谷歌DeepMind的AGI经济学总监Alex Imas,同时也是芝加哥大学布斯商学院的休假教授,他提出的观点与AI圈里最响亮的预测背道而驰。他认为,即便数以百万计的自主AI智能体最终运营起整家公司,经济的总体增长率也不太可能达到两位数。原因并不在于技术会不及预期,而在于竞争性市场会把任何生产成本变低的东西的价格压向其成本;而当价格崩塌时,统计出来的GDP并不会像实物产出那样膨胀。人们可能亲身经历一场感觉上比工业革命更大、更快的变革,而官方统计数据却始终停留在历史区间之内。
两条对不上的曲线
问题的起点是两组数字之间的错位。AI能力基准测试的曲线像曲棍球杆一样向垂直方向弯折;而月度就业报告、劳动生产率等宏观经济指标却显得平静而稳定。Imas与Shane Legg及另一位研究者合著的论文《Organizing Intelligence》,试图解释第一条曲线要在第二条曲线中显现出来,必须发生什么。
这篇论文的核心做法是改变分析单位。大多数关于AI的讨论都聚焦于单个主体,无论是人类劳动者还是合成的智能体。Imas则认为,真正在现实市场中竞争的实体是组织,因此关于AI经济影响的模型必须从组织入手。
企业是已经存在的超级智能
在这一框架下,组织是利用比较优势的机器。一家公司雇用一位出色的软件程序员是为了让他写代码,而不是让他下厨。通过把人分配到各自最擅长的领域,企业拼合出论文所称的"马赛克智能",即一种远比内部成员平均能力宽广得多的集体解题能力。
Imas更进一步,提出运转良好的组织已经是一种超级智能。论文随后构建了一个形式化的经济模型,用以研究AI进入这一结构后会发生什么,无论它是作为增强现有马赛克的工具,还是作为其中部分环节的替代者。该模型涵盖了多种竞争情景,包括主要由AI智能体运营的自主组织。
农业的教训
说明产出与GDP为何会背离,最清晰的历史案例来自农业。Imas与经济学家Benjamin Moll合作的研究考察了实物产出的快速增长为何不会自动转化为GDP的快速增长,而农业正是教科书式的例子。
| 指标 | 大规模自动化之前 | 大规模自动化之后 |
|---|---|---|
| 农业占GDP的份额 | 约40% | 约2% |
| 粮食实物产出 | 基准水平 | 成倍大幅增长 |
| 食品价格 | 高 | 大幅下降 |
随着生产率飙升,食品变得廉价,即便粮食数量呈爆炸式增长,该部门在经济中的名义份额却不断缩小。把这一逻辑套用到AI上,意味着高度自动化的行业将生产出海量的廉价产出,而正是这种廉价,使它们对统计GDP的贡献难以飙升。

▲ 产出丰富、价格下跌、GDP份额缩小
这场增长之赌究竟赌什么
这一论点处于两大阵营的公开赌局之中。温和增长阵营包括Imas、Moll、Robin Hanson和Philippe Aghion等人;爆发式增长阵营则包括Will MacAskill和Dwarkesh Patel等人。Imas谨慎地界定了分歧所在:争议并不在于模型会不会变强。他自称对技术进步非常乐观,也毫不费力就能想象数百万自主智能体同时工作的场景。
关键在于竞争性资本主义下的市场结构与需求。要让GDP以两位数的速度增长,产出必须在不压垮价格的前提下激增,这就要求有足够的消费者购买力,以站得住的价格吸纳所有新增供给。在Imas看来,两位数的预测暗中假设了对价格不敏感、需求几乎无限以及政治摩擦为零。他还补充了一条双向生效的警示:如果市场不再具有竞争性或资本主义属性,那么用于建模价格与GDP的标准机制就根本不再适用。
一场感受大于统计的革命
这一切并不意味着生活会显得平淡。Imas预计人们将经历一场比以往技术变迁更具颠覆性、更具历史意义的变革,其规模和速度可能超过工业革命与农业革命之和。历史提供了先例:工业化时期,日常生活发生了剧变,而统计GDP的年增长率约为3%。
他认为,在积极采用AI的情形下,每年4%到5%的持续增长完全可行,并强调复利效应会让这样的增速变得极其强大。在他看来,持续的实际增长若能额外提高一到两个百分点,实际上就能化解发达国家当下面临的主要财政与债务难题;若能持续额外提高两到三个百分点,则相当于工业革命或农业革命的累计影响。要点在于,这些数字具有历史性意义,尽管它们在奇点预测旁边显得很小。
反向推演,而非预测
相比Robin Hanson的《The Age of Em》所描绘的由大脑仿真体构成的社会,以及奇点可能在几个日历年内形成的增长机制,Imas的立场之所以突出,在于他拒绝做的事:在预测上一较高下。他说,经济学家对技术时间线并没有独到的洞见。他的比较优势是反向归纳:先取一个设想中的终局状态,再追问它要成真,必须满足哪些假设与条件。
把这项练习用在失控式增长上,约束条件最终落在政治经济而非工程上。Imas认为,后训练或算力范式中并不存在会阻断AI快速进步的严重技术瓶颈。他看到的是经验证据:失业率上升约两个百分点,通常就会引发针对其肇因的压倒性政治反弹。当失业冲击来得太快时,民主政府会出手干预,而奇点情景往往把这种反应完全排除在模型之外。

▲ 政治制度是AI部署的节流阀
工资将出现分化,而非单纯下降
该模型还让"AGI会一律压低工资"这一常见假设变得复杂。Imas区分了两类市场:
- 标准化商品和常规服务的深度、可规模化市场,自动化在这里对人类工资施加强烈的下行压力。
- 新开辟的前沿市场,需求旺盛而有能力的人才供给稀缺,人类工资在这里可能大幅上涨。
人类劳动力可以从第一类市场迁移到第二类。按这一理解,一个最低限度实现AGI的世界是否需要激进的再分配,与其说是既定结论,不如说取决于这种迁移实际发生了多少。
智能体集群如何改变一位经济学家的研究
Imas以自己的工作为例,提供了一个小型案例。作为行为经济学家,他如今可以开展横跨宏观经济学、社会学和计算机科学的严谨研究,而无需为每个领域重回研究生院。他的方法是自己设定研究问题、数学结构和参数,再把文献搜集、数据综合和探索性建模交给AI智能体集群。
他仍然亲手撰写文字并综合整体论证,并认为这对保持作者的完整性至关重要。他还区分了两类学者:一类用AI发表更多论文,另一类用AI发表不同的论文。在他看来,真正的价值在于跨学科的广度,而不是数量。
可以从中得到什么
核心教训是:相信AI快速进步,在逻辑上并不意味着必须相信GDP会出现两位数增长。对于任何想清晰思考AI经济的人,可以得出三点:
- 关注价格,而不只是能力。当自动化产出变得廉价,它在统计GDP中的份额就会缩小,正如农业份额从约40%降到约2%。
- 把4%到5%的持续增长视为进取情景。Imas认为,经过多年复利,它足以媲美过去的工业革命,并缓解主权财政压力。
- 预期政治将决定节奏。历史上,失业率上升两个百分点就足以引发强烈反弹,这使得制度层面的反应成为部署速度的主要节流阀。
对于规划职业或事业的读者,该模型建议把目光投向新创造的市场,而不是在深度的标准化市场中竞争。对于研究者,它建议借助智能体集群拓宽可以提出的问题范围,同时把问题定义和论证牢牢掌握在自己手中。


