来稿作者：张镇宇博士

近几年，主流经济学界与金融机构对于AI如何影响劳动力市场与宏观经济的研究，普遍呈现乐观或审慎的态度。例如，高盛在近三年的报告中持乐观预测，认为AI在未来十年可将全球GDP提升约7%，并在美国带动超过15%的生产率增长；诺贝尔经济学奖得主阿西莫格鲁（Daron Acemoglu）则持更为冷静的立场，他的研究指出AI对生产力的实质贡献可能远低于市场预期，未来十年对美国经济生产率仅提升约0.5%、GDP仅增长约1%。

然而，投资研究机构Citrini Research于2月22日发布的报告《2028全球智能危机》（The 2028 Global Intelligence Crisis），却以一种截然不同的角度，在金融界乃至学术界引发了广泛震动。报告以虚构的2028年6月视角回顾危机始末，通过一个逻辑完整、环环相扣的情境推演，对AI给人类社会经济活动带来的影响给出了一个悲观的预测，其背后的因果链条令人难以忽视。

一、智力垄断终结与“幽灵GDP”

报告的论点建立于对AI时代的几个根本性重估之上。首先，这一轮技术革命与历史上任何一次都有本质不同。蒸汽机替代的是人类的体力，电脑提升的是人类的效率，但新技术本身始终依赖人的操作和判断。AI的到来，挑战的是人类的智力垄断——AI模型所储存的记忆力与推断能力已超越任何单一人类个体。也就是说，AI所取代的不再只是普通劳动力，而是整个白领阶层。报告以一个比喻说明问题的规模：北达科他州的一个GPU算力中心，足以替代曼哈顿一万名白领。另一个现实的例子则是，在2月24日，Anthropic宣布可以用AI完成IBM的一项系统重塑业务，IBM股价随即重挫，市值蒸发逾200亿美元——后续的裁员潮显然只是时间问题。

其次，报告提出“幽灵GDP”（Ghost GDP）这一核心概念。我们都知道，传统宏观经济循环的前提是：生产带来收入，收入催生消费，消费再推动生产。然而，AI代理不眠不休地创造产出和高频交易，固然推升了企业利润和GDP数字，但AI代理本身并不消费——它不买房、不上餐厅、不缴按揭。生产力的帐面数字亮眼，货币流通速度却归零，这会导致经济的循环逐渐停滞。

当然，笔者对此保留一些质疑：其一，AI的扩张并非无人世界，它会推高数据中心、电力、网络、资讯安全、治理与整合的需求，相关工作仍由人承担，并非完全“无消费”。其二，至少在可见的商业化阶段，AI的使用仍由人或企业决策驱动，真正的“AI代理间互相交易”能否快到足以掏空消费端，仍需实证。

二、需求萎缩的负面螺旋

从企业端看，上述的两个前提形成了一个单向的负面螺旋：“AI能力提升 → 企业需要更少工人 → 白领裁员增加 → 被替代的工人消费减少 → 利润压力迫使企业投入更多AI → AI能力再次提升。”并且这个回路没有自我修正机制，因为推动它的引擎每个季度都在加速。于是，金融市场的脆弱性被重新定价。报告把重点放在白领阶层：企业若能用更便宜的AI分析、法务、财务与工程代理来替代年薪数十万美元的人类专业人士，这些专业人士背后的房贷、信用卡、私募信贷等原本建立在稳定高收入预期上的资产，就会面临类似2008年但“借款人更优质”的违约风险叙事。

同时，AI的“抹平资讯差”能力，冲击的是大量惯性中介（habitual intermediation）。报告把地产代理、保险、旅游、外卖平台、金融顾问等建立在流程摩擦与资讯不对称上的产业，视为护城河可能被代理系统直接跨越的领域；当AI代理能长时间自动比价、谈判、执行，传统中介的抽成便成为最显眼、也最容易被优化掉的成本。这会加速收入端的压缩，并把压力传导到信用市场。

推演到政府层面，问题便演变成宏观治理危机：若结构性失业扩大，政府的个人所得税与薪资相关社保收入承压，但救济、补助与转型支出则会持续上升，公共财政与主权信用将受到冲击。传统依赖财政政策自身调节能力的“自动稳定器”（例如当人们失业时，累进税制下人们自然减少交税，从而自动减轻压力），在面对大规模结构性替代时将失灵。报告甚至设想美国政府讨论对算力课税、设立类似“AI共荣基金”的再分配方案，但政治推进并不顺利。

当然，这篇文章的推测是一种对未来两年的假设性推演。笔者认为，按照现时全球的电力供给情况以及AI的实际应用进度来看，AI要大规模铺开并高强度融入每个行业仍需时日，因此这场推演起码不会在两年内全面成真。

三、分配冲击与制度应对

写到这里，笔者认为这份报告真正的价值在于：它促使我们把AI理解为一个“分配冲击”与“需求冲击”的组合拳，而不只是一个仅仅存在于供给侧的生产力故事。对此，笔者认为有三点值得深入思考：

第一，宏观效果不是把微观替代直接放大，这也是宏观经济与微观经济之间的重要区别。有研究强调，替代效应会压低劳动需求，但也存在生产力效应与“新任务”创造的对冲力量；关键在于制度与投资是把技术导向“更多替代”还是“更多互补”。因此，报告的悲观路径并非唯一均衡，而是多种可能性中的一种——并且是在政策与企业策略都偏向“用AI直接吃掉工资份额”时，更容易实现的均衡。

第二，需要正视实证的异质性：AI在某些场景确实带来明显增产，但增产未必等于净裁员。以一项实证研究为例，在客服情境导入生成式AI辅助后，处理量显著提高，且收益更多集中于新手与低技能员工，呈现“拉平能力差距”的效果；这类结果意味着，至少在部分行业，AI可能先以“放大个体产出”的方式运作，而不必然立刻转化为大规模裁撤。同时，斯坦福大学的一篇最新论文也指出，每项工作都是任务的集合，而AI只会自动化工作中的部分任务，从而让从业人员可以花更多时间去提升整体生产力。因此，一些曾被认为会被AI淘汰的工种（例如放射科医生），其薪资反而得到了上升。

第三，劳动市场的暴露面其实很大（而不仅仅是白领阶层），但影响形式未必都是失业。IMF的分析指出，全球约四成就业暴露于AI的影响之下，发达经济体比例更高；同时它也强调“替代”与“互补”会并存，政策要做的是让互补面扩大、让替代面的痛苦可被吸收。换言之，真正的关键在于社会有没有把转型成本制度化地分摊。

因此，在探讨“解决方案”时，笔者认为算力税可视为一个值得讨论的方向，但绝非万能方案。算力税的难点在于税基界定、税负归宿与跨境套利：究竟是对GPU时间、云端用量、模型收入，还是对企业因自动化节省的人力成本课税？若设计不当，可能抑制正向创新，却挡不住替代效应的外溢。较可行的政策组合，反而是把再分配与再就业拆开处理：一方面用负所得税、工资保险、可携式福利、公共托育与医疗等方式稳住需求端，确保“被替代者仍是消费者”；另一方面把政策焦点放在新任务与互补型投资，例如医护、教育、基建更新、公共部门数字化与中小企业导入，让AI的扩散不只发生在裁员链条上。至于报告提到的“AI共荣基金”式构想，笔者认为可被视作把资本收益部分社会化的工具之一，但它需要透明的治理与可验证的分配规则，否则容易沦为政治口号。

四、我国与香港特区的应对

最后，笔者想针对中国与香港特区的具体情况作进一步思考。

就我国的情况而言：第一，当前经济转型的核心之一是提升消费在经济发展中的占比。AI的冲击是否会为我国经济向内需转型的过程带来额外压力，进而导致“GDP与生产率增长但消费下降”的局面，值得高度关注。第二，在我国，AI带来的就业压力或许更多体现在政府治理与国企相关的岗位中。简单来说，在当下财政压力与治理现代化并行的背景下，AI对公文、审批、风控、采购等工作流的降本增效极为显著。但这会带来一种特殊的就业冲击：体制内不一定会先裁掉大量在岗人员，但会显著压缩以“考试—进入机构—稳定中产化”为核心的上升通道，让体制内就业竞争更向少数高端岗位与稀缺技能集中，这是我国国情与上文基于美国市场分析的不同之处。第三，Citrini的叙事把风险重心放在“高薪白领房贷与信用产品”的连锁违约；而我国的金融体系更偏向银行主导，资产负债表更受政策与监管牵引，风险不太像美国那样以证券化产品的市场价格瞬时“爆雷”来呈现。但如果同样出现白领就业与收入预期走弱的情况，居民加杠杆买房的意愿下降，房地产市场及连带的消费市场依然会受到波及。

不过，我国与美国相比有一个极大的不同，即拥有强大的“政策缓冲机制”。国家可以通过产业政策把AI更强力地导向制造业与供应链，让其红利先体现在出口竞争力与工业效率上，而不是仅仅体现在服务业白领的替代上。同时，我国对于AI的相关监管也更为严格，这会抑制某些野蛮生长式的商业扩散，有望将AI的落地引导到更可控、更偏向商业端与政企端的场景，令“替代”变得更像组织再造，而非市场爆破。

而香港特区面临AI冲击的脆弱点，显然在于其产业结构。金融、专业服务、地产及其上下游，都是典型的“高薪白领—高资产价格—高杠杆预期”结构。如果AI代理开始把研究报告、合规初审、法律检索、客户沟通、程式开发与测试等任务变得更便宜，那么大量的分析师、助理、文书、运营等岗位的扩张将逐步缩减。同时，香港的大量中介行业也必然受到AI的直接冲击。这两大类岗位一旦被压缩，香港的失业率不一定立刻暴增，但薪资曲线会更快扁平化。这就牵涉到香港经济的另一大支柱——房地产。一方面，工资若下降便会导致购房需求下行；另一方面，如果AI压缩了工作团队的人数，租赁面积与写字楼估值就更容易承压。这可能牵动银行风险偏好、资产管理配置，乃至政府与市场的信心循环。同时，一旦市场普遍相信“知识工作边际价值下降”，香港作为高白领密度的城市，资产定价可能将长期承压。

当然，基于香港以金融与专业服务为核心的模式，也面临着自身的两难困境：如果不快速拥抱AI，将其转化为合规的生产力，香港就会面临被其他地区以更低成本提供同类服务的威胁，进而被迫陷入价格战，导致薪资与就业承受更大压力。但反过来看，如果AI使用不善，被大规模且无序地用在投资建议、研究、销售话术、风险评级、信贷审批上，例如模型造成错误建议、误导销售、资料外泄，或因演算法偏见导致合规与声誉事故，引发系统性金融风险，那同样得不偿失。

因此，香港将AI的应用从“无序扩散”转变为“受控导入”至关重要，且目前已取得不少进展。例如，数字政策办公室发布了《香港生成式人工智能技术及应用指引》，试图把资料外泄、偏误等风险拉回可操作的责任框架。在金融监管端，金管局推出了GenAI Sandbox，利用监管沙盒与风控框架锁住外溢风险；证监会则向持牌法团发出“使用生成式AI语言模型”的监管通函，把投资建议与研究等列为高风险用例，要求落实通知、治理、模型风险管理、网安与第三方风险等安排。这些治理措施本身已发挥了一定的防范效应。

总体而言，如果当今世界的未来发展真如Citrini报告所言，那么香港作为国际金融中心，和其他白领聚集的城市一样，必然会受到更为猛烈的冲击。这也为香港加速促进以科创为主导的产业多元化，提供了更充分的合理性与迫切性。

作者张镇宇博士是香港中文大学社会科学学院博士后研究员。

文章仅属作者意见，不代表香港01立场。

01论坛欢迎投稿。请电邮至01view@hk01.com，附上作者真实姓名、自我简介及联络方法。若不适用，恕不另行通知。香港01保留最终编辑权。