高速消費級擴散與企業滲透滯后的脫節；印度與印尼在線零工研究進一步暴露了技能鴻溝、性別交叉不平等及數據異化如何放大“云封建主義”（Cloud Feudalism）下的價值鏈分流。 本文在二者對話框架內展開批判性綜合，旨在為AI治理研究提供一個跨報告、跨學科的理論整合路徑。

關鍵詞：人工智能治理（AI Governance），Ghost GDP，智能替代螺旋（Intelligence Displacement Spiral），平臺勞工（Platform Labor），技術封建主義（Techno-Feudalism）

任筱芃丨作者

趙思怡丨審校

題目：THE 2028 GLOBAL INTELLIGENCE CRISIS——A Thought Exercise in Financial History, from the Future 論文鏈接：https://www.citriniresearch.com/p/2028gic 發表時間：2026年2月23日 論文來源：Citrini Research

題目：The Next Great Divergence 論文鏈接：https://www.undp.org/asia-pacific/publications/next-great-divergence 發表時間：2025年12月2日 論文來源：UNDP（聯合國開發計劃署，United Nations Development Programme）

楔子：one night

根據Citrini Research報告《2028全球智能危機》所描繪的現實場景，我們可以構想以下情景：西雅圖的雨，不像加州的溫柔，豆大的冰點砸在騎手的頭盔上，發出沉悶的響聲，仿佛在吼向這城市的算法決策。

“今日西雅圖暴雨，道路濕滑，能見度低。請務必注意安全?！逼脚_推送的安全提醒在手機屏幕上閃爍?！敖袢沼晏煅a貼政策已調整，完成率達到80%以上可享受雨天補貼?！彼粗謾C屏幕，苦笑了一下。這所謂的安全提醒，聽起來更像是免責聲明。而那達成率獎勵，不過是要他們在暴雨中拼命，去爭奪那原本就屬于他們的收入?！叭ニ麐尩倪_成率?！彼吐曋淞R著。雨這么大，可他別無選擇。房租要交，孩子的學費要攢，醫療保險逾期賬單在提醒他丟掉UI設計師后生活的殘酷。于是更用力地踩下了踏板，與電助力自行車一同消失在雨幕中。

而在這場游戲的另一端，云服務提供商的監控大廳里，工程師們正為AI氣象模型95%的暴雨預測準確率擊掌，“模型表現優異，立即啟動彈性擴容，應對晚高峰流量。”系統自動調高算力分配，賬單隨之水漲船高。于是，使用越多，支付越多。于是，災害越大，賬單越大。結束一天奔波的騎手拖著濕透的身體回到狹小公寓，打開平板看到新聞——《零工經濟權益保障問題再次被討論》。他喃喃道，“也許下周會好些?！笨上麓?，誰知道算法又會如何重新定價這場雨。

這兩個場景在一定程度上是兩份報告所描繪的、正在展開的現實。報告《2028全球智能危機》中作者們以“來自未來的金融史思辨練習”的形式，推演了一條從AI agent普及到白領失業潮、從幽靈GDP到消費萎縮的傳導鏈條。截至2026年2月，標普指數仍逼近歷史高點，負反饋循環尚未啟動，但人類智能的溢價優勢正在以肉眼可見的速度收窄。UNDP的系列報告《The Next Great Divergence》揭示了另一幅圖景。亞太地區——這個擁有全球60%人口、貢獻40%經濟產出的區域——正站在歷史性的十字路口。新加坡的數字基礎設施與AI治理框架都在努力貼近技術前沿，而老撾、柬埔寨、巴布亞新幾內亞等國仍在為基本連通性掙扎。這種“慢采用、高脆弱”的復合困境，可能觸發下一次大分流。

本文的核心論點是AI時代的危機不僅是技術沖擊，更是深層結構性矛盾的集中爆發。我們需要批判性地審視硅谷盛行的有效利他主義（Effective Altruism）——這一功利主義取向的方法論框架通過“預期價值理論”（Expected Value Theory）量化慈善干預，強調私人慈善的作用，卻刻意忽視國家在資源分配中的核心作用。當政治周期（2-4年）與經濟周期（8-10年）嚴重錯配，當MMT政策框架只能應對賬面金融的流動性危機卻無法修復實體經濟的斷裂——我們正目睹一種新型社會形態的上浮，即技術封建主義（Techno-Feudalism）。

一、幽靈GDP：Citrini的核心悖論

要理解AI時代的結構性危機，我們需要首先審視Citrini Research報告提出的核心概念——它為我們提供了一個觀察賬面繁榮與實體萎縮并存現象的分析框架。

1.1 智能替代螺旋

Citrini Research報告的核心概念是幽靈GDP（Ghost GDP）。其邏輯鏈條如下。AI agent大幅提升企業生產率、壓縮成本、推高利潤，名義GDP數據因此保持增長；但與此同時，被AI取代的白領勞動者失去收入來源，家庭收入與工資增長萎縮。結果是，經濟產出在統計上持續擴張，卻不再轉化為人類消費能力的提升。

Citrini Research報告將這一機制稱為智能替代螺旋（Intelligence Displacement Spiral）

企業為降本增效采用AI→裁員→消費能力下降→企業營收承壓→進一步裁員和AI投資→螺旋加速。

報告內宣稱：“這個負反饋循環沒有自然剎車。”

1.2 情景推演：2027—2028年的危機圖景

“智能替代螺旋”是一個抽象機制。要理解它在現實中如何展開，Citrini Research報告從三個維度進行了情景推演，即平臺中介價值的消解（以支付和外賣行業為例）、就業市場的崩塌（以科技密集型城市為例）、以及跨國傳導（以印度IT服務業為例）。以下情景均為假設性情境。

首先是平臺中介價值的消解。在Citrini Research報告的情景推演中，當AI agents全面掌控交易流程（包括搜索、比價、下單到支付，使用穩定幣等優化繞過傳統費用，目前已部分實現）后，2027年第一季度，Mastercard在其財報中承認“agent主導的價格優化”影響交易量增長，次日股價暴跌9%，是“不可逆的轉折點”。平臺的所謂用戶心智價值便遭到消解。

DoorDash（美國本土最大的外賣及即時配送平臺）的案例更具諷刺意味。該報告將其作為典型案例。當AI agents普及后，開發新配送應用的門檻大幅降低，競爭對手能在數周內上線功能完備的替代App，并將90-95%的配送費直接轉給司機，從而吸引司機大規模流失；同時，App忠誠度對機器而言根本不存在，它們會實時同時查詢DoorDash、Uber Eats（全球覆蓋最廣的外賣服務之一）、餐廳官網及數十個新興替代方案，每次都自動選擇手續費最低、送達最快的選項。DoorDash外賣平臺近年來因已有的定價行為飽受詬病。2020年，華盛頓特區總檢察長起訴DoorDash，指控其使用顧客小費抵扣配送員的基本工資。DoorDash最終支付250萬美元和解。2025年，紐約州獲得1680萬美元和解，涉及約6.3萬名配送員的小費問題。同年，加拿大競爭局起訴DoorDash“滴灌定價”（drip pricing），指控其在結賬時添加未明示的強制費用，據稱十年間收取了近10億加元的隱蔽費用。這家平臺憑借其市場支配地位，在餐廳和消費者兩端同時抽取租金——餐廳被迫接受高傭金以獲得流量，消費者則被迫支付不斷上漲的配送費和服務費。然而，在上述AI agent驅動的假設情景中，其市場支配地位真的可能迅速瓦解。

其次是就業市場的崩塌。在Citrini Research報告情景中，隨著AI agents大規模系統性替代白領認知工作，家庭收入與消費能力同步萎縮，進而觸發連鎖反應。報告推演2027—2028年，美國失業率攀升至10.2%，標普500指數較2026年高點回撤逾30%。舊金山房價年降幅達11%，西雅圖為9%，奧斯汀為8%。房利美警示稱，科技/金融從業者比例逾40%的郵遞區號出現“早期逾期貸款率攀升”現象。這些區域通常聚集信用評分780分以上的借款人，向來被視為“無風險”地帶。

美國的就業危機不會止步于國境線。當硅谷的程序員被AI替代，萬里之外的班加羅爾也將感受到震動。這是智能替代螺旋的跨國傳導維度。印度IT服務業年出口額超過2000億美元（NASSCOM印度軟件和服務業企業行業協會數據），是其經常賬戶盈余的最大貢獻者。但AI coding agent的邊際成本已大幅下降，幾乎僅剩電力成本。在Citrini Research情景中，美國企業大規模轉向本地AI coding agents后，外包需求驟減，導致TCS（印度最大、全球領先的 IT 服務與咨詢龍頭企業）、Infosys（印度標志性的全球化 IT 服務公司，以質量與管理著稱）和Wipro（印度老牌綜合性 IT 服務巨頭，業務覆蓋科技、咨詢與外包）等企業在2027年面臨合約加速取消的困境，盧比兌美元匯率在4個月內暴跌18%。

Citrini的情景推演并非憑空而來，它植根于一個更長的歷史脈絡。過去半個世紀，生產率增長持續放緩，“索洛悖論”反復顯現。要理解AI沖擊為何可能不同于以往的技術革命，我們需要回溯這段歷史——這正是UNDP背景論文所能提供的視角。

二、UNDP的鏡鑒：生產率“干旱”與索洛悖論

Citrini Research的幽靈GDP情景并非孤立預測，而是建立在生產率演變的歷史規律之上。UNDP《The Next Great Divergence》系列報告的背景論文《AI的宏觀經濟后果》提供了這一歷史縱深，幫助我們理解為何AI的生產率兌現可能面臨漫長滯后以及滯后本身對應的風險。

2.1 生產率增長的持續放緩

Shahid Yusuf在UNDP報告《AI的宏觀經濟后果》開篇即引用保羅·克魯格曼的名言——“生產率不是一切，但從長遠來看，它幾乎就是一切。”然而，自2000年代初以來，全球經濟經歷了持續的“生產率干旱”（productivity drought）。

圖1：Shahid Yusuf，The Growth Dialogue首席經濟學家、前世界銀行資深經濟學家（服務35年），哈佛大學經濟學博士。長期專注亞太地區發展經濟與生產率研究。

根據Conference Board的數據，亞太地區的全要素生產率（TFP）增長呈現明顯下滑趨勢：

這種生產率放緩對發展中經濟體尤為不利。如Yusuf所指出的，“亞洲太平洋地區的中等收入國家正從增加要素投入（主要是資本）獲取大部分增長，但邊際回報遞減的壓力日益凸顯。”這與前文描繪的幽靈GDP情景形成呼應。當AI驅動的效率提升無法轉化為廣泛的人類福祉改善時，實體經濟的生產率基礎將持續被侵蝕以代償資本自我增殖的壓力。

2.2 從“索洛悖論”到AI的漫長孕育期

1987年，經濟學家羅伯特·索洛抱怨道：“計算機無處不在，唯獨不在生產率統計中。”這一“索洛悖論”（Solow Paradox）揭示了通用技術的普遍特征，革命性新技術的普及必然緩慢，因為它必須取代代表現有沉沒資本的既有技術。

Yusuf在報告中詳細追溯了計算機化的歷史軌跡。1968年惠普推出HP 9100A桌面計算器（desktop calculator），此后個人計算機逐漸滲透工作場所和家庭。但企業和家庭的采納速度差異顯著——企業采納相對較快，家庭則明顯滯后。直到1990年代，計算機才變得無處不在，其影響也因寬帶互聯網接入而強化。然而，計算機化帶來的生產率提升是短暫的?！笆兰o之交后不久，TFP便呈下降趨勢，互聯網和數字技術的普及也未能扭轉這一下滑和隨后的停滯?！盰usuf引用歐盟數據指出，截至2020年代初，70%行業的平均企業數字化并未改善生產率——只有20%的前沿企業實現了0.34%的TFP增長。這一歷史經驗對AI的樂觀預期提出了嚴峻挑戰，Citrini Research報告也是基于已有共識，推演出了2028年的危機情景。

AI的擴散速度可能與以往技術革命有根本不同。 2022年11月ChatGPT發布后，僅用5天便突破100萬用戶、2個月突破1億月活躍用戶——成為歷史上增長最快的消費級應用。與之相比，電話達到100萬用戶用了約20年，移動電話用了約12年，互聯網用了約3年。據“互聯網女皇”Mary Meeker的報告，AI預計將在約3年內達到50%的美國家庭普及率；而移動互聯網用了6年，桌面互聯網用了12年，個人電腦用了20年。這種差異的核心在于AI是被改造為直接面向消費者（D2C）的通用技術。個人電腦和互聯網的普及需要企業先行采購、部署基礎設施，再逐步滲透至家庭。而部分生成式AI的門檻幾乎為零。用戶只需一部智能手機和一個免費賬戶。截至2025年，全球約有66%的人口定期使用AI工具，其中印度、尼日利亞等新興市場的定期使用率高達92%。ChatGPT的周活躍用戶在2025年2月已突破4億，其中90%來自北美以外地區。

圖2：Mary Meeker，被譽為“互聯網女皇”，Bond Capital創始合伙人，前Kleiner Perkins增長實踐負責人，以《Internet Trends》報告聞名。2025年發布首份專注人工智能的Trends報告，是全球技術采用趨勢的權威分析師。

但這種高速普及本身可能構成一種假象。消費者使用AI不等于AI創造經濟價值。多數用戶的AI使用仍停留在娛樂、社交、輕度輔助等場景，與企業的生產流程深度融合仍需時日。一項針對25,000名丹麥工人的研究發現，聊天機器人雖已廣泛使用，但“幾乎未觀察到收入和生產率的改善”。換言之，AI可能正在重演“索洛悖論”。只不過這一次，技術占據用戶心智的速度更快，不見于生產率統計中的困境可能同樣漫長。

2.3 AI采納的現實圖景

與流行的技術樂觀主義敘事不同，AI在實際經濟中的滲透仍然有限。Yusuf援引美國人口普查局數據，2018年僅有3%的企業使用AI，到2023—2024年這一比例也僅為4.4%，且主要集中在規模較大、增長較快的企業。更多企業正在試水，但大規模采納仍需時日。

McKinsey（全球最頂尖的管理咨詢公司）的研究展示了AI在各行業的應用分布。目前，銷售與營銷、客戶服務（如呼叫中心）、軟件工程/編程、翻譯、數據分析和文本生成等領域的滲透率最高。然而，許多先驅企業發現，組織重組和培訓所需的投資既具破壞性又成本高昂，“數年過去，AI的效益才可能體現在資產負債表上”。一項對25,000名丹麥工人的研究發現，聊天機器人雖已廣泛使用，但“幾乎未觀察到收入和生產率的改善”。

圖3： 指標“總計（%）、行業收入和總價值（十億美元）”反映了生成式人工智能在各行業潛在收入創造能力的預估值。數據來源：McKinsey《The economic potential of generative AI》，2023

宏觀層面的生產率數據固然重要，但AI沖擊的微觀體驗更為直觀。當我們把視線從國民經濟賬戶轉向具體的勞動者——尤其是全球南方的零工工人——會發現幽靈GDP的邏輯已在他們的日常生活中顯現。這正是UNDP另一篇背景論文所揭示的維度。

三、零工經濟的鏡鑒：全球南方的視角

生產率統計的抽象數字背后，是具體可感的人類經驗。UNDP報告《印度與印尼在線零工工作的教訓》將宏觀分析落地到微觀層面，揭示了AI沖擊如何在不同發展階段的勞動者身上顯現。

3.1 UNDP與Citrini的對話

UNDP報告《印度與印尼在線零工工作的教訓》與Citrini Research報告形成了對話關系。前者聚焦全球南方零工工人，后者推演美國白領失業危機，共同揭示AI早已展現卻常被忽視的跨階層、跨國界特征。根據UNDP報告所引用的Aapti Institute（印度公共研究機構，聚焦科技與社會交叉領域）研究，印度在線零工市場更成熟飽和（2017—2024年間平臺工人注冊數趨于平穩），印尼為新興增長市場；兩國共同面臨正式就業保護有限、非正規就業比例高企（印度88%，印尼59.4%）以及在線零工法律保護近乎空白的現實。美國零工經濟亦從“南方現象”向“北方現象”蔓延，美聯儲2024年報告顯示20%成年人參與零工（較2021年上升），51%兼有主業，31%依賴零工維持生計（平臺短期任務中高達61%）；美國非農就業統計體系結構性缺陷（CES“崗位” vs CPS“人數”口徑差異）導致數據高估，高盛分析指出降薪/失業者轉向平臺填補缺口，零工已成為勞動力“泄壓閥”。

圖4：約20%因降薪、失業或工時減少而開始從事零工工作；一半的零工工作者是為了在其他收入來源之上賺取更多錢。數據來源：高盛《The Gig Economy: Another Perspective on the Labor Market》，2025。

這種被迫“靈活就業”的現象，正是Citrini Research報告推演情景的現實前奏。當AI驅動的“智能替代螺旋”加速，白領失業潮可能令更多人涌入零工市場。而零工市場本身也面臨AI自動化（如Google Wing）的沖擊。換言之，零工經濟可能只是從“全職就業”必然滑落到“結構性失業”之前的短暫中轉站。

3.2 收入差距與技能鴻溝

零工經濟的收入結構呈現出高度的不確定性與不平等。UNDP報告指出，由于缺乏正式的工資框架，工人難以預測收入和制定預算。月收入波動劇烈，取決于客戶類型和工作經驗。

跨境零工帶來的收入差距尤為顯著。一位印尼工人反映為國內客戶工作月收入約200～300美元，而為國際客戶完成類似任務則可獲得600～900美元。同樣技能的勞動，因客戶所在地的不同而獲得截然不同的報酬。此外，工作經驗對收入的影響同樣明顯。擁有五年以上經驗的工人月收入可達1000美元。這種收入差距本身就是GDP無法捕捉的真實人類發展差異。

技能培訓的系統性缺失構成了更深層的鴻溝。報告明確指出：“所有工人都表示，其AI工具知識來自'自我驅動的探索'，出于好奇心驅動。沒有任何人接受過正式培訓或結構化技能發展。”在線零工經濟中技能支持體系明顯的嚴重缺失，工人必須依靠自學來掌握可能決定其生計的新技術。同時，AI工具的雙重效應正在重塑工作模式。報告發現，生成式AI在工作的“中心”（如構思、研究、迭代生成）和“外圍”（如市場分析、提案寫作、行政任務）都發揮著作用。對于低工資、低認知強度的工作，AI可能替代核心和常規任務。而對于高工資、高認知強度的工作，AI更可能補充人類能力，如批判性思維、創造力和情感智力。然而，即便是高技能自由職業者也可能面臨工作機會減少的壓力。這可能導致剩下的高技能、高薪工作與低技能、低薪工作之間的差距進一步擴大。

軟技能的日益重要性是一個關鍵發現。工人和專家都強調，雖然硬技能幫助工人完成所需任務，但軟技能（如溝通、批判性思維、創造性思維）對于維護良好的客戶關系至關重要。軟技能尚無法被AI工具完全復制。一位印尼工人坦言，在其擴展業務的過程中，AI幫助有限，關鍵在于建立專業網絡所需的軟技能。同時，UNDP報告明確指出，“像ChatGPT這樣的工具已經減少了一些自由職業工作的需求和工資”。受沖擊最嚴重的正是寫作與翻譯、軟件開發等曾經被視為“高技能”的領域。這與Citrini Research報告推演的情景形成了一致。當美國白領階層的核心技能（編程、文案、數據分析）被AI逐步替代，他們可能被迫“降級”進入零工經濟——而在這個領域，他們將與印度、印尼等原來外包產業中心的工人爭奪同樣的任務。

這種“跨階層跌落”并非簡單的地位互換。UNDP報告聲稱AI對技能成熟度高的工作（如寫作、翻譯）的替代效應更強，而對工作流程復雜、依賴情境知識的工作（如專業服務）則更多呈現互補效應。這意味著被AI替代的白領工人涌入零工市場后，往往集中在那些AI成熟度最高的領域，即是競爭最激烈、報酬下降最快的領域。標普的報告指出，零工者的時薪通常只有其原有傳統工作薪資的50%～65%。對于剛剛“跌落”的白領而言，這種收入落差不僅意味著生活水平的驟降，更意味著其多年積累的專業技能在AI時代被重新定價——從“稀缺資本”淪為“大眾商品”，努力也回不去了。不過，當美國白領跌入零工經濟，他們至少還擁有“軟技能”和網絡資源的積累；而對于印度、印尼的工人而言，他們從未擁有過這些“起點優勢”，卻要面對同樣的技能貶值壓力和同樣的自學AI的機會成本投入。這種“起點不平等+技能貶值”的交叉效應，顯然是AI時代全球勞動市場重組的核心特征之一。而GDP指標對此完全無動于衷，傳統經濟指標在AI時代失效。

3.3 性別維度的交叉性

零工經濟的性別分析不能局限于收入差距，而必須置于更廣闊的社會文化脈絡中審視。UNDP報告也展示了性別因素如何與AI沖擊相互交織，形成復雜的治理難題。

靈活性的雙重面向構成了女性零工經驗的核心悖論。報告指出，靈活的工作安排正在吸引女性參與，因為這允許她們兼顧育兒和家務責任。然而，“這種靈活性往往是一把雙刃劍。零工工作為女性打開了經濟參與的大門，但也可能將她們困在低薪、不穩定、缺乏明確成長和晉升路徑的角色中。最初看似解放的靈活性，可能在不經意間固化了 不安定的工作的循環，缺乏福利和就業保障。”報告發現還發現，“女性往往集中在歷史上由女性主導的職業領域，如寫作和翻譯、教學和文書工作?！备唧w而言，“女性主要集中在專業服務、文書和數據錄入、以及創意和多媒體領域?！币晃粎⑴c社區技能培訓的印尼女性工人提到，“在專業服務類工作中，幾乎每位候選人都是女性?！睂＜以L談表明，這是因為遠程工作允許女性為家務騰出時間，但這同時也意味著職業發展的天花板。

數字接入的性別鴻溝在印度尤為突出。報告明確指出，“阻礙印度在線女性工人的另一個重要因素是較低的智能手機擁有率，加之較低的數字素養水平?！边@一發現重新強調了數字不可能離開物質基礎。沒有設備和技能，女性難以進入數字勞動市場。客戶關系中的性別偏見同樣值得關注。報告提到，“兩位來自印度的女性工人講述了男性客戶輕視她們、貶低她們反饋的經歷——這是一種不愉快的體驗，也可能損害長期的職業關系，尤其是在存在持續性別刻板印象的環境中?！边@表明，即便女性成功進入數字勞動市場，她們仍然面臨著來自客戶和平臺的歧視性對待。

這種多重交叉性表明了AI時代發展分析的在地化的必要性。階級、性別、地域等因素事實上相互疊加，形成復雜的治理難題。這些都無法被GDP增長所捕捉，也無法通過簡單的技能培訓或平臺監管來解決。它要求我們思考：什么是“工作”？什么是“價值”？誰有權定義這些概念？（或者Who gets what, when, how）正如UNDP報告所強調的，“AI革命對零工工作而言，不僅僅是關于工作替代或提高人類生產率，而是關于工作的根本性重構?！闭嬲莸腁I治理，必須首先承認這些結構性不平等的存在，并將邊緣群體的聲音納入治理框架的核心。

對零工經濟的分析揭示了AI沖擊的微觀維度，即勞動者的議價能力被削弱、技能獲取渠道匱乏、社會保障缺位。當這些微觀困境疊加宏觀的生產率悖論，傳統的政策工具能否應對這種結構性危機？這正是MMT（現代貨幣理論）政策框架面臨的根本挑戰。

四、MMT政策的困境：賬面金融與實體經濟的斷裂

面對AI沖擊帶來的結構性失業和消費萎縮，傳統的政策工具箱是否仍然有效？Citrini的情景推演與MMT（現代貨幣理論）的框架形成了深刻對話，揭示了賬面金融操作與實體經濟修復之間的斷裂。

4.1 MMT的理論基礎與政策興起

現代貨幣理論（Modern Monetary Theory, MMT）在過去十年獲得了廣泛關注。其核心洞見植根于貨幣國定論（Chartalism）的傳統，可以追溯到凱恩斯和明斯基。主權貨幣發行者不會“用完”本國貨幣，赤字僅為會計概念，而非資金本身。這一框架為“綠色新政”等大規模財政擴張提供了理論背書——政府應作為“最后雇主”實施就業保障（Job Guarantee），在私人部門需求不足時通過功能性財政直接創造就業。

2020年疫情提供了驗證場景。美國通過《CARES法案》等史無前例的財政刺激，將赤字推升至GDP的15%，配合美聯儲量化寬松，迅速將失業率從14.7%拉回4%以下，且初期未引發高通脹。這看似證實了MMT的核心命題。美國財政政策的實際操作——不計成本的大規模支出、對債務可持續性問題的刻意淡化——無疑帶有濃厚的MMT色彩。換言之，MMT已成為當代美國財政政策的重要指導性理論之一，即便這種影響往往以隱性的、去標簽化的方式呈現。

4.2 MMT框架

MMT圍繞三個相互關聯的核心命題展開。其一是功能財政原則：財政政策的目標不是平衡預算，而是實現充分就業與價格穩定。政府應在私人部門需求不足時增加支出，在經濟過熱時收縮支出，預算盈余或赤字僅為這一功能的副產品。

其二是就業保障機制：政府作為“最后雇主”，向所有愿意工作的公民提供公共部門崗位。這既是社會安全網，也是價格穩定的“錨”——私人部門裁員時工人流向公共部門，工資水平保持穩定；私人部門擴張時工人流回，抑制工資—價格螺旋。

其三是貨幣主權條件：框架僅適用于擁有貨幣主權且實行浮動匯率的國家，固定匯率或貨幣聯盟成員國的政策空間則受限。疫情期間的CARES法案（美國2020 年 3 月 27 日簽署生效的《冠狀病毒援助、救濟和經濟安全法案》，史上最大規模經濟刺激法案）與后續救援計劃被視為典型驗證：赤字升至GDP 15%，失業率快速回落，初期通脹保持溫和，初步印證了框架的短期操作效能。

4.3 MMT在AI時代的局限

上述框架的隱含假設——生產需勞動力與資本結合、金融為資源配置中樞、國家可通過貨幣財政直接調控——在AI時代不再完全成立。Citrini Research報告推演的情景表明，當AI agent以近乎零的邊際成本替代白領認知勞動，企業面對需求回升時更傾向增加算力而非雇傭人類，“需求—就業”傳導鏈條被切斷。與2008年金融危機（流動性危機）本質不同，AI沖擊是勞動力的結構性錯配。通脹信號也發生變化，可能同時出現供給側成本推動與需求側結構性萎縮，MMT“通脹→收縮”的規則難以適用。

換言之，MMT是“工業—金融資本主義”時代的理論。其假設前提是生產需要勞動力、資本和自然資源的結合；金融系統是資源配置的中樞；國家可以通過貨幣和財政政策調控這一系統。這正是Citrini情景推演所要揭示的深層危機。MMT下的執行的好不好已經不重要了，因為MMT的整個理論框架面對的是一個它從未設想過的世界。

4.4 Citrini情景中的MMT失靈

Citrini Research報告的情景推演揭示了MMT在面對AI沖擊時的根本局限（以下為假設性情境）。正如前文1.2節所述，2027—2028年，隨著AI agent大規模替代白領工作，美國失業率攀升至10.2%，消費支出萎縮，企業營收下滑。美聯儲試圖通過降息和量化寬松來刺激經濟。但問題是，當AI已經證明比人類更便宜、更高效時，降息能否真正激勵企業重新雇傭人類員工？

2008年次貸危機提供了一個的參照。當時，美聯儲在伯南克的領導下迅速啟動了非常規貨幣政策。美聯儲將聯邦基金利率從5.25%大幅下調至接近零的水平，并先后實施三輪量化寬松（QE），資產負債表從危機前的約9000億美元倍增至2014年的4.5萬億美元。相關經濟措施的邏輯是通過向金融體系注入流動性、壓低長期利率，刺激企業投資和居民消費，最終帶動就業復蘇。

圖5： 美聯儲總資產（周水平，不含合并消除）數據來源： FRED St. Louis Fed (WALCL series)

圖6： 聯邦基金有效利率（%）數據來源： FRED St. Louis Fed (FEDFUNDS series)

這一政策組合確實在相當程度上“成功”了——美國經濟在2009年下半年走出衰退，股市自2009年3月起開啟了長達十年的牛市，失業率從2009年10月的10%峰值逐步回落至2015年的5%。然而，其代價和副作用同樣深遠。資產價格膨脹加劇了貧富分化（美聯儲數據顯示，最富裕1%家庭的財富占比從危機前約29%上升至2024年的約32%，而最富裕10%家庭則持有全國約68%的財富），僵尸企業激增（利率低迷使本應倒閉的低效企業得以茍延殘喘），以及金融體系對央行流動性的結構性依賴。更重要的是，這種“復蘇”在相當程度上建立在資產泡沫和債務擴張的基礎之上，實體經濟的生產性投資并未同步恢復。資本大量流向金融資產而非生產性用途。

然而，2008年的雙刃劍政策面對AI沖擊時是否會變為向己的單刃劍呢？ 當危機的根源不是流動性枯竭而是勞動力的結構性錯配，降息和量化寬松的傳導機制便在起點處斷裂。2008年，銀行因資本充足率不足而收縮信貸，企業因需求萎縮而裁員。那么一旦流動性恢復、需求回升，企業有強烈的動機重新雇傭工人。但在AI時代，企業面臨的是一個完全不同的“成本—收益”計算框架。一個AI agent的邊際成本幾乎僅剩電力成本，且24小時不間斷工作、無需福利、不會罷工——在這種情況下，即便資本近乎免費，企業有何動力重新雇傭人類？

換言之，2008年方案的是借錢的讓大家挨過危機，而AI時代面臨的是“愿不愿意雇傭人”的問題。前者可以通過貨幣政策修復，后者卻指向的是當勞動力的交換價值被技術系統性侵蝕。傳統的宏觀政策工具便失去了著力點。這便是Citrini情景中MMT失靈的深層邏輯。我們目前依然可以創造賬面上的“財富”，卻無法逆轉“智能替代螺旋”對人類勞動的系統性替代。

4.5 滯脹的陰影

Citrini Research報告還提出了一個更令人擔憂的情景——滯脹（Stagflation）。如果AI驅動的生產率提升不足以抵消供給沖擊（如能源危機、供應鏈中斷），同時需求側的刺激政策（MMT式的財政擴張）推高了通脹，那么經濟可能陷入“高通脹+低增長”的滯脹陷阱。2025年美國經濟呈現的前兆特征，正為這一推演提供即時驗證。

與2008年次貸危機的本質差異在于2008年是流動性危機，政策干預有效——一旦流動性恢復，企業有強烈動機重新雇傭工人；而目前呈現的是AI驅動的結構性錯配。AI替代白領工作導致消費需求萎縮（增長下行壓力），同時AI訓練能耗與供應鏈重構推高成本（供給端壓力）。這種“需求萎縮+成本上升”的組合，與Citrini推演2027-2028年的“滯脹”先行吻合。

首先是通脹的頑固性。盡管美聯儲自2022年3月起開啟了40年來最激進的加息周期（聯邦基金利率從近零升至5.25%-5.5%），但核心PCE（個人消費支出，Personal Consumption Expenditures）通脹率在2024—2025年間持續徘徊在2.5%-3%區間，難以穩固回落至2%目標。服務業通脹（尤其是住房、醫療、教育）的黏性遠超預期，而關稅政策的升級進一步推高了進口商品價格，將通脹預期間斷式的重新推高。

其次是增長的動能衰減。2024年下半年至2025年初，美國GDP增速明顯放緩。2023年增長2.5%后，2024年增速放緩（各機構預測在1.4%—2.6%區間），而IMF對2025年的預測已下修至1.8%左右。消費者支出——這一支撐美國經濟的主力——開始顯露疲態。信用卡違約率升至2008年以來最高水平，儲蓄率持續低于歷史均值，“末日消費”（doom spending）現象蔓延。與此同時，企業投資意愿下降，制造業PMI在榮枯線附近徘徊，高利率環境下“僵尸企業”的債務再融資壓力日益逼近。

再次是就業市場的“幻象繁榮”。表面上看，失業率仍維持在4%左右的歷史低位，但這一數字掩蓋了深層的結構性問題。勞動參與率持續低迷，大量 prime-age（25-54歲）男性退出勞動力市場；兼職就業占比上升，而全職崗位增長停滯；零工經濟的“安全閥”效應使隱性失業被系統性低估（如前文所述，CES與CPS統計口徑的差異導致就業數據嚴重失真）。更關鍵的是，AI對白領崗位的替代已經開始——2024—2025年，科技、金融、咨詢等行業的裁員潮中，相當比例的崗位被明確標注為“被AI替代”或“不再需要”。

傳統政策工具面臨雙重失效。降息空間被通脹鎖死，財政擴張受制于債務上限。更根本的是，即便資本成本趨近于零，企業仍傾向購買算力而非雇傭人類。2008年的政策邏輯（刺激需求→拉動就業）在AI時代斷裂，因為我們面臨的并非周期性衰退，而是勞動力交換價值被技術系統性侵蝕的文明級轉變。2025年的“前滯脹”階段，正是舊范式失效、新范式未立的危險過渡期。

五、技術封建主義：AI時代的深層結構

MMT政策的失靈并非偶然。它反映了一個更根本的生產關系變化。當代資本主義正在向一種新型社會形態演變，希臘經濟學家雅尼斯·瓦魯法基斯（Yanis Varoufakis）將這一形態命名為“技術封建主義”——它為我們理解AI時代的權力重組提供了關鍵框架。

5.1 歐洲上空“幽靈”的警示

希臘經濟學家雅尼斯·瓦魯法基斯（Yanis Varoufakis，曾任希臘財政部長）指明的“技術封建主義”概念，為我們理解AI時代的深層結構提供了有力框架。瓦魯法基斯認為，當代資本主義正在向一種新型封建主義轉變。大型科技公司（如亞馬遜、谷歌、Meta）成為“數字領主”，它們擁有“數字領地”（平臺、數據、算法），而普通用戶和中小企業則成為“數字農奴”——他們在領主的領地上勞動（生產內容、數據），并向領主繳納“地租”（平臺傭金、廣告費）。

5.2 云封建主義與AI價值鏈

UNDP報告《探索AI在亞太開啟新治理范式的潛力》為技術封建主義概念提供了實證支撐，揭示了AI價值鏈在亞太地區的具體表現。報告描繪了一幅令人警醒的圖景。AI的生產、部署和治理能力高度集中于少數國家和企業，形成了一種新型的“數字殖民主義”結構。

AI價值鏈可以分為四個層級，每一層都呈現出高度的集中化特征。

最底層是硬件層。半導體芯片是AI生態系統的物理基礎。報告指出，芯片設計和制造已高度集中在少數國家，而在亞太地區，只有四個經濟體在這一領域擁有重要地位，即中國、臺灣、韓國和日本。其中，臺灣的臺積電控制著全球最先進的芯片制程，韓國的三星和SK海力士主導著存儲芯片市場，而日本的東京電子等公司依然在半導體設備領域占據關鍵位置。這種集中意味著絕大多數亞太國家在AI價值鏈的起點便處于完全依賴地位。它們既不設計芯片，也不制造芯片，只能以市場價格購買數字時代的基礎設施。

第二層是基礎設施層，即云計算和數據中心。AI模型的訓練和推理需要海量算力，而這些算力主要由超大規模數據中心提供。在中國以外，全球云服務市場由美國科技巨頭主導，即Amazon Web Services（AWS）、Microsoft Azure、Google Cloud Platform和Oracle Cloud Infrastructure。報告引用的數據顯示，這些“云領主”不僅控制著算力的供給，還決定著算力的定價、可用性和地理分布。對于大多數亞太國家而言，這意味著它們的國家數據、企業應用和公共服務都必須運行在“外國領地”上，隱藏數據的存儲、處理和傳輸都反受制于“云領主”所在國的法律和政策。

第三層是模型層，或者說基礎AI模型（Foundation Models）。這一層的集中度可能最高。截至2025年，絕大多數先進閉源AI模型（如OpenAI的GPT系列、Anthropic的Claude、Google的Gemini）都由美國公司開發和控制。這些模型不僅是技術產品，更是“認知基礎設施”。蓋因它們塑造著信息獲取、知識生產和話語權分配的方式。報告警告稱，這種集中可能導致“認知依賴”。依賴這些模型的國家和企業，實際上將信息篩選和知識生產的權力讓渡給了模型的設計者。

最上層是應用層。這是價值鏈中進入門檻最低的一層，也是大多數亞太國家積極參與的領域。但報告指出，即便在這一層，平臺依賴問題依然嚴重。大多數AI應用需要運行在外國云基礎設施上，調用外國基礎模型，遵守外國平臺規則。這種“下游參與、上游依賴”的格局，使得亞太國家在AI價值鏈中處于結構性弱勢。

這種層級化的權力結構，正是瓦魯法基斯所說的“技術封建主義”在亞太地區的具體表現——我們可以稱之為“云封建主義”（Cloud Feudalism）。

首先是數據主權的侵蝕。當國家的關鍵數據存儲在外國云服務器上、由外國公司管理時，數據主權便成為一個懸而未決的問題。報告指出，許多亞太國家缺乏足夠的數據中心基礎設施，被迫將政府數據、醫療記錄、金融信息等敏感數據托管給外國“云領主”。這不僅涉及隱私和安全風險，更涉及發展權的讓渡。事實上，數據是AI時代最寶貴的“原材料”，而數據控制權的喪失意味著AI發展能力的淪喪。

其次是算法問責的困境。當AI決策影響公民的生活（例如就業篩選、司法輔助、醫療診斷等）。誰來為這些決策負責？報告強調，算法透明度和問責制是AI治理的核心挑戰。但當閉源基礎模型由外國公司開發、部署在外國服務器上、以商業機密為由拒絕披露細節時，亞太國家的政府和公民實際上失去了問責的能力?！昂谙洹辈粌H是技術問題，也是權力問題。

再次是安全可控性的缺失。報告警告稱，對AI基礎設施和模型的外部依賴，可能構成國家安全風險。在地緣政治緊張局勢下，“云領主”可能被迫或主動中斷服務、限制訪問、甚至“武器化”其技術優勢。這種風險并非假設！2022年俄烏沖突后，多家美國科技公司限制或終止了在俄羅斯的服務；類似邏輯也可能適用于其他地緣政治場景。例如對于中國而言，這是現實。自2018年中美貿易摩擦升級以來，美國私人科技公司對中國用戶的限制呈現出加速趨勢，且超越政府制裁的范圍，演變為企業的自愿的加碼行為。在AI模型層，Anthropic于2025年9月推出“資本控制型禁令”，即任何中國資本持股超過50%的企業，無論其注冊地或運營地何在，均被禁止使用Claude服務。這是首次有主流AI公司以資本結構而非地理邊界作為限制標準。OpenAI則于2024年7月正式封鎖來自中國大陸和香港的API訪問，一夜之間切斷了無數中國開發者的技術供給。在工業軟件層，MathWorks于2020年停止向被列入實體清單的中國高校提供MATLAB授權，直接影響科研教學。新思科技、楷登電子和西門子EDA于2025年5月被要求停止向中國供應芯片設計軟件。這三家公司在全球EDA市場占據74%份額。在平臺層，TikTok面臨“不賣就禁”的強制出售令，成為了數字資產可被強制剝離的先例。甚至連GitHub這一全球最大的開源代碼托管平臺，也在2025年4月短暫限制了中國大陸IP的訪問，暴露了開源基礎設施的集中度過高衍生的脆弱性。

這些案例展示了，在“云封建主義”體系中，“數字領主”不僅響應政府指令，更主動會預判和超額執行政治要求。Anthropic的“資本控制型禁令”并非政府強制，而是企業自主決策。OpenAI的API封鎖在技術上可以更精細，但選擇了地域close。這種可以被稱為“過度合規”的現象，也是技術封建主義的表征之一，當“領主”認為自己需要向政治權力負責時，“農奴”的權益便成為可以隨意犧牲的代價。更值得玩味的是，Anthropic由前OpenAI員工創立，以“負責任AI”為核心理念，其創始人與有效利他主義運動關系密切。一個標榜“造福人類”的AI公司，卻在無政府強制的情況下實施以資本來源為標準的歧視性政策。這一諷刺，正是后續批判有效利他主義時將要展開的主題。

報告還指出了亞太國家在AI治理能力上的巨大分化，這種分化正在形成一種“治理能力分流”。在治理框架較為成熟的一端，韓國已制定全面的AI投資、監督和執法立法，定于2026年生效；中國也出臺了關于生成式AI的正式法規，建立了內容審核和算法備案制度。這些國家/地區至少在形式上建立了對AI發展的“主權調控能力”。

在治理框架尚在構建的一端，印度和孟加拉國仍在起草國家AI戰略的過程中，目前缺乏防止或解決AI傷害的可執行法律。報告指出，印度雖然擁有龐大的IT產業和AI人才，但在AI治理規則制定上明顯滯后——這意味著印度的AI發展可能在相當程度上受制于外國“云領主”的規則。

更脆弱的是那些“低能力情境”國家——如老撾、柬埔寨、巴布亞新幾內亞等。這些國家不僅缺乏AI研發能力，更缺乏基本的數字基礎設施和治理框架。它們在AI時代的處境，類似于工業革命時代被邊緣化的農業社會——不僅無法參與價值創造，甚至連“被剝削”的資格都沒有，只能作為被動的“數字殖民地”存在。

這種“云封建主義”結構，為理解Citrini Research報告推演的印度IT服務業危機提供了關鍵背景。印度IT服務業年出口額超過2000億美元，是其經常賬戶盈余的最大貢獻者。但整個商業模式建立在一個脆弱的前提上，即印度開發員的成本僅為美國同業的零頭，因此全球企業會持續將IT服務外包給印度。

然而，當AI編碼 agent的邊際成本降至幾乎僅剩電力成本時，這一前提便不再成立。更明顯的問題是，印度IT服務業并不擁有AI價值鏈的任何核心環節。印度不控制芯片，不控制云基礎設施，不控制基礎模型，只是在“應用層”提供服務。在“云封建主義”體系中，這種“無根”的服務模式極為脆弱。一旦“領主”決定改變規則（如大幅降低AI token的單位計價），在新版羊吃人事件沒有不重演的理由。

Citrini Research報告推演的情景——TCS、Infosys和Wipro等企業在2027年面臨合約加速取消、盧比兌美元匯率暴跌18%——正是這種結構性脆弱性的具體表現。這很難說是周期性的危機，而是一個結構性的危機。技術封建主義的分析揭示了AI時代的權力重組。然而，這種結構性批判與硅谷的主流意識形態形成了尖銳對立。有效利他主義（Effective Altruism）作為硅谷最具影響力的倫理框架，恰恰回避了“誰掌握權力”這一核心問題——這正是我們需要批判性審視它的原因。

六、批判有效利他主義：硅谷意識形態的局限

技術封建主義的浮現并非偶然，它與硅谷的主流意識形態相互支撐。有效利他主義（Effective Altruism）作為這一意識形態的代表，通過“量化優化”的框架回避了權力分配的核心問題。批判性地審視有效利他主義，有助于我們理解為何技術封建主義能夠獲得意識形態的掩護。

6.1 功利主義內核與國家作用的忽視

有效利他主義（Effective Altruism）是近年來在硅谷蔚然成風的方法論框架，其核心主張是我們應該用理性和證據來指導慈善和政策決策，將資源投入到能夠產生最大積極影響的地方。然而，這一框架存在根本性的理論缺陷和政治偏見。

首先，有效利他主義明顯帶有功利主義取向。有效利他者通常使用“預期價值理論”（Expected Value Theory）來評估不同慈善干預的效果，通過量化指標比較不同干預措施的效益成本比。這種方法假設所有價值都可以被量化、比較和加總。但人類福祉的多元維度（尊嚴、自主、文化認同）真的能夠被簡化為數字嗎？

其次，有效利他主義強調私人慈善的作用，但國家在資源分配中的重要作用被刻意忽視、壓制。 有效利他主義的倡導者——如FTX（加密貨幣衍生品交易平臺）創始人Sam Bankman-Fried（目前仍因金融詐騙被監禁中）——傾向于將社會問題視為可以通過“優化”解決的工程問題，而非需要通過民主政治過程協商解決的公共議題。這種“去政治化”的傾向，實際上是一種高度政治化的立場。它維護了現有權力結構，將變革的責任從國家轉移到資本持有人身上。

6.2 文化帝國主義與全球南方

有效利他主義的普世化主張可能構成一種文化帝國主義，將西方的布施模式強加于其他文化。UNDP報告《印度與印尼在線零工工作的教訓》提供了一個反思的契機。報告中受訪的印度和印尼零工工人，他們的需求、優先事項和價值觀——靈活的工作時間、家庭責任的平衡、社區網絡的支持——很難被有效利他主義的“效益成本比”框架所捕捉。

例如，報告發現女性工人主要集中在專業服務、數據錄入、創意多媒體等領域，部分原因是遠程工作允許她們兼顧家庭責任。但這種“靈活性”也意味著職業發展的天花板。一個有效利他主義框架下的“優化”方案可能會建議女性工人“最大化收入”。但這可能意味著放棄她們珍視的家庭時間。誰有權決定“最大化收入”是“最優”的？

更深層的問題是有效利他主義的“長期主義”（longtermism）視角——聲稱關注未來數百年甚至數千年的影響——往往以犧牲當代人的緊迫需求為代價。當硅谷的億萬富翁們討論如何“降低AI滅絕人類的風險”的同時豪擲數億建造末日堡壘，零工工人正在為下個月的床位費發愁。這種優先級的錯位，本身就是一種權力關系的體現。

6.3 Citrini情景對EA的諷刺

Citrini Research的《2028全球智能危機》報告——盡管本身也是一份來自金融界的分析——卻無意中暴露了有效利他主義框架的局限。該報告推演的情景頗具諷刺意味。正如前文1.2節所述，隨著AI agents大規模系統性替代白領認知工作，2027—2028年AI驅動的失業危機首先沖擊美國白領階層——這正是有效利他主義運動在硅谷的核心支持群體。舊金山房價年降幅達11%，西雅圖為9%，奧斯汀為8%，科技從業者發現自己也成了AI“效率革命”的犧牲品。

更具黑色幽默的是，這一幕在現實中已提前上演于有效利他主義精神母體之一的Anthropic（一家由前OpenAI員工創立的AI公司，以開發Claude系列模型著稱）。就在2026年2月27日，這家由前OpenAI員工創立、以“負責任AI”和有效利他主義為旗號的公司，因拒絕移除Claude的兩條公司內部紅線——即不得用于美國國內大規模監控、不得用于全自主致命武器——被特朗普政府直接下令所有聯邦機構立即停止使用其技術，五角大樓將其列為“供給鏈風險”（等同于對華為的待遇），并要求軍事承包商全面斷絕商業往來。國防部長Hegseth直斥這是“有效利他主義的缺陷修辭在強迫美國軍隊服從硅谷意識形態”。而OpenAI隨即簽下合同，填補空缺。

“云封建主義”在此得到完美的反向印證。當“數字領主”試圖用自己的“使用條款”約束更高層權力時，自己反而被逐出領地，蓋因它的“領地”終究是脫離不了現實的。Citrini Research報告冷冰冰地總結“如果我們的AI看漲觀點繼續正確……那實際上可能是看跌的?！边@種自我反噬，恰恰表現了有效利他主義框架總是缺乏的自我反思。它假設“我們”（富有的資本家和技術專家）永遠站在優化者的位置，卻從未想過，在技術封建主義結構下，沒有人能置身事外，包括那些自以為在“拯救世界”的數字領主。

有效利他主義的局限指向一個更深層的治理困境，即當技術演進的周期（以月計）遠快于政治決策的周期（以年計），傳統的治理機制如何能夠有效回應？政治周期與經濟周期的錯配，正是AI時代治理危機的核心癥結。

七、政治周期與經濟周期的錯配

有效利他主義的“去政治化”傾向回避了一個問題在AI時代，傳統的政治—經濟協調機制是否仍然有效？政治周期與經濟周期的根本性錯配，使得治理面臨前所未有的挑戰。在此，我們收束思維。

7.1 周期錯配的政策后果

政治周期（通常為2～4年的選舉周期）與經濟周期（通常為8～10年的技術—投資周期）的錯配，是理解AI時代政策困境的關鍵。UNDP報告《探索AI在亞太開啟新治理范式的潛力》指出：

“除非這些技術嵌入穩定的立法和行政框架，否則它們將始終容易受到領導層更迭和資金周期變化的影響——危及它們的長期影響和投資回報?！?/blockquote>

這一錯配的具體表現是當AI帶來的經濟沖擊（如大規模失業）在政治上變得不可容忍時，政客們傾向于采取短期刺激政策（如MMT式的財政擴張）來安撫選民；但這些政策無法解決AI驅動的結構性問題，反而可能加劇長期風險（如通脹、債務危機）。當長期風險最終爆發時，負責“滅火”的可能是另一屆政府——這進一步強化了政治上的短視行為。

有效利他主義強調“預期價值理論”下的即時效益最大化，這一方法論在短周期主導的環境中，易使經濟研究優先關注可快速量化的消費級AI應用，而對需8-10年持續投入的基礎設施、跨國價值鏈重構等長期議題投入不足。技術發展同樣受此影響：算力部署與模型迭代本需長期穩定規劃，卻常因周期波動轉向投機性擴張。

在這一錯配中，數字領主必須在周期波動中規劃長期算力部署，結果往往是投機性擴張而非結構性創新。當AI沖擊（如白領失業）在短期內顯現時，傾向于短期財政擴張用于安撫利益相關方，卻將長期風險留給后續階段。這正是UNDP報告警告的周期更迭風險在技術研究與發展領域的放大。

7.2 Citrini情景中的政策無力感

Citrini Research報告推演的情景（假設性情境）正是這一錯配的典型表現，尤其在美國語境下，若是2027—2028年，當AI驅動的失業危機全面爆發時，政策制定者發現傳統的政策工具箱已經失效。時值2028總統大選前夕，黨派博弈達到頂峰。降息無法激勵企業重新雇傭人類員工（AI邊際成本已降至電力水平），財政刺激也因債務上限和國會否決而淪為臨時輸血。

Citrini Research報告描繪的“智能替代螺旋”的預言一旦自我實現，政客只能忙于競選承諾的短期救濟，卻無力觸及上游算力與模型控制的結構性根源。更諷刺的是，2026年2月特朗普政府對Anthropic的清算——即因其拒絕Claude用于國內大規模監控和全自主致命武器而下令所有聯邦機構立即停用并列為“供給鏈風險”——已提前確認了這種無力感。即使“負責任AI”的數字領主試圖設定邊界，短期政治權力也能一夜之間顛覆其商業模式。領主看似強大，卻必須服務于更高層的選舉周期邏輯。

八、綜合研判：分流機制與政策路徑

8.1 三重分流機制的交織

綜合Citrini情景推演與UNDP研究，可以識別出AI時代國家間不平等加劇的三重機制：

（1）技術采納分流

AI基礎設施（算力、數據、算法）高度集中于少數國家和企業，形成“數字殖民主義”的新版本。Yusuf指出：“芯片設計和制造已集中在少數國家——其中只有四個位于亞太地區?！比狈Ρ就罙I能力的發展中國家被迫依賴外部技術供應，在數據主權、算法透明度、安全可控性等方面處于結構性弱勢。

（2）產業轉型分流

AI對不同產業的沖擊強度各異：

• 以IT服務出口為支柱的經濟體（如印度）面臨需求萎縮風險——Citrini Research報告推演稱（假設性情境），TCS、Infosys和Wipro等企業在2027年面臨合約加速取消的困境。

• 以制造業為主的經濟體（如越南、孟加拉國）短期內受影響較小，但長期可能錯失AI賦能制造業升級的窗口。

（3）治理能力分流

AI治理框架的成熟度成為國家競爭力的重要維度。UNDP報告指出：“韓國已制定全面的AI投資、監督和執法立法，定于2026年生效。中國也出臺了關于生成式AI的正式法規。相比之下，印度和孟加拉國仍在起草國家AI戰略的過程中，目前缺乏防止或解決AI傷害的可執行法律?！?/p>

8.2 政策應對的路徑選擇

UNDP報告為不同發展階段的國家提供了差異化的政策路線圖：

低能力情境：優先投資數字基礎設施和基礎技能，建立AI治理的基本原則框架，通過南南合作和國際援助獲取技術轉移和能力建設支持。

過渡情境：在特定領域（如農業、醫療、教育）試點AI應用，積累經驗和數據，同時加強數據保護和算法問責機制。

高能力情境：推動AI前沿研發，參與全球AI治理規則制定，同時關注國內分配效應，通過社會保障和再培訓計劃緩解轉型陣痛。

8.3 超越GDP的發展指標

面對AI時代的挑戰，我們需要超越GDP，重新想象發展指標。UNDP的人類發展指數（HDI）提供了一個起點，但還需要納入：

作者按：走向新的平衡

雅尼斯·瓦魯法基斯提出的技術封建主義具有啟發性，但需辯證看待。從現象層面看，“云封建主義”確實呈現出封建制的外觀，即云領主（亞馬遜、微軟、谷歌、OpenAI）對數字領地（平臺、數據、算法）的壟斷性占有、數字農奴（零工勞動者、數據生產者）向領主繳納地租（平臺傭金、數據貢賦）以及超經濟強制（Anthropic的資本控制型禁令、TikTok的強制剝離）對契約關系的取代。

然而，從本質上看，這并非封建主義的復歸，而是壟斷資本主義在數字時代的極端形態。封建地租基于土地所有權的超經濟強制，而云地租（Cloud Rent）基于對知識產權（算法專利、數據壟斷）和基礎設施（云服務器）的排他性占有，其根源仍是資本對剩余價值的追逐。所謂“技術封建主義”，實則是資本邏輯從對勞動時間的直接榨取（工業資本主義），轉向對一般智力的占有與對認知勞動的間接剝削（認知資本主義）的質變。受迫繳納平臺“地租”的本質仍是資本對剩余價值的轉化與再分配，歸根結底源于活勞動的創造。將批判局限于“數字地租”，易于模糊算法作為工具的實質，弱化對資本主義生產關系根本矛盾的揭示。

亞太地區的低能力情境國家（老撾、柬埔寨、巴布亞新幾內亞）在AI價值鏈中形成依賴格局。所以其國家數據、醫療記錄、金融信息存儲于海外云基礎設施，導致數據主權（AI時代最寶貴的生產資料）面臨挑戰。這種“云依附”比傳統依附更難解。

進一步講資本主義生產方式下智力勞動的無產階級化。傳統馬克思主義語境中，白領階層（專業技術人員、管理人員）常被視為“新小資產階級”或“工人貴族”，因其掌握稀缺技能并享有較高議價能力。然而，AI agent的普及可能確認了階段性階級地位的流動性終結。因為它不僅攫取剩余價值，更攫取了未來生產力的生成能力。更深刻的異化在于生產資料的全盤喪失：勞動者不僅在其產品中喪失自身，更在其認知活動的痕跡——即AI訓練數據——上喪失了對自身的再生產權。這種數據異化（Data Alienation）比勞動異化更徹底?！霸妻r奴”概念雖形象描繪了數字困境，卻可能弱化現代勞動者作為無產階級的歷史主體地位。

在當下，我們需要超越對技術封建主義的被動適應，重新提出生產資料社會化（如數據公有制、算力公共基礎設施、算法民主控制）的歷史任務。只有在生產關系層面打破云領主的封建式壟斷，重建以使用價值為中心、以人的全面發展為目標的社會形態，AI才能真正從危機制造者轉化為生產力解放者。這一任務也是新時代下生產關系主動適應生產力發展的必然要求。

金融復雜性讀書會

當前，全球金融系統正遭受多重不確定性沖擊，如氣候風險加劇、中美貿易摩擦及俄烏沖突等，導致金融系統復雜性與不確定性達到前所未有的高度。在金融復雜系統中，市場、機構及異質利益相關者的行為呈現非線性與網絡化特征，常引發意想不到的結果。

正如“知己知彼，百戰不殆”所言，我們需系統探究金融復雜系統的理論基礎、量化識別方法、生成演化機制及風險治理路徑，以更有效地認知、建模與決策。為此，集智俱樂部聯合北京師范大學李紅剛教授、愛爾蘭都柏林圣三一學院Brain Lucey教授、中國地質大學（北京）黃書培副教授、首都師范大學王澤講師、北京林業大學幸小云副教授及北京化工大學王欣雅副教授，共同發起。讀書會已結束，支持查看視頻回放歡迎掃碼加入，共建“金融復雜性”社區。

詳情請見：

1.

2.

3.

4.

5.

6.

7.