美股暴跌800点的元凶找到了！AI末日预演，从“斩杀”白领开始

昨天，美股又大跌了，道琼斯跌了800多点，全市场只有27%的股票收涨。

其中，软件股跌得最狠。科技软件ETF（IGV）创下了52周新低，当日下跌5%，年初至今已经跌了近30%，把ChatGPT发布以来的涨幅都跌没了。

此外，DoorDash跌了7%，MongoDB跌了6%。金融行业也跌了不少，美国运通、KKR、黑石都跌超8%。

而触发这场抛售的，是一篇Substack上的一篇名为《2028全球智能危机》文章。

文章构建了一个情境：到2028 年，AI 的发展速度远超预期。企业利润因自动化提升而走高，但白领岗位被替代，工资与消费承压。

需求端走弱，冲击 SaaS 模式与中介型商业，支付与信贷体系出现连锁反应，最终形成经济负反馈螺旋，而现有政策与制度无法及时调整。

这篇文章之所以引发市场共振，并非因为写的有多好，而在于它捕捉到了当下AI行业微妙的情绪变化。

在长期“AI 提升生产率、推动增长”的乐观叙事下，市场对另一种可能讨论不足——当技术红利主要流向基础设施方，而收入与消费同步收缩时，会发生什么。

从效率繁荣，到白领被集体“斩杀”

时间来到2028 年 6 月 30 日。

失业率10.2%，高于预期 0.3 个百分点。数据公布后，市场下跌 2%，标普 500 较 2026 年 10 月高点回撤 38%。六个月前，这样的数据会触发熔断。但今天，交易员已经麻木了。

要理解这场危机，必须回到2026年秋天。

那时几乎是狂欢。标普逼近8000点，纳指突破3万点。

年初的裁员潮带来了立竿见影的效果：利润率上升，盈利超预期，股价飙升。企业把创纪录的利润再次投入人工智能算力建设。

名义GDP 增速亮眼，生产率创下上世纪 50 年代以来新高。AI代理无需休息、无需福利，单位小时产出迅速提升。

问题从未出现在效率上。

随着劳动力成本下降，算力资产的拥有者财富膨胀。与此同时，实际工资增速下滑，白领岗位被替代。有人提出“幽灵 GDP”——计入统计，却未流入居民消费的产出。

北达科他州的GPU 集群，可以替代曼哈顿中城一万名白领的产出。统计上是奇迹，分配上却意味着工资被结构性替代。

机器不会消费。当占GDP约70%的消费经济开始松动，货币流通速度下降，利润承压，企业进一步加码自动化。

于是形成一个循环：

AI能力提升，企业所需员工减少，白领裁员增加，失业员工消费减少，利润压力迫使企业加大对AI的投资，AI能力提升……

白领收入是13万亿美元抵押贷款市场的基石。当收入预期改变，承销模型开始重估“优质借款人”。2027年中，十七年未见的系统性违约重新出现。

违约首先发生在软件。

私募支持的SaaS 交易建立在 ARR 持续增长的假设上。但当 AI 直接替代中介型服务，客户不再续费，ARR 不再“经常”。

若冲击只限软件，尚可消化。但到2027年底，冲击扩散至咨询、法律、营销、流程外包等所有依赖“信息摩擦”的行业。围绕白领生产力构建的商业链条开始瓦解。

2027 年 11 月的崩盘，只是把结构性问题一次性显性化。

这一切的起点，其实在2025 年底。

智能编码能力跃升。熟练开发者用Claude Code 或 Codex 几周即可复刻中端 SaaS 核心功能。

虽不完美，却足以让审查 50 万美元续约合同的 CIO 发问：“我们能自己做吗？”

2026 年预算早在 2025 年末定下。真正的拐点出现在年中评估。内部团队几周内搭出原型，复制六位数合同，内部构建成为可行选项。

那年夏天，一位财富500 强采购经理告诉我们，他正考虑用 AI 工具替代现有供应商。最终对方以七折续约。

长尾SaaS 首当其冲。投资者曾认为记录系统安全，但 ServiceNow 2026 年三季报改变了预期：新增ACV增速从23%降至14%，裁员15%，股价下跌 18%。

SaaS 并未消亡，企业仍需系统。关键变化在于“可替代性”。一旦内部构建成为现实，议价权转移。AI 降低开发与迭代成本，新进入者几乎没有传统成本结构，差异化优势被压缩。

更隐蔽的机制随后显现。ServiceNow 销售的是席位。当客户裁员 15%，席位自然减少 15%。

同一套 AI 工具，一端提升客户利润，另一端压缩供应商收入。供应商只能裁员、加码 AI，以更低成本维持产出。

与历史不同，现有企业并未抵制技术。股价下跌40%–60%，董事会要求自救，它们无力承担抵制的代价。每家公司单独看都做出理性选择；合在一起，却强化了负反馈。

软件只是开场。投资者还在争论估值是否触底时，行业已经进入结构性压缩阶段。ServiceNow 的逻辑，很快适用于所有以白领成本为核心的公司。

危机从效率繁荣开始，以白领被“斩杀”告终。

中介的价值不存在了

到2027 年初，LLM 的使用已成为默认选项。

大多数人每天都在用AI 代理，却并不自觉，就像没人会思考“云计算”一样。

真正的催化剂是 Qwen 开源的智能购物助手。几周之内，主流助手全部上线购物功能。模型轻量化后，推理不仅在云端完成，也能在手机和笔记本上运行，边际成本显著下降。

让投资者不安的，不是购物功能本身，而是决策权的转移。

AI 代理开始在后台全天候运行，根据你的偏好、账户与历史交易自动优化选择。到 2027 年 3 月，美国人均日均代币消耗达到 40 万枚，是 2026 年底的 10 倍。商业活动不再是一次次点击，而变成持续的机器优化。

随之被冲击的是中介。

过去几十年，美国经济建立在人类有限理性之上。人会疲惫、会偷懒、会默认续订，也会因为麻烦而不比价。品牌、默认选项、界面设计，本质上都在利用这种局限性。

AI 代理做的事情很简单：消除摩擦。

自动续订？代理会谈判或取消。试用期涨价？代理会重新比价。订阅经济的核心指标——客户终身价值（LTV）开始下降。

消费者代理改变了交易方式。人类不会在买一盒蛋白棒前对比五个平台，但机器会。

旅游平台最先受冲击。到2026 年底，代理已能在几秒内组合完整行程：机票、酒店、交通、积分优化与退款策略。

平台的“整合价值”不再稀缺。

保险随后承压。过去15%–20% 的保费来自被动续保，如今代理每年自动重比，溢价消失。

财务咨询、税务筹划、法律事务等以“帮你处理复杂事务”为核心价值的行业，同样受到冲击。对机器来说，这些事务并不复杂。

即便是房地产这种高度依赖信息不对称的领域，也迅速瓦解。配备MLS 数据与历史交易模型的 AI 经纪人压缩佣金。到 2027 年 3 月，主要都市买方佣金中位数降至 1% 以下，部分交易甚至没有买方经纪人。

“习惯性中介”成为首个被摧毁的护城河。

DoorDash 是典型案例。代码代理降低了外卖应用的开发门槛，数十个新平台上线，并将 90%–95% 的配送费直接支付给司机。AI 代理同时扫描多个平台与餐厅官网，选择最低费率与最快配送。用户的应用忠诚度对机器毫无意义，平台锁定效应消失，市场迅速碎片化，利润接近零。

类似的冲击扩散至支付领域。若目标是持续为用户省钱，2%–3% 的信用卡手续费自然成为优化对象。机器对机器交易无需积分和品牌，稳定币成为更低成本的替代路径。

2027 年第一季度，万事达财报成为信号：收入仍增 6%，但购买量增速放缓至 3.4%，管理层首次提到“代理主导的价格优化”与“非必需消费承压”。次日股价下跌 9%。

中介的溢价正在消失。摩擦趋近于零。

消费降级之下的需求难题

一开始，市场仍把AI 的冲击视为“行业问题”。

软件、咨询承压，支付与部分收费模式波动，但整体经济看起来仍在运转。劳动力市场走弱，却没有自由落体。主流观点是：技术周期本就如此，局部阵痛，长期受益。

但2027 年 1 月，我们在宏观备忘录中提出不同判断：这不是边缘行业的动荡，而是结构性问题。

美国本质上是白领服务型经济。白领占就业约50%，却贡献了约75%的可自由支配消费支出。AI 正在替代的，并非经济边角，而是核心收入群体。

“技术会毁掉旧工作，也会创造新工作”——这个论点过去两百年都成立。

ATM 没有消灭银行业，互联网创造了新的岗位。

但所有新岗位都需要人。

当AI 成为通用智能，失业程序员无法简单转型为“AI 管理者”，因为 AI 本身能承担管理。新职位确实出现，例如 AI 安全、基础设施工程师，但比例失衡。AI每新增一个岗位，可能替代数十个旧岗位，而且薪酬更低。

2026 年 10 月，JOLTS 显示职位空缺降至 550 万以下，同比下降 15%。白领缩减明显，蓝领相对稳定。问题不是总失业率，而是结构分化。

投资人往往会关注算力订单排到2040 年，债市却开始押注消费走弱。10 年期国债收益率从 4.3% 降至 3.2%。

多数人仍将其解读为周期放缓。但这不是传统衰退。

传统衰退会自我修复：库存出清、利率下降、需求回升。AI 带来的却是强化循环——裁员节省成本，投入 AI；失业者消费下降，企业利润承压，再次加码 AI。

这不是资本开支泡沫，而是运营成本替代。企业总支出下降，但AI 预算翻倍增长。英伟达、台积电维持高景气，数据中心资本支出每季度仍达 1500 亿至 2000 亿美元。

冲击每个季度更深。效率提升不再转化为需求扩张。问题变成：当消费者被机器替代，消费信贷体系如何维系？

到2027 年，宏观变化已无需统计数据。

失业白领没有消失，只是降级。大量人涌入零工经济，压低服务业工资。

一位曾年薪18 万美元的产品经理转做网约车司机，收入降至 4.5 万美元。个体故事的关键在规模——当数十万人同时下沉，工资体系整体被压缩。

与此同时，自动配送与自动驾驶正进入零工领域。

2027 年初，在职白领开始“防御性消费”。储蓄率上升，支出放缓。最危险的是滞后性——高收入者靠储蓄维持两三个季度的正常假象。

随后数据证实现实：首次申请失业救济人数升至48.7 万，为 2020 年以来最高，多数为白领。标普单周下跌 6%。

不同于以往，本轮失业集中在收入分配顶端。收入最高的10% 人群贡献超过 50% 的消费支出，前 20% 贡献约 65%。当他们失业或降薪 50%，白领就业下降 2%，可自由支配消费可能下降 3–4%。

蓝领失业冲击迅速但局部；白领失业滞后却更深远。

到2027 年第二季度，美国已连续两个季度实际 GDP 负增长。美国国家经济研究局尚未正式宣布，但衰退已成事实——只是当时，它还未演变成全面金融危机。

/ 04 /

白领生产力资产的破灭

过去十年，私人信贷规模从不足1 万亿美元扩张到超过 2.5 万亿美元。大量资金涌入软件与科技交易，尤其是 SaaS 杠杆收购。核心假设只有一个：收入将长期保持两位数增长。

这一假设在2026 年一季度软件板块下挫时已被动摇，但风险并未立即显性化。上市 SaaS 估值腰斩，私募支持的同类资产仍按旧倍数计价。

2027 年 4 月，穆迪下调 14 家私募支持软件发行人评级，涉及 180 亿美元债务，理由直指“AI 驱动的长期收入逆风”。这是自 2015 年能源行业以来最大规模的单一行业评级下调。

三季度违约开始浮现，Zendesk 成为标志性案例。

2022 年，Zendesk 以 102 亿美元私有化，约 25 倍 EBITDA 杠杆，其中 50 亿美元为直接贷款，是当时规模最大的 ARR 担保融资。到 2027 年中，AI 客服代理削弱了工单系统的需求，ARR 增长停滞。

这笔“历史最大 ARR 担保贷款”最终演变为私人信贷领域的标志性违约。

起初市场保持冷静。私人信贷不同于2008 年的银行体系，没有存款挤兑与回购压力。黑石、KKR、阿波罗均表示软件敞口仅占 7%–13%，影响可控。

主流观点认为，私募信贷拥有“永久资本”，足以吸收损失。

但被忽视的是，所谓永久资本背后是寿险资金。过去十年，大型另类资产管理公司收购寿险公司作为融资平台——阿波罗收购 Athene，KKR 收购 Global Atlantic。

稳定、长期的年金负债配置私募信贷，只要资产稳定，就是高效的收益机器。

前提是资产“优质”。

当软件违约扩散，保险公司持有的相关贷款风险权重上升，监管趋严。

2027 年 11 月，纽约州与爱荷华州拟提高寿险公司持有私人评级信贷的资本要求。穆迪下调 Athene 展望后，阿波罗两日下跌 22%，布鲁克菲尔德、KKR 跟随下挫。

这次事件改变了市场对衰退的判断——从周期性放缓，转向结构性风险。美联储主席凯文·沃什在紧急会议上形容其为：“一系列押注白领生产力增长的关联性押注。”

/ 05 /

房价也撑不住了

2028 年 6 月，Zillow 房价指数显示：旧金山同比下跌 11%，西雅图 9%，奥斯汀 8%。

价格回调本身可以解释为高估值城市的修正，但更值得警惕的是房利美披露的数据——在科技与金融就业占比超过40%的邮编区域，早期违约率正在上升。

这些借款人并非次级群体，FICO 多在 780 分以上，属于传统意义上的“优质客户”。问题不在贷款发放时，而在发放之后：收入预期发生了结构性改变。

美国13 万亿美元的抵押贷款市场建立在一个基本假设之上——借款人在 30 年周期内维持大体稳定的收入。

白领就业危机动摇了这一前提。2008 年的贷款一开始就是坏账，而 2028 年的贷款原本是好账，只是支撑它的收入逻辑发生了变化。

早在2027 年，压力已显现：HELOC 提取增加、401(k) 提前支取、信用卡债务上升，而房贷仍按时偿还。这意味着，家庭在用流动资产维持稳定。

随着招聘冻结与裁员扩大，高收入家庭的负债收入比上升。他们还能还贷，但必须压缩非必要支出并消耗储蓄，缓冲空间迅速收窄。

拖欠率率先在旧金山、西雅图、曼哈顿和奥斯汀上升，而全国均值仍在历史区间。这种区域分化表明冲击集中在白领密集区域。真正的风险不在绝对水平，而在趋势。

若房价下跌发生在收入稳定时期，尚可承受；但当房价与收入预期同时下行，风险性质就发生改变。收入假设松动，信用定价必然重估。

实体经济的负反馈与金融放大器叠加：收入下滑压缩消费，消费走弱削弱利润，企业加码自动化；抵押贷款压力与私人市场动荡相互强化。传统政策工具可以缓解流动性问题，却难以逆转收入结构的改变。

如果拖欠率持续扩散，抵押贷款市场下半年可能承压。在极端情境下，股市回撤幅度或接近全球金融危机时期的57%，标普 500 可能回落至 3500 点附近。

核心问题已很清晰：支撑住房市场的收入假设出现裂缝。未知的是，在市场完全消化这一变化之前，政策能否重建信心与收入预期。

/ 06 /

智力需要重新定价

这场危机的路径，其实可以用两条负反馈来概括。

第一条发生在实体经济。

AI 能力提升，企业削减工资支出，消费放缓，利润承压，于是进一步加码 AI 投入。AI 再次提升效率，裁员扩大，循环自我强化。

第二条随后蔓延至金融体系。

收入下降冲击抵押贷款与消费信贷，银行与信贷机构风险上升，信贷收缩削弱财富效应，需求进一步下行，反馈加速。政策的不确定与滞后，使两条链条叠加。

核心问题在于，这套制度并非为这种冲击设计。

联邦财政的基础，本质上是对劳动时间征税。个人所得税与工资税长期占据主体。只要就业稳定、工资发放，财政收入便相对稳固。

但今年一季度，联邦收入较CBO 基准低 12%。就业减少与薪酬下降压缩工资税，收入结构改变进一步拖累所得税。生产率上升，但收益更多流向资本与算力所有者，而非劳动者。

劳动收入占GDP 的比重，从 1974 年的 64% 降至 2024 年的 56%。而在 AI 加速发展的四年间，这一比例快速下滑至 46%，为历史罕见的速度。

产出仍在，但不再通过家庭循环回企业与税收体系，收入闭环出现裂缝。

财政支出上升、收入下降，这与以往衰退类似。但不同在于，这次冲击并非周期性。自动稳定器针对的是短期失业，而非结构性替代。许多岗位难以恢复，或只能以更低薪酬回归。

政府面临两难：需要增加转移支付，税基却在收缩。美国不会技术性违约，但压力开始在市政债等领域显现。依赖高收入群体税收的州，风险溢价上升，财政结构差异转化为市场分化。

政策层面提出“转型经济法案”，通过赤字支出与 AI 推理税支持失业群体；更激进的提案主张对 AI 基础设施收益进行公共分成。争论迅速意识形态化，赤字、竞争力与监管俘获成为焦点。

与此同时，社会情绪外溢。

抗议活动将矛头指向AI 实验室与资本所有者。

公众看到的是技术公司财富飙升与高薪岗位减少并存，分配问题被放大。

真正的张力来自时间——AI 进化速度远快于制度调整速度。政策需要共识，而技术扩散不等待共识。

更深层的变化在于一个长期未被质疑的前提正在动摇：人类智慧是稀缺资源。

资本可复制，自然资源可替代，但智慧曾不可规模化复制。正因如此，制度围绕“人类才能稀缺”进行风险定价与分配。

如今，这一前提被改写。金融体系正在重新定价“智慧”的价值。这个过程痛苦且混乱，但重新定价并不等于崩溃。

问题不在于技术是否继续进步，而在于我们能否及时重建制度与分配框架，使其适应一个关键投入从稀缺变为充裕的新生产函数。

PS：如果你对AI大模型领域有独特的看法，欢迎扫码加入我们的大模型交流群。