
当技术让某些东西越来越便宜时,奇怪的事情发生了,其他东西反而越来越贵。AI正在重演这种“经济错觉”,让我们既能享受廉价奇迹,又要为人类劳动付出天价。
在美国,如果你不小心在墙上打了个洞,找人来修补石膏板的价格,可能比直接买一台平板电视放在前面还贵。这不是笑话,而是经济学的奇景。
当一个产业的生产效率暴涨时,事情会变得很奇怪。成本下降、质量提升,消费者自然会买得更多,行业繁荣、就业激增,一片欣欣向荣。但与此同时,其他行业的工资也会被间接抬高。毕竟,所有工人都生活在同一个劳动力市场里。如果一个人能靠网络营销赚每小时30美元,他就不会再去端盘子。如果为数据中心装空调的技术员能拿到150美元每小时,他就不会愿意为普通家庭修冷气。
于是出现了一个荒谬而迷人的对比。经济学里有两个术语能解释这种现象:Jevons悖论和Baumol效应。前者指越高效,我们反而用得越多;后者则意味着越低效,我们反而付得越多。这两个看似矛盾的规律,正在AI时代的浪潮里同时上演。
当AI带来一轮生产力爆发时,有两件事会同时发生。
一些被AI深度改变的商品和服务,比如内容生成、数据分析、客服自动化,会变得极度廉价,甚至便宜到令人发笑。
另一些AI几乎触及不到的服务,比如理发、护理、清洁、遛狗,则会变得越来越昂贵。而更奇妙的是,我们依然会为它们买单。
甚至在同一份工作里,也可能出现分裂。AI能让工作的部分环节速度提高十倍、质量提升十倍;但剩下那一点点必须由人完成的部分,反而会成为薪酬最高、最受保护的环节。
早在19世纪,经济学家William Jevons就发现了这个悖论。煤炭生产效率越高,人们并没有因此节省能源,反而烧了更多煤,催生了第二次工业革命。
到了现代,摩尔定律成了Jevons悖论的最佳例证。晶体管价格从1美元降到百万分之一美分,计算变得廉价到极致,反而让我们在一切事物中都嵌入了芯片:从恒温器到贺卡,从手机到运输标签。效率带来的不是节制,而是疯狂的增长。
如今,AI计算的成本也在经历类似的坍塌。Google Cloud的Amin Vahdat提到,即使是七年前的TPU芯片,在内部依然满负荷运转。这就是Jevons效应的体现:当新技术的潜力爆发时,需求永远能找到新的方向去扩张。
故事的另一半,则由Baumol讲述。
英国作家Agatha Christie曾说,她从未想过自己会富到买车,却穷到请不起佣人。一个世纪过去,美国的中产阶级可以轻松每两年换一辆新车,却要与邻居合请保姆。
经济学家William Baumol在1965年研究乐团破产的原因时发现,问题不在于艺术,而在于生产力。一个弦乐四重奏在过去一百年间演奏一首曲子的时间没有变短,而其他行业的生产效率却翻了几十倍。于是音乐家的工资不得不跟着全社会一起上涨,虽然他们的工作产出并没有增加。
这就是Baumol成本病。它解释了为什么理发、护理、教育、医疗这些人力密集型服务越来越贵。因为当科技行业的工资飙升时,其他行业也必须抬高薪水,才能吸引劳动力。换句话说,Jevons创造了财富,而Baumol让财富扩散。
当AI推动社会整体变得更富裕,我们理应看到这样的连锁反应。
AI让数据中心需求暴增,于是HVAC(空调工程)技师收入翻倍;他们涨价修家用空调,消费者仍然付得起;学徒们看到HVAC收入高,也纷纷转行,于是管道工又变得稀缺,价格再次上涨。
这就是为什么在一个高科技社会里,你会发现修空调比买空调贵,遛狗要一周100美元,但大家都心安理得地付钱。
接下来,更奇怪的事要来了。
政府为了保护就业,往往会规定某些工作必须由人类执行,比如AI诊断影像必须由医生签字、自动驾驶必须配安全员。于是,一个职业内部也可能出现Baumol效应。AI可以自动化掉99%的任务,但那剩下的1%,却成了黄金价值的瓶颈。
就像早期自动驾驶汽车必须配一个安全员一样,如果放射科医生只需要做最后那1%的确认,他们的工资反而可能飙升,因为整个系统都卡在他们身上。
于是我们可能会看到一个怪诞的世界,每个行业里都有那最后1%的人类,他们的工作看似微不足道,却成了最昂贵、最受保护的部分。那时的就业市场,或许像个拼图,技术铺满大地,而人类的岗位成了那些奇形怪状的空隙。
归根结底,Jevons让我们更富,Baumol让我们更贵。
AI的浪潮会让这种对比更加鲜明。
我们会用几乎免费的智能模型生成万物,却为人类的陪伴、温度与责任付出前所未有的代价。
这也许正是现代社会的诗意讽刺。
在机器的效率与人的尊严之间,我们用金钱划出了那条越来越细的界线。
本文译自 Alex Danco,由 BALI 编辑发布。
富灯网配资提示:文章来自网络,不代表本站观点。