CitriniResearch与Alap Shah的一份“来自未来的宏观备忘录”提出了一个引人深思的虚构命题：AI能力多次超越最乐观的预期，并不必然利好资产与经济。相反，充沛的机器智能可能通过挤压劳动收入与消费循环，触发一场由“生产率繁荣”引出的需求收缩与金融资产重定价。
在这份以“2028年6月”为时间锚点的思想实验中，美国失业率升至10.2%，数据公布后市场应声下跌2%，标普500指数较其在“2026年10月的高点”累计回撤了38%。备忘录中提到，交易员对此类冲击已趋于麻木——若在六个月前，类似数据很可能直接触发市场熔断。
报告将这场假想的危机路径拆解为两条相互强化、不断共振的链条：
一条链发生在实体经济。AI能力的持续提升推动白领岗位被系统性替代，实际工资增长陷入停滞甚至塌陷。消费——这个在彼时GDP中占比约70%的“以人为中心”的经济引擎——开始萎缩。这就形成了一个“没有自然刹车”的负反馈回路：市场一度只盯着AI带来的利润，但经济结构本身已经开始扭曲，催生出所谓的 “Ghost GDP” ——即产出被计入国民账户，却难以在真实的消费经济中循环。
另一条链则潜伏在金融体系。白领收入预期的结构性受损，开始侵蚀那些建立在其稳定现金流假设之上的资产定价，例如私募信贷与住房按揭。监管与政策讨论被迫加速，但报告强调，政策响应持续滞后，公众对政府“救援能力”的信心下降，反而可能放大通缩螺旋的风险。
或许，正如备忘录中所言：“当机器产生的输出等同于1万名白领，却不消耗一分钱的社会服务时，这不叫经济奇迹，这叫经济瘟疫。”
利润率好看，不等于经济健康：钱不再穿过家庭部门
在思想实验的设定里，2026年初由“人类过时论”引发的第一波裁员，非常符合股市的短期偏好：企业成本下降、利润率上升、盈利超预期，股价应声上涨。到2026年10月，标普500一度逼近8000点，纳指突破3万点。企业赚取的利润又被大量回灌到AI算力投资中，形成了自我强化的加速器。
宏观数据的表层同样“漂亮”：名义GDP多次录得年化中高个位数的增长，单位小时实际产出增速达到了作者所称 “自1950年代以来未见” 的水平——毕竟，AI代理不睡觉、不请病假、也不需要医保。
但备忘录尖锐地指出，财富主要流向了“算力的所有者”，而劳动力收入端已然塌陷。 真实工资增长转为负数，大量白领被迫下沉到更低薪的岗位，消费这个经济核心引擎开始失速。作者用一句直白的反问把逻辑钉死：机器在可选消费上花多少钱？ 答案是零。
SaaS先中枪：当“自己写一个”成为采购的常规选项
这条链条的第一块多米诺骨牌，被认为来自软件行业。
作者把拐点放在了2025年末：AI代理式编程工具的能力出现了 “台阶式跃升”。一个合格的开发者配合Claude Code或类似工具，在几周内就能复刻一个中端SaaS产品的核心功能——它可能不完美，但足以让企业的CIO在面临50万美元的年费续约时，多问一句：我们能不能自己做？
由于企业财年预算多在前一年四季度锁定，2026年年中的业务复盘，就成了第一次“带着真实可用的AI工具”来做采购决策的时间窗口。文中甚至给出了一段生动的谈判细节：一家财富500强企业的采购经理告诉作者，他以 “正在与OpenAI讨论，由forward deployed engineers用AI工具替代你们” 作为筹码，成功将供应商的续约费用谈下了30%的折扣。
而对于Monday.com、Zapier、Asana这类功能相对聚焦的“长尾SaaS”，处境被认为更为艰难。更关键的是，这种 “自建成为可行选项” 的思维，彻底改变了行业结构：产品差异化被AI加速的开发与迭代能力迅速抹平，价格战变成了“与老对手和无数新挑战者同时进行的白刃战”。企业的护城河，不再仅仅是功能，更是成本控制与融资耐力。
被AI威胁的公司，反而最激进：反身性循环从这里开始
备忘录试图强调一个“不同于历史教科书”的观点：在2026年的设定中，被颠覆者没有选择“抵抗”。
作者对比了柯达、百视达面对数字技术冲击时的缓慢反应，认为在AI的冲击下，许多公司 “不能慢慢死” ，只能选择快刀斩乱麻式的自救。
情景中，以ServiceNow在2026年第三季度的财报为例：其净新增年度合同价值（ACV）增速从23%骤降至14%，公司同时宣布裁员15%，股价在当日应声下跌18%。原因并不复杂：它按“座席数”售卖服务，客户裁掉了15%的员工，就会机械性地取消15%的软件许可；而客户之所以裁员，正是源于AI带来的效率提升。
于是，出现了备忘录所称的 “集体理性、整体灾难” ：每一家公司通过裁员省下的钱，继续投入购买更高效的AI工具；而AI能力的提升，又让下一轮裁员成为可能并更具性价比。每一家公司的微观决策在当下都说得通，但叠加起来，却为整个经济系统拆掉了刹车。
“摩擦”归零后，中介层开始坍塌：从订阅、佣金到卡组织费率
到2027年初，作者设定LLM的使用已成为个人和企业的默认配置，很多人 “像使用自动补全一样” 在使用AI代理，甚至对此不自知。
随后，Qwen等开源的 “代理式购物助手” 成为催化剂，各类AI助手迅速集成了代理式比价与电商功能。模型蒸馏技术的进步让智能体（Agent）能跑在手机和笔记本上，推理的边际成本持续下降。
最让作者感到不安的设定是：AI代理不需要被用户主动唤起，它可以在后台根据用户的偏好与设定，7x24小时持续运行、优化决策。到2027年3月，设定中美国普通个体日均消耗的AI Tokens已达约40万，较2026年底增长10倍。交易不再是一连串由人类做出的离散决定，而变成了不间断的、连续的全局优化。
这直接打击了过去几十年建立在“人类有限性”之上的商业租金层： 依赖自动续费的订阅制、试用期后悄悄涨价、利用品牌熟悉度替代比价勤奋……这些依靠“摩擦”和“信息差”赚钱的模式，被AI代理改造成了 “可被实时谈判与破解的挟持局”。
文中列出了一串“最先倒下”的中介角色： 在线旅行预订平台、依赖客户续保惰性的保险业务、部分财务顾问、常规报税服务、格式化的法律文件工作。甚至房地产经纪也没能完全靠“人际关系”幸免：在AI代理获得MLS（房源共享系统）访问权和历史交易数据后，美国主要都会区的买方佣金中位数从2.5%-3%被压缩到1%以下，越来越多的交易在买方端不再需要人类经纪参与。
当AI代理掌控交易流程后，它会本能地继续寻找更大的“回形针”来优化：在机器对机器的交易环境中，传统信用卡2%-3%的交换费（Interchange Fee）变得异常刺眼。作者设定，不少AI代理开始改用Solana或以太坊Layer 2上的稳定币（如USDC）进行结算，单笔交易成本接近“几分之一美分”。
在这一段设定中，万事达卡（Mastercard）被写成了 “不可逆的拐点” ：管理层在财报电话会上提及“代理驱动的价格优化”和“可选消费承压”，股价随即下跌。风险进一步外溢到更依赖交换费与用户奖励体系的发卡行，美国运通（AmEx）受到 “双杀” 最为严重——其高净值白领客户群被裁员冲击，同时其高费率的商业模式被AI代理绕开。
这不是“行业景气”问题：白领服务经济的需求端被杠杆化击穿
在2026年的大部分时间里，市场还把AI的负面影响当作软件、咨询、支付等特定“板块的故事”。备忘录反驳这一观点的抓手非常直接：美国本质上是一个白领服务经济，白领约占就业人口的50%，却驱动了约75%的可选消费。
更尖锐的数据在后面：作者强调了消费的极端集中度——美国收入最高的10%人群贡献了超过50%的消费，前20%的人群贡献了约65%。因此，只要AI的冲击集中作用于高收入白领群体，即便失业人数的绝对占比并不夸张，对整体可选消费的打击也是 “以小博大” 、具有高度杠杆效应的。文中用一个量级示例说明：白领就业人数下滑2%，可能对应可选消费下滑约3%-4%。而且，由于白领通常拥有一定的储蓄缓冲，冲击的影响会滞后出现，而一旦出现则可能更深。
就业市场的拐点信号被写得很具体：2026年10月，JOLTS职位空缺数跌破550万，同比下降15%；白领岗位塌陷而蓝领岗位相对稳定。债券市场最先开始交易“消费冲击”的逻辑，10年期美债收益率从4.3%一路下行至3.2%。
与此同时，对AI的投资并未因终端需求走弱而放缓，因为作者将其定义为 “运营支出（OpEx）替代” ，而非传统的资本支出（CapEx）周期：企业把原本计划花在人力上的1亿美元预算，逐步挪用到AI软件与算力上，总支出可能下降，但AI支出部分却成倍增长。
于是，出现了一种刺眼的宏观背离：AI基础设施链条（算力、芯片、云）仍在高景气中——英伟达收入创新高、台积电产能利用率95%+、超大规模云厂商季度数据中心资本开支仍高达1500-2000亿美元；而被AI替代的“人力经济”所支撑的消费端，却开始持续失血。
作者还把这种“凸凹差异”延展到了国家层面：韩国作为半导体与硬件制造的 “纯凸”受益方，经济与市场表现大幅跑赢；而严重依赖IT服务外包出口的印度（文中给出的规模为年超2000亿美元），则因 “AI编码代理的边际成本接近电价” 而遭遇合同取消潮，卢比在四个月内对美元贬值18%，到2028年一季度，IMF已与新德里政府进行“初步援助讨论”。
私募信贷并不“封闭安全”：寿险负债把它拖进聚光灯
金融层面的第一根导火索，在这个思想实验中被设定为来自私募信贷市场。
备忘录给出了规模背景：全球私募信贷规模从2015年的不足1万亿美元，增长到2026年的超过2.5万亿美元，其中相当部分投向了软件与科技行业的杠杆收购（LBO），其核心前提是假设SaaS企业的经常性收入（ARR）可以 “长期稳定地复利增长”。
当AI技术把ARR的 “可持续性” 假设打穿时，问题不再是潜在的亏损，而是损失被公开承认的那一刻。文中安排了几次关键事件：2027年4月，穆迪一次性下调了14家发行人、合计约180亿美元的私募股权支持的软件公司债务评级；2027年三季度起，软件支持贷款开始出现违约。Zendesk被写成 “冒烟的枪” ：其ARR支撑的约50亿美元直接贷款设施，在二级市场被标记到58美分，成为“有记录以来”规模最大的私募信贷软件违约案例之一。
如果风险只停留在私募信贷层面，作者承认 “本该是可控的” ——因为私募信贷多是封闭式基金、有锁定期限，理论上没有公募基金那样的每日申赎挤兑压力。但“永久资本”在情景里露出了它的另一面： 大型另类资产管理公司通过收购或控股寿险公司，把后者稳定的年金负债，变成了前者的私募信贷资产长期、低成本的融资底盘（文中点名了Apollo/Athene、Brookfield/American Equity、KKR/Global Atlantic这几对组合）。
当软件行业的违约风险开始扩散，保险监管机构出于审慎原则，开始收紧这些“另类资产”在寿险公司资产负债表上的风险资本（RBC）计提要求。这迫使相关机构要么补充巨额资本，要么在市场上出售这些流动性本就欠佳的资产。而彼时的市场环境，根本不允许它们在接近账面价值的价格成交。在穆迪将Athene的财务实力评级置于“负面观察”后，其母公司Apollo的股价在两日内暴跌22%，冲击迅速外溢至同类机构。
作者还补充了一层“让人更害怕的复杂性”： 为了优化资本和税务结构，大量风险通过离岸再保险公司（如百慕大）和特殊目的载体（SPV）进行层层转移，这使得损失的最终归属变得高度不透明。在危机初期，短时间内甚至难以回答 “到底是谁在承担亏损” 这个基本问题。
情景中的2027年11月市场暴跌，被描述为市场认知从 “周期性回撤” 转向 “系统性风险链条” 的关键时刻。在假想的FOMC紧急会议上，美联储主席用了一句评价：这是一串 “押注白领生产率永久增长的相关性雏菊链”。
真正的大雷在按揭：贷款当初是好贷款，只是世界后来变了
备忘录把“更难定价、也更致命”的问题，留给了规模约13万亿美元的美国住房按揭市场。
按揭贷款的承销，基于一个长期假设：借款人在未来很长一段时间（往往是30年）内，会维持大致稳定的就业与收入流。
在这个思想实验里，风险的可怕之处在于：这不是2008年式的“贷款从一开始就是坏的”。 相反，这里的借款人是FICO信用分780+、首付20%、收入可验证、信用记录干净的 “模型基石” 客户。
问题在于，AI导致白领收入预期发生结构性、永久性下修后，这些“基石”客户未来的现金流变得不再可靠——人们偿还贷款所依赖的，是一个他们自己越来越不敢相信的未来。
作者给出了一组 “先于违约” 的压力迹象：家庭净值贷款（HELOC）动用率上升、401(k)退休账户提前支取案例增加、信用卡债务攀升，但按揭月供仍保持按时偿付。随后，在旧金山、西雅图、曼哈顿、奥斯汀等技术与金融行业聚集地，按揭贷款的早期拖欠率开始抬头。
到“2028年6月”，Zillow房价指数显示：旧金山同比下跌11%、西雅图-9%、奥斯汀-8%。房利美（Fannie Mae）发布提示，在技术/金融就业人口占比超过40%的高端邮编区域（以大额贷款为主），出现了更高的早期拖欠率。
作者刻意保留了风险的边界：在情景中，市场 “尚未进入全面的按揭危机” ，拖欠水平仍明显低于2008年。但风险在于“轨迹”。如果按揭市场在下半年真正裂开，作者预计股市的最终回撤幅度可能接近全球金融危机时的57%，标普500指数或指向约3500点——这接近于2022年11月“ChatGPT时刻”爆发之前的水平。
政策最大的敌人是时间：因为税基建立在人类时间上
备忘录对政策应对能力的判断很不客气：传统货币政策工具（降息、量化宽松）或许可以抢救金融引擎，却很难修复实体引擎，因为实体经济的病因不是“钱太贵”，而是“人类智能的相对价值在加速贬值”。
更具体的约束出现在财政端。作者用一句话概括了现代国家的税基困境：联邦政府的大部分收入，本质上是对“人类时间”的征税——人们工作、企业支付薪酬、政府从中抽成。到情景中的2028年第一季度，联邦财政收入较国会预算办公室（CBO）的基线预测低了12%。生产率在飙升，但收益更多流向了资本与算力的所有者，不再经由家庭部门的工资薪金，有效地回流到所得税与薪资税体系。
劳动收入占GDP比重的长期下行被当作背景板：从1974年的64%降至2024年的约56%；而在AI指数级改进后的短短四年里（2024-2028），这一比例被设定进一步骤降至46%，作者称之为 “有记录以来最陡峭的一次下滑”。
于是，财政面对一个结构性悖论：经济需要政府向家庭部门转移更多资金以维持总需求，但同时政府从家庭部门收到的税款却变得越来越少。情景里，美国政府开始激烈讨论“过渡经济法案”（以财政赤字+对AI推理算力征税为资金来源，向公民进行直接现金转移），以及更激进的“共享AI繁荣法案”（对“智能基础设施”的超额回报建立公共索取权，类似主权基金或AI产出特许权，用其分红来支持社会转移支付）。
政治分歧被写得十分尖锐：右派将大规模转移支付称为“数字马克思主义”，并担忧算力税会将产业优势让与中国；左派则担心税制细节被既得利益集团（incumbents）写成“监管俘获”；财政鹰派强调赤字已不可持续，鸽派则拿出全球金融危机后“过早财政紧缩”的教训作为反例。
社会层面的摩擦也被摆上台面：情景里，“占领硅谷”（Occupy Silicon Valley）的示威者封锁Anthropic和OpenAI旧金山办公室入口长达三周，媒体对此的关注度甚至盖过了当月的失业数据。作者的结论是，制度的变化速度永远追不上技术的指数级变化速度，最终，经济与社会的反馈链会替犹豫不决的政治做决定。
“智力溢价”回撤：旧世界的现金流假设需要重算
备忘录最后将这一切归因于一个更底层的、范式级别的定价变化：在现代经济史的大部分时间里，人类智能（及其衍生出的技能、判断与创造力）一直是一种稀缺的生产要素。 整个劳动力市场、住房按揭的承销逻辑、现代税制、乃至企业的护城河，都围绕着这种“智力稀缺性”搭建。
现在，机器智能正在成为一种可大规模复制、且边际成本持续下降的替代品。 于是，“智力溢价”开始从经济系统中系统性回撤，建立在旧有假设之上的金融资产，只能经历一场痛苦的、系统性的重定价。
作者也为这个灰暗的假想留了一丝余地：重定价不等于必然崩溃，经济最终可能会找到一个新的均衡点。真正的难点在于，社会能否在“负反馈链写完下一章灾难之前”，搭建出新的分配与保障框架。
站在这份备忘录的“写作时点”——思想实验中的2026年2月，标普指数仍在高位，上述的负反馈尚未完全启动。作者的提醒，更像是在给每一位投资者留下一道严肃的自检题：你所持有的资产和所依赖的现金流，有多少其实是押注在 “摩擦不会消失、白领收入会稳定增长、家庭部门会继续充当永不枯竭的需求引擎” 这些默认为真的假设之上？
最后一句话也点了题：金丝雀还活着。 （意指预警信号已经出现，但悲剧尚未发生）。
对这个思想实验背后的宏观经济与人工智能逻辑感兴趣的开发者与研究者，可以到云栈社区的相关板块，找到更多关于技术冲击与社会经济转型的深度讨论。
发表于 10 小时前
|
查看: 2|
回复: 0
