AI革命真的如「疫情級」？經濟學揭示的現實

「10年後，你的工作可能不復存在」——這樣的預測正從矽谷傳來。OthersideAI執行長Matt Shumer在近期一篇病毒式傳播的文章中宣稱，世界正經歷著「AI界的疫情初期」時刻。他認為AI已從實用助手跨越到通用認知替代品的地位。

科技界的警鐘與市場反應

Anthropic安全團隊負責人Mrinank Sharma的突然辭職，更為業界投下震撼彈。他在含糊但充滿警告意味的離職信中表示「世界正處於危險中」，暗示公司在追求3500億美元估值的過程中「持續面臨將最重要的事情擱置一旁的壓力」。

這些聲音讓原本就對AI感到擔憂的專家們更加焦慮。預測市場也顯示，AI模型很快就可能滿足所謂「弱AGI」的定義。不過，Google DeepMind執行長Demis Hassabis提供了現實檢驗：「要達到AGI，我們仍需要一到兩個AlphaGo等級的技術突破。」

經濟學視角：從炒作到現實

讓我們暫時擱置技術進步的討論，轉而關注經濟學而非電腦科學所揭示的基本瓶頸與限制。

從展示到部署的漫長道路。從「AI模型令人驚豔」跳躍到「一切即將改變」，忽略了經濟體實際吸收新技術的方式。電氣化花了數十年才重新設計工廠。網路也沒有在一夜之間改變零售業。目前AI採用率僅覆蓋美國不到五分之一的商業機構。

在大型、受監管、風險規避的機構中部署AI，需要在數據基礎設施、流程重設計、合規框架和員工再培訓方面進行大量互補投資。經濟學家稱之為「生產力J曲線」——早期階段的支出實際上可能在可見收益到來之前抑制可測量的產出。

富裕不等於忙碌。即使承認樂觀主義者關於AI能力快速提升的假設，產出也不會立即爆發。歷史上，富裕社會選擇更多休閒——提早退休、短工時——而非更多辦公室或工廠時間。經濟學家Dietrich Vollrath指出，如果家庭以減少勞動供給回應，生產力提高並不會機械性地轉化為更快的成長。

華人世界的獨特考量

對華人世界而言，這場討論有著特殊意義。在中美科技競爭的背景下，AI發展不僅是技術問題，更是地緣政治議題。台灣作為半導體重鎮，台積電等企業在AI晶片供應鏈中扮演關鍵角色。

然而，經濟學的「最慢部門決定速度上限」原理在亞洲同樣適用。即使AI讓某些服務變得更便宜，需求不會無限擴張。支出會轉向抗自動化的部門——醫療、教育、面對面體驗——這些領域的產出與人力時間更緊密相關。

著名的「包莫爾效應」顯示，當整體經濟工資上升時，生產力成長微弱的勞動密集型部門會佔據更大的收入份額。結果是：即使AI帶來驚人進展，整體生產力可能只有溫和成長。

複雜系統的現實約束

經濟學家Charles Jones解釋，在由許多互補部分構成的系統中，最狹窄的管道決定了流量。AI可以加速編程、起草和研究，但如果能源基礎設施、實體資本、監管審批或人類決策以正常速度運行，這些就成為限制整個經濟成長速度的約束條件。

這並非悲觀論調。James Pethokoukis在其通訊中提醒我們，經濟體是適應性強、複雜而美妙的系統。它們創造體現和積累複雜資訊的實體物件——經濟學家César Hidalgo優雅地稱之為「想像力的結晶」。