1. 首頁 > 生活百科 > >

2025臨界點：AI智商超越人類，經濟規則即將改寫

算法ai移動互聯網凱恩斯

2025臨界點：AI智商超越人類，經濟規則即將改寫

文章圖片

2025臨界點：AI智商超越人類，經濟規則即將改寫

文章圖片

2025臨界點：AI智商超越人類，經濟規則即將改寫

文章圖片

2025臨界點：AI智商超越人類，經濟規則即將改寫

文章圖片

2025臨界點：AI智商超越人類，經濟規則即將改寫

文章圖片

2025臨界點：AI智商超越人類，經濟規則即將改寫

文章圖片

2025臨界點：AI智商超越人類，經濟規則即將改寫

文章圖片

_原題：浮現中的AI經濟
作者：王捷
編輯：KingHZ
【新智元導讀】AI的平均智商已突破110 ， 正式超越普通人類 。 2025 ， AI開始參與經濟系統的「全鏈條操作」 。 從信息收集、判斷決策到實際執行 ， 完整經濟鏈條第一次有非人類主體獨立運行 ， AI改寫商業底層規則！凱恩斯百年預言終將來臨 ， AI經濟正在浮現 。
在人類經濟活動數字化的浪潮中 ， 互聯網和移動互聯網走完了前兩步 ， 正在浮現中的AI經濟 ， 可能帶來更大的變化 。
人類經濟活動正在數字化：
1946年 ， 人類發明了計算機 ， 這標志著人類的計算經過幾千年的演化 ， 從手動到機械 ， 終于到了電子形式 。
計算機的出現 ， 把計算能力提高到了遠超過人腦計算能力的程度 。
1874年 ， 英國人威廉·尚克斯花費了15年時間將圓周率計算到小數點后707位 （但是到1945年 ， 尚克斯計算的圓周率被發現從528位之后是錯誤的）；2019年 ， 谷歌云平臺幫助人類將圓周率計算到了小數點后31.4萬億位 。
人類處在自然環境中 ， 有兩個根本任務：
一是利用和改造自然環境以使其能夠支持人自身的生存；


二是在實現物質富足之后 ， 提升個人的人生 ， 使每個人的天性得到充分發展 ， 即人的全面發展和自我實現 ， 「做最好的自己」 。
在第一個任務下 ， 人類在和自然的互動當中 ， 發展出來一些分門別類的方法 ， 比如天文、占卜、數學、工程、物理、生物與自然等等 。 在這些方法中 ， 最能規模化的方法 ， 后來主導了人類和自然互動的過程 。 這樣的領域就是數學 ， 基于數學的物理 ， 以及后來發展出的計算機科學 。
計算機的出現 ， 意味著人類開始進入數字化時代 。
人類所有的經濟活動 ， 從這一刻起 ， 開始有先后順序地被數字化 。 在數字化之后 ， 算法可以發揮作用 ， 經濟活動可以由算法驅動 ， 從而實現智能化 。 由此看來 ， 人類整個經濟活動邁向數字化似乎是一個必然 。

圖表1：經濟活動數字化進程
就人類活動的數字化進程 ， 尼葛洛龐帝的《數字化生存》是一本有里程碑意義的著作 。
這本1996年的作品敏銳地指出了上述人類整個經濟活動數字化的趨勢 ， 并且濃縮在一句建議里：「Move bits not atoms.」 （《數字化生存》在全球影響了很多人 ， 「Move bits not atoms.」的篤信者中不少后來成為了具有影響力的數字經濟領袖 ， 比如中國公司美團的創始人王興 。 ）
比特世界的效率千萬倍于物理世界 。 由于效率差的存在 ， 在計算機主導的時代 ， 整個物理世界最終將全部被復刻到比特世界 ， 經濟活動實現在比特世界中運行 。 這個過程從二十世紀末啟動 ， 可能會占據二十一世紀相當的時間才全部完成 。
目前 ， 我們處在上述過程的第一階段/數字化還未全部完成 ， 第二階段/算法驅動蓬勃興起的階段 。
第一階段/數字化就是互聯網時代和移動互聯網時代 。 電腦幫人類實現了固定場景下日常活動的數字化 ， 手機幫人類實現了移動場景下日常活動的數字化 。 這個階段的本質特點是物理世界的數字化 ， 但是思考和決策還是需要人腦來做 ， 數字世界起到的最大的作用是匹配 ， 極大提高了匹配的效率 。
【2025臨界點：AI智商超越人類，經濟規則即將改寫】在第二階段 ， 思考和決策可以由算法來做 ， 同時算法可以交付工作成果；其啟動點是算法擁有了接近人類的思維能力 ， 在中長期 ， 算法將擁有叫人類更優的思維能力 。 我們目前正處在第二階段中 ， 算法開始具備泛化地交付工作能力的臨界點上 。 第二階段給人類經濟活動帶來的貢獻 ， 將遠超過第一階段 。



第一階段的數字世界經濟活動
如前所述 ， 互聯網時代和移動互聯網時代的數字世界經濟活動 ， 相較這之前的經濟活動 ， 最大的特點是匹配效率得到了極大地提高 。 通過先后出現的桌面PC和手機這兩種硬件 ， 人類主流日常生活需求帶來的經濟活動 ， 都已經被數字化 。
在互聯網時代和移動互聯網時代產生的新經濟形態 ， 最大的三個賽道是搜索、社交、電商 ， 分別對應人類的信息需求、社交需求、商品需求 ， 又分別對應信息和人的匹配、人和人的匹配、商品和人的匹配 。
為何互聯網和移動互聯網可以極大地提高上述三種場景的匹配效率呢？我們用下面表格來說明這個過程 。

圖表2：信息、商品、社交在前互聯網階段、互聯網階段、移動互聯網階段的匹配方式
可以看到 ， 信息、商品、社交伙伴這三類需求 ， 在前互聯網階段、互聯網階段、移動互聯網階段 ， 分別通過就近獲得、全局搜索、個性化推薦三種方式實現匹配 。
就近獲得的選擇集非常有限 ， 這也是人類從誕生以來做選擇的常態 ， 在互聯網誕生前的幾千年里 ， 人類都是這么做選擇的 。
相較就近獲得 ， 全局搜索的選擇范圍、選擇豐富程度都得到了數量級的提高 ， 人們可以在一個接近「窮盡所有可能」的選擇集里做選擇 ， 用戶更有可能得到一個在喜歡和適合兩個維度得分都比較高的選擇 ， 這樣的選擇 ， 在就近獲得階段 ， 可能是在選擇集之外的 。
相較全局搜索 ， 個性化推薦更好地解決了「由于個人在某個領域的知識不足帶來的選擇低效問題」 ， 即 ， 用戶雖然可以在一個接近全集的范圍內做選擇 ， 但因為判別每類選擇對象都需要專門的知識 ， 一個普通的用戶不可能在每個領域都擁有這樣的高水平的知識儲備 ， 所以他還是不可能總是做出在喜歡和適合兩個維度得分都比較高的選擇 。
個性化推薦 ， 本質上是將「某類有共性的用戶在某個領域經驗證的最佳選擇」推薦給所有這類共性用戶 ， 從而提高了這些用戶的選擇的質量 。
所以整個互聯網/移動互聯網 ， 是把人類主流的日常生活需求帶來的經濟活動數字化了 ， 然后解決匹配/matching的問題 。 僅僅這件事情 ， 就給經濟效率帶來了巨大的提升 ， 給消費者的效用帶來了巨大的提升 。
從整個人類經濟活動的數字化的角度來觀察 ， 互聯網和移動互聯網階段還只是開了個頭 。
第一 ， 在數字化的范圍上 ， 與個人消費者消費行為有關的經濟活動 ， 其數字化程度較高 ， 而與企業有關的經濟活動 ， 其數字化程度還有待提升 。
第二 ， 互聯網和移動互聯網主要是在「匹配」這件事情上提供了巨大的價值 。
人與自然互動關系可以用「收集信息-決策-行動」這一鏈條來描述 ， 其中互聯網和移動互聯網優化了收集信息環節 ， 部分優化了決策環節（全局搜索下 ， 還是由人腦來做決策；個性化推薦下 ， 人腦可以參考算法推薦的選項來做決策） 。
邏輯上看 ， 在經濟活動完全數字化之后 ， 「收集信息-決策-行動」整個鏈條都可以得到優化 。
到這里我們可以看到 ， 在整個數字化大浪潮中 ， 互聯網和移動互聯網還只是人類的一小步 。

浮現中的AI經濟
2017年AI出現后 ， 人類的數字化進程進入了新階段 。 不同于互聯網和移動互聯網主要提供匹配功能 ， AI可以實際完成一些線上工作 ， 比如圖像識別技術可以準確識別人臉、知識圖譜技術可以分析一臺故障機器是哪里出問題 。
但這些工作能力 ， 都是與特定模型掛鉤的 。 OpenAI的GPT系列模型 ， 使得AI能力具有了泛化性 ， 也就是同一個AI模型 ， 具有泛化地交付工作的能力 。 比如GPT-3是第一個同時具備對話、搜索、畫圖、代碼能力的模型 。
在這里 ， 我們有必要討論一下人類與自然世界互動的「收集信息-決策-行動」鏈條 。 在構建這一分析框架時 ， 我們參考了控制論、人工智能、機器人學、自動駕駛中廣泛使用的「感知–決策–控制（Perception–Decision–Control PDC）」理論 。
之所以這樣 ， 是因為在分析人類與自然世界的互動時 ， 我們發現控制論、人工智能、機器人學、自動駕駛等學科在考慮機器與自然世界的互動時 ， 對于整個活動鏈條做了完整的考慮 ， 也即「感知–決策–控制」鏈條；而人與自然世界互動 ， 本質上也是這三個步驟 ， 考慮到表述習慣 ， 我們將其表述為「收集信息-決策-行動」鏈條 。
AI具有（泛化）交付工作的能力 ， 意味著人類與自然世界互動的「收集信息-決策-行動」鏈條中 ， 計算機可以在三個環節都起作用了 。
計算機可以完成信息收集 ， 完成一部分「決策」和一部分「行動」 ， 具體可以用以下表格來表示：

圖表3：計算機在不同階段參與「收集信息-決策-行動」鏈條的情況
具體來講 ， 就決策而言 ， 算法對于經濟主體（個人/組織/企業）需求的了解較移動互聯網階段更為詳細和準確 ， 可以做出更精準和有效的決策建議 ， 使得人腦在決策時對算法的授權范圍會擴大 ， 算法在決策中起的作用會更大 。
就行動而言 ， 在第一階段 ， 計算機可以去完成那些純數字世界的工作 ， 比如編程、編寫一個文案、搭建一個網站、生成一個廣告視頻、填寫保單 ， 這部分工作之前主要是由程序員、文案作者、設計師、重復性腦力工作者等完成；
在第二階段 ， 具身智能發展成熟后 ， 計算機可以參與完成物理世界的工作 ， 比如清潔家務、在工廠流水線工作、物流搬運、照顧老人等目前人類勞動力完成的工作 。
2025年 ， 在人類社會數字化的進程中 ， 是一個重要的時間點 。 這一年AI（泛化）交付工作的能力開始超過人類 。
從GPT-3開始 ， AI具備通用泛化的完成工作的能力以來 ， 如果按人類的智商基準來評估 ， AI的智商一直是低于人類的 。 TrackingAI.org.用人類的智商測試門薩測試來評估AI的推理能力 ， 可以作為一個參考 。
2025年之前的主流模型 ， 如GPT-3.5、GPT-4o、Grok-3、Llama 3、Mistral、智譜AI的GLM-4等 ， 其智商均低于100 ， 也就是人類的平均水平 。 所以當我們使用這些模型 ， 以及基于這些模型開發的AI應用的時候 ， 我們會感覺這些產品「有點笨」 ， 還不能很好地滿足我們的需求 。 但是2024年底特別是2025年以來發布的模型 ， 如OpenAI o3、Gemini 2.0、Gemini 2.5 Pro、Claude 4、DeepSeek R1等 ， 其智商水平已經超過了人類平均水平100 ， 從實際表現看 ， 不少模型已經來到了110以上的區間 。
這些模型的智商 ， 已經相當于人類中排名靠前的水平 ， 甚至是前10%的水平 ， 或者是名校學生的智商水平（對于從事經濟活動的AI而言 ， 更好的評估基準是專門來評估其從事經濟活動的能力 ， 我們可參考對于AI來說通用的「圖靈測試」 ， 將這一評估基準初步定義為「經濟圖靈測試」 。 關于「經濟圖靈測試」的具體標準將在后續文章中展開） 。
比如OpenAI o3被評價達到「天才級」水平 ， 而字節的豆包模型也在2025年中國高考試卷考試中取得了可以被清華北大錄取的成績 。 這也就是為什么從用戶使用體驗來看 ， 24年底以來的很多AI agent「好用了」 ， 出現了不少效果出眾的AI agent 。

圖表4：各家AI大模型在門薩智商測評中的得分情況
來源：https://trackingai.org/home ， 訪問于2025年5月
鑒于以上 ， 此刻2025年5月 ， 我們處在人類歷史一個重要的時間關口上 。
人類本著「自動化計算」的愿望發明的計算機 ， 在誕生約八十年后 ， 完整地具備了人與自然世界互動的「收集信息-決策-行動」能力 ， 并且其能力在超過人類的臨界點上 。
「收集信息-決策-行動」這一經濟活動的基本鏈條 ， 在歷史上第一次可以由人之外的主體來獨立地、完整地完成 。 一個人類歷史上從未出現過的AI經濟系統正在浮現之中 。 這在人類經濟史上是巨大的變化 。
在數字經濟出現之初 ， 1998年 ， 美國商務部編寫的研究報告《浮現中的數字經濟》 ， 給出了一些前瞻性的判斷 ， 給了當時的探路者很多啟發 。 這份報告對于經濟中商品與服務的數字化、電子商務、數字經濟中的勞動者、數字經濟中的消費者都給出了預見性的分析 。
今天 ， 站在AI經濟系統誕生的時間點上 ， 我們以這篇《浮現中的AI經濟》試叩前路 ， 也致敬數字經濟過往的探路者們 。 以下是我們結合AI應用 ， 對AI經濟特點的一些展望 。

全天候自動運行的經濟系統
在「收集信息-決策-行動」鏈條中 ， 在過去 ， 由于決策主要是由人來做 ， 行動是由人和人所控制的工具/機器來做 ， 如果沒有人的參與 ， 經濟活動是無法完成的 。 在AI經濟中 ， 以上三個步驟都可以由計算機完成 ， 先在純數字世界 ， 之后拓展到物理世界 。 這個經濟系統可以自動運行 ， 直到把工作做完 。
全天候自動運行的經濟系統 ， 這是經濟活動數字化進程中 ， AI具備交付工作的能力之后 ， 我們會感受到的第一個重大特征 。 在AI Agent和它的人類同事具備同樣工作能力的前提下 （這是當前這個臨界點的情況） ， 一天內AI經濟可實現的工作量是之前的3倍 。 在上述假設下 ， 一周內AI經濟可實現的工作量是之前的3×7/5=4.2倍 ， 一年內AI經濟可實現的工作量是之前的約4.2×365/355=4.32倍（中國法定節假日中的非周末休假約為8-11天 ， 美國法定節假日中的非周末休假約為10天 ， 暫取10天用于計算） 。
考慮到AI的智商上限還會不斷提高 ， 未來這個倍數還會繼續提高 。 相信在這個經濟系統運營一段時間之后 ， 我們將有能力估算出對于同樣的工作內容 ， 一個工作日/月/年的經濟產出能較當前水平提高多少倍 。
當前 ， AI在交付的工作主要集中在代碼、計算機、數學、文生圖/視頻、設計、教育、線上銷售等純線上工作 ， 以及機械化、重復性的腦力工作如筆記整理、發票整理、賬目整理等工作 。
以Anthropic于今年5月發布的Claude 4模型為例 ， 在客戶測試中 ， 進行編程的Claude Opus 4可以自主運行7個小時 。 根據Anthropic的預測 ， 到今年年底 ， Claude 4模型將擁有能完成接近初級工程師一天工作量的軟件工程智能體 ， 實現全天候工作 。 在AI經濟的早期 ， 成千上萬個專門用途的agent將被構建出來 ， 成為AI經濟在萬千個垂直行業的基礎設施 ， 而這些基礎設施都可以用AI Coding來構建完成 。 可以預見 ， 接下來將有大量AI Coding全天候自動工作 ， 搭建上述垂直行業agent ， 以及相關的網站等 。
比如近期一個名為Lovart的AI應用 ， 可以基于用戶的指令生成相應的logo ， 然后基于logo生成全套產品VI ， 并且在給出的VI方案里融合一些與產品文化、消費者文化相關的巧思 。 這樣的應用全天候自動工作 ， 將在不長的時間內就生成出一家公司某個階段所需要的全部VI方案 。
又比如一家名為Sema4.ai的AI應用公司為用戶提供發票整理服務 。 對于經常出差的職場人士 ， 每個月可能都需要花一到兩個半天來專門整理出差發票 。 這個工作現在可以由AI來完成 ， 并且是全天候的——如果你出差在晚上10:30回到辦公室 ， 它可以在你休息的時間繼續為你整理 ， 直到整理完它才停止工作 。 不再會有堆積如山的發票需要整理 ， 因為有一位專職助手可以以7×24的節奏來做這件事情 。

無勞動力供給限制
勞動供給指的是人們愿意在有收益的活動中工作的小時數（保羅·薩繆爾森、威廉·諾德豪斯：《經濟學（第19版）》 ， 北京：商務印書館 ， 2013年） 。也就是說 ， 勞動供給是由人類來提供的 。 人類作為勞動力的供給方 ， 自人類誕生以來就沒有變過 。 這是因為就人類與自然互動的基本模式「收集信息-決策-行動」而言 ， 一直只有人類能夠完整地完成這個鏈條中的三個環節 。
為了擴大行動的能力 ， 人類的本能一定是要多生育的 。 但人的繁育是跨代際的 ， 需要時間 ， 在數量上也有自然約束 。 所以人類也一直在嘗試擴大其他的勞動能力供給來源 。 受限于技術水平 ， 在計算機和互聯網出現之前 ， 人類只能在上述「行動」環節進行努力 ， 擴大具備「行動」能力的勞動能力供給 ， 即牲畜和機器 。
在歷史上 ， 牲畜和機器都起過很大的作用 。 人類很早就馴服牛來幫助進行農耕 ， 人類也在農業時代就發明織布機來倍增行動的效果 。 雖然牲畜的繁育也面臨跨代際的時間約束和每次成功繁育的數量約束 ， 但是該等約束比人的繁育所面臨的要容易放松得多 ， 因此像牛、馬等牲畜在人類的勞動活動中得到了大量使用 。 機器的復制所面臨的時間約束和數量約束較牲畜更易于放松 ， 機器得到了更加大量的使用 ， 集約化使用機器的形式——工廠成為了人類經濟中最主要的生產形式 。
在互聯網和移動互聯網出現之后 ， 計算機參與到了「收集信息」和「決策」兩個步驟 ， 但是「行動」還是需要人來完成 。 AI產生（泛化）交付工作的能力 ， 使得計算機可以在以上三個環節都起作用 ， 因此計算能力也成為了勞動力供給 ， 第一階段在數字世界 ， 第二階段進入物理世界 。
計算能力成為勞動力供給的最醒目意義是 ， 它是可以無限復制的 ， 且復制的邊際成本很低 。 假設我們下個星期要舉辦一個大型展會 ， 有1000家不同行業的中小企業參展 ， 展會需要給每家參展企業做一個展示其業務和產品的網頁 。 如果一個程序員一個星期可以制作一個符合要求的網頁 ， 那么我們需要1000名程序員；如果一個AI Coding軟件一個星期也可以制作一個這樣的網頁 ， 我們只需要將這個AI Coding軟件打開1000次 ， 讓這1000個任務并行進行 ， 這些任務所消耗的主要是電力成本和算力成本 ， 隨著技術日益進步 ， 這兩項成本會越來越低直到接近可忽略的水平 。
我們也可以將計算能力與生物性勞動能力、機械性勞動能力作一個對比 。 生物性勞動能力（如人自身、牲畜）的繁育所面臨的時間約束和數量約束 ， 對于具備泛化交付工作能力的AI來說 ， 不存在了 。
機械性勞動能力（機器） ， 從工業時代開始到現在 ， 只能完成特定任務 ， 不能像人一樣基于理解和分析完成不同的任務 ， 因此對于不同的任務 ， 人類要開發不同的機器 ， 帶來了研發成本 ， 機器復制的邊際成本不為零 。 但是對于具備泛化交付工作能力的AI而言 ， 該工作能力是在基座模型訓練的過程中得到的 ， 執行不同任務所需的邊際成本很低——一次訓練 ， 多個場景都可使用 ， 比如我們前面舉到的AI Coding例子 。
由此 ， 人類可能擁有一個無勞動力供給限制的經濟體 ， 先數字世界 ， 后物理世界 。 按照凱恩斯的觀點 ， 工業革命階段發生了兩個重大變化：一是資本積累急劇增加 ， 二是技術革新帶來的生產能力急劇擴大（Keynes John Maynard 2010 「Economic Possibilities for Our Grandchildren」 in John Maynard Keynes Essays in Persuasion London: Palgrave Macmillan pp.321-332. ） 。
在經濟學框架下 ， 前述牲畜和機器都被歸類到「資本」項下 ， 即用資本可以購買到的生產要素） 。 但我們會發現 ， 工業革命階段 ， 勞動力供給的約束一直存在 ， 人力的供給仍然停留在自然狀態 ， 沒有像資本和技術兩個要素一樣進入加速發展的階段 。 即使這樣 ， 凱恩斯也預測「一百年以后 ， 進步國家的生活水平 ， 比之于現在 ， 要高出四到八倍」（Keynes John Maynard 2010 「Economic Possibilities for Our Grandchildren」 in John Maynard Keynes Essays in Persuasion London: Palgrave Macmillan pp.321-332.） 。目前 ， 勞動力供給的約束可能得到放松 ， 人類有可能進入一個無勞動力供給限制的階段 。
對于「無勞動力供給限制」這個話題 ， 我們其實并不陌生 ， 發展經濟學做過深刻的探討 。 威廉·劉易斯在1954年發表的《勞動無限供給條件下的經濟發展》 ， 提出了具有重大影響的發展中國家的「二元經濟」模型 ， 劉易斯也因此后來獲得諾貝爾經濟學獎 。 從當時的觀察看 ， 在勞動無限供給的條件下 ， 伴隨農產品產出的提高 ， 勞動力價格基本沒有上漲 ， 從而農產品產出提高帶來的利益 ， 主要由下游的購買方享有 。 如果這一模型在AI應用時代仍然成立的話 ， 那會是全球消費者的福音 。 但是這一模型在當前能否完全成立 ， 特別是在目前AI基礎模型主要為少數公司所掌握的背景下 ， 未來AI工作能力能否平價地輸出給整個經濟系統 ， 需要從業者和研究人員繼續做細致的工作 。 我們希望以對人類最佳的前景 ， 推導出當下最合適的實踐路徑 。

非稀缺經濟
無勞動力限制的全天候經濟 ， 可能帶來N倍于當前人類經濟總產出的產出能力 。
這一變化先從數字世界開始 。 當前 ， 企業已經可以使用數字員工完成綜合行政、人力資源、財務管理、行業研究等工作 ， 職場專業人士也可以使用個人助理來制作數字內容（圖片和視頻）、展示內容、教學內容、運營分析、行程規劃等 。 數字世界的產出能力集中在服務業 ， 可能帶來數字化服務業總供給的N倍提高 。
在具身機器人成熟之后 ， 上述產出能力可以拓展到物理世界 。
具身機器人可完成如清潔家務、照顧老人、物流搬運等屬于服務業的工作 ， 也可以完成在工廠流水線工作、采摘農作物這些屬于工業和農業領域的工作 。 以具身機器人潛在的制造成本和運營成本看 ， 在技術成熟之后 ， 具身機器人完成上述工作的成本比人類自己作為勞動力所需的成本要低 。 這就意味著在現有的投入水平下 ， 在物理世界 ， 產出能力也可能提升到當前水平的N倍 。
當前 ， 我們還無法準確地評估上述N的數值會是多少 。 在各個類別工種的AI Agent的工作效能充分顯現之后 ， 我們將有機會對AI可以從事的各個工種的上述N值進行相對準確的估計 ， 從而對于人類在單位時間內（比如一年）的總生產能力的提高進行相對準確的估計 。
從而 ， 人類會有可能擁有一個「非稀缺經濟」 。 一種可能的情況是 ， 在AI大模型算法能力提升接近穩態時（目前還沒有看到收斂的跡象） ， 上述N值對應的全人類單位時間總產出 ， 可能會超過這個單位時間內全人類的總需求 。
約翰·凱恩斯在一個世紀前預言過這樣一種「非稀缺經濟」的情形 。
1930年凱恩斯撰寫《我們孫輩的經濟可能性》一文 ， 他認為16世紀以來 ， 科技和資本兩個生產要素進入了加速發展和積累期 ， 由此對穩態下經濟的增長速度有了相對明確的判斷 ， 同時預判未來人口規模很可能不會再出現像之前類似量級的增長 ， 所以人均生活水平將逐步提高 ， 「我敢預言 ， 100年后進步國家的生活水平將比現在高4－8倍」 ， 從而「從長遠看 ， 人類終將解決其經濟問題」 。
人類終將解決其經濟問題！一百年后的今天 ， 「進步國家」確實已經實現了凱恩斯的預言（Fabrizio Zilibotti整理了全球經濟的長期增長表現 ， 覆蓋168個國家 ， 時間跨度為1950年到2000年 。 根據凱恩斯的預言 ， 要在2030年達到當時英國人均收入的四到八倍 ， 經過人口加權之后的平均增長率最高為2.1% ， 而二十世紀后五十年的這個增長率實際上是2.9% ， 只需要50年就可以實現凱恩斯預言中收入增加四倍的下限 。
如果按照2.9%這個增長率持續增長一個世紀 ， 人們的收入水平將有1930年的十七倍之多 ， 這個水平遠遠超過了凱恩斯預言中的上限 。 見Fabrizio Zilibotti 「Economic Possibilities for our Grandchildren 75 Years After: A Global Perspective」 in Lorenzo Pecchi and Gustavo Piga eds. Revisiting Keynes Economic Possibilities for our Grandchildren The MIT Press 2008.） ， 發展中國家尚在努力當中 。
凱恩斯沒有預料到的是 ， 1946年以來計算機的發展 ， 將人類經濟活動帶入了又一個新的階段 ， 在2025年 ， 非人類的機器 ， 已經具備泛化地完成工作的能力 ， 無限勞動力供給帶來的「非稀缺經濟」 ， 再次加速了「人類解決其經濟問題」的進程 。
以上 ， 是計算機可以在「收集信息-決策-行動」鏈條中的「行動」環節起作用 ， 帶給經濟系統的三個影響 。 接下來我們討論計算機在「收集信息-決策-行動」鏈條中的「收集信息-決策」環節起作用 ， 帶給經濟系統的幾個影響 。

交易成本降低
人類的經濟活動 ， 就其最主要的特征而言 ， 是合作活動 。 人的經濟行為可分為兩個類別 ， 一是合作 ， 二是交換/交易 ， 也基本對應進入工業化階段之后 ， 分別以企業和市場這兩種組織形式來組織的合作活動 。
制度經濟學對經濟活動中的交易成本進行了充分的討論 。 20世紀30年代的科斯注意到 ， 通用汽車的車身供應商 ， 有的是上游獨立供應商 ， 有的本是獨立供應商卻又被通用汽車并購 。 為什么會有這樣的差別？從這個現象和問題出發 ， 科斯和后來的學者建立了制度經濟學 ， 從交易成本的角度理解市場和企業：當企業內部的交易成本較低時 ， 經濟主體通過企業這樣一種組織形式達成交易/合作；當市場的交易成本較低時 ， 經濟主體通過市場達成交易 。
在通過企業達成合作的情況下 ， 完成一項任務 ， 需要將信息下發到參與完成這件任務的每一個人 ， 需要保證每一個人充分理解信息、認可指令 ， 遵照信息的指令來執行 。 在組織內部 ， 為了達到這些目標所需付出的成本 ， 是組織成本 ， 或者按照科斯的看法 ， 是企業內部的交易成本 。
在通過市場達成交易的情況下 ， 制度經濟學將交易成本歸為三個主要類別 ， 包括信息搜集成本、談判成本、交易保護成本（R. Coase 「The Nature of the Firm」 Economica 19374(1):386-405. R. Coase 「The Problem of Social Cost」 Journal of Law and Economics 19603(1):1-44.） ， 或稱為市場主體的搜尋和信息成本、討價還價和決策成本、合同監督及執行成本（C. J. Dahlman 「The Problem of Externality」 The Journal of Law and Economics 1979 22(1).） 。 如果對照本文主張的「收集信息-決策-行動」鏈條 ， 會發現三類交易成本正好對應這個鏈條的三個環節 。 也算是不謀而合了 。
自互聯網產生以來 ， 上述交易成本一直在下降 。 按照Goldfarb和Tucker的綜述研究 ， 數字技術降低了經濟活動中五個方面的成本：搜尋成本、復制成本、交通成本、追蹤成本和驗證成本（A. Goldfarb C. E. Tucker 「Digital Economics」 Journal of Economic Literature 2019 57(1): 3-43.） ，這個五方面分類法展示了歸納的視角 。 從邏輯上看 ， 我們認為 ， 經濟活動數字化對于交易成本的影響體現在 ， 互聯網和移動互聯網降低了前述企業內部的交易成本和市場中的交易成本 。
降低企業中的交易成本 。 數字工具提高了信息下發的準確性 ， 可以有效輔助每位團隊成員理解信息 ， 并校準、監督和反饋每一位成員的執行 。 比如移動互聯網團隊協作應用Teambition ， 可以將協作的每個步驟分解為每位團隊成員的第一人稱視角 ， 在信息下發、任務理解和認可、執行校準幾個方面都可以起到很好的作用 。
降低市場中的交易成本 。 在收集信息環節 ， 互聯網將全局信息數字化 ， 實現可全局搜索；移動互聯網階段進一步進化為可全局范圍內個性化推薦；AI階段將可能出現一個「數字層」 ， 這個「數字層」由用戶的個人AI助理和各個垂類的AI Agent組成 ， 全面了解消費者和生產者等經濟主體 ， 也全面了解物理世界 ， 「數字層」會較移動互聯網更為精準地匹配供需關系 。 在決策環節 ， 互聯網的精準動態定價已經極大地減少了討價還價的發生；在行動環節 ， 區塊鏈技術則旨在構建可以自動執行的合同 。
我們可以再回到圖表二的結構 ， 來觀察在AI大模型階段可能會出現的這個「數字層」 。 一個「全知全能」的「數字層」如果出現 ， 將使得上述企業中的交易成本和市場中的交易成本繼續降低 。
圖表5：信息、商品、社交在AI大模型階段的匹配方式
非理性決策減少
理性一直是人類面對這個世界最有力量的武器 。 「理性」一詞來自于希臘文 「邏各斯」 ， 其基本含義是 「規律」 ， 是客觀地內在于自然的東西 ， 它支配著自然界的運動 ， 是自然界運動的規則性的表現 。 按照柏拉圖的理解 ， 理性是靈魂的最高部分 ， 通向真理 。 也就是說 ， 理性是人類認識客觀世界規律的能力 。
希臘文明為人類社會走向提出了光明的愿景 ， 但受制于當時的認識世界的能力 ， 愿景并沒有轉化為現實 。 經歷了漫長的中世紀 ， 文藝復興和啟蒙運動重新把「理性」置于人和世界關系中最重要的位置 。 啟蒙學者孟德斯鳩、伏爾泰和狄德羅把理性推崇為思想和行動的基礎 ， 用理性這個尺度衡量一切 。 理性驅動的工業革命使西方世界進入了現代社會 。 如韋伯所說 ， 「西方文化特有的理性主義」造成現代社會中「理性化的經濟生活、理性化的技術、理性化的科學研究、理性化的軍事訓練、理性化的法律和行政機關」（韋伯：《新教倫理與資本主義精神》 ， 于曉等譯 ， 北京：三聯書店 ， 1987年） 。
人類迄今為止所取得的進展 ， 主要是運用理性、使理性起作用所得到的 。 但是在經濟活動當中 ， 作為經濟主體的人們 ， 其非理性行為大量存在 。 行為經濟學對此進行了較為深入的研究 。 赫伯特·西蒙提出了「有限理性」 ， 認為受制于現實資源 ， 個體難以達到完全理性（赫伯特·西蒙：《管理行為》 ， 詹正茂譯 ， 北京：機械工業出版社 ， 2013年） 。
行為經濟學發現人們往往知道正確的選擇卻仍然做出錯誤的行為 ， 相關的理論包括前景理論（人們在面對相同數量的得失時心理感受和行為的不對稱）、稟賦效應（以前景理論為基礎 ， 認為人們在決策中對利害的權衡是不均衡的） 、跨期選擇 （在跨期選擇的情況下 ， 人們的長期理性選擇能力值得懷疑）、心理賬戶（消費者會將資金按來源或用途劃分為不同心理賬戶 ， 導致對相同金額的貨幣產生非替代性認知差異） 、輸者贏者效應（投資者對過去的輸者組合過分悲觀 ， 對過去的贏者組合過分樂觀）等 。 George Loewenstein發現人們做出的決策并非只受成本和收益分析的影響 ， 而是受推理、情感和成本收益相結合的「多重模式」影響（L. George 「The Creative Destruction of Decision Research」 Journal of Consumer Research 200128(3):499-505.） 。
在非理性決策中 ， 投機對經濟運行的影響非常大 。 「投機行為往往基于啟發式與信號 ， 而非真正的價值分析」（赫伯特·西蒙：《人工科學》 ， 上海：上海科技教育出版社 ， 2004年） ， 「投機行為往往是投資者受非理性心理、媒體影響和從眾心理驅動下的資產交易」（羅伯特·席勒：《非理性繁榮（第三版）》 ， 北京：中國人民大學出版社 ， 2016年） 。 根據明斯基的研究 ， 在經濟景氣時 ， 當人們產生了「投機的陶醉感（speculative euphoria）」 ， 資產泡沫就會產生 ， 并可能引發金融危機 。
當前 ， 計算機第一次可以參與到決策環節中來 。 這將帶來的最大影響是 ， 經濟活動中的非理性決策可能大大減少 。 計算機可以僅從（潛在）成本和（潛在）收益的角度來決策 ， 不受心理感受、心理賬戶、情緒波動等因素影響 ， 作出較人們的決策要理性得多的決策 。 在AI經濟中 ， 不理性決策占總決策的比例可能會大大降低 ， 因為不理性決策帶來的經濟損耗也可能會大大降低 。 這個變化 ， 也將進一步提高經濟系統的產出效率和產出能力 。

向歷史求解
每一代人都只生活在自己所在的這個時代 。 對于上一代人發生的事情 ， 歷史上發生的事情 ， 人類只能從書籍、影像等歷史記述中去重現 。 但是 ， 人們花在閱讀歷史、重現歷史上的時間 ， 占人們總的吸收信息的時間的比例 ， 是非常非常小的 。 因此總的來說 ， 人類是生活在自己所處的當世 ， 歷史對我們的生活并沒有多大影響 。
但是 ， 很多人類生存和生活所需要處理的基本問題 ， 千百年來其實沒有大的變化 。 當代人所遇到的挑戰、所要解決的問題 ， 很多是在歷史上出現過的 。 一些重要的領域 ， 有專人整理歷史經典 ， 這些領域的歷史文獻 ， 在當今世界仍然發揮重要的作用 。 比如軍事領域的《孫子兵法》、《伯羅奔尼撒戰爭史》就是這樣的例子 。 在大多數的其他領域 ， 也存在類似地位和作用的歷史著述 ， 但是因為鮮有人查找、翻閱 ， 其中的精華要義便沒有轉化為當世人可用的知識 。
在計算機參與到「收集信息-決策」兩個步驟之后 ， 上述情況可能會發生變化 。 計算機的記憶能力可以突破上述當世人類的經驗范圍和閱讀范圍的限制 ， 將人類歷史上出現過有記載的各類事實和觀點都納入到記憶當中 。 對于那些在自己個人的生活經驗、經濟活動中并不頻繁、但是在歷史上多次出現的情景/問題 ， 人們將有能力尋求歷史上出現過的優秀解法 ， 而不用像一直以來那樣局限于當世所見范圍內可見的解法 。 個人所生活的具體時空中稀有但難忘的體驗 ， 可能是歷史的大數據里可歸納的經典 ， 這也是可以調出而復現的 。 在經典研究領域 ， 這是常見的情況；但是在人類生活的絕大多數領域 ， 這是未見的 。 人類將第一次可以既生活在自己物理上所屬的當世的橫截面上 ， 又生活在歷史的縱軸當中 ， 對于任何問題 ， 人類將可以既向當世求解 ， 又向歷史求解 ， 因此有機會尋求一個「時空最優解」 。

人的全面發展和自我實現
如前所述 ， 人類處在自然環境中 ， 有兩個根本任務 ， 一是利用和改造自然環境以使其能夠支持人自身的生存；二是在實現物質富足之后 ， 提升個人的人生 ， 使每個人的天性得到充分發展 ， 即人的全面發展和自我實現 ， 「做最好的自己」 。
一個全天候自動運行、無勞動力供給限制的經濟系統 ， 有可能成為「非稀缺經濟」 。 在非稀缺經濟下 ， 一種可能性是 ， 每個個人有充足的時間用于個人的全面發展和自我實現 。 在中國文化中 ， 孟子有曰：「人皆可以為堯舜」 。 在西方文化中 ， 希臘文明對幸福的古老定義也很能表達這個理想：「生命的力量在生活賦予的廣闊空間中的卓異展現」（伊迪絲·漢密爾頓：《希臘精神：西方文明的源泉》 ， 沈陽：遼寧教育出版社 ， 2003年） 。
如前所述 ， AI大模型可能在人類和物理世界之間構筑起一個「數字層」 。 這個「數字層」可以參與人和物理世界互動的「收集信息-決策-行動」鏈條 ， 「數字層」全面了解消費者和生產者等所有經濟主體 ， 也全面了解物理世界 ， 精準地匹配供需關系 ， 降低交易成本；「數字層」理性決策 ， 減少經濟活動中的非理性決策；「數字層」先在數字世界、后在物理世界實現其行動能力 。
本質上 ， 「數字層」是人類理性化的又一個重大進展 ， 是一個新出現的虛擬層 ， 全面輔助人與物理世界的互動 ， 進一步提高人類「收集信息-決策-行動」全鏈條的理性化程度 。 這可能會是繼希臘文明、文藝復興和啟蒙運動之后的人類歷史上第三次大的理性化浪潮 。
希臘文明作為第一次理性化浪潮 ， 提出了理性是人區別于動物的最重要的品質、是人最應該發展的品質（柏拉圖在《理想國》中提出靈魂有三部分：理性、意志、欲望 。 真正正義的人 ， 是理性統治全身 。 亞里士多德指出只有理性活動才是「人的專屬功能」） 。 但是受制于當時的科學水平 ， 希臘文明看到了正確的方向 ， 但是沒能實現出結果 。
其后西方世界經歷了漫長的中世紀 ， 直到文藝復興和啟蒙運動 ， 再次把理性置于人與自然互動關系的最重要的位置上 。 結合技術進步 ， 這一次理性化浪潮產生了工業革命 ， 也在經濟、政治、文化等各個方面塑造了今天的西方社會和現代世界 。 在前兩次理性化浪潮中 ， 越來越多的人把「理性」置于人和世界關系中最重要的位置 。
在目前第三次理性化浪潮中 ， 每個人都可以被「數字層」輔助而獲得理性能力 ， 正如前文所展開論述的那樣 。 我們會看到 ， 經過兩千多年的發展 ， 整個藍色星球 ， 遍布著理性的力量 。
就個人的全面發展和自我實現而言 ， 「數字層」也可以發揮重大的作用 。 形象地說 ， 「數字層」擁有上限非常高的智商和情商 ， 是一個普惠的、貼身的導師 ， 可以幫助每個人成為更優秀的自己 。 每一個普通人 ， 將有機會去尋求成為自己可以成為的最好的人 。
但是當前 ， 在準備迎接這樣的未來之時 ， 我們也面臨嚴峻的挑戰 ， 或者說重要的任務 。 第一個任務是人們必須將人工智能系統置于完全的控制之內 。 就目前的情況來看 ， 這個任務并不是理所當然能夠完成的 。 正如「深度學習之父」辛頓最近所指出 ， 人工智能系統可以擺脫人類的控制 ， 甚至是操控人類 。 要避免這樣的未來 ， 必須在AI安全上實現全球級別的合作 。 人類需要被「數字層」輔助 ， 而不是被「數字層」俘獲 。
第二個任務是 ， 人們必須保證AI將為人類創造的巨大生產力 ， 必須為所有人共享 ， 而不是控制在少數人手中且只為少數人享有 。 歸根到底 ， 人類共同生活在地球上 ， 人類誕生以來的所有重大發明、科技進展 ， 不管從哪里起源 ， 最終都會擴散至為全體人類共享 。 這是人類在地球創造的文明的基本準則 。 未來在我們的手中 ， 將迎接什么樣的未來 ， 取決于我們的選擇和行動 。
當前 ， 人類有機會像在歷史上每一個大的歷史關口一樣 ， 從本原出發 ， 來思考要選擇什么樣的發展方向 ， 正如中國的春秋時期、西方的希臘時期、文藝復興時期那樣 ， 對人生的意義 ， 做長期的定義 。 一個大膽的猜想是 ， 人類可以重回「軸心時代」 ， 再一次來定義最重要的價值 。 或許 ， 我們可以把當前稱之為「數字軸心時代」的開始 。

作者簡介
作者王捷為科技投資人 ， 本文系作者根據2025年6月5日在清華大學深圳國際研究生院《AI應用與AI經濟》講座、6月10日在上海天使會《AI應用：浮現中的AI經濟》講座內容整理 。 作者電郵為jie_wang7@sina.com 。

    推薦閱讀