每一笔 AI 投资都在做空消费经济——读 Alap Shah「全球智能危机」第三章

一位 AI 公司联合创始人、投资人，花了近万字写了一篇让市场神经紧绷的系列文章的第三章。他的结论不是「AI 很危险」，而是：如果没有一套匹配的政策框架，AI 创造的财富和 AI 摧毁的就业将共同打断消费需求，让整个经济陷入一个谁都不想看到的循环。

这篇长文发布于 2026 年 3 月 25 日，作者是 Alap Shah（@alapshah1），Little Bird AI 和 Sentieo 的联创，20 年科技投资背景。他在文中直接写道：「我自己也有那种恐惧——失去目的感的恐惧。我这么说，是作为一个没有实质性经济忧虑的人。」

这种自我披露，是这篇文章区别于大多数 AI 分析的地方。

Shah 给出的核心命题，用他自己的话说是「每一笔 AI 投资都隐含着对消费经济的做空」。

逻辑链条并不复杂：AI 给企业带来的利润率扩张，来源是替代了人力。被替代的人力，本来是中产家庭的工资，而中产家庭几乎把全部收入都花出去。利润率扩张流向的是股东——主要是高净值个人、外国投资者和养老金，这些群体的储蓄倾向高。钱的流向变了，消费需求随之收缩1。

生产率提高应该推动 GDP 增长，但这个传导需要时间。如果裁员速度够快，消费先垮了，生产率提升的好处就来不及被分配。届时美联储面对的是一个货币政策无法解决的困局：通缩环境下降息，但降息不能创造出那些已经消失的岗位。

他把这叫做「合成做空」——不是主动做空，而是结构性的、每笔 AI 投资都内嵌的对冲头寸。

反对 AI 经济冲击的标准论据是：技术总在创造新工作，历史会重演。

Shah 引用了劳动经济学的经典框架——Autor、Levy 和 Murnane 2003 年的论文，将所有工作任务分为四类：例行认知（记账、文书）、例行体力（装配、分拣）、非例行认知（分析、管理、说服）、非例行体力（驾驶、餐饮服务）1。

历史规律是：体力例行任务先被机器取代，认知例行任务接着被计算机取代，但非例行认知工作持续增长，吸纳了每一波被替代的劳动者。

AI 打破了这个框架。它直接瞄准非例行认知工作——那个此前每次技术革命都幸存、甚至受益的领域。「没有更高的层级可以逃往了。」

他还拆解了常被引用的 ATM 故事。ATM 普及后银行出纳员数量其实增加了——机器让开网点更便宜，银行开了更多网点，出纳从现金操作转向关系销售。这是 Jevons 悖论的教科书案例：让投入更便宜，对产出的需求增加，反而保住了需求。

但 ATM 故事有第二章：真正杀死出纳员岗位的是 iPhone。手机银行不是自动化了出纳员的部分工作，而是消灭了去网点的理由本身。需求直接蒸发，而非转型。AI 两件事同时在做。

2026 年 2 月 26 日，Block 宣布裁减超过 4000 人，占员工总数 40%+，CEO Jack Dorsey 在内部信中明确点名 AI 是驱动因素1：

随后：Meta 据报计划裁减约 1.6 万人（20% 员工），Oracle 据报准备削减至多 3 万个岗位（12-18%），Atlassian 裁员 1500 人（10%）。

Shah 把这称为「技能分布问题」：AI 让顶尖 10-15% 的员工产出倍增，同时让底部 20-40% 真正处于危险之中。判断力、品味和领域专业知识的溢价上升，单纯执行的溢价暴跌。问题是：大多数知识工作的职业路径，恰恰是从执行开始，逐渐积累判断力。梯子的第一级消失了，怎么往上爬？

ServiceNow CEO Bill McDermott 最近在 CNBC 直说：随着 AI 吸收初级工作，「大学应届毕业生失业率在未来几年很可能轻松进入 30% 中段」1。

数据已有早期信号：应届大学毕业生失业率升至 5.7%，2023 年为 3.8%，是过去十年（疫情期除外）最高水平。这是现代数据中，应届毕业生失业率首次超过全国平均水平1。

更难被讨论的问题是：就算白领找到新工作，工资是多少？

一位 10 万美元年薪的会计师被替代，被迫去竞争零售岗位，对零售工资形成向下压力。数百万知识工作者同时涌入劳动市场，整个工资分布都遭到压缩，最底部的人受冲击最大。这正是中国入世后「中国冲击」的逻辑——Acemoglu 等人的研究显示，2001 年至 2011 年间，进口冲击消灭了 200 到 240 万美国工作岗位1。那些受冲击最深的社区至今仍然低迷。「死于绝望」成了一个研究类别。当年政策失误的政治账，正是今天关税体系的直接祖先。

而且白领替代的浪潮，和体力劳动岗位的消失只差几年时间差。Waymo 的无人驾驶出租车已在 10 个城市运营，在旧金山的成熟市场份额与 Lyft 相当。美国卡车驾驶、配送和网约车合计提供超过 400 万个工作岗位，全在倒计时1。

Shah 不是在要求停下 AI，也不是在呼吁惩罚性税率。他是在说：这个经济结构的问题，需要一套分层的、可触发的安全机制。

他把框架命名为「The American Prosperity Compact」（美国繁荣契约），四层叠加、按条件触发：

断路器是最关键的设计。它不是明天就要实施，而是现在就要设计好，让它能在条件成熟时自动触发。他的类比是保险：「把未定价的尾部风险，转变成资本市场可以承销的、已知的成本结构。」

AI 让通缩和失业同时发生，美联储的工具箱没有对应答案。负利率五个中央银行试过，没有一个能低过 -0.75%，日本推行了八年也没能逃脱通缩1。财政政策才是对冲工具，而断路器正是用结构化的财政机制弥补货币政策的天花板。

「AI 股息基金」的设想尤其值得关注。阿拉斯加永久基金靠石油资源税向每位阿拉斯加居民分红——Shah 的类比是：AI 是用人类共同积累的知识语料库构建的，同时通过现有经济体系制造替代。对 AI 征税，再以股息形式返还给所有公民，等于让公民成为这场转型的股东，而不只是被替代的一方。

这不是一篇唱衰 AI 的文章，也不是一篇技术乐观主义宣言。

Shah 的立场是：理想结果完全可以实现——广泛共享的繁荣、科学发现的爆炸、专业知识的民主化。但前提是有一套框架来度过「智能过渡」。没有计划，就不会到达那里。

作为一个二十年都在 AI 行业里做投资和建公司的人，他说：「作为人类最伟大技术成就的黎明，主流情绪竟然是恐惧，这出了问题。」

这句话比任何 AI 风险声明都更直接——因为它是从「内部人」的视角，不是在外部观察一个行业，而是在解剖一个自己参与构建、同时也感到不安的结构。