fivsevn-devlog

◇ 人工智能时代的人口、劳动与繁荣

SOURCE

How Aristotle Anticipated The AI Era

作者:Philipp Humm · 来源:Noema Magazine · 日期:2026.11.05

NOTE

根据上述资料形成的中文阅读记录,供个人查阅。相关表述以原始来源为准。


两千多年前,亚里士多德提出了历史上一个极为引人注目的思想实验:如果工具能够完全自行完成工作,将会发生什么?

原文题图:前往原文查看

题图署名:Andreion De Castro / Noema Magazine。

作者简介:Philipp Humm 是旅居米兰的艺术家和作家,曾任 T-Mobile、Vodafone 和 Amazon.de 的首席执行官。

约公元前 350 年,亚里士多德在《政治学》中写道:“如果每件工具都能按照他人的意愿,听从指令或预先领会意图而自行完成工作;如果梭子无需人手引导便能织布,拨片无需人手操纵便能奏响里拉琴,那么工匠师傅就不需要仆人,主人也不需要奴隶。”

几个世纪以来,人们主要把这段话理解为一种哲学寓言。今天,令人惊异的并不是亚里士多德在技术上的想象力,而是他的政治想象力。比起自动运转的机器能否实现,他更关心这些机器会造成什么社会后果。

人工智能迫使我们重新面对这个问题:如果一个社会的经济、人生目标和福利国家制度都建立在工资劳动之上,而工资劳动失去了这一基础性地位,这个社会将何去何从?也许,真正的人工智能革命并不会始于硅谷的数据中心,而会始于我们对何以为人的理解。

更多人口,还是更少劳动?

究竟哪一种更好:更多人口,还是人类需要从事更少的劳动?很少有什么矛盾能比这个问题更准确地体现我们的历史处境。一个社会从未像今天这样,一方面投入巨资试图弥补劳动力短缺,另一方面又大举投资于旨在彻底消除劳动需求的技术。

如果目前的生育率持续不变,净移民又降至零,联合国的人口预测显示,到本世纪末,许多西方国家的人口将减少约 30%。在意大利等国家,降幅接近 40%—50%。各国政府为此提供丰厚的家庭补贴,并实施大规模移民计划,但在经济层面收效有限。研究表明,移民对财政的贡献在很大程度上取决于教育程度、就业状况、抵达时的年龄以及移民动机。占少数的高技能移民往往带来净经济收益,而占多数的低技能移民则可能给发达福利国家造成净财政负担。

在英国,生育率下降、人口老龄化和移民已经成为彼此无法分割的议题。议会辩论经常把出生率视为长期增长问题。与此同时,政府又试图通过扩大国内培训计划,减少对移民劳动力的依赖。在美国,人们从相反的角度提出类似论点:经济学家警告,本土出生人口构成的劳动力正在萎缩,移民如今贡献了美国劳动力增长的很大一部分。此外,硅谷兴起了一种新的鼓励生育思潮。埃隆·马斯克、彼得·蒂尔等科技领袖警告,出生率崩塌威胁文明的存续;与此同时,他们的公司却在建造旨在降低经济对人类劳动依赖的系统。

除了力图稳定劳动力规模,各国政府还积极投资人工智能,以维持国际竞争力。这些技术最终会造成的劳动替代,常常被忽视,或者被一种令人安心的承诺轻轻带过:正如历史上一贯发生的那样,新的工作岗位必然会出现。

“也许,真正的人工智能革命会始于我们对何以为人的理解。”

在东亚,人们处理这种矛盾的方式更加引人注目。

韩国的总和生育率约为每名女性生育 0.75 个孩子,正经历和平时期前所未有的人口萎缩。政府每年投入数百亿资金,用于鼓励生育、支持家庭以及旨在扭转趋势的住房计划,迄今却收效甚微。与此同时,韩国已成为全球工业机器人使用密度最高的经济体:每一万名制造业工人对应超过一千台工业机器人。

日本的情况与之相似。二十多年来,日本的劳动年龄人口持续下降,政府则以世界上最雄心勃勃的自动化和机器人战略之一应对。如今,日本的工业机器人密度位居世界前列,每一万名制造业工人对应超过四百台机器人,而全球平均水平约为一百二十至一百五十台。

韩国和日本让我们提前看到了智能经济的某种面貌。两国政府一面投资自动化,以弥补劳动力萎缩;一面试图遏制人口下降,以维持国内需求和福利国家的财政基础。在工业经济的框架内,这两种政策都有道理。但当人工智能和机器人降低经济对人类劳动的依赖时,又会发生什么?人口减少与自动化最终是否可能不再互相抵触,而是互为补充?

“制造的人”是怎样被发明出来的

我们今天熟悉的劳动社会,并不是人类学意义上的恒常状态。在人类历史的大部分时期,人们并不主要以“制造的人”(Homo faber)自居——也就是说,并不把自己视为通过经济劳动获得社会价值的生产性个体。直到现代性兴起,尤其是工业革命之后,人们才逐渐变成这样。

在古典时代以及中世纪欧洲的大部分时期,体力劳动被视为一种不得不做的事情,主要由奴隶和下层阶级承担。特权阶层则投身政治、哲学、宗教、战争、艺术和闲暇活动。正如汉娜·阿伦特在《人的境况》(1958 年)中所观察到的,现代性彻底颠倒了古典世界关于人类活动的等级秩序。劳动曾被视为维持生活的必要手段,而不是生活的目的;如今,它越来越成为组织整个社会的原则。

亚当·斯密为这一转变奠定了经济思想基础。他在《国富论》(1776 年)中主张,一个国家真正的财富来自其人民全部的生产性劳动,而不是黄金、土地或贸易顺差。

1800 年前后,大约 75% 的美国人从事农业;今天,这一比例不足 2%。美国的工业转型创造了一套全新的经济逻辑,1914 年亨利·福特著名的加薪举措便是其象征。福特明白,他的工人不仅应当制造汽车,也应当有足够收入购买汽车。这一洞见道出了工业资本主义的精妙之处:生产、工资和需求彼此联结。

“如果人工智能承担越来越多的生产性劳动,社会就必须回答:如何让人们在就业之外仍然拥有有意义的生活?”

整个二十世纪,这一模式构成了西方民主国家的核心。工资收入为税收、福利体系和养老金提供资金;与此同时,它又创造维持消费所需的收入,并充当社会整合的主要机制。就数字而言,在经济合作与发展组织(OECD)国家,劳动所得占国内生产总值的比重可达 60%,私人消费的比重则接近 70%。

工资的重要性远不止于人们工作时所花费的时间。每一小时生产性劳动大约供养九小时非工作生活:童年、受教育和退休的岁月,以及夜晚、周末和患病期间。换一种说法,每一小时有报酬的工作,都在整个社会范围内支持着相应的非工作时间,其中既包括劳动者本人下班后的生活,也包括儿童、学生、退休者、家庭主妇或主夫以及其他受扶养者的生活。从历史上看,这些比率持续上升,主要原因是工作时间缩短与预期寿命延长。

当工作岗位日益稀缺,或工资丧失其经济议价能力时,这一制度架构就开始出现裂痕。公共财政因此承受巨大压力:儿童、退休者、学生、病人以及大部分公共开支,归根结底都依赖在职人口的工资收入。

到目前为止,本世纪最具代表性的经济问题一直是:一个社会如何用越来越少的工作年限,为越来越长的生命岁月提供资金? 数十年来,发达经济体依靠经济增长和不断增加的公共债务,勉强维系着对这一问题的回答。但如果人工智能开始侵蚀这一回答赖以成立的劳动市场,又将如何?

当智能变得廉价

每一次重大的技术革命,都曾把一种稀缺的生产要素变得充裕。工业革命借助化石燃料大幅降低了机械能源的成本。二十世纪九十年代和二十一世纪头十年的全球化,将中国和其他新兴经济体纳入全球生产网络,从而降低了体力劳动的成本。如今,人工智能革命或许会对智能产生同样的作用。认知、协调、模式识别以及许多形式的决策能力,都可能从稀缺资源变成充裕资源。

近一个世纪前,约翰·梅纳德·凯恩斯就预见了这种可能性。他在 1930 年的文章《我们孙辈的经济可能性》中,提醒人们警惕他所谓的“技术性失业”:人类可能发现节省劳动的方法,其速度却快于发现劳动新用途的速度。

数十年来,经济学家主要从两个方面否定这种担忧。第一个是约瑟夫·熊彼特的创造性破坏理论:技术进步虽然摧毁现有职业,却也创造新产业、新职业以及最终更具生产率的就业形式。第二个是历史经验:以往每一次技术革命,最终都带来了更多就业,而非大规模失业。

然而,面对人工智能,这种历史上的调节机制可能不再适用。

斯坦福大学经济学家埃里克·布林约尔松将这种可能性称为“图灵陷阱”(Turing Trap)。过去几代机器主要是在若干明确的常规程序中替代体力劳动。人类始终比机器高出一个层级,成为机器的规划者或问题解决者。如今,这种历史性的缓冲机制正在萎缩。人工智能越来越能够执行那些曾使劳动者沿价值链向上流动的认知活动。

麻省理工学院的达龙·阿西莫格鲁从另一条路径得出了相近的结论。他认为,关键问题在于企业选择如何部署人工智能。如果企业主要利用人工智能替代劳动者,而不是增强劳动者的生产率,那么技术进步创造的就业多于其摧毁的就业这一历史模式,或许便无法延续。正在形成的人工智能经济,其结构已经体现了这一逻辑。今天许多市值最高的人工智能企业,仅凭规模相当有限的员工队伍便创造了惊人的市场价值。

智能体式人工智能(agentic AI)进一步加速了这一过程。智能体不再只自动完成彼此孤立的任务,而是越来越能够执行完整的工作流程:分析信息、修正错误、调整策略,并在极少需要人类介入的情况下协调复杂过程。

“自工业革命以来,劳动可能第一次不再是经济中最稀缺的生产要素。”

对企业而言,决定性的问题很简单:人工智能能否以远低于人类的成本,完成具有经济价值的任务?对越来越多的岗位来说,答案是肯定的。

机器替代人类劳动的过程,正分两波展开。

第一波影响白领工作。在伦敦或纽约,雇用一名初级金融分析师、律师、管理咨询顾问或软件工程师,雇主每小时可能需要支付 80 至 100 的成本。现代语言模型已经能够以不到一美分零头的成本,完成他们工作中的许多任务。软件系统还有另一项结构性优势:雇员积累的知识只能逐渐在组织内传播,而且往往会随着雇员离职而流失;软件得到的改进却能够被保留下来,并立即在整个系统内大规模部署。

第二波如今开始波及实体经济与蓝领劳动者。特斯拉和中国宇树科技等公司开发的人形机器人,正通过观察与模拟学习越来越复杂的动作。制造商希望最终把其运行成本降至每小时 2 美元以下。这与美国普通劳动者每小时 30 至 50 的成本形成鲜明对比。

国际货币基金组织的研究认为,发达经济体近 60% 的工作岗位将受到人工智能影响,其中将近一半面临实质性的冲击或替代。在这一背景下,未来数十年总就业人数减少约 30%,已经不再显得不可思议。最终数字究竟是 20% 还是 40%,反而是次要的。

真正重要的是,自工业革命以来,劳动可能第一次不再是经济中最稀缺的生产要素。如果确实如此,其后果将远远超出劳动市场,迫使我们重新思考工业时代最根深蒂固的假设之一。

人口减少,却更加富裕

正是在这一点上,一种在当今讨论中几乎难以想象的可能性浮现出来:人口减少几乎总被描述为经济灾难,但在智能革命期间,它也许会成为一种不可或缺的纠偏机制。我把它称为“30/30 均衡”。

这一设想很简单:想象一个发达经济体,在数十年间人口逐渐减少约 30%,与此同时,人工智能和机器人使劳动需求下降大致相同的幅度。这两种变化不会同时发生,速度也不会完全一致,但随着时间推移,它们有可能大体相互抵消。人口减少意味着所需的工作岗位也减少。因此,生产性劳动与总人口之间的历史比例便可能保持出人意料的稳定,而不必给公共财政增加额外负担。

首先,“30/30 均衡”是一种宏观经济稳定理论:人口减少不再是经济灾难,而成为调节机制的一部分。但它本身并不创造繁荣。

一个人口萎缩的社会是否还能变得更加富裕,取决于第二个变量:资本深化(capital deepening)。索洛—斯旺增长模型表明,长期繁荣与其说取决于劳动力规模,不如说取决于每名劳动者可使用的资本数量及其生产率。如果人工智能和机器人使生产性资本增长得比劳动力收缩更快,那么即使总劳动人口减少,人均产出仍可继续上升。

如果我们想稳定一个经济体的国内生产总值,就需要额外的推动力。劳动力减少 30%,就必须以资本生产率提高约 45% 来抵消。这将使人均国内生产总值提高超过 40%。鉴于半导体、计算能力、人工智能与机器人领域已经观察到的学习曲线,以及机器智能相对于人类劳动不断扩大的成本优势,这样的生产率提升如今似乎并不算特别激进的目标。

现在,不妨换一种假设:如果人口保持不变,而生产性资本同样增加 45%,那么总产出将扩大约 20%。传统经济学会把这视为更优的结果。

十九世纪,威廉·斯坦利·杰文斯发现,更高效的蒸汽机并没有减少英国的煤炭消耗,反而增加了消耗。随着能源变得廉价,新的用途不断出现,需求也随之进一步扩大。

效率带来丰裕,但丰裕也导致更多资源消耗。今天,同样的动态或许正在智能领域重演。随着人工智能变得廉价,我们几乎肯定会更多地使用它。这既适用于认知工作,也适用于机器人技术。硅谷把这种未来赞颂为“丰裕”。然而,丰裕并不必然符合环境可持续性的要求。即使每件产品的制造与消费成本和价格仅为今天的一小部分,它仍然消耗能源,并留下负面的生态足迹。此外,人工智能系统还需要大量电力、计算基础设施、稀有材料和工业制造的硬件。丰裕让物质世界付出了高昂代价。

“历史上第一次,我们也许能够在人口减少的同时不变得贫穷。我们甚至可能变得更富裕,同时减轻对自然世界的负担。”

因此,从环境角度看,允许人口自然减少,同时提高人均繁荣程度,或许是一种更优的均衡。自工业革命以来,智能经济第一次为我们提供了选择这种均衡的可能性。

这要求我们放弃从工业时代继承的两个假设。

第一个涉及金融。现代经济围绕债务、货币创造和资产估值组织起来,而这一切都依赖持续扩张。明天的经济必须比今天更大,因为昨天承担的债务必须得到偿还。一种“人口减少而更加富裕的经济”,最终或许需要另一套货币和金融体系:其稳定性不再那么依赖不断扩张的债务,而更多来自资本生产率的增长。

第二个涉及地缘政治。“越大越好”属于这样一个时代:经济和军事力量直接依赖规模。人口越多,就意味着更多劳动者、消费者、发明者,更庞大的军队、市场以及更大的地缘政治影响力。智能经济改变了这一逻辑。人类智能是稀缺的,但人工智能正以惊人的速度和成本优势扩大可利用的智能,使之成为充裕资源。此外,自主无人机等技术正日益削弱传统上由规模带来的军事优势;经济影响力也同样如此。

生态学提供了一个有用的分析框架。生态学家尤金·奥杜姆区分了先锋生态系统与顶极生态系统。年轻的森林迅速生长、大量消耗资源,将速度置于可持续性之上;成熟的森林增长缓慢,其生物量、复杂性、稳定性与韧性却远远高于孕育它们的先锋系统。

人类文明也许并无根本不同。化石燃料经济是人类文明的先锋阶段,其成功建立在扩张之上:更多人口、更多能源、更多生产和更多消费。人工智能与人口减少相结合,或许能让发达社会进入另一个发展阶段。机器人回收、人工智能管理的精密发酵以及闭环物质循环等技术,已经预示着这样一种经济:以更少的物质投入创造更大的繁荣。

由此形成的顶极社会(climax society)不会是一个必须牺牲自我的社会,而是一个学会区分增长与繁荣的社会。历史上第一次,我们也许能够在人口减少的同时不变得贫穷;我们甚至可能变得更富裕,同时减轻对自然世界的负担。

二十一世纪的抱负不应再是让增长最大化,而应是让繁荣最大化:在人口收缩中变得富裕。

谁将继承织机?

如果智能经济实现了倡导者所预期的生产率增长,它将创造前所未有的财富。这就提出了后劳动时代最核心的政治问题:谁获得这些剩余?

在现有经济秩序下,答案很明确。收益将主要归资本所有者,而不是劳动者,因为所有权决定了谁有资格分享产出。如果人工智能和机器人取代劳动,成为决定性的生产力量,那么收入就会从工资转向拥有机器、模型、数据中心、能源系统和平台的所有者——新经济正是通过这些基础设施运行的。

这甚至会给资本所有者带来问题。亨利·福特明白,工人既是生产者,也是消费者。他们必须赚到足够的工资,才能购买自己制造的汽车。同样的逻辑也适用于智能经济,只不过其形式更加不稳定。如果机器负责生产,而人类失去购买产品所需的工资,经济的需求端就会走弱。即使是生产率最高的人工智能经济,最终也仍然依赖有能力购买其产品的消费者。

硅谷对此偏爱的答案是全民基本收入(universal basic income,UBI)。其设想很简单:国家通过提高税收、增加公共债务或对自动化生产征税,为公民提供最低收入。从短期看,某种形式的收入保障也许确实必要。它可以在人口减少的过程中稳定需求,并缓和技术替代劳动造成的社会冲击。

但如果把它当作永久性的制度安排,全民基本收入就有成为一种 pharmakon 的风险:既是解药,也是毒药。

如果通过公共债务提供资金,全民基本收入便会在不增加生产性资产供给的情况下,向经济注入额外货币和购买力,从而形成通胀压力,侵蚀人工智能带来的部分生产率收益。如果通过对生产征税提供资金,企业最终会通过提高价格收回很大一部分额外成本,结果也类似。在这两种情况下,相当一部分生产率红利都会被消耗掉,而不能转化为更高的实际生活水平。

经济史提供了一个警示。1795 年,英格兰的地方治安法官引入斯宾汉姆兰制度(Speenhamland system),以工资补贴保护农村劳动者免于贫困。其初衷是救济,但实际却补贴了雇主:雇主可以继续支付低工资,由公共财政补足差额。这一制度还加深了穷人对地方当局的依赖。

这个类比并不完全准确,但其中的教训值得重视。收入支持或许能缓和转型,却不太可能为后劳动经济提供持久的基础。

“我们希望自己成为怎样的人?”

因此,挑战在于如何分配智能经济的生产率收益,同时又不侵蚀这些收益。这需要一种既不依靠债务融资,也不依靠对生产征税的筹资机制。

这时,卡尔·马克思重新变得切合当下,尽管理由或许不同于人们通常的想象。他在《政治经济学批判大纲》(Grundrisse)中设想了一种未来:财富不再主要取决于直接劳动时间,而取决于人们在技术上对他所谓“普遍智力”(general intellect)的运用——也就是社会累积起来的知识、科学与协作智能。马克思最具当代意义的洞见,是认识到知识将成为决定性的生产力量。

人工智能赋予这一思想具体的技术形态。人工智能模型并非凭空出现。它们的训练依赖人类积累的智识遗产:书籍、科学论文、维基百科条目、论坛讨论、软件库、图像、公共档案、开源代码,以及无数人类交流留下的痕迹。它们还依赖公共资助的研究、能源基础设施、大学、电信网络、道路、供水系统以及法律保护。智能经济既由私人企业建造,也建立在人类文明的共有资源之上。

那么,这些系统的收益是否应该完全归私人所有者所有?抑或社会也应该对源于集体知识的生产基础设施保有一份权益?

二十世纪通过工资解决需求问题。硅谷提议通过转移支付解决这个问题。智能经济最终或许会通过所有权来解决。

社会对全民资本红利的主张,可以采取所有权的形式,而不必采取全民基本收入的形式。政府可以在那些依靠公共资源、公共数据和公共市场运作的人工智能基础设施中取得股权、公共持股权益或主权财富权益。由此获得的收益不流入一般财政预算,而是作为普遍红利直接分配给公民。

从经济机制看,所有权的运作方式不同,而且不会引发通货膨胀。它在生产率收益产生的源头直接进行分配,既保留自动化的全部效率增益,又让更多人分享由此创造的财富。

曾经依靠工资生活的女裁缝,将成为织机的股东,而不是依赖国家救济的人。亚里士多德想象过一个自动织机使劳动不再必要的世界。智能经济让我们有机会决定,究竟由谁继承那台织机。

天堂里的魔鬼

假设我们取得了成功。设想人工智能承担大部分生产性劳动,人口减少缓和了调整过程,新的所有权模式在不牺牲生产率的前提下分配自动化收益,发达社会也重新把自己的活动限制在生态承载范围之内。人类将前所未有地接近亚里士多德关于自动织机的愿景。我们也许终于会成为“关怀的人”(Homo curans)。

即便如此,仍有两项更深层的挑战。第一项关乎意义。七十多年前,阿伦特就警告过她所称的“无世界性”(worldlessness)的危险。一个围绕工作组织起来的社会,不会因为工作消失,就自动变成由自由公民组成的社会。相反,人们可能失去共同的公共领域;正是在那里,人们体验责任、作出判断,并形成目标感。因此,后劳动时代更深刻的危机也许不是失业,而是意义的丧失。

人类学家大卫·格雷伯从另一条路径得出了相近的结论。他对“狗屁工作”(bullshit jobs)的分析表明,现代许多工作之所以继续存在,并不是因为它们在社会上不可或缺,而是因为现代社会已经忘记如何在有报酬的工作之外组织生活的意义。

如果人工智能承担越来越多的生产性劳动,社会就必须回答:如何让人们在就业之外仍然拥有有意义的生活?

第二项挑战的影响更加深远。随着世界越来越复杂,我们把越来越多的决定交给人工智能。起初,人工智能只是辅助人类判断;接着,它提出建议;最终,它作出决定。每一次委托都始于便利,却可能终于依赖。人类的判断能力因疏于使用而逐渐萎缩。

这一过程已经显现。我们把导航交给算法,把交流交给推荐系统,把信息检索交给搜索引擎,把金融决策交给自动化模型,把伴侣选择交给配对应用程序,甚至越来越多地把法律和行政决定交给人工智能辅助系统。每一次单独的委托看起来都合情合理,但这些委托汇集起来,就改变了人类与判断这一活动本身的关系。

智能机器的逻辑与人类的逻辑并不相同。机器追求的是优化,而我们所要做的是判断。把二者混为一谈,最终也许会成为所有对齐问题中最深刻的一个。

随着这些系统在越来越多的专业领域超越我们,真正的风险或许不是它们变得像人,而是人类逐渐放弃自己的判断能力。等到我们发现自己已经在一个由机器优化的世界中沦为二等决策者时,也许为时已晚:我们已经成了“算法的人”(Homo algorithmus)。

两千多年前,亚里士多德追问:如果梭子能够自行织布,将会发生什么?今天,这已成为现实。但自动织机留下了另一个问题:我们希望自己成为怎样的人?智能经济究竟会孕育“关怀的人”(Homo curans),还是“算法的人”(Homo algorithmus),决定权不在技术,而在我们自身。