Citrini Research&UNDP：AI革命的隐忧——2028智能危机下的智能替代螺旋与下一轮大分流

导语

Citrini Research（美国独立宏观研究机构）于2026年2月23日发布的报告《THE 2028 GLOBAL INTELLIGENCE CRISIS》以“来自未来的金融史思辨练习”形式，系统推演了AI agent普及引发的“智能替代螺旋”负反馈循环：企业生产率提升推高名义产出，却伴随白领的认知劳动被系统性替代、家庭消费能力萎缩及平台中介价值消解，最终触发2027—2028年结构性失业潮与指数回撤。UNDP（联合国开发计划署）《The Next Great Divergence》系列背景论文则从历史纵深与全球南方视角提供额外的分析视角：Shahid Yusuf分析了自2000年代以来的生产率“干旱”与索洛悖论重演，揭示AI高速消费级扩散与企业渗透滞后的脱节；印度与印尼在线零工研究进一步暴露了技能鸿沟、性别交叉不平等及数据异化如何放大“云封建主义”（Cloud Feudalism）下的价值链分流。 本文在二者对话框架内展开批判性综合，旨在为AI治理研究提供一个跨报告、跨学科的理论整合路径。

关键词：人工智能治理（AI Governance），Ghost GDP，智能替代螺旋（Intelligence Displacement Spiral），平台劳工（Platform Labor），技术封建主义（Techno-Feudalism）

任筱芃丨作者

赵思怡丨审校

题目：THE 2028 GLOBAL INTELLIGENCE CRISIS——A Thought Exercise in Financial History, from the Future 论文链接：https://www.citriniresearch.com/p/2028gic 发表时间：2026年2月23日 论文来源：Citrini Research

题目：The Next Great Divergence 论文链接：https://www.undp.org/asia-pacific/publications/next-great-divergence 发表时间：2025年12月2日 论文来源：UNDP（联合国开发计划署，United Nations Development Programme）

楔子：one night

根据Citrini Research报告《2028全球智能危机》所描绘的现实场景，我们可以构想以下情景：西雅图的雨，不像加州的温柔，豆大的冰点砸在骑手的头盔上，发出沉闷的响声，仿佛在吼向这城市的算法决策。

“今日西雅图暴雨，道路湿滑，能见度低。请务必注意安全。”平台推送的安全提醒在手机屏幕上闪烁。“今日雨天补贴政策已调整，完成率达到80%以上可享受雨天补贴。”他看着手机屏幕，苦笑了一下。这所谓的安全提醒，听起来更像是免责声明。而那达成率奖励，不过是要他们在暴雨中拼命，去争夺那原本就属于他们的收入。“去他妈的达成率。”他低声咒骂着。雨这么大，可他别无选择。房租要交，孩子的学费要攒，医疗保险逾期账单在提醒他丢掉UI设计师后生活的残酷。于是更用力地踩下了踏板，与电助力自行车一同消失在雨幕中。

而在这场游戏的另一端，云服务提供商的监控大厅里，工程师们正为AI气象模型95%的暴雨预测准确率击掌，“模型表现优异，立即启动弹性扩容，应对晚高峰流量。”系统自动调高算力分配，账单随之水涨船高。于是，使用越多，支付越多。于是，灾害越大，账单越大。结束一天奔波的骑手拖着湿透的身体回到狭小公寓，打开平板看到新闻——《零工经济权益保障问题再次被讨论》。他喃喃道，“也许下周会好些。”可下次，谁知道算法又会如何重新定价这场雨。

这两个场景在一定程度上是两份报告所描绘的、正在展开的现实。报告《2028全球智能危机》中作者们以“来自未来的金融史思辨练习”的形式，推演了一条从AI agent普及到白领失业潮、从幽灵GDP到消费萎缩的传导链条。截至2026年2月，标普指数仍逼近历史高点，负反馈循环尚未启动，但人类智能的溢价优势正在以肉眼可见的速度收窄。UNDP的系列报告《The Next Great Divergence》揭示了另一幅图景。亚太地区——这个拥有全球60%人口、贡献40%经济产出的区域——正站在历史性的十字路口。新加坡的数字基础设施与AI治理框架都在努力贴近技术前沿，而老挝、柬埔寨、巴布亚新几内亚等国仍在为基本连通性挣扎。这种“慢采用、高脆弱”的复合困境，可能触发下一次大分流。

本文的核心论点是AI时代的危机不仅是技术冲击，更是深层结构性矛盾的集中爆发。我们需要批判性地审视硅谷盛行的有效利他主义（Effective Altruism）——这一功利主义取向的方法论框架通过“预期价值理论”（Expected Value Theory）量化慈善干预，强调私人慈善的作用，却刻意忽视国家在资源分配中的核心作用。当政治周期（2-4年）与经济周期（8-10年）严重错配，当MMT政策框架只能应对账面金融的流动性危机却无法修复实体经济的断裂——我们正目睹一种新型社会形态的上浮，即技术封建主义（Techno-Feudalism）。

一、幽灵GDP：Citrini的核心悖论

要理解AI时代的结构性危机，我们需要首先审视Citrini Research报告提出的核心概念——它为我们提供了一个观察账面繁荣与实体萎缩并存现象的分析框架。

1.1 智能替代螺旋

Citrini Research报告的核心概念是幽灵GDP（Ghost GDP）。其逻辑链条如下。AI agent大幅提升企业生产率、压缩成本、推高利润，名义GDP数据因此保持增长；但与此同时，被AI取代的白领劳动者失去收入来源，家庭收入与工资增长萎缩。结果是，经济产出在统计上持续扩张，却不再转化为人类消费能力的提升。

Citrini Research报告将这一机制称为智能替代螺旋（Intelligence Displacement Spiral）

企业为降本增效采用AI→裁员→消费能力下降→企业营收承压→进一步裁员和AI投资→螺旋加速。

报告内宣称：“这个负反馈循环没有自然刹车。”

1.2 情景推演：2027—2028年的危机图景

“智能替代螺旋”是一个抽象机制。要理解它在现实中如何展开，Citrini Research报告从三个维度进行了情景推演，即平台中介价值的消解（以支付和外卖行业为例）、就业市场的崩塌（以科技密集型城市为例）、以及跨国传导（以印度IT服务业为例）。以下情景均为假设性情境。

首先是平台中介价值的消解。在Citrini Research报告的情景推演中，当AI agents全面掌控交易流程（包括搜索、比价、下单到支付，使用稳定币等优化绕过传统费用，目前已部分实现）后，2027年第一季度，Mastercard在其财报中承认“agent主导的价格优化”影响交易量增长，次日股价暴跌9%，是“不可逆的转折点”。平台的所谓用户心智价值便遭到消解。

DoorDash（美国本土最大的外卖及即时配送平台）的案例更具讽刺意味。该报告将其作为典型案例。当AI agents普及后，开发新配送应用的门槛大幅降低，竞争对手能在数周内上线功能完备的替代App，并将90-95%的配送费直接转给司机，从而吸引司机大规模流失；同时，App忠诚度对机器而言根本不存在，它们会实时同时查询DoorDash、Uber Eats（全球覆盖最广的外卖服务之一）、餐厅官网及数十个新兴替代方案，每次都自动选择手续费最低、送达最快的选项。DoorDash外卖平台近年来因已有的定价行为饱受诟病。2020年，华盛顿特区总检察长起诉DoorDash，指控其使用顾客小费抵扣配送员的基本工资。DoorDash最终支付250万美元和解。2025年，纽约州获得1680万美元和解，涉及约6.3万名配送员的小费问题。同年，加拿大竞争局起诉DoorDash“滴灌定价”（drip pricing），指控其在结账时添加未明示的强制费用，据称十年间收取了近10亿加元的隐蔽费用。这家平台凭借其市场支配地位，在餐厅和消费者两端同时抽取租金——餐厅被迫接受高佣金以获得流量，消费者则被迫支付不断上涨的配送费和服务费。然而，在上述AI agent驱动的假设情景中，其市场支配地位真的可能迅速瓦解。

其次是就业市场的崩塌。在Citrini Research报告情景中，随着AI agents大规模系统性替代白领认知工作，家庭收入与消费能力同步萎缩，进而触发连锁反应。报告推演2027—2028年，美国失业率攀升至10.2%，标普500指数较2026年高点回撤逾30%。旧金山房价年降幅达11%，西雅图为9%，奥斯汀为8%。房利美警示称，科技/金融从业者比例逾40%的邮递区号出现“早期逾期贷款率攀升”现象。这些区域通常聚集信用评分780分以上的借款人，向来被视为“无风险”地带。

美国的就业危机不会止步于国境线。当硅谷的程序员被AI替代，万里之外的班加罗尔也将感受到震动。这是智能替代螺旋的跨国传导维度。印度IT服务业年出口额超过2000亿美元（NASSCOM印度软件和服务业企业行业协会数据），是其经常账户盈余的最大贡献者。但AI coding agent的边际成本已大幅下降，几乎仅剩电力成本。在Citrini Research情景中，美国企业大规模转向本地AI coding agents后，外包需求骤减，导致TCS（印度最大、全球领先的 IT 服务与咨询龙头企业）、Infosys（印度标志性的全球化 IT 服务公司，以质量与管理著称）和Wipro（印度老牌综合性 IT 服务巨头，业务覆盖科技、咨询与外包）等企业在2027年面临合约加速取消的困境，卢比兑美元汇率在4个月内暴跌18%。

Citrini的情景推演并非凭空而来，它植根于一个更长的历史脉络。过去半个世纪，生产率增长持续放缓，“索洛悖论”反复显现。要理解AI冲击为何可能不同于以往的技术革命，我们需要回溯这段历史——这正是UNDP背景论文所能提供的视角。

二、UNDP的镜鉴：生产率“干旱”与索洛悖论

Citrini Research的幽灵GDP情景并非孤立预测，而是建立在生产率演变的历史规律之上。UNDP《The Next Great Divergence》系列报告的背景论文《AI的宏观经济后果》提供了这一历史纵深，帮助我们理解为何AI的生产率兑现可能面临漫长滞后以及滞后本身对应的风险。

2.1 生产率增长的持续放缓

Shahid Yusuf在UNDP报告《AI的宏观经济后果》开篇即引用保罗·克鲁格曼的名言——“生产率不是一切，但从长远来看，它几乎就是一切。”然而，自2000年代初以来，全球经济经历了持续的“生产率干旱”（productivity drought）。

图1：Shahid Yusuf，The Growth Dialogue首席经济学家、前世界银行资深经济学家（服务35年），哈佛大学经济学博士。长期专注亚太地区发展经济与生产率研究。

根据Conference Board的数据，亚太地区的全要素生产率（TFP）增长呈现明显下滑趋势：

这种生产率放缓对发展中经济体尤为不利。如Yusuf所指出的，“亚洲太平洋地区的中等收入国家正从增加要素投入（主要是资本）获取大部分增长，但边际回报递减的压力日益凸显。”这与前文描绘的幽灵GDP情景形成呼应。当AI驱动的效率提升无法转化为广泛的人类福祉改善时，实体经济的生产率基础将持续被侵蚀以代偿资本自我增殖的压力。

2.2 从“索洛悖论”到AI的漫长孕育期

1987年，经济学家罗伯特·索洛抱怨道：“计算机无处不在，唯独不在生产率统计中。”这一“索洛悖论”（Solow Paradox）揭示了通用技术的普遍特征，革命性新技术的普及必然缓慢，因为它必须取代代表现有沉没资本的既有技术。

Yusuf在报告中详细追溯了计算机化的历史轨迹。1968年惠普推出HP 9100A桌面计算器（desktop calculator），此后个人计算机逐渐渗透工作场所和家庭。但企业和家庭的采纳速度差异显著——企业采纳相对较快，家庭则明显滞后。直到1990年代，计算机才变得无处不在，其影响也因宽带互联网接入而强化。然而，计算机化带来的生产率提升是短暂的。“世纪之交后不久，TFP便呈下降趋势，互联网和数字技术的普及也未能扭转这一下滑和随后的停滞。”Yusuf引用欧盟数据指出，截至2020年代初，70%行业的平均企业数字化并未改善生产率——只有20%的前沿企业实现了0.34%的TFP增长。这一历史经验对AI的乐观预期提出了严峻挑战，Citrini Research报告也是基于已有共识，推演出了2028年的危机情景。

AI的扩散速度可能与以往技术革命有根本不同。 2022年11月ChatGPT发布后，仅用5天便突破100万用户、2个月突破1亿月活跃用户——成为历史上增长最快的消费级应用。与之相比，电话达到100万用户用了约20年，移动电话用了约12年，互联网用了约3年。据“互联网女皇”Mary Meeker的报告，AI预计将在约3年内达到50%的美国家庭普及率；而移动互联网用了6年，桌面互联网用了12年，个人电脑用了20年。这种差异的核心在于AI是被改造为直接面向消费者（D2C）的通用技术。个人电脑和互联网的普及需要企业先行采购、部署基础设施，再逐步渗透至家庭。而部分生成式AI的门槛几乎为零。用户只需一部智能手机和一个免费账户。截至2025年，全球约有66%的人口定期使用AI工具，其中印度、尼日利亚等新兴市场的定期使用率高达92%。ChatGPT的周活跃用户在2025年2月已突破4亿，其中90%来自北美以外地区。

图2：Mary Meeker，被誉为“互联网女皇”，Bond Capital创始合伙人，前Kleiner Perkins增长实践负责人，以《Internet Trends》报告闻名。2025年发布首份专注人工智能的Trends报告，是全球技术采用趋势的权威分析师。

但这种高速普及本身可能构成一种假象。消费者使用AI不等于AI创造经济价值。多数用户的AI使用仍停留在娱乐、社交、轻度辅助等场景，与企业的生产流程深度融合仍需时日。一项针对25,000名丹麦工人的研究发现，聊天机器人虽已广泛使用，但“几乎未观察到收入和生产率的改善”。换言之，AI可能正在重演“索洛悖论”。只不过这一次，技术占据用户心智的速度更快，不见于生产率统计中的困境可能同样漫长。

2.3 AI采纳的现实图景

与流行的技术乐观主义叙事不同，AI在实际经济中的渗透仍然有限。Yusuf援引美国人口普查局数据，2018年仅有3%的企业使用AI，到2023—2024年这一比例也仅为4.4%，且主要集中在规模较大、增长较快的企业。更多企业正在试水，但大规模采纳仍需时日。

McKinsey（全球最顶尖的管理咨询公司）的研究展示了AI在各行业的应用分布。目前，销售与营销、客户服务（如呼叫中心）、软件工程/编程、翻译、数据分析和文本生成等领域的渗透率最高。然而，许多先驱企业发现，组织重组和培训所需的投资既具破坏性又成本高昂，“数年过去，AI的效益才可能体现在资产负债表上”。一项对25,000名丹麦工人的研究发现，聊天机器人虽已广泛使用，但“几乎未观察到收入和生产率的改善”。

图3： 指标“总计（%）、行业收入和总价值（十亿美元）”反映了生成式人工智能在各行业潜在收入创造能力的预估值。数据来源：McKinsey《The economic potential of generative AI》，2023

宏观层面的生产率数据固然重要，但AI冲击的微观体验更为直观。当我们把视线从国民经济账户转向具体的劳动者——尤其是全球南方的零工工人——会发现幽灵GDP的逻辑已在他们的日常生活中显现。这正是UNDP另一篇背景论文所揭示的维度。

三、零工经济的镜鉴：全球南方的视角

生产率统计的抽象数字背后，是具体可感的人类经验。UNDP报告《印度与印尼在线零工工作的教训》将宏观分析落地到微观层面，揭示了AI冲击如何在不同发展阶段的劳动者身上显现。

3.1 UNDP与Citrini的对话

UNDP报告《印度与印尼在线零工工作的教训》与Citrini Research报告形成了对话关系。前者聚焦全球南方零工工人，后者推演美国白领失业危机，共同揭示AI早已展现却常被忽视的跨阶层、跨国界特征。根据UNDP报告所引用的Aapti Institute（印度公共研究机构，聚焦科技与社会交叉领域）研究，印度在线零工市场更成熟饱和（2017—2024年间平台工人注册数趋于平稳），印尼为新兴增长市场；两国共同面临正式就业保护有限、非正规就业比例高企（印度88%，印尼59.4%）以及在线零工法律保护近乎空白的现实。美国零工经济亦从“南方现象”向“北方现象”蔓延，美联储2024年报告显示20%成年人参与零工（较2021年上升），51%兼有主业，31%依赖零工维持生计（平台短期任务中高达61%）；美国非农就业统计体系结构性缺陷（CES“岗位” vs CPS“人数”口径差异）导致数据高估，高盛分析指出降薪/失业者转向平台填补缺口，零工已成为劳动力“泄压阀”。

图4：约20%因降薪、失业或工时减少而开始从事零工工作；一半的零工工作者是为了在其他收入来源之上赚取更多钱。数据来源：高盛《The Gig Economy: Another Perspective on the Labor Market》，2025。

这种被迫“灵活就业”的现象，正是Citrini Research报告推演情景的现实前奏。当AI驱动的“智能替代螺旋”加速，白领失业潮可能令更多人涌入零工市场。而零工市场本身也面临AI自动化（如Google Wing）的冲击。换言之，零工经济可能只是从“全职就业”必然滑落到“结构性失业”之前的短暂中转站。

3.2 收入差距与技能鸿沟

零工经济的收入结构呈现出高度的不确定性与不平等。UNDP报告指出，由于缺乏正式的工资框架，工人难以预测收入和制定预算。月收入波动剧烈，取决于客户类型和工作经验。

跨境零工带来的收入差距尤为显著。一位印尼工人反映为国内客户工作月收入约200～300美元，而为国际客户完成类似任务则可获得600～900美元。同样技能的劳动，因客户所在地的不同而获得截然不同的报酬。此外，工作经验对收入的影响同样明显。拥有五年以上经验的工人月收入可达1000美元。这种收入差距本身就是GDP无法捕捉的真实人类发展差异。

技能培训的系统性缺失构成了更深层的鸿沟。报告明确指出：“所有工人都表示，其AI工具知识来自'自我驱动的探索'，出于好奇心驱动。没有任何人接受过正式培训或结构化技能发展。”在线零工经济中技能支持体系明显的严重缺失，工人必须依靠自学来掌握可能决定其生计的新技术。同时，AI工具的双重效应正在重塑工作模式。报告发现，生成式AI在工作的“中心”（如构思、研究、迭代生成）和“外围”（如市场分析、提案写作、行政任务）都发挥着作用。对于低工资、低认知强度的工作，AI可能替代核心和常规任务。而对于高工资、高认知强度的工作，AI更可能补充人类能力，如批判性思维、创造力和情感智力。然而，即便是高技能自由职业者也可能面临工作机会减少的压力。这可能导致剩下的高技能、高薪工作与低技能、低薪工作之间的差距进一步扩大。

软技能的日益重要性是一个关键发现。工人和专家都强调，虽然硬技能帮助工人完成所需任务，但软技能（如沟通、批判性思维、创造性思维）对于维护良好的客户关系至关重要。软技能尚无法被AI工具完全复制。一位印尼工人坦言，在其扩展业务的过程中，AI帮助有限，关键在于建立专业网络所需的软技能。同时，UNDP报告明确指出，“像ChatGPT这样的工具已经减少了一些自由职业工作的需求和工资”。受冲击最严重的正是写作与翻译、软件开发等曾经被视为“高技能”的领域。这与Citrini Research报告推演的情景形成了一致。当美国白领阶层的核心技能（编程、文案、数据分析）被AI逐步替代，他们可能被迫“降级”进入零工经济——而在这个领域，他们将与印度、印尼等原来外包产业中心的工人争夺同样的任务。

这种“跨阶层跌落”并非简单的地位互换。UNDP报告声称AI对技能成熟度高的工作（如写作、翻译）的替代效应更强，而对工作流程复杂、依赖情境知识的工作（如专业服务）则更多呈现互补效应。这意味着被AI替代的白领工人涌入零工市场后，往往集中在那些AI成熟度最高的领域，即是竞争最激烈、报酬下降最快的领域。标普的报告指出，零工者的时薪通常只有其原有传统工作薪资的50%～65%。对于刚刚“跌落”的白领而言，这种收入落差不仅意味着生活水平的骤降，更意味着其多年积累的专业技能在AI时代被重新定价——从“稀缺资本”沦为“大众商品”，努力也回不去了。不过，当美国白领跌入零工经济，他们至少还拥有“软技能”和网络资源的积累；而对于印度、印尼的工人而言，他们从未拥有过这些“起点优势”，却要面对同样的技能贬值压力和同样的自学AI的机会成本投入。这种“起点不平等+技能贬值”的交叉效应，显然是AI时代全球劳动市场重组的核心特征之一。而GDP指标对此完全无动于衷，传统经济指标在AI时代失效。

3.3 性别维度的交叉性

零工经济的性别分析不能局限于收入差距，而必须置于更广阔的社会文化脉络中审视。UNDP报告也展示了性别因素如何与AI冲击相互交织，形成复杂的治理难题。

灵活性的双重面向构成了女性零工经验的核心悖论。报告指出，灵活的工作安排正在吸引女性参与，因为这允许她们兼顾育儿和家务责任。然而，“这种灵活性往往是一把双刃剑。零工工作为女性打开了经济参与的大门，但也可能将她们困在低薪、不稳定、缺乏明确成长和晋升路径的角色中。最初看似解放的灵活性，可能在不经意间固化了 不安定的工作的循环，缺乏福利和就业保障。”报告发现还发现，“女性往往集中在历史上由女性主导的职业领域，如写作和翻译、教学和文书工作。”更具体而言，“女性主要集中在专业服务、文书和数据录入、以及创意和多媒体领域。”一位参与社区技能培训的印尼女性工人提到，“在专业服务类工作中，几乎每位候选人都是女性。”专家访谈表明，这是因为远程工作允许女性为家务腾出时间，但这同时也意味着职业发展的天花板。

数字接入的性别鸿沟在印度尤为突出。报告明确指出，“阻碍印度在线女性工人的另一个重要因素是较低的智能手机拥有率，加之较低的数字素养水平。”这一发现重新强调了数字不可能离开物质基础。没有设备和技能，女性难以进入数字劳动市场。客户关系中的性别偏见同样值得关注。报告提到，“两位来自印度的女性工人讲述了男性客户轻视她们、贬低她们反馈的经历——这是一种不愉快的体验，也可能损害长期的职业关系，尤其是在存在持续性别刻板印象的环境中。”这表明，即便女性成功进入数字劳动市场，她们仍然面临着来自客户和平台的歧视性对待。

这种多重交叉性表明了AI时代发展分析的在地化的必要性。阶级、性别、地域等因素事实上相互叠加，形成复杂的治理难题。这些都无法被GDP增长所捕捉，也无法通过简单的技能培训或平台监管来解决。它要求我们思考：什么是“工作”？什么是“价值”？谁有权定义这些概念？（或者Who gets what, when, how）正如UNDP报告所强调的，“AI革命对零工工作而言，不仅仅是关于工作替代或提高人类生产率，而是关于工作的根本性重构。”真正包容的AI治理，必须首先承认这些结构性不平等的存在，并将边缘群体的声音纳入治理框架的核心。

对零工经济的分析揭示了AI冲击的微观维度，即劳动者的议价能力被削弱、技能获取渠道匮乏、社会保障缺位。当这些微观困境叠加宏观的生产率悖论，传统的政策工具能否应对这种结构性危机？这正是MMT（现代货币理论）政策框架面临的根本挑战。

四、MMT政策的困境：账面金融与实体经济的断裂

面对AI冲击带来的结构性失业和消费萎缩，传统的政策工具箱是否仍然有效？Citrini的情景推演与MMT（现代货币理论）的框架形成了深刻对话，揭示了账面金融操作与实体经济修复之间的断裂。

4.1 MMT的理论基础与政策兴起

现代货币理论（Modern Monetary Theory, MMT）在过去十年获得了广泛关注。其核心洞见植根于货币国定论（Chartalism）的传统，可以追溯到凯恩斯和明斯基。主权货币发行者不会“用完”本国货币，赤字仅为会计概念，而非资金本身。这一框架为“绿色新政”等大规模财政扩张提供了理论背书——政府应作为“最后雇主”实施就业保障（Job Guarantee），在私人部门需求不足时通过功能性财政直接创造就业。

2020年疫情提供了验证场景。美国通过《CARES法案》等史无前例的财政刺激，将赤字推升至GDP的15%，配合美联储量化宽松，迅速将失业率从14.7%拉回4%以下，且初期未引发高通胀。这看似证实了MMT的核心命题。美国财政政策的实际操作——不计成本的大规模支出、对债务可持续性问题的刻意淡化——无疑带有浓厚的MMT色彩。换言之，MMT已成为当代美国财政政策的重要指导性理论之一，即便这种影响往往以隐性的、去标签化的方式呈现。

4.2 MMT框架

MMT围绕三个相互关联的核心命题展开。其一是功能财政原则：财政政策的目标不是平衡预算，而是实现充分就业与价格稳定。政府应在私人部门需求不足时增加支出，在经济过热时收缩支出，预算盈余或赤字仅为这一功能的副产品。

其二是就业保障机制：政府作为“最后雇主”，向所有愿意工作的公民提供公共部门岗位。这既是社会安全网，也是价格稳定的“锚”——私人部门裁员时工人流向公共部门，工资水平保持稳定；私人部门扩张时工人流回，抑制工资—价格螺旋。

其三是货币主权条件：框架仅适用于拥有货币主权且实行浮动汇率的国家，固定汇率或货币联盟成员国的政策空间则受限。疫情期间的CARES法案（美国2020 年 3 月 27 日签署生效的《冠状病毒援助、救济和经济安全法案》，史上最大规模经济刺激法案）与后续救援计划被视为典型验证：赤字升至GDP 15%，失业率快速回落，初期通胀保持温和，初步印证了框架的短期操作效能。

4.3 MMT在AI时代的局限

上述框架的隐含假设——生产需劳动力与资本结合、金融为资源配置中枢、国家可通过货币财政直接调控——在AI时代不再完全成立。Citrini Research报告推演的情景表明，当AI agent以近乎零的边际成本替代白领认知劳动，企业面对需求回升时更倾向增加算力而非雇佣人类，“需求—就业”传导链条被切断。与2008年金融危机（流动性危机）本质不同，AI冲击是劳动力的结构性错配。通胀信号也发生变化，可能同时出现供给侧成本推动与需求侧结构性萎缩，MMT“通胀→收缩”的规则难以适用。

换言之，MMT是“工业—金融资本主义”时代的理论。其假设前提是生产需要劳动力、资本和自然资源的结合；金融系统是资源配置的中枢；国家可以通过货币和财政政策调控这一系统。这正是Citrini情景推演所要揭示的深层危机。MMT下的执行的好不好已经不重要了，因为MMT的整个理论框架面对的是一个它从未设想过的世界。

4.4 Citrini情景中的MMT失灵

Citrini Research报告的情景推演揭示了MMT在面对AI冲击时的根本局限（以下为假设性情境）。正如前文1.2节所述，2027—2028年，随着AI agent大规模替代白领工作，美国失业率攀升至10.2%，消费支出萎缩，企业营收下滑。美联储试图通过降息和量化宽松来刺激经济。但问题是，当AI已经证明比人类更便宜、更高效时，降息能否真正激励企业重新雇佣人类员工？

2008年次贷危机提供了一个的参照。当时，美联储在伯南克的领导下迅速启动了非常规货币政策。美联储将联邦基金利率从5.25%大幅下调至接近零的水平，并先后实施三轮量化宽松（QE），资产负债表从危机前的约9000亿美元倍增至2014年的4.5万亿美元。相关经济措施的逻辑是通过向金融体系注入流动性、压低长期利率，刺激企业投资和居民消费，最终带动就业复苏。

图5： 美联储总资产（周水平，不含合并消除）数据来源： FRED St. Louis Fed (WALCL series)

图6： 联邦基金有效利率（%）数据来源： FRED St. Louis Fed (FEDFUNDS series)

这一政策组合确实在相当程度上“成功”了——美国经济在2009年下半年走出衰退，股市自2009年3月起开启了长达十年的牛市，失业率从2009年10月的10%峰值逐步回落至2015年的5%。然而，其代价和副作用同样深远。资产价格膨胀加剧了贫富分化（美联储数据显示，最富裕1%家庭的财富占比从危机前约29%上升至2024年的约32%，而最富裕10%家庭则持有全国约68%的财富），僵尸企业激增（利率低迷使本应倒闭的低效企业得以苟延残喘），以及金融体系对央行流动性的结构性依赖。更重要的是，这种“复苏”在相当程度上建立在资产泡沫和债务扩张的基础之上，实体经济的生产性投资并未同步恢复。资本大量流向金融资产而非生产性用途。

然而，2008年的双刃剑政策面对AI冲击时是否会变为向己的单刃剑呢？ 当危机的根源不是流动性枯竭而是劳动力的结构性错配，降息和量化宽松的传导机制便在起点处断裂。2008年，银行因资本充足率不足而收缩信贷，企业因需求萎缩而裁员。那么一旦流动性恢复、需求回升，企业有强烈的动机重新雇佣工人。但在AI时代，企业面临的是一个完全不同的“成本—收益”计算框架。一个AI agent的边际成本几乎仅剩电力成本，且24小时不间断工作、无需福利、不会罢工——在这种情况下，即便资本近乎免费，企业有何动力重新雇佣人类？

换言之，2008年方案的是借钱的让大家挨过危机，而AI时代面临的是“愿不愿意雇佣人”的问题。前者可以通过货币政策修复，后者却指向的是当劳动力的交换价值被技术系统性侵蚀。传统的宏观政策工具便失去了着力点。这便是Citrini情景中MMT失灵的深层逻辑。我们目前依然可以创造账面上的“财富”，却无法逆转“智能替代螺旋”对人类劳动的系统性替代。

4.5 滞胀的阴影

Citrini Research报告还提出了一个更令人担忧的情景——滞胀（Stagflation）。如果AI驱动的生产率提升不足以抵消供给冲击（如能源危机、供应链中断），同时需求侧的刺激政策（MMT式的财政扩张）推高了通胀，那么经济可能陷入“高通胀+低增长”的滞胀陷阱。2025年美国经济呈现的前兆特征，正为这一推演提供即时验证。

与2008年次贷危机的本质差异在于2008年是流动性危机，政策干预有效——一旦流动性恢复，企业有强烈动机重新雇佣工人；而目前呈现的是AI驱动的结构性错配。AI替代白领工作导致消费需求萎缩（增长下行压力），同时AI训练能耗与供应链重构推高成本（供给端压力）。这种“需求萎缩+成本上升”的组合，与Citrini推演2027-2028年的“滞胀”先行吻合。

首先是通胀的顽固性。尽管美联储自2022年3月起开启了40年来最激进的加息周期（联邦基金利率从近零升至5.25%-5.5%），但核心PCE（个人消费支出，Personal Consumption Expenditures）通胀率在2024—2025年间持续徘徊在2.5%-3%区间，难以稳固回落至2%目标。服务业通胀（尤其是住房、医疗、教育）的黏性远超预期，而关税政策的升级进一步推高了进口商品价格，将通胀预期间断式的重新推高。

其次是增长的动能衰减。2024年下半年至2025年初，美国GDP增速明显放缓。2023年增长2.5%后，2024年增速放缓（各机构预测在1.4%—2.6%区间），而IMF对2025年的预测已下修至1.8%左右。消费者支出——这一支撑美国经济的主力——开始显露疲态。信用卡违约率升至2008年以来最高水平，储蓄率持续低于历史均值，“末日消费”（doom spending）现象蔓延。与此同时，企业投资意愿下降，制造业PMI在荣枯线附近徘徊，高利率环境下“僵尸企业”的债务再融资压力日益逼近。

再次是就业市场的“幻象繁荣”。表面上看，失业率仍维持在4%左右的历史低位，但这一数字掩盖了深层的结构性问题。劳动参与率持续低迷，大量 prime-age（25-54岁）男性退出劳动力市场；兼职就业占比上升，而全职岗位增长停滞；零工经济的“安全阀”效应使隐性失业被系统性低估（如前文所述，CES与CPS统计口径的差异导致就业数据严重失真）。更关键的是，AI对白领岗位的替代已经开始——2024—2025年，科技、金融、咨询等行业的裁员潮中，相当比例的岗位被明确标注为“被AI替代”或“不再需要”。

传统政策工具面临双重失效。降息空间被通胀锁死，财政扩张受制于债务上限。更根本的是，即便资本成本趋近于零，企业仍倾向购买算力而非雇佣人类。2008年的政策逻辑（刺激需求→拉动就业）在AI时代断裂，因为我们面临的并非周期性衰退，而是劳动力交换价值被技术系统性侵蚀的文明级转变。2025年的“前滞胀”阶段，正是旧范式失效、新范式未立的危险过渡期。

五、技术封建主义：AI时代的深层结构

MMT政策的失灵并非偶然。它反映了一个更根本的生产关系变化。当代资本主义正在向一种新型社会形态演变，希腊经济学家雅尼斯·瓦鲁法基斯（Yanis Varoufakis）将这一形态命名为“技术封建主义”——它为我们理解AI时代的权力重组提供了关键框架。

5.1 欧洲上空“幽灵”的警示

希腊经济学家雅尼斯·瓦鲁法基斯（Yanis Varoufakis，曾任希腊财政部长）指明的“技术封建主义”概念，为我们理解AI时代的深层结构提供了有力框架。瓦鲁法基斯认为，当代资本主义正在向一种新型封建主义转变。大型科技公司（如亚马逊、谷歌、Meta）成为“数字领主”，它们拥有“数字领地”（平台、数据、算法），而普通用户和中小企业则成为“数字农奴”——他们在领主的领地上劳动（生产内容、数据），并向领主缴纳“地租”（平台佣金、广告费）。

5.2 云封建主义与AI价值链

UNDP报告《探索AI在亚太开启新治理范式的潜力》为技术封建主义概念提供了实证支撑，揭示了AI价值链在亚太地区的具体表现。报告描绘了一幅令人警醒的图景。AI的生产、部署和治理能力高度集中于少数国家和企业，形成了一种新型的“数字殖民主义”结构。

AI价值链可以分为四个层级，每一层都呈现出高度的集中化特征。

最底层是硬件层。半导体芯片是AI生态系统的物理基础。报告指出，芯片设计和制造已高度集中在少数国家，而在亚太地区，只有四个经济体在这一领域拥有重要地位，即中国、台湾、韩国和日本。其中，台湾的台积电控制着全球最先进的芯片制程，韩国的三星和SK海力士主导着存储芯片市场，而日本的东京电子等公司依然在半导体设备领域占据关键位置。这种集中意味着绝大多数亚太国家在AI价值链的起点便处于完全依赖地位。它们既不设计芯片，也不制造芯片，只能以市场价格购买数字时代的基础设施。

第二层是基础设施层，即云计算和数据中心。AI模型的训练和推理需要海量算力，而这些算力主要由超大规模数据中心提供。在中国以外，全球云服务市场由美国科技巨头主导，即Amazon Web Services（AWS）、Microsoft Azure、Google Cloud Platform和Oracle Cloud Infrastructure。报告引用的数据显示，这些“云领主”不仅控制着算力的供给，还决定着算力的定价、可用性和地理分布。对于大多数亚太国家而言，这意味着它们的国家数据、企业应用和公共服务都必须运行在“外国领地”上，隐藏数据的存储、处理和传输都反受制于“云领主”所在国的法律和政策。

第三层是模型层，或者说基础AI模型（Foundation Models）。这一层的集中度可能最高。截至2025年，绝大多数先进闭源AI模型（如OpenAI的GPT系列、Anthropic的Claude、Google的Gemini）都由美国公司开发和控制。这些模型不仅是技术产品，更是“认知基础设施”。盖因它们塑造着信息获取、知识生产和话语权分配的方式。报告警告称，这种集中可能导致“认知依赖”。依赖这些模型的国家和企业，实际上将信息筛选和知识生产的权力让渡给了模型的设计者。

最上层是应用层。这是价值链中进入门槛最低的一层，也是大多数亚太国家积极参与的领域。但报告指出，即便在这一层，平台依赖问题依然严重。大多数AI应用需要运行在外国云基础设施上，调用外国基础模型，遵守外国平台规则。这种“下游参与、上游依赖”的格局，使得亚太国家在AI价值链中处于结构性弱势。

这种层级化的权力结构，正是瓦鲁法基斯所说的“技术封建主义”在亚太地区的具体表现——我们可以称之为“云封建主义”（Cloud Feudalism）。

首先是数据主权的侵蚀。当国家的关键数据存储在外国云服务器上、由外国公司管理时，数据主权便成为一个悬而未决的问题。报告指出，许多亚太国家缺乏足够的数据中心基础设施，被迫将政府数据、医疗记录、金融信息等敏感数据托管给外国“云领主”。这不仅涉及隐私和安全风险，更涉及发展权的让渡。事实上，数据是AI时代最宝贵的“原材料”，而数据控制权的丧失意味着AI发展能力的沦丧。

其次是算法问责的困境。当AI决策影响公民的生活（例如就业筛选、司法辅助、医疗诊断等）。谁来为这些决策负责？报告强调，算法透明度和问责制是AI治理的核心挑战。但当闭源基础模型由外国公司开发、部署在外国服务器上、以商业机密为由拒绝披露细节时，亚太国家的政府和公民实际上失去了问责的能力。“黑箱”不仅是技术问题，也是权力问题。

再次是安全可控性的缺失。报告警告称，对AI基础设施和模型的外部依赖，可能构成国家安全风险。在地缘政治紧张局势下，“云领主”可能被迫或主动中断服务、限制访问、甚至“武器化”其技术优势。这种风险并非假设！2022年俄乌冲突后，多家美国科技公司限制或终止了在俄罗斯的服务；类似逻辑也可能适用于其他地缘政治场景。例如对于中国而言，这是现实。自2018年中美贸易摩擦升级以来，美国私人科技公司对中国用户的限制呈现出加速趋势，且超越政府制裁的范围，演变为企业的自愿的加码行为。在AI模型层，Anthropic于2025年9月推出“资本控制型禁令”，即任何中国资本持股超过50%的企业，无论其注册地或运营地何在，均被禁止使用Claude服务。这是首次有主流AI公司以资本结构而非地理边界作为限制标准。OpenAI则于2024年7月正式封锁来自中国大陆和香港的API访问，一夜之间切断了无数中国开发者的技术供给。在工业软件层，MathWorks于2020年停止向被列入实体清单的中国高校提供MATLAB授权，直接影响科研教学。新思科技、楷登电子和西门子EDA于2025年5月被要求停止向中国供应芯片设计软件。这三家公司在全球EDA市场占据74%份额。在平台层，TikTok面临“不卖就禁”的强制出售令，成为了数字资产可被强制剥离的先例。甚至连GitHub这一全球最大的开源代码托管平台，也在2025年4月短暂限制了中国大陆IP的访问，暴露了开源基础设施的集中度过高衍生的脆弱性。

这些案例展示了，在“云封建主义”体系中，“数字领主”不仅响应政府指令，更主动会预判和超额执行政治要求。Anthropic的“资本控制型禁令”并非政府强制，而是企业自主决策。OpenAI的API封锁在技术上可以更精细，但选择了地域close。这种可以被称为“过度合规”的现象，也是技术封建主义的表征之一，当“领主”认为自己需要向政治权力负责时，“农奴”的权益便成为可以随意牺牲的代价。更值得玩味的是，Anthropic由前OpenAI员工创立，以“负责任AI”为核心理念，其创始人与有效利他主义运动关系密切。一个标榜“造福人类”的AI公司，却在无政府强制的情况下实施以资本来源为标准的歧视性政策。这一讽刺，正是后续批判有效利他主义时将要展开的主题。

报告还指出了亚太国家在AI治理能力上的巨大分化，这种分化正在形成一种“治理能力分流”。在治理框架较为成熟的一端，韩国已制定全面的AI投资、监督和执法立法，定于2026年生效；中国也出台了关于生成式AI的正式法规，建立了内容审核和算法备案制度。这些国家/地区至少在形式上建立了对AI发展的“主权调控能力”。

在治理框架尚在构建的一端，印度和孟加拉国仍在起草国家AI战略的过程中，目前缺乏防止或解决AI伤害的可执行法律。报告指出，印度虽然拥有庞大的IT产业和AI人才，但在AI治理规则制定上明显滞后——这意味着印度的AI发展可能在相当程度上受制于外国“云领主”的规则。

更脆弱的是那些“低能力情境”国家——如老挝、柬埔寨、巴布亚新几内亚等。这些国家不仅缺乏AI研发能力，更缺乏基本的数字基础设施和治理框架。它们在AI时代的处境，类似于工业革命时代被边缘化的农业社会——不仅无法参与价值创造，甚至连“被剥削”的资格都没有，只能作为被动的“数字殖民地”存在。

这种“云封建主义”结构，为理解Citrini Research报告推演的印度IT服务业危机提供了关键背景。印度IT服务业年出口额超过2000亿美元，是其经常账户盈余的最大贡献者。但整个商业模式建立在一个脆弱的前提上，即印度开发员的成本仅为美国同业的零头，因此全球企业会持续将IT服务外包给印度。

然而，当AI编码 agent的边际成本降至几乎仅剩电力成本时，这一前提便不再成立。更明显的问题是，印度IT服务业并不拥有AI价值链的任何核心环节。印度不控制芯片，不控制云基础设施，不控制基础模型，只是在“应用层”提供服务。在“云封建主义”体系中，这种“无根”的服务模式极为脆弱。一旦“领主”决定改变规则（如大幅降低AI token的单位计价），在新版羊吃人事件没有不重演的理由。

Citrini Research报告推演的情景——TCS、Infosys和Wipro等企业在2027年面临合约加速取消、卢比兑美元汇率暴跌18%——正是这种结构性脆弱性的具体表现。这很难说是周期性的危机，而是一个结构性的危机。技术封建主义的分析揭示了AI时代的权力重组。然而，这种结构性批判与硅谷的主流意识形态形成了尖锐对立。有效利他主义（Effective Altruism）作为硅谷最具影响力的伦理框架，恰恰回避了“谁掌握权力”这一核心问题——这正是我们需要批判性审视它的原因。

六、批判有效利他主义：硅谷意识形态的局限

技术封建主义的浮现并非偶然，它与硅谷的主流意识形态相互支撑。有效利他主义（Effective Altruism）作为这一意识形态的代表，通过“量化优化”的框架回避了权力分配的核心问题。批判性地审视有效利他主义，有助于我们理解为何技术封建主义能够获得意识形态的掩护。

6.1 功利主义内核与国家作用的忽视

有效利他主义（Effective Altruism）是近年来在硅谷蔚然成风的方法论框架，其核心主张是我们应该用理性和证据来指导慈善和政策决策，将资源投入到能够产生最大积极影响的地方。然而，这一框架存在根本性的理论缺陷和政治偏见。

首先，有效利他主义明显带有功利主义取向。有效利他者通常使用“预期价值理论”（Expected Value Theory）来评估不同慈善干预的效果，通过量化指标比较不同干预措施的效益成本比。这种方法假设所有价值都可以被量化、比较和加总。但人类福祉的多元维度（尊严、自主、文化认同）真的能够被简化为数字吗？

其次，有效利他主义强调私人慈善的作用，但国家在资源分配中的重要作用被刻意忽视、压制。 有效利他主义的倡导者——如FTX（加密货币衍生品交易平台）创始人Sam Bankman-Fried（目前仍因金融诈骗被监禁中）——倾向于将社会问题视为可以通过“优化”解决的工程问题，而非需要通过民主政治过程协商解决的公共议题。这种“去政治化”的倾向，实际上是一种高度政治化的立场。它维护了现有权力结构，将变革的责任从国家转移到资本持有人身上。

6.2 文化帝国主义与全球南方

有效利他主义的普世化主张可能构成一种文化帝国主义，将西方的布施模式强加于其他文化。UNDP报告《印度与印尼在线零工工作的教训》提供了一个反思的契机。报告中受访的印度和印尼零工工人，他们的需求、优先事项和价值观——灵活的工作时间、家庭责任的平衡、社区网络的支持——很难被有效利他主义的“效益成本比”框架所捕捉。

例如，报告发现女性工人主要集中在专业服务、数据录入、创意多媒体等领域，部分原因是远程工作允许她们兼顾家庭责任。但这种“灵活性”也意味着职业发展的天花板。一个有效利他主义框架下的“优化”方案可能会建议女性工人“最大化收入”。但这可能意味着放弃她们珍视的家庭时间。谁有权决定“最大化收入”是“最优”的？

更深层的问题是有效利他主义的“长期主义”（longtermism）视角——声称关注未来数百年甚至数千年的影响——往往以牺牲当代人的紧迫需求为代价。当硅谷的亿万富翁们讨论如何“降低AI灭绝人类的风险”的同时豪掷数亿建造末日堡垒，零工工人正在为下个月的床位费发愁。这种优先级的错位，本身就是一种权力关系的体现。

6.3 Citrini情景对EA的讽刺

Citrini Research的《2028全球智能危机》报告——尽管本身也是一份来自金融界的分析——却无意中暴露了有效利他主义框架的局限。该报告推演的情景颇具讽刺意味。正如前文1.2节所述，随着AI agents大规模系统性替代白领认知工作，2027—2028年AI驱动的失业危机首先冲击美国白领阶层——这正是有效利他主义运动在硅谷的核心支持群体。旧金山房价年降幅达11%，西雅图为9%，奥斯汀为8%，科技从业者发现自己也成了AI“效率革命”的牺牲品。

更具黑色幽默的是，这一幕在现实中已提前上演于有效利他主义精神母体之一的Anthropic（一家由前OpenAI员工创立的AI公司，以开发Claude系列模型著称）。就在2026年2月27日，这家由前OpenAI员工创立、以“负责任AI”和有效利他主义为旗号的公司，因拒绝移除Claude的两条公司内部红线——即不得用于美国国内大规模监控、不得用于全自主致命武器——被特朗普政府直接下令所有联邦机构立即停止使用其技术，五角大楼将其列为“供给链风险”（等同于对华为的待遇），并要求军事承包商全面断绝商业往来。国防部长Hegseth直斥这是“有效利他主义的缺陷修辞在强迫美国军队服从硅谷意识形态”。而OpenAI随即签下合同，填补空缺。

“云封建主义”在此得到完美的反向印证。当“数字领主”试图用自己的“使用条款”约束更高层权力时，自己反而被逐出领地，盖因它的“领地”终究是脱离不了现实的。Citrini Research报告冷冰冰地总结“如果我们的AI看涨观点继续正确……那实际上可能是看跌的。”这种自我反噬，恰恰表现了有效利他主义框架总是缺乏的自我反思。它假设“我们”（富有的资本家和技术专家）永远站在优化者的位置，却从未想过，在技术封建主义结构下，没有人能置身事外，包括那些自以为在“拯救世界”的数字领主。

有效利他主义的局限指向一个更深层的治理困境，即当技术演进的周期（以月计）远快于政治决策的周期（以年计），传统的治理机制如何能够有效回应？政治周期与经济周期的错配，正是AI时代治理危机的核心症结。

七、政治周期与经济周期的错配

有效利他主义的“去政治化”倾向回避了一个问题在AI时代，传统的政治—经济协调机制是否仍然有效？政治周期与经济周期的根本性错配，使得治理面临前所未有的挑战。在此，我们收束思维。

7.1 周期错配的政策后果

政治周期（通常为2～4年的选举周期）与经济周期（通常为8～10年的技术—投资周期）的错配，是理解AI时代政策困境的关键。UNDP报告《探索AI在亚太开启新治理范式的潜力》指出：

“除非这些技术嵌入稳定的立法和行政框架，否则它们将始终容易受到领导层更迭和资金周期变化的影响——危及它们的长期影响和投资回报。”

这一错配的具体表现是当AI带来的经济冲击（如大规模失业）在政治上变得不可容忍时，政客们倾向于采取短期刺激政策（如MMT式的财政扩张）来安抚选民；但这些政策无法解决AI驱动的结构性问题，反而可能加剧长期风险（如通胀、债务危机）。当长期风险最终爆发时，负责“灭火”的可能是另一届政府——这进一步强化了政治上的短视行为。

有效利他主义强调“预期价值理论”下的即时效益最大化，这一方法论在短周期主导的环境中，易使经济研究优先关注可快速量化的消费级AI应用，而对需8-10年持续投入的基础设施、跨国价值链重构等长期议题投入不足。技术发展同样受此影响：算力部署与模型迭代本需长期稳定规划，却常因周期波动转向投机性扩张。

在这一错配中，数字领主必须在周期波动中规划长期算力部署，结果往往是投机性扩张而非结构性创新。当AI冲击（如白领失业）在短期内显现时，倾向于短期财政扩张用于安抚利益相关方，却将长期风险留给后续阶段。这正是UNDP报告警告的周期更迭风险在技术研究与发展领域的放大。

7.2 Citrini情景中的政策无力感

Citrini Research报告推演的情景（假设性情境）正是这一错配的典型表现，尤其在美国语境下，若是2027—2028年，当AI驱动的失业危机全面爆发时，政策制定者发现传统的政策工具箱已经失效。时值2028总统大选前夕，党派博弈达到顶峰。降息无法激励企业重新雇佣人类员工（AI边际成本已降至电力水平），财政刺激也因债务上限和国会否决而沦为临时输血。

Citrini Research报告描绘的“智能替代螺旋”的预言一旦自我实现，政客只能忙于竞选承诺的短期救济，却无力触及上游算力与模型控制的结构性根源。更讽刺的是，2026年2月特朗普政府对Anthropic的清算——即因其拒绝Claude用于国内大规模监控和全自主致命武器而下令所有联邦机构立即停用并列为“供给链风险”——已提前确认了这种无力感。即使“负责任AI”的数字领主试图设定边界，短期政治权力也能一夜之间颠覆其商业模式。领主看似强大，却必须服务于更高层的选举周期逻辑。

八、综合研判：分流机制与政策路径

8.1 三重分流机制的交织

综合Citrini情景推演与UNDP研究，可以识别出AI时代国家间不平等加剧的三重机制：

（1）技术采纳分流

AI基础设施（算力、数据、算法）高度集中于少数国家和企业，形成“数字殖民主义”的新版本。Yusuf指出：“芯片设计和制造已集中在少数国家——其中只有四个位于亚太地区。”缺乏本土AI能力的发展中国家被迫依赖外部技术供应，在数据主权、算法透明度、安全可控性等方面处于结构性弱势。

（2）产业转型分流

AI对不同产业的冲击强度各异：

• 以IT服务出口为支柱的经济体（如印度）面临需求萎缩风险——Citrini Research报告推演称（假设性情境），TCS、Infosys和Wipro等企业在2027年面临合约加速取消的困境。

• 以制造业为主的经济体（如越南、孟加拉国）短期内受影响较小，但长期可能错失AI赋能制造业升级的窗口。

（3）治理能力分流

AI治理框架的成熟度成为国家竞争力的重要维度。UNDP报告指出：“韩国已制定全面的AI投资、监督和执法立法，定于2026年生效。中国也出台了关于生成式AI的正式法规。相比之下，印度和孟加拉国仍在起草国家AI战略的过程中，目前缺乏防止或解决AI伤害的可执行法律。”

8.2 政策应对的路径选择

UNDP报告为不同发展阶段的国家提供了差异化的政策路线图：

低能力情境：优先投资数字基础设施和基础技能，建立AI治理的基本原则框架，通过南南合作和国际援助获取技术转移和能力建设支持。

过渡情境：在特定领域（如农业、医疗、教育）试点AI应用，积累经验和数据，同时加强数据保护和算法问责机制。

高能力情境：推动AI前沿研发，参与全球AI治理规则制定，同时关注国内分配效应，通过社会保障和再培训计划缓解转型阵痛。

8.3 超越GDP的发展指标

面对AI时代的挑战，我们需要超越GDP，重新想象发展指标。UNDP的人类发展指数（HDI）提供了一个起点，但还需要纳入：

作者按：走向新的平衡

雅尼斯·瓦鲁法基斯提出的技术封建主义具有启发性，但需辩证看待。从现象层面看，“云封建主义”确实呈现出封建制的外观，即云领主（亚马逊、微软、谷歌、OpenAI）对数字领地（平台、数据、算法）的垄断性占有、数字农奴（零工劳动者、数据生产者）向领主缴纳地租（平台佣金、数据贡赋）以及超经济强制（Anthropic的资本控制型禁令、TikTok的强制剥离）对契约关系的取代。

然而，从本质上看，这并非封建主义的复归，而是垄断资本主义在数字时代的极端形态。封建地租基于土地所有权的超经济强制，而云地租（Cloud Rent）基于对知识产权（算法专利、数据垄断）和基础设施（云服务器）的排他性占有，其根源仍是资本对剩余价值的追逐。所谓“技术封建主义”，实则是资本逻辑从对劳动时间的直接榨取（工业资本主义），转向对一般智力的占有与对认知劳动的间接剥削（认知资本主义）的质变。受迫缴纳平台“地租”的本质仍是资本对剩余价值的转化与再分配，归根结底源于活劳动的创造。将批判局限于“数字地租”，易于模糊算法作为工具的实质，弱化对资本主义生产关系根本矛盾的揭示。

亚太地区的低能力情境国家（老挝、柬埔寨、巴布亚新几内亚）在AI价值链中形成依赖格局。所以其国家数据、医疗记录、金融信息存储于海外云基础设施，导致数据主权（AI时代最宝贵的生产资料）面临挑战。这种“云依附”比传统依附更难解。

进一步讲资本主义生产方式下智力劳动的无产阶级化。传统马克思主义语境中，白领阶层（专业技术人员、管理人员）常被视为“新小资产阶级”或“工人贵族”，因其掌握稀缺技能并享有较高议价能力。然而，AI agent的普及可能确认了阶段性阶级地位的流动性终结。因为它不仅攫取剩余价值，更攫取了未来生产力的生成能力。更深刻的异化在于生产资料的全盘丧失：劳动者不仅在其产品中丧失自身，更在其认知活动的痕迹——即AI训练数据——上丧失了对自身的再生产权。这种数据异化（Data Alienation）比劳动异化更彻底。“云农奴”概念虽形象描绘了数字困境，却可能弱化现代劳动者作为无产阶级的历史主体地位。

在当下，我们需要超越对技术封建主义的被动适应，重新提出生产资料社会化（如数据公有制、算力公共基础设施、算法民主控制）的历史任务。只有在生产关系层面打破云领主的封建式垄断，重建以使用价值为中心、以人的全面发展为目标的社会形态，AI才能真正从危机制造者转化为生产力解放者。这一任务也是新时代下生产关系主动适应生产力发展的必然要求。

金融复杂性读书会

当前，全球金融系统正遭受多重不确定性冲击，如气候风险加剧、中美贸易摩擦及俄乌冲突等，导致金融系统复杂性与不确定性达到前所未有的高度。在金融复杂系统中，市场、机构及异质利益相关者的行为呈现非线性与网络化特征，常引发意想不到的结果。

正如“知己知彼，百战不殆”所言，我们需系统探究金融复杂系统的理论基础、量化识别方法、生成演化机制及风险治理路径，以更有效地认知、建模与决策。为此，集智俱乐部联合北京师范大学李红刚教授、爱尔兰都柏林圣三一学院Brain Lucey教授、中国地质大学（北京）黄书培副教授、首都师范大学王泽讲师、北京林业大学幸小云副教授及北京化工大学王欣雅副教授，共同发起。读书会已结束，支持查看视频回放欢迎扫码加入，共建“金融复杂性”社区。

详情请见：

1.

2.

3.

4.

5.

6.

7.