2028全球智能危機：AI沖擊下的復雜系統演化

導語

2028年前后，人工智能引發的經濟與制度沖擊，正重新定義知識勞動的稀缺性、消費結構與金融體系穩定性。從智能替代螺旋到抵押貸款承壓，這不僅是一場行業顛覆，更是文明動力學的系統壓力測試：技術加速器下，社會的制度適應力與群體認知穩定，決定未來軌跡。

關鍵詞：人工智能、智能替代螺旋、幽靈GDP、制度適應、復雜系統、金融風險、知識勞動、消費裂痕、群體認知穩定

來源：集智俱樂部

作者；趙思怡、王璇

智能擴張、制度適應與文明動力學

近日，投資研究機構 Citrini Research 發布了一份關于人工智能潛在宏觀經濟風險的“思想實驗”報告——《2028 年全球智能危機》（The 2028 Global Intelligence Crisis）。這份報告以2028年為時間坐標，采用假想備忘錄的形式，回顧一場由AI主導市場所引發的全球性經濟震蕩，迅速在金融市場與科技領域引發廣泛討論。

報告的核心推演路徑是：當通用人工智能顯著降低認知勞動成本后，最先受到沖擊的將是以知識處理為核心的SaaS行業，隨后波及支付、保險、房地產經紀等中介型行業結構。隨著白領崗位大規模收縮，居民收入增長放緩，消費基礎削弱，進而觸發通縮壓力。若信貸結構無法及時調整，抵押貸款市場與資產價格可能出現連鎖反應，傳統貨幣政策工具在結構性失業背景下面臨效力下降的風險。整份報告并非預測未來，而是一種情景推演：當智能供給結構發生劇變時，宏觀經濟系統是否具備足夠的適應能力。

在呈現《2028 全球智能危機》的全文之前，有必要先引入一個更為宏觀且方法論自覺的分析框架。從復雜系統的角度看，這一情景推演不宜僅被理解為一次由人工智能引發的經濟衰退。若僅停留在周期性波動的層面，我們很可能低估其潛在的結構性含義。更審慎的表述是：2028年前后可能出現的“智能沖擊”，以及圍繞2050年前后的“技術奇點”討論，或許可以被放置在同一條加速演化軌道上加以審視——當然，這是一種理論建模意義上的連續性，而非經驗上已被驗證的必然路徑。

復雜系統理論強調，決定系統演化方向的并非孤立事件，而是內部的反饋結構與時間尺度差。生物體、城市、企業乃至全球經濟體系，都可以被視為開放的耗散結構，具有代謝、增長與資源流動特征。Geoffrey West 在規模理論研究中指出，生物體代謝率與體重之間呈亞線性關系，因此其增長存在內在約束；而城市的創新產出與人口規模之間則呈超線性關系，人口規模越大，人均創新與經濟活動越密集，但社會問題的強度也同步上升。需要強調的是，這些結論基于人口規模的經驗數據。將這一框架外推至“技術能力”或“人工智能算力”，只能視為一種啟發式類比，而非已被充分實證支持的等價關系。（詳情請見集智俱樂部文章《》）

圖1 杰弗里·韋斯特（Geoffrey West，1940-），世界頂級理論物理學家，城市科學頂尖學者，圣塔菲研究所杰出教授和前任所長，曾入選《時代周刊》全球最具影響力100人，《規模》作者。數十年致力于“規模”的研究工作，其研究成果被應用在理解生命體、城市可持續發展、企業運營等眾多領域，被業內奉為“跨學科諾貝爾獎”的不二人選。

在這一啟發框架下，《2028 全球智能危機》所討論的情景，便不再只是一次普通的宏觀經濟波動，而是關鍵生產要素供給結構變化可能引發的制度張力。長期以來，人類認知能力始終是經濟體系中的稀缺要素。資本可以通過金融體系擴張，能源可以通過技術替代提升效率，資源可以通過全球貿易再配置，但復雜決策與創造性勞動高度依賴個體認知能力的有限供給。正因為這種稀缺性，現代薪酬結構、稅收體系與信貸模型，都隱含著“認知能力具有持續溢價”的制度前提。

隨著以 OpenAI 等機構推動的大規模模型技術發展，以及類似 ChatGPT 這類通用認知工具的出現，機器認知能力的邊際復制成本顯著下降。需要謹慎表述的是，我們并非斷言智能已成為“無限供給”的資源，而是指出：認知自動化的可擴展性正在增強。如果企業在微觀層面出于成本動機以算法替代部分白領崗位，短期內可能提高效率；但在宏觀層面，若這種行為廣泛發生，便可能形成一種正反饋路徑：技術能力提升帶來人力需求下降，進而影響居民收入增速與消費能力，企業利潤承壓后進一步投資自動化。這種鏈條可以被概念化為“智能替代螺旋”，但必須承認，現實系統中同時存在財政調節、產業轉型與教育升級等負反饋機制，因此該螺旋并非必然失控，而是對制度參數高度敏感。

與傳統庫存或投資周期不同，認知自動化直接作用于現代經濟中占比較高的知識型勞動。如果生產率提升未能同步創造新的就業與收入渠道，生產系統與需求系統之間可能出現階段性脫耦。文中所謂“幽靈GDP”，可以理解為產出統計增長與可持續需求基礎之間的錯位。這里使用“失衡”一詞，指的是子系統之間資源流與信息流的結構張力增加，而非嚴格物理意義上的能量失衡。一旦這種張力在缺乏制度緩沖的情況下持續累積，系統便可能進入重組或相變區間，但是否走向崩潰，取決于調節機制的有效性。

當時間尺度延伸至2050年前后，“奇點”的含義也應被重新界定。公眾敘事常將其與 Ray Kurzweil 所提出的人工智能超越人類智慧聯系在一起。然而在復雜系統語境中，更為嚴格的定義是：當關鍵控制變量的變化速率顯著快于制度調整速率時，系統穩定性下降，可能出現結構重組。所謂“奇點”，并非某一瞬間的能力超越，而是技術迭代周期壓縮與制度適應滯后之間的時間尺度差擴大。

圖2 雷·庫茲韋爾（Ray Kurzweil）寫道，由于范式的轉變，指數增長的趨勢將摩爾定律從集成電路擴展到更早的晶體管、真空管、繼電器和機電計算機。他預測，指數級增長將持續下去，幾十年后，所有計算機的計算能力都將超過（未增強的）人腦，與超人人工智能的出現時間大致相同。（詳情請見集智俱樂部文章《》）

因此，2028年的智能沖擊可以被理解為較短時間尺度上的經濟結構壓力釋放，而2050年前后的臨界討論則涉及更長時間尺度上的制度重構問題。兩者之間并不存在宿命式因果關系，而是可能共享某些控制變量，如智能擴張速度、收入分配機制與政策響應能力。復雜科學并不提供預言，它提供的是對反饋結構與參數敏感性的識別。

從這個角度看，2028與2050不是兩個彼此割裂的節點，而更像同一條加速演化曲線上的不同截面。前者或許體現為經濟結構對認知自動化擴張的首次集中響應，后者則可能對應更深層次的制度重組臨界。軌跡尚未鎖定。決定未來方向的，不僅是算力或資本規模，更是制度適應速度與系統級協調能力。

因此，2028年的智能沖擊并不只是一次潛在衰退情景，而是一場關于系統調節能力的壓力測試。技術擴張本身并不決定方向，它只是提高了變量變化的斜率。當認知自動化加速擴散時，真正關鍵的不是“是否會替代”，而是社會是否擁有足夠強的負反饋機制——包括制度彈性、政策協調能力，以及群體決策的穩定度。如果說技術是加速器，那么情緒與認知結構就是方向穩定器。加速并不會自動導致失控，但在高波動環境中，群體性的焦慮、短期主義決策與風險厭惡行為，可能放大原本可控的結構張力。從復雜系統角度看，穩定并非保守，而是一種降低噪聲、延長時間尺度、提升調節精度的能力。

技術不是風暴，它只是放大器。真正決定系統軌跡的，是我們能否在加速中保持穩定，在不確定性中維持清晰。

這篇“思想實驗”的報告全文

如果我們對人工智能的樂觀判斷一直都沒錯，可要是這份 “正確”，到頭來反而變成了利空，該怎么辦？這篇文章是一次情景推演，既不是刻意唱空的噱頭，也不是渲染人工智能末日的空想，只是希望搭建一個此前沒人深入探討過的推演模型。這個問題是由 Alap Shah 提出的，希望本文能幫你在人工智能持續重塑經濟、市場愈發反常的環境下，更好地應對潛在的左尾風險，一同完整復盤全球智能危機的演進與后果。

2026年2月22日早間，失業率數據重磅出爐：10.2%，較預期高出0.3個百分點。受這一數據沖擊，市場當日下跌2%，標普500指數自2026年10月的高點以來，累計回撤幅度已達38%。交易員們早已麻木，換作六個月前，這樣的數據早已觸發市場熔斷。短短兩年時間，經濟格局徹底變了模樣，從當初“風險可控、僅波及單一行業”，變成了我們從未見過的樣子，而這一切的核心，都源于AI引發的連鎖沖擊。

以下我們將完整復盤這段歷程，梳理危機爆發前的經濟脈絡，看清這場變革的來龍去脈。

彼時的市場狂熱，肉眼可見。到2026年10月，標普500逼近8000點，納斯達克指數更是突破30000點。2026年初，第一輪因人力被AI替代引發的裁員潮正式拉開序幕，而裁員也確實帶來了賬面利好：企業利潤率走高、業績超預期、股價節節攀升。創下歷史紀錄的企業利潤，又被悉數投入到人工智能算力的建設中。

表面上的宏觀數據依舊光鮮，名義GDP年化增速持續保持中高個位數增長，生產率迎來大幅飆升。憑借不知疲倦、無需休假、也不產生社保成本的AI智能體，美國每小時實際產出創下了1950年代以來的最快增速。人力成本大幅削減后，手握算力的資本方財富暴增，可普通勞動者的實際工資增長卻大幅縮水。即便政府一再高調宣揚生產率創下歷史紀錄，白領崗位還是不斷被機器取代，從業者只能被迫轉向低收入崗位。

消費經濟開始顯露裂痕時，學界開始流傳一個詞——“幽靈GDP”：產值明明體現在國民經濟核算里，卻從未真正在實體經濟中循環流動。人工智能的發展在各方面都超出預期，市場也完全被AI浪潮裹挾，唯一的問題是，實體經濟并沒有跟上這份繁榮。我們其實早該看清，北達科他州一組GPU集群，就能創造出原本曼哈頓中城一萬名白領的產值，這從來不是什么經濟靈藥，而是一場經濟疫情。貨幣流通速度陷入停滯，占GDP七成、以人為核心的消費經濟持續萎縮。其實想通一個簡單問題就能預判走向：機器會在非必需品上花錢嗎？答案是零。

AI能力不斷升級，企業用工需求隨之減少，白領裁員潮愈演愈烈。失業人群消費能力下降，企業利潤承壓，只能進一步加大AI投入，反過來又推動AI技術繼續迭代。這是一個沒有天然剎車的負反饋循環，也就是人類智能替代螺旋（Intelligence Substitution Spiral）。白領的收入能力遭遇結構性沖擊，而他們的收入正是13萬億美元抵押貸款市場的根基，這也讓承銷商不得不重新思考，優質抵押貸款，真的還具備足額償付價值嗎？

美國市場十七年沒有出現過真正的違約周期，這也讓私募股權支持的軟件類資產過度膨脹，這類交易全都建立在“年度經常性收入（ARR）持續穩定”的假設之上。2027年中期，AI沖擊引發的首輪違約，徹底打破了這一幻想。即便沖擊只局限在軟件行業，尚且還能控制，可現實遠非如此。到2027年底，所有依托中介業務的商業模式都岌岌可危，大批靠賺取人類交易摩擦成本盈利的企業接連崩塌。

整個金融體系，本質上就是一長串押注白領生產率增長的關聯賭注。2027年11月的市場崩盤，不過是把所有既有的負反饋循環徹底加速。近一年來，我們始終盼著“利空出盡便是利好”，政府也開始著手研究應對方案，可民眾對政府救助能力的信心卻在不斷消退。政策應對本就總是滯后于經濟現實，如今缺乏系統性的解決方案，更是有可能加速通縮螺旋的形成。

危機的開端

其實這場AI引發的經濟沖擊，早在2025年末就有了明確信號，智能體編程工具迎來了一次跨越式升級。熟練開發者用Claude Code、Codex這類工具，短短幾周就能復刻出中端SaaS產品的核心功能。雖說不算完美，也覆蓋不了所有極端場景，但已經足夠讓那些審批50萬美元年度續約的CIO們心想：我們為什么不自己做？

企業財年大多和自然年同步，2026年的預算早在2025年四季度就定好了，那時候“智能體AI”還只是個時髦概念，沒人當回事。直到年中預算復核，采購部門才真正見識到這套系統的威力。不少企業親眼看到，內部團隊花幾周時間就能做出原型，直接替代掉六位數年費的SaaS服務。那年夏天，一位財富500強企業的采購經理，講過一次真實的預算談判：供應商還想按老套路來，每年漲價5%，反復強調“你們團隊離不了我們”。結果采購經理直接攤牌，已經和OpenAI談妥，由對方駐場工程師用AI工具徹底替代這家供應商，最終續約價格直接砍了30%。他說這已經是好結果，Monday.com、Zapier、Asana這些長尾SaaS廠商，處境要慘得多。

投資者其實早有心理準備，甚至預判長尾SaaS會遭遇重創。這類廠商雖然占到企業常規軟件支出的三分之一，但風險本就顯而易見。大家原本以為，核心業務系統能扛住這波沖擊，直到ServiceNow 2026年三季度財報出爐，這種自我強化的反噬邏輯才徹底暴露。

ServiceNow新增年化合同價值增速從23%放緩至14%；宣布裁員15%并啟動“結構性效率計劃”；股價暴跌18% | 彭博社，2026年10月

SaaS并沒有就此“死掉”，自研和維護系統仍要權衡成本，但自研已然成為一個現實選項，直接改寫了定價談判的規則。更關鍵的是，行業競爭邏輯徹底變了。AI讓新功能的開發和上線變得輕而易舉，產品之間的差異被徹底抹平。老牌廠商陷入慘烈的價格戰，既要和同行廝殺，還要應對層出不窮的新對手，這些新玩家靠著智能體編程工具的突破，又沒有歷史成本包袱，瘋狂蠶食市場份額。

這份財報也讓所有人看清了生態的關聯性，ServiceNow靠售賣席位盈利，財富500強客戶一旦裁員15%，就會同步取消15%的授權?？蛻粲肁I裁員拉高了自身利潤率，卻直接挖空了ServiceNow的收入基本盤。這家靠工作流自動化起家的公司，最終被更先進的工作流自動化技術顛覆。而它的應對手段，也只有裁員，再把省下來的錢，投進顛覆自己的技術里。它們還能怎么辦？坐以待斃嗎？受AI威脅最大的企業，反倒成了AI最激進的擁躉。現在回頭看，這一切似乎順理成章。歷史上的行業顛覆向來是同一個劇本。老牌企業抗拒新技術，被靈活的新入局者搶走份額，最終慢慢出局，柯達、百視達、黑莓都是如此。

但2026年完全不同，這些老牌企業不是不想抵抗，是根本抵抗不起。股價暴跌40%—60%，董事會步步緊逼，受AI沖擊的企業只剩下一條路：裁員，把省下來的人力成本投入AI工具，用更低的成本維持產出。單看一家企業，這個決策無比理性，但放到整個市場，結果卻是災難性的。每省下一美元人力成本，都會變成AI的能力升級，進而引爆下一輪裁員。軟件行業只是個開始，投資者還在爭論SaaS的估值有沒有觸底，卻沒意識到，這套自我強化的循環早已跳出軟件行業，ServiceNow的裁員邏輯，適用于所有擁有白領成本結構的企業。

當交易摩擦歸零

2027年初，大語言模型已經徹底成為標配，很多人連AI智能體是什么都搞不清楚，卻早已在日常使用，就像不懂“云計算”的人照樣天天用流媒體服務一樣，在大多數人眼里，它不過是手機自帶的自動補全、拼寫檢查這類基礎功能，稀松平常。

而真正成為AI接管消費決策轉折點的，是通義千問開源的智能購物助手。短短幾周內，主流AI助手全都上線了智能電商功能，輕量化模型的出現，更讓這類智能體不再只依賴云端，手機、筆記本就能直接運行，推理的邊際成本大幅下降。更值得投資者警惕的是，這些智能體根本不需要用戶主動下達指令，會按照偏好在后臺默默運行，消費不再是人類一次次零散的決策，而是為每一個聯網用戶7×24小時不間斷運轉的優化流程，到2027年3月，美國人均每日消耗的Token量達到40萬，是2026年末的整整10倍，這一變化直接導致產業鏈的下一個環節：中介業務，就此轟然崩塌。

圖3 支付方式如何發生改變

過去五十年，美國經濟靠著人性的天然局限，搭建起了一套龐大的抽租體系：人做事耗時間、沒耐心，習慣認品牌而不是理性比價，多數人為了少點幾下屏幕，寧愿接受更貴的價格，數萬億美元的企業市值，全都建立在這些人性弱點之上，而這一切，被智能體用最簡單的方式打破：消除交易摩擦，那些閑置數月仍自動扣費的訂閱、試用期結束后悄悄翻倍的定價，這些靠信息差牟利的套路，全被智能體一一戳破，支撐整個訂閱經濟的核心指標，客戶終身價值，也隨之大幅跳水。

消費智能體就此開始改寫幾乎所有消費交易的規則，人沒工夫為了一盒蛋白棒在五個平臺來回比價，但機器可以，旅游預訂平臺成了第一批犧牲品，因其模式最簡單、最易被替代，2026年四季度，智能體就已能以更低成本、更快速度完成全套行程規劃，機票、酒店、地面交通、會員權益最優解等一應俱全。完全依賴用戶惰性的保險續保業務同樣被徹底顛覆，智能體每年都會重新比價投保，直接抹掉保險公司靠被動續保賺取的15%–20%保費，而理財咨詢、稅務申報、常規法務等這類以“處理繁瑣事務”為核心價值的服務，也因智能體從不嫌麻煩的特性，無一幸免地被顛覆。

就連我們以為靠人情關系能穩住的領域，也不堪一擊，房地產行業幾十年來，買家因信息不對稱一直忍受5%–6%的傭金，可AI智能體接入房產多重上市服務系統（MLS）、吃透幾十年交易數據后，瞬間就能擁有同等專業能力，2027年3月一篇賣方報告將此稱為“智能體互搏”，核心城市的買方傭金中位數從2.5%–3%被壓到1%以下，越來越多的房產交易徹底不再需要人類買方中介。我們都高估了所謂“人情關系”的價值，后來才發現，很多所謂的關系不過是披著溫情外衣的交易摩擦，而這只是中介層被顛覆的開始，那些巨頭企業曾砸下幾十億美元精準拿捏消費者的行為和心理弱點，可在AI時代，這些弱點一文不值。只追求最優性價比的機器，不會在意你用了四年的常用APP、習慣點開的網頁，更不會被設計精美的結算頁面打動，它們不會疲憊，不會圖省事選默認選項，更不會“一直只在這家買”，這也直接摧毀了一類特殊的護城河：習慣性中介。

美國外賣平臺DoorDash就是最典型的例子，編程智能體把外賣APP的開發門檻直接拉到零，一個熟練開發者幾周就能做出競品，幾十家新平臺隨之崛起，把90%–95%的配送費全分給騎手，瘋狂挖走DoorDash和Uber Eats的運力，多平臺接單儀表盤更讓零工能同時接收二三十個平臺的訂單，徹底打破了老牌平臺的用戶鎖定效應，讓市場一夜之間碎片化，利潤率被壓到幾乎為零。智能體從兩頭加速了這場顛覆：一邊催生競品，一邊直接使用競品，DoorDash的護城河本質上就是“你餓了、懶了，手機桌面正好有這個APP”，可智能體沒有桌面，它會同時檢索各類外賣平臺和餐廳官網，每一次都選出費用最低、配送最快的方案，支撐其商業模式的核心。用戶對APP的習慣性忠誠，在機器面前根本不存在。這一點頗具諷刺意味，也是整場危機里智能體唯一“幫”到即將失業白領的地方：這些人轉行做騎手后，至少一半收入不會再被平臺抽走，只不過，隨著自動駕駛配送普及，這點技術帶來的短暫紅利，也很快消失殆盡。

智能體掌控交易后，開始追求更極致的成本優化，比價、聚合的空間終究有限，想持續幫用戶省錢，尤其在智能體之間直接交易時，核心就是砍掉手續費，機器對機器的交易里，銀行卡2%–3%的交換費成了首要攻克目標，智能體最終大多選擇通過Solana或以太坊二層網絡（L2）使用穩定幣，結算幾乎實時完成，單筆成本僅為零點零幾分錢。

萬事達卡 2027 年一季度：凈營收同比增 6%；消費交易量增速從上季度 5.9% 放緩至 3.4%；管理層提及 “智能體主導的價格優化” 與 “非必需消費板塊壓力”｜彭博社，2027 年 4 月 29 日

這一變化的影響在萬事達卡2027年一季度財報中徹底顯現，這份財報成為不可逆的轉折點，智能體電商從一項產品層面的創新，變成了對支付底層架構的顛覆，萬事達卡次日股價暴跌9%，Visa同步大跌，后來僅因分析師提及它在穩定幣基建上的優勢，跌幅才有所收窄。這種繞開銀行卡交換費的模式，對以信用卡為核心的銀行和單一發卡機構構成了致命打擊。它們正是2%–3%手續費的主要獲利方，整套消費返現獎勵業務也全靠商戶補貼支撐，其中美國運通（AXP）受傷最重，白領裁員潮掏空了它的核心客群，智能體繞開交換費則直接摧毀了它的盈利模式，同步金融、第一資本、發現金融等發卡行，隨后幾周內股價也均暴跌超10%，要知道，它們的護城河本就是由交易摩擦一磚一瓦砌成，而如今，摩擦正在歸零。

從行業風險到系統性風險

2026年全年，市場都將人工智能的負面影響視為行業性問題。軟件、咨詢行業暴跌，支付等收費業務搖搖欲墜，但宏觀經濟看似平穩。勞動力市場雖走弱，卻未崩盤。市場共識認為，創造性破壞是技術創新周期的必然，局部會有陣痛，但人工智能的整體凈收益遠大于損失。2027年1月的宏觀備忘錄就指出，這是錯誤的認知，美國經濟是白領服務型經濟。白領占就業人口的50%，貢獻約75%的非必需消費。人工智能正在吞噬的企業和崗位，并非美國經濟的邊緣，而是核心本身。

圖4 AI能力擴展

“技術創新摧毀崗位，同時創造更多新崗位”，這是當時最主流、最有說服力的反駁。它之所以可信，是因為兩個世紀以來都成立：即便我們想不出未來的新工作是什么，它也一定會出現。ATM機降低了銀行網點運營成本，銀行反而增設網點，柜員崗位在隨后二十年持續增加。互聯網顛覆了旅行社、黃頁、實體零售，卻催生了全新行業與就業。但這些新崗位，都需要人類來完成。

美國JOLTS報告：職位空缺降至550萬以下；失業人數/職位空缺比升至1.7，創2020年8月以來新高 | 彭博社，2026年10月

如今的人工智能是通用智能，它進化的方向，正是人類轉崗后要做的工作。失業的程序員無法簡單轉向“人工智能管理”，因為人工智能本身就能勝任管理。如今，人工智能智能體能完成耗時數周的研發任務。指數級的進化速度，粉碎了我們對能力邊界的認知，即便每年沃頓教授都試圖用S型曲線擬合數據。它們幾乎能編寫所有代碼，最頂尖的智能體在絕大多數領域都比人類更聰明，且成本持續下降。人工智能確實創造了新崗位，例如提示詞工程師、人工智能安全研究員、基礎設施技術員。人類仍在頂層參與協調、把控偏好，但每創造一個新崗位，就有數十個舊崗位被淘汰，且新崗位薪酬遠不及舊崗位。

Indeed招聘平臺：隨著“效率提升計劃”蔓延，軟件、金融、咨詢行業職位招聘量暴跌 | Indeed招聘實驗室，2026年11-12月

全年招聘勢頭持續疲軟，2026年10月的JOLTS報告給出了明確數據：職位空缺降至550萬以下，同比下降15%。白領職位暴跌，藍領職位（建筑、醫療、技工）相對穩定。受沖擊的是撰寫報告、審批預算、維系經濟中層運轉的崗位（我們竟還能存活）。但兩類人群的實際工資增長，全年多數時間為負且持續下滑。

圖5 AI反饋循環

股市對JOLTS數據漠不關心，反而更關注通用電氣維諾瓦渦輪機產能預訂至2040年的消息，在宏觀利空與人工智能基建利好的拉扯中橫盤震蕩。而債市（向來比股市理性，至少不那么盲目樂觀）已開始計價消費沖擊，十年期國債收益率在隨后四個月從4.3%降至3.2%。但整體失業率未大幅飆升，部分人仍未看清就業結構的本質變化。普通經濟衰退中，誘因會自我修正。過度建設導致建筑業放緩，進而利率下行，重啟建設。庫存過剩引發去庫存，隨后再補庫。周期機制本身就孕育著復蘇的種子。

本輪衰退的誘因，并非周期性的。人工智能更優、更便宜→企業裁員→用省下來的錢買更多人工智能→進一步裁員→失業者消費下降→消費企業銷量下滑、經營承壓→加大人工智能投入保利潤→人工智能更優、更便宜。一個無天然剎車的反饋循環。

總需求下降會放緩人工智能建設，但事實并非如此。因為這不是超大規模云服務商的資本支出（CapEx），而是運營支出（OpEx）替代。一家原本每年花1億美金雇人、500萬美金投人工智能的企業，如今花7000萬雇人、2000萬投人工智能。人工智能投入數倍增長，總運營成本卻在下降。每家企業的人工智能預算增加，整體支出卻在收縮。

人工智能基建產業鏈持續繁榮，即便它正在顛覆的經濟不斷惡化。英偉達營收屢創新高，臺積電產能利用率維持95%以上，超大規模云服務商每季度仍投入1500-2000億美金建設數據中心。完全受益于這一趨勢的中國臺灣、韓國，經濟表現遠超其他地區。印度則截然相反。其IT服務行業年出口超2000億美元，是印度經常賬戶順差的最大來源，也是彌補長期商品貿易逆差的核心。整個模式的價值主張只有一個，印度開發者成本遠低于美國。但人工智能編程智能體的邊際成本，已幾乎降至電費。塔塔咨詢、印孚瑟斯、維普羅等企業2027年合同取消量激增。支撐印度國際收支的服務貿易順差蒸發，盧比兌美元四個月暴跌18%。2028年一季度，國際貨幣基金組織已與印度政府啟動“初步磋商”。

引發顛覆的核心引擎（人工智能）每季度都在進化，顛覆速度也每季度加快，勞動力市場沒有天然底部。在美國，我們不再討論人工智能基建泡沫如何破裂，而是思考：當消費者被機器取代，消費信貸經濟將何去何從？

智能替代螺旋

2027年，宏觀經濟的惡化不再隱晦。過去十二個月零散卻明確的負面信號，其傳導機制已清晰可見。無需查看美國勞工統計局數據，和朋友吃頓飯就能感受到。失業的白領沒有坐以待斃，而是被迫降維就業。多數人轉向低收入服務業、零工經濟，推高了這些領域的勞動力供給，進而壓低了整體薪資。

有位2025年Salesforce的高級產品經理，有頭銜、醫保、401(k)退休計劃，年薪18萬美金。在第三輪裁員中失業，求職半年后開始開網約車，收入降至4.5萬美金。個案不重要，重要的是二階效應：全美主要城市數十萬從業者經歷同樣的過程，過高技能的勞動力涌入服務與零工行業，壓低了本就艱難的在崗人員薪資。行業性顛覆，演變成全經濟范圍的薪資壓縮。

圖6 大規模轉移：技術勞動力向零工經濟的轉變

就在此刻，僅剩的人力密集型崗位還將面臨新一輪調整：自動駕駛配送、自動駕駛汽車，正在滲透吸納首輪失業者的零工經濟。截至2027年2月，在職職場人明顯開始節衣縮食，人人自危。他們在人工智能幫助下加倍努力工作，只為不被裁員，晉升加薪的希望徹底破滅。儲蓄率上升，消費疲軟。最危險的是滯后效應，高收入人群憑借高于平均的儲蓄，維持了兩三個季度的消費常態。等硬核數據證實問題時，實體經濟早已惡化。最終，一份數據打破了所有幻象。

美國初請失業金人數飆升至48.7萬，創2020年4月以來新高；美國勞工部，2027年第三季度

初請失業金人數飆升至48.7萬，創2020年4月以來新高。ADP與艾奎法克斯數據證實，新增申領者絕大多數為白領專業人士。標普500隨后一周暴跌6%，宏觀利空開始主導市場。普通衰退中，失業分布廣泛，藍領、白領失業比例與就業占比大致匹配，消費沖擊也均勻分布，且因低收入人群邊際消費傾向更高，數據會快速反映。本輪衰退中，失業集中在收入最高的10%人群。他們占總就業比例不高，卻貢獻了遠超比例的消費：美國收入前10%人群貢獻超50%的消費，前20%貢獻約65%。他們是買房、買車、旅游、餐飲、私立學校、家裝的主力，是整個非必需消費經濟的需求基石。

這類人群失業或降薪50%轉崗后，消費沖擊遠大于失業人數本身，白領就業下降2%，非必需消費就會下滑3%-4%。藍領失業的消費沖擊立竿見影，而白領有儲蓄緩沖，能維持數月消費，沖擊雖滯后卻更深遠。2027年二季度，經濟已陷入衰退。美國國家經濟研究局數月后才正式確認，但數據已明確，實際GDP連續兩個季度負增長。但此時，還不算“金融危機”，至少暫時不是。

關聯賭注的鏈式崩塌

私人信貸規模從2015年的不足1萬億美金，增至2026年的2.5萬億美金。其中相當一部分資金投向軟件科技領域，多數是對SaaS企業的杠桿收購，估值均假設收入能長期保持15%左右的增速。這些假設在智能體編程首次展示、2026年一季度軟件股暴跌時就已破滅，但資產估值方卻遲遲未承認。眾多上市SaaS企業估值跌至EBITDA的5-8倍，而私募股權支持的軟件企業賬面估值，仍基于早已不復存在的收入倍數。管理人逐步下調估值，從100%、92%、85%，而可比上市公司估值已只剩50%。

穆迪下調14家私募股權支持軟件企業的180億美金債務評級，理由是“人工智能驅動的行業顛覆帶來永久性收入壓力”；為2015年能源行業以來最大規模單一行業評級調整 | 穆迪投資者服務，2027年4月

所有人都記得評級下調后的劇情，行業老兵早已在2015年能源行業評級下調時見過。2027年三季度，軟件類貸款開始違約，信息服務、咨詢行業的私募股權投資組合企業緊隨其后，多家知名SaaS企業的數十億美金杠桿收購項目進入重組。

人工智能驅動的客服自動化侵蝕年度經常性收入，Zendesk違反債務條款；50億美金直接貸款項目估值降至58美分；創史上最大規模私人信貸軟件違約紀錄 | 金融時報，2027年9月

Zendesk（客服SaaS企業）成為導火索。2022年，赫爾曼弗里德曼、珀米拉以102億美金將Zendesk私有化，配套50億美金直接貸款，是當時史上最大規模以年度經常性收入（ARR）為支撐的貸款項目，由黑石牽頭，阿波羅、藍貓頭鷹、HPS參與放貸。該貸款完全基于Zendesk的ARR可持續假設，約25倍EBITDA的杠桿，也只有在這一假設下才成立。

2027年中期，這一假設徹底失效。人工智能智能體已自主處理客服近一年，Zendesk定義的工單、分配、人工客服管理賽道，已被無需生成工單就能解決問題的系統替代。支撐貸款的年度經常性收入，不再“持續”，只是尚未流失的收入。史上最大規模ARR支撐貸款，淪為史上最大規模私人信貸軟件違約。所有信貸部門同時發問，還有誰的風險，是披著周期性外衣的永久性沖擊？但市場共識最初是對的，這本該是可控的。

私人信貸不同于2008年的銀行業，整個體系專為避免強制拋售設計。封閉式基金，資金鎖定7-10年，有限合伙人承諾長期出資，沒有儲戶擠兌，沒有回購協議抽離。管理人可以持有問題資產，逐步處置，等待回收。雖有陣痛，卻可控。這套體系本應是彎曲，而非斷裂。黑石、KKR、阿波羅高管稱，軟件類資產敞口僅7%-13%，可控。所有賣方報告、金融社交賬號都口徑一致，私人信貸擁有永久資本，能承受足以壓垮杠桿銀行的損失。“永久資本”，這個詞出現在每一次財報電話會、每一封投資者信中，用來安撫市場，成了一句口號，和多數口號一樣，沒人關注細節。

圖7 私人信貸與人壽保險公司

過去十年，大型另類資產管理公司收購壽險公司，將其變成融資工具：阿波羅收購雅典娜、布魯克菲爾德收購美國股權、KKR收購環球大西洋。邏輯很完美：年金存款提供穩定、長久期負債，管理人將存款投向自己發行的私人信貸，賺雙重收益，保險端利差+資產管理端管理費，只要一個條件成立，這套雙層收費的永動機就能完美運轉。

私人信貸必須具備足額償付價值。損失沖擊了那些依托長久期負債持有非流動性資產的資產負債表。本應讓體系具備韌性的“永久資本”，并非抽象的耐心機構資金，而是美國普通家庭的儲蓄，以年金形式投向了如今違約的私募股權軟件科技資產。無法抽離的鎖定資本，是壽險保單持有人的資金，而這里的規則截然不同。相較于銀行體系，保險監管向來寬松甚至自滿，但這次被徹底喚醒。本就對壽險公司私人信貸集中度擔憂的監管機構，開始下調這類資產的風險資本權重，迫使保險公司要么融資、要么拋售資產，而在市場凍結的背景下，兩者都無法以合理條件實現。

紐約、愛荷華州監管機構收緊壽險公司持有的部分私人評級信貸的資本要求；美國保險監督官協會指引將提升風險資本系數，引發證券估值辦公室進一步審查 | 路透社，2027年11月

穆迪將雅典娜財務實力評級展望下調至負面，阿波羅股價兩個交易日暴跌22%，布魯克菲爾德、KKR等紛紛跟跌。局勢自此愈發復雜。這些企業不僅打造了保險永動機，還搭建了精密的離岸架構，通過監管套利最大化收益，美國保險公司發行年金，再將風險轉移給旗下百慕大、開曼群島的再保險公司，這些機構監管更寬松，相同資產只需持有更少資本。關聯方再通過離岸特殊目的載體（SPV）對外融資，新增一層交易對手，與保險公司共同投資母公司資產管理部門發行的私人信貸。

評級機構（部分本身由私募股權持有）向來不透明（這一點無人意外）。不同企業、不同資產負債表交織成的蛛網，透明度極低。底層貸款違約時，誰在真正承擔損失，實時根本無法厘清。2027年11月的崩盤，標志著市場認知從“普通周期性回撤”轉向“更嚴峻的系統性風險”。美聯儲主席凱文·瓦爾什在11月聯邦公開市場委員會緊急會議上，將其稱為“一長串押注白領生產率增長的關聯鏈式賭注”。要知道，危機的根源從不是損失本身，而是損失的確認。而金融領域還有一個規模更大、更重要的板塊，我們正害怕面對它的損失確認。

抵押貸款問題

本月Zillow房價指數，舊金山同比跌11%、西雅圖跌9%、奧斯汀跌8%。這并非唯一令人擔憂的信號：上月房利美預警，大額貸款集中的區域早期逾期率上升，這些區域的借款人信用分超780，向來被視為“絕對安全”。美國住宅抵押貸款市場規模約13萬億美金，抵押貸款承銷的核心假設是：借款人在貸款期內保持就業，收入水平基本穩定，多數貸款期限長達30年。白領就業危機，通過持續改變收入預期，動搖了這一核心假設。我們不得不提出一個三年前看似荒謬的問題：優質抵押貸款，還具備償付價值嗎？

Zillow房價指數：舊金山同比跌11%、西雅圖跌9%、奧斯汀跌8%；房利美預警科技/金融就業占比超40%的區域早期逾期率上升 | Zillow/房利美，2028年6月

圖8 抵押貸款問題

美國歷史上所有抵押貸款危機，都源于三類原因：投機過度（如2008年向無力購房者放貸）、利率沖擊（如80年代初利率上行導致可調利率抵押貸款無力償還）、區域性經濟沖擊（如80年代德州石油、2009年密歇根汽車行業崩塌）。但本輪危機，卻與這三類原因毫無關聯。當前的借款人絕非次級貸群體，他們信用分普遍在780以上，首付比例達20%，信用記錄清白、就業穩定，放貸時的收入也均經過核實備案，他們本是金融體系所有風險模型里，最堅實的信貸質量基石。

2008年的那些貸款，從一開始就帶著劣質屬性。而2028年的這些貸款，起初全是實打實的優質資產。只是，放貸之后，世界徹底變了。人們當初是對著一個如今再也不敢輕信的未來，簽下了債務合約。早在2027年，我們就已經捕捉到了那些隱性壓力的早期信號：房屋凈值信貸額度被頻繁提款、401(k)賬戶提前支取現象增多、信用卡債務大幅飆升，而房貸還款表面上依舊正常進行。隨著失業潮蔓延、企業招聘凍結、獎金大幅削減，這些原本優質家庭的債務收入比，直接翻了一倍。

即便如此，他們雖然還能勉強償還房貸，代價卻是停掉所有非必需消費、耗盡積蓄、推遲所有房屋維修與裝修。賬面上看，他們沒有出現逾期，但只要再承受一次沖擊，就會徹底陷入困境。而人工智能的能力演進軌跡清晰顯示，這樣的沖擊正在加速逼近。緊接著，我們就看到舊金山、西雅圖、曼哈頓、奧斯汀等科技核心城市的房貸逾期率開始飆升，盡管全國平均水平仍處于歷史合理區間。如今已進入這場危機最嚴峻的階段：要是邊際購房者財務狀況健康，房價下跌尚且可控。但眼下，邊際購房者也正遭遇同樣的收入重創。盡管市場擔憂不斷加劇，我們目前還未陷入全面的抵押貸款危機。逾期率雖有上升，卻遠低于2008年的水平。

圖9 推動情報轉移螺旋式發展的“抵押貸款加速器”

真正的威脅在于趨勢本身，智能替代螺旋之下，如今又新增了兩個金融加速器，三者相互疊加，共同拖拽著實體經濟持續下滑：勞動力被替代、抵押貸款市場承壓、私募市場動蕩，這三者相互強化、形成了難以打破的惡性循環。傳統政策工具，比如降息、量化寬松（QE），或許能修復金融引擎，卻救不了實體經濟的引擎，因為實體經濟的癥結并非金融條件收緊，其核心驅動力在于人工智能的普及，讓人類智能不再稀缺，也不再值錢。哪怕你把利率降到零，買下市場上所有的抵押貸款支持證券、所有違約的軟件杠桿收購債，也改變不了一個核心事實：一個Claude智能體，每月只需200美元，就能完成年薪18萬美元產品經理的工作。

一旦這些擔憂成為現實，抵押貸款市場將在今年下半年徹底破裂。在這種情景下，預計本輪股市回撤幅度最終將堪比全球金融危機，從高點到低點回撤57%，這將把標普500指數拉至約3500點，退回2022年11月ChatGPT問世前一個月的水平。明確的是，支撐著13萬億美元住房抵押貸款市場的收入假設，已經遭受了結構性破壞。不明確的是，在抵押貸款市場徹底消化這一后果之前，政策能否及時介入。我們仍抱有希望，但也無法忽視那些令人悲觀的現實因素。

與時間賽跑

第一輪負反饋循環出現在實體經濟：AI 能力提升 → 用工規模收縮 → 消費疲軟 → 利潤受壓 → 企業購入更多 AI → 能力進一步提升。隨后它轉向金融：收入受損沖擊房貸 → 銀行虧損收緊信貸 → 財富效應破裂 → 反饋循環加速。而政府的政策應對不足，坦率地說近乎迷茫，進一步加劇了這兩類循環。

圖10 2028 年全球情報危機的三大驅動因素

現有經濟體系，根本不是為應對這種危機設計的。聯邦政府的稅基，本質上是對人類勞動時間征稅。人們工作、企業發薪、政府抽成。正常年份里，個人所得稅和工資稅是財政收入的支柱。截至今年一季度，聯邦財政收入比國會預算辦公室基準預測低 12%。工資稅收入下滑，因為能拿到原有薪酬水平的就業者越來越少。所得稅收入下滑，因為人們的收入出現結構性下降。生產率在暴漲，但收益流向了資本和算力，而非勞動者。勞動收入占 GDP 比重從 1974 年的 64% 降至 2024 年的 56%，四十年持續下滑，背后是全球化、自動化、勞動者議價能力不斷削弱。而在 AI 開始指數級進步的這四年里，這一比例直接跌到 46%，創下史上最劇烈跌幅。

圖11 超智能前后的經濟循環對比圖

產出依然存在，但這些產出不再通過家庭消費流向企業，說白了，它也繞開了國稅局的征管體系，經濟循環正在出現斷裂，而所有人都指望政府站出來修復這個循環。和以往每一次衰退一樣，居民收入在下降，政府支出卻在不斷增加。但這一次不一樣，這份支出壓力不是周期性的臨時麻煩，現有的自動穩定器，本就是為臨時性失業設計的，根本適配不了這種結構性的勞動力替代。現有福利體系的核心前提，是假設失業的勞動者最終會被市場重新吸收，可如今很多人恐怕很難再就業，至少再也拿不回曾經的薪水。

疫情期間，政府坦然接受15%的財政赤字，因為所有人都清楚，那只是暫時的應急措施。但現在需要政府幫扶的人群，遭遇的不是一場能慢慢康復的疫情，而是被一項還在不斷進化的技術，徹底替代了工作。偏偏就在政府從家庭端征收的稅收越來越少的時候，它需要向家庭轉移支付的資金，反而變得更多。美國不會發生違約，它可以靠印鈔來支付這些支出，再用同樣的貨幣償還債權人，但壓力已經在其他領域顯現出來。

今年以來，市政債的表現出現了令人擔憂的分化：沒有個人所得稅的州，市政債表現還比較平穩，但那些依賴個人所得稅的州（多數是藍州）發行的一般責任債，已經被市場計入了違約風險。政客們反應很快，圍繞“誰該被救助”的辯論，立刻陷入了激烈的黨派對立。不過本屆政府有一點值得肯定，它較早意識到了危機的結構性本質，還開始討論一項兩黨提案，也就是所謂的《轉型經濟法案》，這個框架計劃通過赤字支出結合AI推理算力稅，為失業勞動者提供直接轉移支付。目前最激進的提案則更進一步，《AI繁榮共享法案》將設立對智能基礎設施收益的公共索取權，這種模式介于主權財富基金與AI產出權利金之間，打算用相關分紅，為家庭轉移支付籌集資金。對此，私營部門的說客在媒體上展開鋪天蓋地的反對，警告這是“滑坡謬誤”，會挫傷市場活力。

這場討論背后的政治博弈，慘烈又在意料之中，各種政治作秀和邊緣政策還在不斷火上澆油。右翼把轉移支付和再分配稱作馬克思主義，警告對算力征稅會讓中國在AI領域領先。左翼則直言，由科技巨頭參與起草的相關稅收政策，不過是換了個名字的監管俘獲，最終只會讓巨頭受益。財政鷹派死死堅持赤字不可持續，鴿派則拿全球金融危機后過早緊縮導致復蘇乏力當前車之鑒，反對過早收緊財政。在今年總統大選前夕，這些分歧只會越來越大。政客們吵來吵去，而社會結構撕裂的速度，遠比立法進程快得多。

智能溢價的消退

縱觀整個現代經濟史，人類智能（Human intelligence）從來都是稀缺要素。資本是充裕的，—至少能復制。自然資源雖然有限，卻有替代方案。技術進步也足夠慢，人類完全能跟上。但智能不一樣，那種分析、決策、創造，還有說服、協調的能力，是沒法大規模復制的。

正因為稀缺，人類智能才自帶內在溢價。我們經濟里的每一項制度。從勞動力市場、抵押貸款市場到稅法，都是為這個前提成立的世界量身打造的。而現在，我們正在親眼看著這份溢價慢慢消失。越來越多的任務中，機器智能已經能勝任人類智能的工作，還在飛速進化。那些為“人類智能稀缺”這個世界優化了幾十年的金融體系，現在正經歷重新定價。這個過程很痛苦、很混亂，而且遠沒到盡頭。但要明確，重新定價不代表崩潰，經濟總能找到新的平衡點。而走向這個新均衡，是眼下少數還只能靠人類來完成的任務，我們必須做好。

這在歷史上是頭一遭。經濟體里生產力最高的資產，創造的崗位不是更多，反而更少。現有的所有框架都用不上，因為沒有一個框架，是為“稀缺要素變成充裕要素”的世界設計的。所以我們必須搭建新的框架，能不能及時建起來，是眼下唯一關鍵的問題。不過文章的時間不是2028年6月，而是2026年2月，此時標普指數還接近歷史高點，那套負反饋循環，還沒真正啟動。

我們確信，文中部分情景不會成真。但我們同樣確定，機器智能會繼續加速發展，人類智能的溢價也會不斷收窄。對投資者來說，現在還有時間去評估自己的投資組合里，有多少是建立在未來十年站不住腳的假設上。對整個社會而言，我們也還有時間主動去應對這場變革。

閱讀最新前沿科技趨勢報告，請訪問歐米伽研究所的“未來知識庫”

https://wx.zsxq.com/group/454854145828

未來知識庫是“ 歐米伽 未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。