耶魯大學最新論文（全譯文）：AGI時代一半人不上班，GDP也不會掉，人類的經濟角色幾乎喪失

作者｜沐風

來源｜AI先鋒官

耶魯大學最新的研究論文《We Wont be Missed: Work and Growth in the Era of AGI》，描繪了一幅讓人震驚的未來圖景：

在通用人工智能（AGI，Artificial General Intelligence）驅動的新經濟中，人類的經濟角色幾乎完全喪失意義。一半以上的人明天停止工作，經濟規模都不會受到影響。

過去幾百年來，人類通過自己的勞動，推動了世界不斷進步。我們建造城市、開拓科學前沿、創造財富。工作，不僅讓我們賺錢，更讓我們感到自己有價值、有貢獻。

但是，AGI經濟時代的到來，徹底斬斷了“勞動與進步”之間的聯系。

未來，我們仍然會有工作，卻失去了經濟上的意義，不再是社會發展的主要推動力。

以下為論文譯文：

我們不會被錯過：

AGI時代的就業與增長

帕斯夸爾·雷斯特雷波

pascual.restrepo@yale.edu

耶魯大學

2025年7月4日

摘要

本章從理論層面探討人工通用智能（AGI）對經濟增長和勞動力市場的長期影響。AGI使得通過計算資源完成所有具有經濟價值的工作成為可能。我將工作劃分為瓶頸任務與輔助性任務——即對經濟持續增長至關重要的核心工作與非核心任務。隨著計算資源的擴展：(i)經濟將自動化所有瓶頸任務；（ii）部分輔助性任務可能被AI排除在外，完全由人類承擔；（iii）產出量與計算資源、勞動力規模呈線性關系，其增長由計算資源的擴展驅動；（iv）工資水平將趨近于替代人類勞動所需計算資源的機會成本；(v)勞動收入占GDP比重將趨近于零。

本章研究在開發了人工通用智能（AGI）且計算資源會隨著時間增長的經濟中，工資和增長的 長期行為。AGI允許經濟使用計算系統完成所有相關工作。這些系統消耗計算資源但不需要人為輸 入、指導或努力即可完成工作。

關鍵的經濟問題是，如何分配有限（但不斷增長）的計算資源和人力勞動來完成生產產出所需的工作。

本章介紹了瓶頸工作和輔助工作之間的關鍵區別。

? 瓶頸工作包括經濟增長所必需的任務。除非瓶頸任務中的投入也擴大或變得無限有價值，否則產出不 可能無限擴大。

? 配套工作對增長并非必不可少。即使放棄這些任務或限制投入，產出也可以無限擴大。

我的主要理論結果表明，所有瓶頸性工作最終都會自動化，而一些輔助性工作可能不會被人工智能所觸及。一旦這種情況發生，產出將從計算和人力的乘積關系轉變為加和關系，經濟的長期增長率將由計算的增長率決定。

盡管人工智能已能完全自主完成所有瓶頸性任務，但人類仍保有工作崗位。他們可以通過承擔瓶頸性工作來創造價值。人力勞動之所以依然重要，是因為它能節省稀缺的計算資源。另一種情況是，當現有勞動力已足夠充足時，自動化處理輔助性工作就變得不切實際。在第一種情形下，工資水平由節省的計算資源價值決定；而在第二種情形中，工資上限則取決于自動化替代輔助性工作所需消耗的計算資源成本。

總體而言，人工智能的出現徹底改變了勞動力的價值評估方式。在人工智能出現之前，工資水平反映了瓶頸性工作的價值以及具備相關技能的勞動力稀缺程度。而人工智能時代，工資則完全取決于復制人類勞動成果所需的計算成本。盡管人力勞動仍保有部分價值，但其對GDP和經濟增長的貢獻正變得微乎其微——勞動力在GDP中的占比逐漸趨近于零，最終所有收入都將歸計算機所有。

然后，我將分析擴展到一個可以使用AGI來完成科學工作的經濟體，從而加速技術進步的步伐。

如果沒有AGI用于科學，技術進步將受到人口增長的限制(正如Jones、Kortum、Segerstrom提出的半內生增長模型中所描述的那樣 )。有了AGI，所有科學瓶頸工作都是自動化的，技術進步的速率取決于計算的增長率。這可能會產生持續的指數增長，盡管人口在減少，但不會產生奇點或無限增長的爆炸。

本文的分析是對現有人工智能經濟學研究的補充，包括美國國家經濟研究局（NBER）系列專著中的多項貢獻（參見阿吉恩、瓊斯與瓊斯，2019；阿西莫格魯與雷斯特雷波，2019 )。方法論上，我借鑒了任務模型的核心思想，該模型聚焦于如何運用不同生產技術完成多樣化工作任務（奧托、萊維與穆爾納恩，2003；阿西莫格魯與奧托，2011；阿西莫格魯與雷斯特雷波，2018，詳見相關文獻）。與這些模型類似，我研究的核心經濟問題在于如何將工作分配給人類勞動力或人工智能系統，并推導這一過程對工資和產出的影響。關于向人工智能系統轉型的研究重點，我與安東·科里內克及其合作者的互補性研究存在共識——這些研究對我形成部分學術思路產生了影響（參見特拉梅爾與科里內克，2023；科里內克與蘇，2024）。除了傳統經濟學之外，還有大量有趣的關于世界構建的文獻，想象AGI如何改變經濟和世界（參見Kokotajlo等人，2025；Drago和Laine，2025）。

本章結構安排如下：第一節展示在生產型經濟體系中，人工智能通用體（AGI）如何通過計算能力完成所有生產性工作的分析。隨后將分析延伸至半內生增長型經濟體系，探討AGI在科研領域的應用。最后將討論與收入分配及有意義工作相關的政策議題。

1生產與人工通用智能的工作

經濟通過完成工作來產生產出yt——使用人力或計算資源來完成生成有價值產出所需的任務。所有有價值的工作集合是Ω ,每種具體類型的工作用w標記。我假設Ω是一個有限的（但很大的集合）。

在時間t時完成的工作量w由下式給出：

工作w可以通過人力勞動Lt（w）或計算資源Qt（w）來完成。人類單位時間內創造的工作量被標準化為1。用計算機模擬或復制這種工作需要消耗αt（w）個計算單元。我們可以通過設定αt（w）=∞使得w無法通過計算機復制人類的努力。

此時產生的輸出量為：

其中F在所有條目中都是遞增的、可微的、凹的，并且具有恒定規模報酬。我還假設邊際產品在[0 ，∞]內收斂，對于[0，∞]中的任何收斂的輸入序列也是如此。

人類具有不同技能，用s∈S 表示，數量用H（s）表示。具有技能的人s可以完成工作Ω（s）≤Ω，其中 Ω （s）表示分組Ω 。這意味著：

各分組的劃分Ω（s）反映了技能只能用于特定工作類型的程度(Ω（s）表示S到Ω的一一映射關系），或 是具有通用性(Ω（s）= Ω且存在單一通用技能）。假設各Ω（s）之間不存在重疊，這樣可以簡化說明。

我們可支配的計算資源總量是Qt 。可以將其理解為經濟在給定其數據中心和芯片的情況下，每單位時間 能夠執行的計算總量。那么經濟的計算資源約束就是

前提：這里的目標是描述一個面臨兩種技術進步形式的經濟體的行為： 人工智能通用智能的發展和其計算能力的不斷增強。一個達到AGI并獲得足夠計算能力來運行它的經濟體會發生什么？

所考慮的第一種技術進步形式是AGI的發展。這一前提可以用工作方程1

前提1（經濟中發展了AGI。）對于所有工作wΩ,αt （w）在日期T時達到一個有限值（w）并收斂到一個終值a（w）∈（ ，∞)。

AGI是將原始計算轉化為各類有用工作的知識或技術。獲得AGI意味著我們已經找到了訓練或創造計算機系統的方法，使其能夠完成目前由人類完成的所有工作。這一定義區分了AGI和計算資源。AGI是利用計算作為輸入來完成任何類型工作的輸出的配方。這樣做會消耗我們有限的計算資源，Qt。

雖然我將這個前提作為我分析的出發點，但澄清一下這里所假設的三點是有幫助的。

可行性與現實性：超級人工智能（AGI）的定義表明，從理論上說，只要擁有足夠的計算資源，我們就能復制人類的智能活動。根據復制人類行為所需的計算成本（w），我們可能會決定不使用計算資源來完成這項工作。關鍵在于，AGI使得這種復制成為可能；僅僅因為我們開發出了AGI ，并不意味著所有工作都能通過計算機高效完成——畢竟我們的計算資源是有限的，且可以投向更有價值的方向。

? 實體工作：有些工作需要與世界進行實體互動。這里的前提是，當需要時，計算機系統可以控制機器和硬件來完成這項工作。在適當的時候，我將Qt重新解釋為一種能量和計算資源的集合，計算機利用這種集合來執行認知和物理工作。

? 社會工作：有人認為某些工作需要人際互動，必須由人類來完成。治療師或醫護人員特有的 “人文關懷”與“共情能力”可能無法復制，這使得人工服務更具價值。前提1的假設在于： 量本身具有獨特的品質——任何計算機無法企及的人類優勢，或許都能通過大量使用計算資 源來彌補。試想這樣一個AI系統：它能完美復現頂尖治療師的診療手法，隨時待命為你服務，對你了如指掌，永不疲倦，并且愿意傾盡全部智慧與能力幫助你克服焦慮。不過這種系統可能因成本過高而難以實際應用，但既然有這支超人團隊的國際專家團隊可以治療，您卻非要找人類心理治療師不可嗎？試想一個運用海量算力診斷治療疾病的AI系統，難道您會因為AI缺乏“人文關懷”而拒絕患病兒童接受治療嗎？若該論點成立，就意味著我們仍可通過高計算價值a（w）來表征此類情境——這種價值體現著補償“人文關懷”所需額外的計算資源。至于用算力替代人工是否實際可行，將是下文要探討的另一個問題。

技術進步的第二種形式涉及計算資源的增加，Qt。這里的前提是計算資源在每個時間點上都是有限的，但隨著時間的推移而增長，并變得無限豐富。

前提2（計算能力充足）。計算資源Q t 是有限的，但隨著時間的推移無限增長。

這個前提是由歷史趨勢和規律所驅動的，比如摩爾定律。這個前提是我們將在未來繼續擴展計算資源，就像我們歷史上所做的那樣，在近期或中期沒有明顯的天花板，而一個限制遠遠超過當前的計算資源。

自1970年現代計算機和晶體管問世以來，人類的計算能力已實現跨越式發展。傳統上，我們用“每秒浮點運算次數（flops）”來衡量計算資源——即全行業計算機總和每秒能完成的浮點運算總量。從1980年到2007年，計算能力實現了三個數量級的飛躍，從101515flops增至10 21 21 54 flops，目前峰值運算能力已達10^21flops。預計長期來看，這個數字有望突破10^541618flops，這意味著計算能力仍有巨大的發展空間。作為對比，人腦的運算能力約為10^16flops，由此可見計算資源的發展速度已遠超人類腦力極限數個量級。

計算能力的進步被認為是外生的，并被包含在Qt的路徑中。作為基準，可以想象計算資源會隨著時間呈指數級增長——就像某些版本的摩爾定律——盡管我的結果只需要Qt變得足夠大。

瓶頸：在下文中，我用F（{ x（w ）}）表示當工作量為x（w）時獲得的輸出，而FW（{ x（w ）}）> 0表示工作w的邊際增益。

分析的核心部分是定義瓶頸和輔助工作。

定義1：若對于任意滿足F （{ x t （w ）}）無界的{ x t （w）}，存在兩種情況：i. x t （w）無界；ii . F W （{ x t （w）}）無界，則稱工作w是瓶頸。

這個定義精準捕捉了瓶頸工作的本質：這類工作對經濟持續增長至關重要，必須持續擴張才能避免價格飆升至離譜水平，從而在產出中占據更大份額。典型的瓶頸工作包括：為民眾提供溫飽、保障能源供給、維護經濟基礎設施、推動科技進步、協調決策執行、優化物流配送，以及保障國家安全與社會秩序。這些工作堪稱經濟命脈，試想若缺少其中任何一個環節，經濟持續增長將無從談起。

定義2.若存在x t （w）使得當x t （w ）和F W （{ x t （w ）}）均有界時，F （{ x t （w）}）無界，則稱工作w是附屬的。

定義表明，輔助性工作與瓶頸性工作截然相反：我們可以在保持這類工作穩定且無需支付過高報酬的情況下促進經濟增長。潛在案例包括與藝術手工藝相關的工作、為他人表演的行業、文學創作以及酒店餐飲業。設計與客戶服務類工作也可能無法隨經濟規模擴大而同步增長。此外，司法工作、宗教及民間組織相關事務、自然保護團體的工作同樣屬于此類。就連學術經濟學家從事的工作也可能被歸為輔助性工作，因其未來價值可能難以持續提升。這些僅是可能案例，因為究竟哪些屬于瓶頸性工作或輔助性工作，取決于未來人們的偏好、生產結構，以及他們面臨的生存問題與挑戰。

1.1限制行為

本小節將在前提條件1和2下，描述經濟的極限行為∞→t 。我將描述競爭均衡的特性：計算資源和人力資源的分配。

勞動最大化產出，生產要素得到邊際報酬。這一選擇突出了起作用的關鍵經濟力量

建議1.所有瓶頸最終都會自動化，而一些輔助工作可以留給勞動力。

該命題闡明了AGI經濟中的工作模式。所有瓶頸性工作最終都將通過計算自動化完成，而部分輔助性工作則完全由人類承擔。人類勞動仍可能與AGI協同完成某些瓶頸任務，從而增加總產出量，或完全專注于輔助性工作。在所有工作均為瓶頸型的特殊情形下，該命題意味著 所有工作最終都將通過計算實現自動化生產。

這個最新研究結果似乎與里卡多比較優勢原理相矛盾。我們可以將AGI經濟視為一個“在數據中心聚集天才的國度”與人類進行貿易的世界，用計算能力換取生產性工作。按照里卡多原理解 說，AGI國家和人類國家難道不應該完全專業化以最大化貿易收益嗎？為何讓AGI承擔所有瓶頸性工作的策略才是最優選擇？

這個邏輯漏洞的揭示具有啟發意義，為命題提供了直觀的證明思路。假設人工智能專家系統 （AGI）專精于特定計算任務的生成，而人類勞動力則負責其他工作模塊。隨著時間推移，經濟結構將逐漸失衡：前者的工作量持續擴大，后者卻保持固定規模。這種失衡狀態顯然非最優——要維持經濟增長，就必須以相同速度擴展所有瓶頸性工作的規模。正如命題所述，唯一可能實現最優的失衡路徑，是當非自動化工作屬于輔助性崗位時才會成立。

現在，讓我們描述當所有瓶頸工作都被自動化后，產出和工資的行為特征 。將技能S 的計算等效單位 （CEU）定義為

這為復制熟練人員S在該領域的工作提供了所需的計算資源，他們執行的最復雜的計算任務。前提1意味著CEU（s）對所有s都是有限的。

命題2. 輸出收斂于

對于某些CEU(—)（ s ） < CEU （s ），其中，貝是僅執行自動化工作的技能集，N是執行未自動化的輔助工作的技能集。

在計算資源與勞動力層面，經濟體系中的總生產可能性呈現可加性特征，其中勞動力以計算資 源為計量單位。這一規律適用于任何初始生產函數F 。舉例來說，若采用科布-道格拉斯模型對不同 形式的工作進行整合，經濟形態將從計算資源與人力以乘法方式結合的階段（在通用人工智能開發 之前），轉變為二者以可加方式結合的階段（在實現通用人工智能并積累足夠計算資源之后）。

要理解這個結果，讓我們考慮一個特殊情形：當所有工作都是瓶頸時。命題1意味著所有工作都是自 動化的，這意味著計算被用于所有現有工作。此時，我們可以將輸出（在勞動力分配的情況下）表示為：

設分配給工作w 的有效資源（以計算單位為單位）Qt（w ）≡ Qt + α t（w ）Lt（w ）。我們可以將最大化問題改寫為：

在經濟活動的框架下，總資源（包括計算資源與人力）在總體約束下實現產出最大化。規模報酬不變性意味 著其解決方案具有如下形式：

對于某個A>0，等于計算到輸出的轉換率。總之，讓我們轉向勞動。 使總資源最大化化的勞動力分配將所有技能勞動力分配給最大化w∈Ωα（w ）的勞動力，從而產生：

這些步驟闡明了命題背后的經濟邏輯。AGI使我們能夠通過計算能力完成所有瓶頸性工作。此時，計算能力決定了工作量的價值：當一個工作者產出一個工作單元w時，就相當于多產生了α（w）個計算單元，這等同于獲得Aα（w）個輸出單元。勞動力能做的最佳選擇是專注于那些最節省計算資源的工作，從而釋放出能夠生成A CEU（S）的計算資源。

上述推論需要根據輔助性工作的存在稍作調整。自動化輔助性工作可按前述方式處理。若某些輔助性工作未實現自動化，則是因為它們不值得耗費稀缺計算資源。假設w由技能工人S∈N執行且不值得自動化。若將生產瓶頸（價值為Aα（w）)中的α（w）計算資源重新分配到生產w（價值為MPL（S）——即技能S勞動力的邊際產出）中，必然會導致產出下降，這表明

這個不等式表明，S技術勞動力所從事的輔助工作的價值被ACEU（S）所限制，并且最終必須收斂到一個附加常數（這一最后的聲明是規模報酬不變性在F中的一個非平凡含義）。

Proposition2展示了瓶頸的自動化如何允許輸出隨著計算而擴展，從而維持經濟增長。

命題3.輸出的增長率與計算資源Q的增長率相同t 。

這讓我們有理由保持樂觀：在AGI時代，經濟只需通過提升計算能力就能實現增長。當AGI讓計 算能力轉化為各類工作成為可能后，就不再需要其他形式的技術進步。即使仍有輔助性工作未被自動化，也無需擔心——因為這些工作不會阻礙經濟增長。

命題2聲明背后一個微妙的細節是，人類工人分為兩個群體。S類技能工人，如果w *（S） 中的某個要素被自動化了，那么這些工人就只在w*（S）中工作，而所有這類工作都被自動化。這是第貝類。剩下的工人屬于第N類。

收入如何分配？在競爭性經濟中，工人和計算機根據他們對產出的邊際貢獻獲得報酬。從命題2中的產出表達式可以馬上看出這些內容。

建議4。計算機資源的實際價格趨近于A，實際工資趨近于

在人工智能通用智能（AGI）主導的經濟體系中，勞動者獲得的報酬等同于其工作所需的計算資源價值。即便在所有勞動都被自動化取代的世界里，人類技能依然具有價值——因為它們能通過完成實用任務來節省稀缺的計算資源。這揭示了一個關鍵區別：AGI并非使勞動力變得多余，而是通過計算技術實現勞動的可復制性。由于計算資源本就稀缺，人類勞動的價值仍體現在其對計算資源的使用機會成本上。

輔助性工作的技能要求打折的工資，因為CEU（s）< CEU（s）。留給人工的輔助性工不是 財富增長的來源。之所以沒有觸及這些工作，是因為我們已經有太多工人來做這些工作了。這降低 了它的價值（因此是打折），并使自動化變得不現實。

這一重大變革使得工資水平與經濟增長完全脫鉤，在AGI經濟體系中，增長完全由計算資源的持續擴張驅動。盡管經濟總量持續增長，但人力勞動的價值卻停止增長，并始終被復制所需計算資源的價值所制約。由于工資水平在經濟持續擴張時始終受限，所有收入最終都將流向計算資源領域。

第5號提案。計算在GDP中的份額趨近于1 ，勞動力在GDP中的份額趨近于零。 勞動力在GDP中的份額可以被我們計算資源中的人類計算份額所限制，以

這個數值會隨著時間的推移逐漸趨近于零。上文引用的計算資源數據可以直觀地說明這一點。

從規模來看，人類計算能力(Σ SCEU（s）H（s））以數十億量級的十15-10次浮點運算（flops）計，而經濟中的總計算能力可能高達10 54 次浮點運算，相比之下人類計算顯得微不足道。這些計算表明，在人工智能經濟中，當勞動力按計算能力等值支付報酬時，勞動收入占比將大幅下降——因為總計算能力預計將遠超人類計算能力。反之，大部分甚至完全的收入將流向計算資源的所有者。

人類勞動價值始終存在上限且在產出中的占比持續縮水，但這并不意味著人工智能（AGI）會讓社會和勞動者陷入貧困。當計算資源與人力勞動產生的收入相加時，社會整體變得更加富裕（只要持續擴大計算資源，這種財富增長趨勢將長期持續）。即便不考慮計算技術帶來的收益，從AGI出現前的經濟形態向AGI時代的轉型，必然會使勞動收入的整體價值得到提升。

命題6.在AGI（總收入）之前，所有人的工資總和在AGI之后的極限情況下比在AGI之前的經濟中更高（其中Q t = 0 且αt （w）=∞) 。

這個命題表明，工人整體上從向AGI經濟的過渡中受益。為什么？AGI的到來不會讓我們集體處境更糟，因為我們總是可以建立一個非AGI區域，并繼續像什么都沒發生一樣生活。這至少能帶來與以前相同的工資。

具體論證如下：競爭性市場意味著經濟體系能在完全一般化智能（AGI）下高效安排生產。這種重組無法提升產出。假設我們抽取1%的勞動者轉移到非AGI區域，這些工人在非AGI區域的產出為（w 預-AGI·H）×1%（這是規模報酬不變的必然結果），

但在AGI時代之后我們卻削減了他們的工資 （w 后-AGI·H） ×1% 。 由于這種重組無法提升產出，成本（w 后-AGI·H） ×1%超過了收益（w 預-AGI · H） ×1% ，因此AGI時代之后的工資水平反而高于前。

上述論點存在局限性。如果AGI經濟使用了某種有限資源，而這種資源同樣被人類勞動所需，或 者存在規模報酬遞減的情況，那么上述論點就站不住腳。不過，這種邏輯表明，AGI使人類勞動者 整體價值降低的余地是有限的。AGI的“ 問題”在于，人類勞動不再成為財富增長 的源泉，而非其價值喪失。

1.2 向AGI過渡[Preliminary]

一般來說，從當前經濟到AGI極限的轉變很難追蹤，這取決于計算進步（Qt）相對于AGI ( α “s” ）的進步 速度。

為了簡化論述，假設所有工作都是瓶頸，并最終被自動化。還假設αt（w ）在某個有限時間T（w ）內從 無窮大跳到其極限值α（w ）。

兩個極端的例子尤為突出。在其中一個極端，技術成為了束縛和 T（w ）的工作已經實現自動化 ，這正是自動化成為可能的時刻。這意味著計算資源充裕，隨時可 以用于任何可自動化的瓶頸任務。另一方面，我們面臨著另一種轉變：計算資源變得緊張，工作w 只能在未來某個時間點實現自動化~ T（w ），一旦經濟獲得了足夠的計算能力來支持這個應用程序。

命題7.假設計算操作在轉換過程中保持綁定狀態。計算量A的邊際值會逐漸 下降 ，并單調收斂于A > 0 。此外， 對于每個技能s：

1. （s）的工作是按順序自動完成的，從計算需求最低到計算需求最高的工作依次進行。

2. 在一段時間內，工資w（s）在T （ w ） 附近以與A t 相同的速率逐漸降低，然后繼續增長，直到下一 個日期。

3. 當arg max w∈Ωα（w ） 的工作最終實現自動化時，工資w t（s） 必須等于A t CEU （ s ），并從該點開始以與A t 相同的速率逐步下降。

總體而言，總工資在過渡期間微弱增長。

在計算類工作向AGI極限過渡的過程中，這一轉變是平穩漸進的。對于每項技能s，工資水平通 常會隨時間推移持續增長。這種趨勢會在部分工作被自動化取代時出現短暫中斷。在此類事件中， 勞動者會逐步從自動化崗位轉移，最終AGI將完全接管這些崗位。這一過程持續進行，直至只剩下 argmax w∈Ωα（w ）這類工作。當這些崗位最終實現自動化后，勞動者便被困在自動化崗位中，其工 資水平被所保留的計算類工作價值所壓制。此后，他們的工資將以與At相同速率下降，直至收斂到命題4所述數值。總體而言，這一過程為總工資量開辟了持續增長路徑，避免了勞動者薪資出現劇 烈下跌或“ 斷崖式下跌”現象。

命題8. 假設技術在轉型過程中存在約束。計算A的邊際價值t 可能是非單調的，并在過渡過程中某些 點出現跳躍式增長，最終收斂于A 。此外，對于每種技能s：

1. 在T（w ） 中，Ω（s ） 的工作是自動化的。

2. 如果位移效應占主導地位，那么在某些情況下，工資w_t（s）可能在T（w ） 時下降 Ω（s）。

3. 當最后一個工作在 Ω（s ） 中被自動化時，工資必然w（s）下降

4. 在過渡過程中，工資可能超過A t · CEU （s ）。

作為一個整體，總工資可能會在過渡期間的某些時候下降，否則就會增加。

當技術形成壟斷時，向人工智能通用智能（AGI）的過渡過程將充滿斷斷續續、充滿不確定性且 雜亂無章。這個設想描繪了一個計算資源充裕且隨時待命的世界，應用程序一上線就能立即投入使 用。科技公司正在幕后進行人工智能應用的試驗。一旦某個應用程序獲得成功，勞動力市場就會被 顛覆，導致從事自動化任務的人員立即失業。而那些在難以自動化的應用領域工作的從業者，其薪 資水平將顯著提升，遠超AGI時代所能提供的待遇。但另一方面，人們終將意識到：這種高薪終將 消失，因為這不過是他們恰好參與了最后一個成功實驗的偶然紅利。

2 科研工作

在上文中，我考慮了一個由計算機和人共同完成生產所需工作的經濟。現在讓我們將分析擴展到科學工作。這類工作不會產生實際產出，但能擴展我們對未來如何更高效地生產的知識。 現在產生的輸出量是

其中，z t表示經濟的技術復雜程度，通過完成而提高 科學工作。正如半內生增長模型一樣，這取決于

其中σ 表示科學工作，Ξ是所有此類工作的集合。函數G在所有條目中都是遞增的、可微的、凹的，并 且表現出恒定規模報酬。彈性β> 0捕捉了捕撈效應——隨著我們不斷深入，想法變得越來越難找到。 在這種經濟中完成的科學工作的數量是

科學工作必須由科學家來完成，而科學家的供給是H（s）因為某些技能s ∈SR可以用于一部分科學工作Ξ（s）。這意味著

另一方面，用人工智能完成科研工作需要消耗計算資源。經濟的計算資源約束現在是

用于科學工作的技能集被假定為不同于用于生產的技能集，用Sp表示。

為了簡化說明，假設所有的科學和生產工作都是瓶頸。

現在，上述兩個前提得到加強如下：

前提1(AGI用于科學）。對于所有工作∈Ω和科學研究σ∈Ξ,αt （w）和αt ( σ)隨時間推移會收斂到某些有限值α（w），α( σ)∈（0，∞)。

我還加強了前提2：

前提1（指數計算）。Qt以8Q> 0的速率呈指數增長。

下一個命題描述了經濟的極限行為。為了突出關鍵力量，

我假設分配給科學的計算時間λ是恒定的。自然，λ這有一個最優值，這取決于社會對未來消費流量的貼現方式。

第9號提案。假設分配給科學計算的計算資源占λ ∈（0 ，1） 。所有生產和科學瓶頸都被自動化，輸出結果趨于穩定。

在哪里

與之前一樣，經濟中的總生產可能性在計算和勞動力中是可加的，勞動力以計算單位表示。

更具創新性的是，生產性知識儲備Z（t ）會隨著時間推移持續增長，并與計算資源規模成正比。在傳統的半內生增長模型中，Z（t ）的增長通常與人口規模掛鉤，因為科研工作需要人力支撐，而人力資源受人口總量限制。但本文提出的新機制顯示，Z（t ）的增長將與經濟領域的計算資源Qt成正比——由于這些資源能夠有效突破所有科研瓶頸。

AGI使得用計算完成科學工作成為可能，這一事實產生了復合增長效應。

第10號提案。產出和技術的增長率趨同

命題3的主要區別在于，在沒有其他形式科學進步的經濟中，產出與計算成比例，8y= 8Q。使用計算進行科學研究的可能性意味著增長率現在更高8Q（1/β）這是因為，一些計算被用于擴展生產性知識，這進而提高了生產中所有計算單元的生產率，從而產生計算的遞增收益Qt。

上述結果表明，即使在可以將計算用于科學研究的AGI世界中，輸出也會隨著計算能力的提升而增長。這并不必然意味著智能或增長的爆發，因為需要爆炸量的計算。

一個有趣的方面與計算在不同用途中的優先級有關。

命題11。假設經濟對未來資源的貼現率為P ≥0。為了長期最大化福利，經濟會分配一部分

其中一部分計算用于科學研究，其余部分用于生產。在轉換過程中，科學瓶頸被優先處理，λ（t）從較高位置開始，最終收斂到λ *。

這一結果為如何組織一個以最大化貼現總產出為目標的高效經濟提供了指導，即如何優先考慮稀缺的計算。

從短期來看，應當優先推進科研工作，因為這能加速生產知識的積累，從而在未來所有時期提升經濟生產力。此外，還需考慮過渡期間如何最大限度減少勞動力市場動蕩等未盡之務，這就要求我們更加重視科研工作，并逐步將人工智能生成系統應用于生產領域（可參考萊爾與雷斯特雷波的研究，2022)。

從長遠來看，計算資源將同時服務于科研與工業兩大領域，經濟體系最終會實現所有生產環節和科學瓶頸的自動化。這是因為該戰略能通過計算資源實現產出的最大化擴展。當所有計算資源都投入科研領域時，其增長率將達到

使用所有計算得出的生產增長率是

對這兩種瓶頸進行計算，可以得到更高的增長率，因為它利用了科學進步帶來的生產和研究之間的規模收益遞增的協同作用。

3討論

本章深入剖析了人工智能（AGI）對生產、經濟增長及勞動力市場的長遠影響。研究結果既反駁了對人類勞動前景的過度樂觀論調，也糾正了悲觀主義傾向。一方面，人類工作并未走向消亡。由于計算資源依然稀缺，勞動通過節省計算資源保持其價值。此外，

某些輔助性工作可能不會被AGI取代，為人類保留穩定且持久的角色定位。另一方面，盡管人類仍能創造經濟價值，但其作用范圍正急劇縮小。人類保留的工作——無論是核心崗位還是輔助性崗位——都受制于復制所需計算資源的固定價值。在經濟增長加速的背景下，這意味著工資水平將停滯不前，勞動收入占比持續下降。即便是從事基礎性工作的技術工人，其收入也僅能抵消計算資源的消耗成本——再無增長空間。總而言之：只要人類仍具備時間和技能，就能在AGI主導的經濟體系中繼續工作，但其經濟貢獻將變得微乎其微。經濟持續增長，而我們卻停滯不前。

一個耐人尋味的啟示是，非自動化輔助性工作可能會長期存在。對于護理、酒店服務或心理治療等高度依賴社交的崗位而言，模擬人類情感溫度與社會直覺所需的計算資源可能極其龐大。即便這類工作在技術上可實現自動化，其經濟可行性仍存疑。因此，這些領域或許仍能為人們提供有意義的工作。然而這些崗位雖重要，卻無法帶來收入增長——它們提供的薪資存在上限（可能打折交易），且難以跟上整體經濟增長的步伐。在轉型期的經濟中，輔助性工作或許能維持穩定，但若不能讓人力勞動占據核心經濟地位，就難以成為財富增長的源泉。

向通用人工智能（AGI）的轉型也面臨著獨特的挑戰。若技術瓶頸成為關鍵——即核心制約因素在于開發AGI系統本身——那么轉型期間的不平等現象可能急劇加劇，因為某些類型的工作將暫時獲得超常價值。從勞動者視角來看，這種轉型過程會讓人感到不確定甚至不公平。具備特定技能的人可能眼看著工資急速縮水至與計算能力相當的水平，而另一些人則可能憑借純粹的運氣，因工作恰好屬于最后一批被我們掌握自動化技術的領域，從而獲得顯著的薪資溢價。相較于計算能力受限、工資增長伴隨著逐步下滑和勞動力重新分配的轉型過程，這種轉型顯然更難駕馭。這里的核心問題在于：如何幫助勞動者順利度過這場轉型？

技術將人們聯系在一起。我們如何幫助他們分擔風險？其他政策，例如逐步部署該技術，是否有助于解決這個問題？

隨著勞動不再主導價值創造，經濟政策必須直面一個根本性問題：如何實現計算資源收益的公平分配？在人工智能通用智能（AGI）主導所有瓶頸性工作的世界里，生產活動產生的收益將流向掌控計算資源的群體。一種解決方案是通過全民分紅機制重新分配計算收益。另一種思路則是將計算資源重新定義為公共或準公共資源，如同土地或自然資源般實現收益的廣泛共享。

除了工資和產出，通用人工智能（AGI）還引發了關于意義與純粹性的深層思考。歷史上，勞動力始終是關鍵瓶頸：它推動經濟增長，賦予個人在生產中的核心地位。但在AGI世界中，這種聯系被徹底切斷。人類勞動不再驅動進步，也不再是提升生活水平的必要條件。如果未來半數人口停止工作，無人會察覺。在AGI經濟體系下，我們的存在將毫無價值。

即使工作毫無意義，人們還會選擇繼續工作嗎？當工作不再具有經濟必要性時，它還能保持意義嗎？或者，我們是否會完全停止工作，不是因為我們被取代了，而是因為我們選擇退出——在一個我們的技能不再重要的世界里尋求滿足感？

掃碼邀請進群，我們帶你一起來玩轉ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學一些AI搞錢技能。

往期文章回顧