最近看到一个预测：未来三年，美国大约15%的知识岗位可能被AI替代。如果这个趋势继续发展，未来几年有30%甚至更多工作任务被AI重构，其实并不是一个完全不可想象的情景。
如果这样发生，经济逻辑可能会出现一个重要变化。
现代经济其实是一个循环：
就业 → 收入 → 消费 → 企业收入 → 股市。
如果AI压缩了大量工作岗位，而新的收入分配机制还没有建立，购买力就可能下降。企业生产效率虽然提高，但需求未必同步增长。
这就带来一个很有意思的矛盾：
AI可能创造巨大的财富，但不一定创造同样多的收入。
过去股市上涨，很大程度依赖一个简单结构：
就业增加
→ 工资增长
→ 消费扩大
→ 企业收入增长
→ 股市上涨。
如果AI开始压缩劳动收入，这个循环就可能发生变化。
与此同时，AI又在推动另一种力量。
AI不仅是软件革命，它更像一次新的 基础设施投资周期。数据中心、算力集群、电力系统、网络基础设施、存储系统、光通信网络等，都需要巨额资本投入。
Nvidia CEO黄仁勋曾经用一个很形象的框架解释AI产业结构，可以理解为一个“五层蛋糕”：
能源 → 芯片 → 基础设施 → 模型 → 应用。
这个结构某种程度上也反映了AI时代的利润分布。
越靠底层，越像基础设施，需求越稳定；越靠上层，竞争越激烈。
如果从投资角度看，每一层都有代表公司。
能源层：Constellation Energy（CEG）、Vistra（VST）、GE Vernova（GEV）等。
芯片层：Nvidia（NVDA）、TSMC（TSM）、Broadcom（AVGO）、AMD（AMD）等。
基础设施层：Oracle（ORCL）、Equinix（EQIX）、Digital Realty（DLR）、Nebius（NBIS）、CoreWeave（CRWV）、IREN（IREN），以及存储、光通信、网络设备等公司。
模型与平台层：Microsoft（MSFT）、Alphabet（GOOGL）、Meta（META）、Amazon（AMZN），以及 OpenAI、Anthropic、xAI 等基础模型公司。
应用层：Tesla（TSLA）、Shopify（SHOP）、Meta AI Glasses 等。
应用层本身也在发生变化。
很多所谓的AI应用，如果只是简单调用模型接口、封装一些功能，本身门槛并不高，很容易被新的AI工具替代。随着模型能力快速进步，一些原本需要专业知识的软件功能也可能被模型直接吞掉。
这意味着，如果应用层只是 纯软件、轻资产工具，长期护城河未必稳固。
未来更有可能留下来的应用，往往会与 硬件、设备或现实场景结合，形成新的入口，例如自动驾驶、智能设备、可穿戴设备、机器人等。
这也意味着，过去那种典型的 纯软件轻资产模式，在AI时代未必仍然是最吃香的商业模式。
最近市场上一个值得注意的现象是，很多SaaS公司的股价明显走弱。
过去十几年，SaaS的商业模式大多是 按员工席位收费（seat-based pricing）。员工越多，公司需要的软件账号越多，收入也越高。
但AI可能改变这个逻辑。
如果AI可以让1个人完成3个人的工作，那么企业需要的软件席位数量可能下降。同时，一些传统软件功能也可能被AI模型直接替代。
某种意义上，AI可能正在把利润 从软件层重新分配到算力和基础设施层。
过去十年：
SaaS > Infrastructure。
未来可能变成：
Infrastructure > SaaS。
AI带来的更深变化，可能是 收入结构的变化。
AI是一种高度资本密集的技术。算力、数据中心、电力系统、模型训练，都需要巨额资本投入。
这意味着AI创造的财富，可能更多流向 资本拥有者，而不是劳动者。
如果这种趋势持续，社会可能出现一种新的结构：
少数人控制算力、资本和平台，
更多人从事低收入服务工作，或者依赖转移支付。
在这种情况下，股市未必整体崩溃，但结构分化可能会非常明显。
依赖广泛消费的行业可能承压，而依赖AI资本开支的行业可能更强。
还有一个经常被忽略的因素：过去十几年股市上涨，并不仅仅是科技进步。
2008年金融危机之后，美联储长期维持低利率，并通过多轮量化宽松向市场注入大量流动性，资产价格被持续推高。
某种意义上，过去十几年的股市上涨，有两个重要支柱：
科技提高生产效率；
美联储提供充足流动性。
如果AI提高生产效率、降低部分商品和服务成本，那么它本身具有一定的 通缩属性。
但与此同时，AI的发展又需要巨额资本投入。数据中心、芯片、存储系统、光通信网络等基础设施，都需要大量投资。
这就形成一个看起来有些矛盾的结构：
AI可能压低部分商品价格，但同时推高核心资产价格。
如果把时间拉长一点来看，这种情况其实并不是第一次出现。
在19世纪工业革命初期，机器也曾大规模替代人工劳动。当时纺织机械和工厂生产迅速提高了效率，但很多手工业工人失去了工作。
英国甚至出现过“卢德运动”，一些工人砸毁机器，因为他们认为机器夺走了自己的工作。
工业革命最终创造了新的行业和新的就业，但在转型过程中，社会确实经历了一段 收入结构剧烈变化的时期。
不过，AI与工业革命之间也存在一个重要区别。
工业革命主要替代的是 人的体力劳动，而这一次技术革命开始触及 人的脑力劳动。
自动编程、自动设计、自动客服、自动分析、自动内容生成等，都在不同程度上替代过去需要专业知识的工作。
如果机器不仅能够替代体力劳动，还能够替代部分脑力劳动，那么未来经济结构可能会出现新的问题：
机器可以持续生产，
但人类的收入来源可能减少。
更大的不确定性在于，新产业是否能够像过去那样吸收被技术替代的人口。
很多AI公司本身并不需要大量员工。一个大型模型公司可能只有几千名工程师，却可以服务全球数亿用户。
换句话说，AI产业的 就业密度可能远低于传统工业。
如果新产业需要的人力很少，而技术替代速度又很快，那么短期内可能出现一种局面：
生产效率不断提高，
但就业增长却跟不上。
AI还可能带来另一个变化：市场集中度上升。
训练大型模型需要巨额算力、数据中心和电力资源，投入规模往往以几十亿甚至上百亿美元计算。只有少数公司能够承担这样的资本支出。
这意味着AI时代的竞争，可能不只是技术竞争，而是 资本、算力和基础设施的竞争。
未来市场的回报，可能越来越集中在少数拥有算力、平台和分发能力的公司，而不是均匀分布在所有行业之中。
如果把所有这些因素放在一起看，AI带来的问题也许不仅仅是技术问题，而是一个更大的经济结构问题。
一方面，AI可能极大提高生产效率，让世界变得更加富有。但另一方面，如果越来越多的工作被自动化，而新的产业又不能足够快地吸收劳动力，那么收入分配结构就可能发生变化。
过去的经济增长，很大程度上依赖 劳动收入和消费增长。
但如果生产能力越来越集中在机器、算法和资本之中，那么未来经济增长可能更多依赖 资本投资和技术扩张。
未来经济真正需要回答的问题:
在机器可以生产越来越多商品的情况下，人类社会如何维持足够的购买力。
AI时代最大的矛盾是：
机器可以越来越高效地生产，但人类社会仍然需要足够的收入去消费这些产品。
它可能让世界更富有，但也可能让更多人变穷。
如果AI替代30%工作，购买力从哪里来？
BrightLine (2026-03-15 06:47:11) 评论 (1)最近看到一个预测：未来三年，美国大约15%的知识岗位可能被AI替代。如果这个趋势继续发展，未来几年有30%甚至更多工作任务被AI重构，其实并不是一个完全不可想象的情景。
如果这样发生，经济逻辑可能会出现一个重要变化。
现代经济其实是一个循环：
就业 → 收入 → 消费 → 企业收入 → 股市。
如果AI压缩了大量工作岗位，而新的收入分配机制还没有建立，购买力就可能下降。企业生产效率虽然提高，但需求未必同步增长。
这就带来一个很有意思的矛盾：
AI可能创造巨大的财富，但不一定创造同样多的收入。
过去股市上涨，很大程度依赖一个简单结构：
就业增加
→ 工资增长
→ 消费扩大
→ 企业收入增长
→ 股市上涨。
如果AI开始压缩劳动收入，这个循环就可能发生变化。
与此同时，AI又在推动另一种力量。
AI不仅是软件革命，它更像一次新的 基础设施投资周期。数据中心、算力集群、电力系统、网络基础设施、存储系统、光通信网络等，都需要巨额资本投入。
Nvidia CEO黄仁勋曾经用一个很形象的框架解释AI产业结构，可以理解为一个“五层蛋糕”：
能源 → 芯片 → 基础设施 → 模型 → 应用。
这个结构某种程度上也反映了AI时代的利润分布。
越靠底层，越像基础设施，需求越稳定；越靠上层，竞争越激烈。
如果从投资角度看，每一层都有代表公司。
能源层：Constellation Energy（CEG）、Vistra（VST）、GE Vernova（GEV）等。
芯片层：Nvidia（NVDA）、TSMC（TSM）、Broadcom（AVGO）、AMD（AMD）等。
基础设施层：Oracle（ORCL）、Equinix（EQIX）、Digital Realty（DLR）、Nebius（NBIS）、CoreWeave（CRWV）、IREN（IREN），以及存储、光通信、网络设备等公司。
模型与平台层：Microsoft（MSFT）、Alphabet（GOOGL）、Meta（META）、Amazon（AMZN），以及 OpenAI、Anthropic、xAI 等基础模型公司。
应用层：Tesla（TSLA）、Shopify（SHOP）、Meta AI Glasses 等。
应用层本身也在发生变化。
很多所谓的AI应用，如果只是简单调用模型接口、封装一些功能，本身门槛并不高，很容易被新的AI工具替代。随着模型能力快速进步，一些原本需要专业知识的软件功能也可能被模型直接吞掉。
这意味着，如果应用层只是 纯软件、轻资产工具，长期护城河未必稳固。
未来更有可能留下来的应用，往往会与 硬件、设备或现实场景结合，形成新的入口，例如自动驾驶、智能设备、可穿戴设备、机器人等。
这也意味着，过去那种典型的 纯软件轻资产模式，在AI时代未必仍然是最吃香的商业模式。
最近市场上一个值得注意的现象是，很多SaaS公司的股价明显走弱。
过去十几年，SaaS的商业模式大多是 按员工席位收费（seat-based pricing）。员工越多，公司需要的软件账号越多，收入也越高。
但AI可能改变这个逻辑。
如果AI可以让1个人完成3个人的工作，那么企业需要的软件席位数量可能下降。同时，一些传统软件功能也可能被AI模型直接替代。
某种意义上，AI可能正在把利润 从软件层重新分配到算力和基础设施层。
过去十年：
SaaS > Infrastructure。
未来可能变成：
Infrastructure > SaaS。
AI带来的更深变化，可能是 收入结构的变化。
AI是一种高度资本密集的技术。算力、数据中心、电力系统、模型训练，都需要巨额资本投入。
这意味着AI创造的财富，可能更多流向 资本拥有者，而不是劳动者。
如果这种趋势持续，社会可能出现一种新的结构：
少数人控制算力、资本和平台，
更多人从事低收入服务工作，或者依赖转移支付。
在这种情况下，股市未必整体崩溃，但结构分化可能会非常明显。
依赖广泛消费的行业可能承压，而依赖AI资本开支的行业可能更强。
还有一个经常被忽略的因素：过去十几年股市上涨，并不仅仅是科技进步。
2008年金融危机之后，美联储长期维持低利率，并通过多轮量化宽松向市场注入大量流动性，资产价格被持续推高。
某种意义上，过去十几年的股市上涨，有两个重要支柱：
科技提高生产效率；
美联储提供充足流动性。
如果AI提高生产效率、降低部分商品和服务成本，那么它本身具有一定的 通缩属性。
但与此同时，AI的发展又需要巨额资本投入。数据中心、芯片、存储系统、光通信网络等基础设施，都需要大量投资。
这就形成一个看起来有些矛盾的结构：
AI可能压低部分商品价格，但同时推高核心资产价格。
如果把时间拉长一点来看，这种情况其实并不是第一次出现。
在19世纪工业革命初期，机器也曾大规模替代人工劳动。当时纺织机械和工厂生产迅速提高了效率，但很多手工业工人失去了工作。
英国甚至出现过“卢德运动”，一些工人砸毁机器，因为他们认为机器夺走了自己的工作。
工业革命最终创造了新的行业和新的就业，但在转型过程中，社会确实经历了一段 收入结构剧烈变化的时期。
不过，AI与工业革命之间也存在一个重要区别。
工业革命主要替代的是 人的体力劳动，而这一次技术革命开始触及 人的脑力劳动。
自动编程、自动设计、自动客服、自动分析、自动内容生成等，都在不同程度上替代过去需要专业知识的工作。
如果机器不仅能够替代体力劳动，还能够替代部分脑力劳动，那么未来经济结构可能会出现新的问题：
机器可以持续生产，
但人类的收入来源可能减少。
更大的不确定性在于，新产业是否能够像过去那样吸收被技术替代的人口。
很多AI公司本身并不需要大量员工。一个大型模型公司可能只有几千名工程师，却可以服务全球数亿用户。
换句话说，AI产业的 就业密度可能远低于传统工业。
如果新产业需要的人力很少，而技术替代速度又很快，那么短期内可能出现一种局面：
生产效率不断提高，
但就业增长却跟不上。
AI还可能带来另一个变化：市场集中度上升。
训练大型模型需要巨额算力、数据中心和电力资源，投入规模往往以几十亿甚至上百亿美元计算。只有少数公司能够承担这样的资本支出。
这意味着AI时代的竞争，可能不只是技术竞争，而是 资本、算力和基础设施的竞争。
未来市场的回报，可能越来越集中在少数拥有算力、平台和分发能力的公司，而不是均匀分布在所有行业之中。
如果把所有这些因素放在一起看，AI带来的问题也许不仅仅是技术问题，而是一个更大的经济结构问题。
一方面，AI可能极大提高生产效率，让世界变得更加富有。但另一方面，如果越来越多的工作被自动化，而新的产业又不能足够快地吸收劳动力，那么收入分配结构就可能发生变化。
过去的经济增长，很大程度上依赖 劳动收入和消费增长。
但如果生产能力越来越集中在机器、算法和资本之中，那么未来经济增长可能更多依赖 资本投资和技术扩张。
未来经济真正需要回答的问题:
在机器可以生产越来越多商品的情况下，人类社会如何维持足够的购买力。
AI时代最大的矛盾是：
机器可以越来越高效地生产，但人类社会仍然需要足够的收入去消费这些产品。
它可能让世界更富有，但也可能让更多人变穷。