追逐AI的背后，AI對經濟發展的影響……

近日，作者參加了某部委（以下簡稱“N"）組織的經濟運行走勢座談會，就AI對經濟運行可能產生的影響進行了交流發言，主要內容整理如下。

N：慕峰老師好，這兩年您在內需方面發表了一系列觀點，近期又集中發表了關于AI的一系列文章。官方當前十分關注經濟運行走勢，希望聽聽您在這些方面的意見。

慕峰：感謝邀請。前面三位專家談了不少近期宏觀和大宗方面的情況，我想主要從AI發展對經濟走勢的影響來談談自己當前的體會。今年2月23日，美國的Citrini Research發表了一篇“思想報告”，引發美股下跌，其基本邏輯是，AI技術快速擴散，在2028年前后對美國白領階層形成大量工作替代，而美國白領階層是美國乃至全球消費的主力，進而導致美國內需下降，從而對經濟形成結構性沖擊。這篇文章很快傳播到國內，也引發了諸多討論。在該文發表三天之前，我也通過AI模擬了AI對中國大陸經濟可能造成的影響，反饋的情況和基本邏輯與上述情況類似，只是G2行業存在差異，因此具體表現有所不同。

事實上，上述AI通縮效應的邏輯在此前的經濟研究中已經出現過。2024諾貝爾經濟學獎得主，MIT的Daron Acemoglu教授在2024年5的工作論文

The Simple Macroeconomics of AI

這種偏悲觀的AI發展觀點可以推導出白領階層失業將會擴大化，當AI帶來的新增就業無法超過AI導致的失業時，或者AI帶來的新增就業與導致的失業存在時間差時，各種風險就會加劇。

這種觀點既然此前已經出現，為何會在今年2月被廣泛傳播并影響了市場情緒呢？這可能主要是因為，在這個中國農歷春節前后，G2的AI大廠都不約而同地推出了最新版本的AI模型，同步出現了Claude Cowork的商業落地，以及Seedance 2.0和Openclaw的沖擊。

當前輿論過多關注Openclaw的應用，忽視了AI大模型迭代帶來的實質性沖擊。Openclaw并非大模型，只是一個升級的agent工具，需要調用其他大模型才能工作，但由于娛樂性很強，出現了魔性傳播，很快破圈。但實際上如果對大模型效能的挖掘不夠充分，使用Openclaw并不能帶來效率的提升，反而可能帶來巨大的安全風險。

不同模型的側重和能力在當前是不同的，不同版本也存在極大差異。總體而言，收費版的質量普遍遠高于免費版，有些國產模型的國際版質量明顯要好于國內版（如Qwen）。

不同廠家的AI模型發展方向在當前呈現不同趨勢。例如Claude在代碼能力上一枝獨秀，字節的Seedance 2.0在視頻能力上表現突出，豆包側重生活化場景，Deepseek的心思仍然不在商用而是繼續做基礎性創新，Kimi在專業研究領域呈現出比較強的優勢，Minimax和Kimi的token用量已經在海外位居前列，GLM的代碼能力據說在國產AI模型中較為突出。

我從春節期間開始每天比較使用不同國產AI模型。之所以產生了AI對就業替代的疑慮，是因為當前部分國產AI模型的最新版本，已經可以按照我的要求做大幅收斂和控制。具體而言：

在春節之前，非代碼領域人士使用AI的普遍感受還停留此前Deepseek剛推出時，也就是好玩，但用于專業工作還遠遠不夠。本輪模型升級之后，部分國產AI模型已經可以完成專業度極高的某些工作。

首先，是解決了信源問題。如果我們讓AI去研究美國過去五年來出口管制和經濟制裁立法、執法的演變趨勢，在春節前，所有國產模型都不可能給出很專業的結論，并且一旦讓AI聯網，反饋的質量將大幅下降，因為此前所有國產模型一聯網就開始不加辨別地采納類似微博、百度百科這樣的信源。所以一度大家感覺，AI不聯網反而反饋質量更高，因為不聯網使用的就是內置訓練信息。但不聯網的問題在于無法獲得實時信息。因此，在本輪更新之前，沒有一款國產模型能夠用于較為專業的經濟法律類或產業研究類實務工作，學術研究就不更提了。

但春節期間推出的少部分最新國產AI模型，在提示詞明確后（例如要求絕不采納百度百科、搜狐百科、微博等信源），只采納權威信源（各國政府部門信息、聯合國信息、OECD信息、國際頂級學術期刊信息等），已經可以一步實現。僅僅一個簡單的提示詞，就改變了整個輸出質量。當然，當前大多數國產模型，即便設置詳細的規則，仍然無法實現上述要求。

在這個基礎上，模型的skills通過模型的記憶偏好功能就可以長期全局部署，而不再需要每次對話提出上述要求。但在使用中發現，偶爾還可能出現不遵守規則的情況，此時只需要直接指出錯誤并要求AI嚴格執行，AI會自動更新記憶偏好（實際是進一步修訂了skills的內容）。在經過兩次強調后，模型形成了強制優先記憶（mandate），再未出現過引用信源的問題。

其次，是解決了時效性問題。此前AI的許多回答經常是根據模型發布的時間去做出，而不能實時同步當下的情況。但在此次更新后，這個問題在部分國產模型上也得到了徹底解決。也就是可以通過記憶偏好要求模型針對每個問題都反饋實時信息，即模型每次會對問題內容進行實時驗證。這個功能看似簡單，其實十分重要。實效性疊加權威信源引用，使得AI可以直接用以判斷任何信息的真偽。因為AI模型會實時檢索最權威的信源并且不受任何語言的限制，也完全不受社交媒體言論的干擾。

我目前已經不太花時間瀏覽網絡上的信息，只是瀏覽一下新聞標題和大概，對有興趣的話題，直接把鏈接復制給AI，讓它提供最直接的實時信源再展開專家級的分析。這已經完全改變了我使用移動互聯網的方式，使得我每天使用AI的時間超過了使用其他APP的時間。

最后，是提供了全球頂級專家水準的分析能力。在少部分國產AI模型中，AI的記憶偏好設置為通曉自然科學、社會科學和各方面實務的全球頂級專家，可以讓整個AI模型的效能發揮到極致。當前AI大模型已經過多次相互蒸餾，其實已經內含了全人類的智力資源，如果外接權威信源，那就可以完全發揮出AI的最大效能。經過我與身邊朋友的評估，在能夠同時實現上述三項skills規則的前提下，當前少數國產大模型在信息收集和分析能力方面，已經可以媲美部分美國藤校社科類博士，或者達到美國Big Law律師或國內紅圈所部分合伙人的水平。當然還不能完全替代，因為實務經驗是非常個體化的，上述主要是從實務工作研究類任務的反饋質量而言。要知道，這種實務研究任務的反饋速度，AI已經是以秒為計時單位的，加上人工協同，可以小時為計時單位；而對任何智商再高的人類而言，仍是以日甚至周為計時單位的。

N：那目前來看，AI對就業的替代很快會發生？

慕峰：準確地講是已經具備相當強的替代能力。我們上述舉例基本都是收入級別非常高的人類工作，AI當前能力已經直抵人中龍鳳。AI企業當前招聘的技術專家收入水平就更不用講了，他們也在用AI寫代碼、做研究。在傳統行業，美國已經出現Big Law大所兩位律師通過Claude Cowork獨立開始精品所執業的情況，也就是“超級個體”的范圍已經從普通人理解的做視頻、做網絡運營，進入到了傳統頂級收入的業務領域。

正因為看到這種替代能力，我才與Citrini幾乎同時發表一些類似的思想實驗的文章。

但可能被替代，不等于馬上就要替代。

N：怎么理解呢？是否跟仍然需要由自然人承擔責任有關？

慕峰：當前AI的普及還沒有到組織體（例如企業、政府部門）主動推進的時候。當前的AI使用主要是組織體的員工在私底下用，“自帶干糧”打工。

之所以出現這種情況，有幾方面原因：

一是因為當前AI企業還不太熱衷于企業級的商業化，也就缺乏普通人立馬就可以上手使用、并讓使用者馬上就能非常滿意的AI商用產品。這主要是因為當前AI模型迭代還過于迅速，按照Claude Code的核心工程師Brois Cherny的觀點，當前AI模型的迭代大概是6個月一個周期，因此以當前模型去做商用產品，很可能在半年后就變得沒有意義。所以各家AI企業還在迭代的狂奔進程中。這里也可能有AI企業的一些策略性考慮，因為初期的超級個體實際是在不斷給AI模型貢獻各個細分行業的skills，也就是當前吃螃蟹的專家級個體用戶客觀上其實是在幫助AI模型快速迭代并形成商業化能力。所以從商業化落地視角看，Seedance 2.0和豆包跟字節的業務緊密捆綁，目前看契合度比較高。但其他商用產品其實還比較少，跟大廠本身優勢領域的契合度有關。傳統優勢領域很可能成為互聯網大廠在AI發展時的桎梏和約束，如果跳不出來，那就只能搞出用AI點外賣、組聊天群這種噱頭來。目前看Claude Cowork是商用比較成功的，我們看到，一旦Cowork進入某個領域，該領域過往服務企業的股價就會大跌，因為對其他競對的替代性非常強。

二是組織體通常非常在意安全、合規等方面的問題。大中型組織體對安全、合規性的要求比小型組織體高很多，當前AI企業由于主要精力還未放在大中型組織體的商用化部署方面，因此對滿足組織體客戶此類需求的考慮較少，導致大中型組織體還不太敢主動部署。

三是傳統企業較為強調企業文化和組織記憶（傳幫帶），而采用AI很可能帶來培訓、轉崗甚至裁員等額外問題。在其他競對沒有大規模采用的前提下，在成熟的商用AI產品還未出現的前提下，組織體主動擁抱的可能性不大。

四是組織體內部自保的影響。每個組織體內的不同部門，都希望通過人員擴大來展現自己的內部實力和權威。任何一個組織體內部的不同部門，都很難主動開展人員優化。只有到組織體受到嚴重的外部沖擊時，這種替代才會自上而下的發生。

以上說明，AI的大規模商用部署從供給和需求兩方面都還未做好準備。

但現實的另一面是，部分行業已經整體受到AI技術擴散的沖擊。例如傳統的翻譯行業，已經接近于消失；廣告和互聯網運營行業，曾經至少需要5-10人小團隊，呈現為小微企業，現在已經完全不需要那么多人，超級個體不斷出現；程序員，由于Claude的代碼能力優先策略，導致當前AI在代碼能力自我進化方面非常迅速，對許多中低級程序員的崗位造成了極大影響。除了大廠的正式崗位外，程序員最多的地方其實是非常多的代碼外包企業，這部分企業員工的被替代性非常強。

同時，盡管傳統企業暫時還沒有給員工提供足夠的AI工具，但許多員工已經開始“自帶干糧”打工。因為使用AI確實可以大幅提升工作效率，給員工帶來更高的舒適度，同時國產AI在當前付費門檻很低，部分工作甚至是免費版就可以完成或至少提供幫助，因此AI的普及呈現出員工主導的局面，這是歷次技術擴散不曾出現過的情況。這是因為當前AI更像是員工自己找的質優而價廉的外包。

N：那當前還不能講AI正在帶來整體性的就業沖擊？

慕峰：當前少部分行業已經或正在受到沖擊。但從整體而言，仍處于AI技術擴散的蜜月期。也就是組織體雖然暫時沒有商用部署的可能，但對員工自行使用又只能采取默認的態度。這導致當前員工的感受是比較好的，工作負擔減輕了，但崗位和收入卻并未受到AI普及的負面影響。但我們也看到，AI的替代能力其實已經非常強，技術擴散將不斷加速。AI對就業的影響不太可能是一下全面鋪開的，而可能呈現分行業、分領域漸進鋪開的特點。

人數較少的中低技能腦力型中小微企業可能先受到影響，科技類相關的外包企業也可能先受到影響。AI商用落地到哪個領域，哪個領域的細分行業就可能受到沖擊。當前對這些細分行業、小微企業在就業統計上可能存在諸多不足，我們的統計過于偏重宏觀數據，需要盡快調整，以備不時之需。

N：能否預估一下AI對就業影響的時間？

慕峰：此前已經根據中國大陸的產業特點做過不同口徑的影響分析，差異較大。在完全不加干預和不考慮組織體抵抗因素的前提下，大規模就業沖擊在兩三年內就會到來。但如果加上組織體抵抗和其他約束性條件（例如轉崗、裁員成本增加的難度），這個沖擊可能會在十年內逐漸顯現。

N：所以并不是那么緊迫？

慕峰：應該說這些預測都缺乏足夠的精確性，不宜作為政策的直接參考。從AI實際擴散的速度來看，如果以6個月為迭代周期，那替代能力將指數級加速增強。當前許多員工自行使用AI，而企業又不做商業部署，實際上大幅增加了企業的安全風險。當前是典型的為了明面上的安全與合規而導致出現實際的安全風險。因為白領行業的企業根本無法限制員工自行使用AI進行工作，除非處于完全斷網的狀態。這也意味著，隨著美國AI商用的不斷加速，實際上會倒逼國內商業級需求的加速產生，因為沒有足夠好的國產商用級AI產品，那么就不排除員工會一直使用美國AI產品或風險管理尚不完善的國產AI產品。（當然反過來看，美國也在大量使用中國的AI模型，因為token便宜）

所以，當前AI擴散的蜜月期，其實會逐漸對中國大陸商用級AI部署需求的產生和增長形成強力的倒逼。這種倒逼會進一步加速AI技術擴散到大中型組織體中，屆時對就業的影響將會全面體現出來。我估計，這個過程不會慢，可能比想象中還要快，但具體時間不好預測。

N：在預測時間很難確定的前提下，有哪些政策建議呢？

慕峰：盡管具體時間很難預測，但發生的必然性和加速趨勢是確定的。我的建議是盡快建立更多的觀測點。我們當前的統計數據過于傳統、過于宏觀，在再全球化和AI技術快速擴散的背景下，極易導致對經濟真實情況判斷的失真。例如參會的某首席經濟學家剛才也提到，我們去年的外貿數據很好，可能導致內需變革的動力降低。上周我在與某部委的討論中提出一個疑問，中國大陸、東南亞和南美相關國家的出口都創新高，歐美的需求又沒有明顯增加，這是怎么實現的呢？有沒有可能是其他國家受損（例如歐洲），或者我們的外貿行業利潤受損，進而影響到外貿行業的員工收入呢？這方面我們的統計數據是不足的，我們只能提出猜測，但無法驗證真偽。如果我們的統計數據能全方位貼近現實，或者巧妙地設置一些關鍵性的統計觀測點，那我們對經濟運轉的認識和分析研判的精確度將會大幅提高，政策的針對性和有效性也將大幅提高。

AI方面也是一樣。現在來看，按照Claude的先行經驗，AI企業對大模型產品的商用化部署是一個關鍵時點。一旦成功部署，那對就業的影響就會開始產生。因此AI模型產品的企業級商用化是一個很關鍵的觀測點。除此之外，還需要建立許多細分的觀測點，這需要許多大中型企業積極配合，要打破傳統的統計模式，以更加細分的領域，尤其是優先關注大量小微企業所在的領域。這是我今天最主要的建議。

除此之外，建議持續高度關注美國AI對美國和歐洲白領階層就業和收入的影響情況，如果全球主要國家的需求呈現下降趨勢，那我們的外需環境會受到進一步挑戰。我大概講這么多。

N：感謝慕峰老師今天的交流！

慕峰：希望能有所幫助！

來源：太陽照常升起，作者慕峰

兒童的未來在教育

如果你曾夢想：

有一天能站在兒時向往的講臺，

去收獲一群山村熊孩子的愛，

讓生命擁有一段不尋常的經歷.....

也曾希望：

參與探索適合兒童的教育，

賦予教育以生命的意義

我們在這里等你