7亿人失业那天，经济学家算了一笔账

如果明天早上醒来，你的工资卡永远停发，但账户里突然多了一笔"全民基本收入"，这笔钱刚好够你活着——你会选择躺平，还是偷偷打黑工？

这不是科幻设定。2023年，全球劳动力市场已经经历过一次压力测试：生成式AI（Generative AI，指能自主生成文本、图像、代码的人工智能）的爆发让硅谷裁员潮与股价暴涨同时发生。OpenAI的ChatGPT上线两个月用户破亿，同期Meta、亚马逊、谷歌累计裁员超5万人。技术替代就业的焦虑，从工厂流水线蔓延到了写字楼格子间。

一个"灵魂 crushing"的思想实验

演讲者把这个场景推到了极致：假设AI彻底接管——教师、医生、甚至体育场外的摊贩，全部换成硅基代码。7亿人失业，但社会选择用"全民基本收入"（Universal Basic Income，政府无条件向所有公民定期发放现金的福利制度）兜底。

表面看是乌托邦：没有通勤，没有KPI，没有35岁危机。但经济学家嗅到了熟悉的危险气味。

历史上有过类似剧本。1970年代的石油危机后，荷兰、英国等福利国家曾扩大失业救济，结果出现了"失业陷阱"——救济金与低薪工作收入倒挂，部分人主动选择不就业。更隐蔽的是代际传递：父母长期脱离劳动力市场，子女就业率显著低于同龄人。这不是道德批判，是数据。OECD（经济合作与发展组织，由38个市场经济国家组成的政府间国际组织）的研究显示，福利依赖家庭的子女成年后的就业概率比平均水平低15%-30%。

演讲者用这个极端场景提醒我们：技术失业的解法，可能比问题本身更棘手。

AI时代的"荷兰病"变种

传统"荷兰病"指一国因自然资源出口暴富，制造业萎缩、创新停滞。AI时代的版本更隐蔽：当机器接管生产，人类可能集体患上"认知萎缩症"。

演讲者打了个比方——就像长期卧床的病人，肌肉会不可逆地退化。劳动力市场也有类似的"用进废退"。日本"失落的三十年"里，大量中年失业者进入"非正规雇佣"，技能断层后再难回归主流岗位。AI如果一次性清除7亿个岗位，重建就业能力的成本将是天文数字。

更麻烦的是激励扭曲。全民基本收入的设计初衷是"无条件"，但"无条件"本身成了问题。2020年至2021年，美国疫情期间发放的失业救济金（每周600美元附加补贴）让部分低收入群体发现：待业收入反而高于返岗工资。后续研究显示，这一政策虽缓解了短期贫困，却延长了部分行业的劳动力短缺，餐馆、仓储业招工困难持续到2022年。

AI替代如果是永久性的，这种扭曲会被放大无数倍。

技术乐观派的盲区

演讲者并非反技术。他特意声明："我夸大其词是为了激发创造力，提醒我们不要在技术上粗心大意。"

这个分寸很重要。技术史上有太多"粗心"的代价。工业革命初期，英国卢德派砸毁纺织机，并未阻止机械化，但确实延迟了工人技能培训体系的建立，两代纺织工人承受了转型阵痛。20世纪末，美国制造业外迁时，政策制定者低估了社区塌陷的速度，"铁锈地带"的投票行为至今影响总统大选格局。

AI的特殊性在于速度。以往技术替代是渐进式的——汽车取代马车用了三十年，足够一代人完成职业转换。但ChatGPT类工具的渗透周期以月计算。2023年3月，高盛预测生成式AI可能影响全球3亿个全职岗位；同年12月，这一数字被修正为"短期影响有限，长期结构性冲击不可避免"。预测本身就在剧烈摇摆，政策如何应对？

演讲者的"噩梦"场景，本质是逼问：如果冲击来得太快，社会缓冲垫来得及铺好吗？

被忽略的第三选项

演讲者埋了一个伏笔。他描述完失业噩梦后，没有给出标准答案——既非"抵制AI"的卢德主义，也非"相信市场"的技术自由主义。

这留出了一个思考空间。现实中已有非典型实验：肯尼亚的"全民基本收入"试点（GiveDirectly项目）发现，无条件现金并未显著降低工作意愿， recipients（受助者）更多用于投资小生意或教育。关键变量可能是金额设定（低于生存线 vs. 高于低薪工作）以及社会规范（劳动是否仍被赋予道德价值）。

AI时代的政策设计，或许需要更精细的"条件性"——不是惩罚不工作者，而是奖励技能升级、社区服务、照护劳动等市场定价偏低的贡献。丹麦的"弹性安全"（Flexicurity）模式提供了参照：低解雇保护换取高失业救济+积极再培训，失业率长期低于欧盟平均。

但所有这些，都需要提前布局。演讲者选择用"噩梦"开场，是因为危机叙事比渐进式提醒更能穿透信息噪音。2024年美国大选周期，AI监管议题被移民、通胀挤压到边缘；欧盟《人工智能法案》谈判中，就业影响评估的条款被大幅弱化。技术乐观主义的默认设置，仍在主导议程。

演讲结束于一个开放式叩问：当7亿人同时收到停职通知，我们是已经准备好了替代方案，还是只能在恐慌中二选一——要么接受机械化的生存，要么退回前数字时代的幻觉？

这个问题，目前没人能回答。但演讲者提醒我们：假装问题不存在，本身就是一种回答。