AGI 时代，哪些东西会变得稀缺？

来源：市场资讯

（来源：机器之心）

随着人工智能技术的提升，关于 AGI 将如何重塑全球宏观经济要素的讨论与日俱增。Google DeepMind 的 AGI 经济学主管 Alex Imas 与 Epoch 经济学主管 Phil Trammell 近日在 Dwarkesh Podcast 的对话中，从经济学视角预测全自动化预期下的财富分配机制与稀缺性演变。

基于对「网络调整后的要素份额」、「O-ring 理论」以及「需求弹性」等经济学模型的推演，两位学者探讨了在劳动力与资本的长期博弈中，人类内在需求能否支撑起独立的经济基本盘，以及在可能到来的「混乱的中间地带（Messy Middle）」中，税收重分配政策与发展中国家应如何构建基于「指数化」的生存战略。

目录

01. 从局部自动化到全供应链质变，AI 如何重构传统的劳动力与资本份额？

AGI 时代的稀缺性到底会如何重塑全球经济的底层逻辑？全供应链自动化为什么会让传统的劳动力与资本分配模型失效？...

02.迈向全自动化的过渡期，人类为何终将被机器经济排斥？

人类劳动的最后一道稀缺性防线 「关系型部门」 真的能守住吗？「混乱的中间地带」 会给社会带来哪些难以预料的政治经济学危机？...

03.边缘经济体如何避免被算力供应链淘汰？

AGI 创造的巨额财富该如何进行公平且可持续的社会再分配？为什么具有极高财富积累偏好的实体会主导未来的全球资本格局？...

从局部自动化到全供应链质变，AI 如何重构传统的劳动力与资本份额？

1、Google DeepMind AGI 经济学主管 Alex Imas 与 Epoch 经济学主管 Phil Trammell 在近日的一场访谈中，揭秘了在全球经济逼近高级自动化临界点时，如何应对认知劳动替代、财富集中化以及全球生产要素重构难题。

① 两位嘉宾均具有学术研究背景，Alex Imas 是芝加哥大学经济学教授，Phil Trammell 是斯坦福大学研究员。

2、Phil Trammell 将「AGI 时代」定义为一种全供应链的「质的转变」。他表示，自工业革命以来的「传统自动化」仅是局部「任务」替代，在完整供应链底端，人类劳动依然作为不可或缺的互补要素存在。

① Phil Trammell 强调，当某一商品从原材料到最终交付的完整供应链被 AI 系统与自动化机器人彻底接管，且全流程中没有任何环节是出于内在必要性而需要人类完成时，该商品的「网络调整后的资本份额」将达到 100%。

3、基于这种全供应链的质变，Alex Imas 和 Phil Trammell 指出，由于 AGI 是对人类物理与认知劳动的系统性剥离，传统的线性财务规划与历史增量预测范式将失效。

① Alex Imas 提出，前沿的经济学研究必须放弃单点的个体预测，转而设定极端前提（如劳动力份额归零），通过建立预测市场并从目标结果「向后推演」的逆向场景建模，来重新审视算力资本扩张后的财富分配机制。

② 为避免预测误区，Imas 回顾了古典经济学家 David Ricardo 在工业革命时期的偏差，指出其陷入了「劳动块谬」，未能预见局部自动化释放的购买力会创造新就业，从而使得宏观劳动份额维持在 60% 以上。

4、在 AGI 算力资本全面扩张的挤压下，Alex Imas 提出人类劳动的最后稀缺性壁垒将退守至「关系型部门」。 关系型部门在于「人类在环（human in the loop）」本身就构成了产品的价值（如人类心理治疗师、高级导师），这源于人类在进化中形成的对同类真实共情与情感连接的内在偏好。

① 行为经济学对比实验证明，消费者对明确由人类创作的艺术品的支付意愿显著高于 AI 生成的对标商品。这表明在底层算廉价的未来，纯粹的「人类身份」将成溢价来源。

5、Phil Trammell 提出了不同的判断，他结合古代蒙古经济的思想实验指出，AGI 时代的算力资产表现出独特的反常性，纯粹的机器经济在规模上仍有可能吞噬人类经济。

① Trammell 指出，在传统技术中摩尔定律意味着计算边际价值折半，但由于前沿 AGI 模型对算力的机会成本极高，市场上顶尖 AI 加速卡（如 H100）的租赁成本不降反升，印证了全球财富正具侵略性地向底层计算集群汇聚。

② 随着 AGI 持续解锁全新的技术与自动化商品种类，人类会不断将财富投入到新的机器产出物中。如果算力应用的多样性扩张速度超过了人类对关系型部门的消费增速，宏观资本份额将无上限扩张，最终导致关系型部门在整体经济中的占比越来越少。

迈向全自动化的过渡期，人类为何终将被机器经济排斥？

在推演了 AGI 全面接管供应链的终局形态后，访谈的焦点转向了通往全自动化道路上的过渡阶段。在这个尚未形成绝对闭环的周期内，AI 对认知劳动的逐步替代引发了一系列社会震荡与微观执行摩擦。针对这一被称为「混乱的中间地带（Messy Middle）」的灰色过渡期，两位经济学家剖析了潜在的政治经济学危机，并运用 O-ring 理论揭示了企业在真实商业环境中部署 AI 时所面临的可靠性悖论...

关注「机器之心PRO会员」，前往「收件箱」查看完整解读