主播
节目简介
来源：小宇宙
📝 本期播客简介
本期我们克隆了：Dwarkesh Patel 播客《The better AI gets, the smaller its share of the economy might get – Alex Imas and Phil Trammell》
本期节目是一场关于 AI、经济增长、就业、财富分配与未来稀缺性的深度推演。主持人 Dwarkesh Patel 对谈两位研究 AI 与经济的学者：Alex Imas 和 Phil Trammell。他们讨论了一个反直觉的问题：AI 越强，它在经济中直接拿走的份额，反而可能越小吗？
对话从“未来什么会变得稀缺”开始：当机器能够完成绝大多数生产任务，人类是否还会因为“人类参与本身”而保留价值？医生、教师、治疗师、艺术家、咖啡师、芭蕾舞演员，这些工作里到底哪些部分可以被自动化，哪些部分因为关系、信任、共情和人类连接而仍然值钱？
节目也深入拆解了劳动力份额与资本份额的长期稳定之谜。工业革命以来，大量工作被机器替代，但劳动收入占比却长期保持在很高水平。AI 会打破这个历史规律吗？两位嘉宾提醒，经济学家在预测未来时最大的限制是：我们几乎没有足够的数据。我们不知道消费者真正会为什么付费，也不知道哪些新工作、新商品、新需求会被创造出来。
中段讨论尤其现实：AI 是否已经造成白领大规模失业？“白领末日”是否有数据支持？如果 AI 能替代很多工作，却没有创造出足够的新财富，会不会出现一个最糟糕的“混乱中间阶段”？嘉宾们认为，这种情景并非不可能，但需要很多条件同时成立；而如果 AI 真正强到能大规模替代白领工作，它也很可能同时显著扩大生产前沿，让再分配问题变成核心。
后半段则进入政策与全球分配：AGI 创造的财富该通过 UBI、负所得税、全民基本资本，还是税收购买股票的方式分配？发展中国家如果不生产模型、不生产芯片、不掌握关键供应链，是否会被甩在后面？答案可能取决于 AI 更像电力，还是更像社交媒体：如果像电力，收益会广泛扩散；如果像社交媒体，租金可能集中在少数平台和资本所有者手里。
这期节目不是给出一个简单预测，而是搭建了一套理解 AI 经济未来的分析框架：未来的关键，不只是 AI 能不能替代人类，而是需求弹性、关系型价值、资本回报、收益集中度、开源扩散、政治再分配和全球资产配置会如何共同作用。
👨⚕️ 本期嘉宾
Alex Imas，Google DeepMind 的 AGI economics 负责人，芝加哥大学经济学教授。他的研究关注行为经济学、劳动力市场、AI 对经济结构的影响，以及人类偏好、关系型价值和未来自动化之间的关系。
Phil Trammell，Epoch 的 economics 负责人，斯坦福研究学者。他长期研究长期主义经济学、AI 时代的增长模型、资本积累、自动化、利率、财富分配以及未来技术对宏观经济的影响。
⏱️ 时间戳
00:00 开场 & 播客简介
AI 时代，什么会变得稀缺
01:38 经济学能告诉我们什么：工资、劳动份额、税收与再分配
02:19 关系型部门：为什么“人类参与”本身可能成为价值
04:04 预测未来为什么这么难：经济学家没有足够数据
08:21 劳动力份额与资本份额：自动化会让工资占比下降吗
10:17 供应链里的劳动：为什么过去几乎没有东西被“完全自动化”
11:33 医生不是一个任务：工作会被拆成可自动化与不可自动化部分
13:21 不存在的未来商品：为什么今天的数据无法预测明天的需求
从蒙古歌手到晶体管：需求如何决定经济份额
14:09 蒙古经济的类比：为什么未来商品种类会改变稀缺性
15:15 机器人很多，人类很少，钱就一定流向机器人吗
16:21 摩尔定律的反面：计算越便宜，边际价值可能越低
16:50 H100 为什么更贵：AI 让 compute 出现新的高价值用途
17:14 对 compute 的需求会不会永远无法满足
18:03 人类创作为什么更值钱：连接感、共情与关系型偏好
白领失业与“混乱中间阶段”
19:20 AI 起飞太慢，反而更糟吗：自动化、失业与补偿难题
20:37 Phil 的判断：最坏窗口可能很窄
21:26 政治经济学缺口：失业率只上升几个百分点也会改变政治
22:58 如果只裁掉一部分白领，省下的钱够不够做 UBI
24:07 要出现“没有足够财富可分配”的情景，需要哪些苛刻条件
25:02 负所得税、UBI 与全民基本资本：再分配工具的利弊
27:35 税怎么收、钱怎么发：消费税、股票篮子与全民持股
29:00 AI 已经导致大规模白领失业了吗：目前证据并不明显
31:05 自动化互补任务：为什么 AI 也可能增加某些岗位需求
32:13 需求弹性与 Jevons 悖论：便宜不等于总支出一定增加
34:16 AI 会导致经济衰退吗：要让丰裕带来负增长非常难
为什么 AI 没有更快替代所有工作
36:43 多模态模型与世界模型：从 Gemini Omni 看未来 AI 能力
37:59 Oring 模型：为什么一个环节不可靠会毁掉整个产品
39:27 当 AI 足够强，人类也可能难以接入生产流程
40:10 律师、会计为何还没被替代：可靠性、责任与监管摩擦
40:59 人类制度会不会只是过渡性安排：执照、法官、立法与 AI 政治系统
非人类偏好与资本加速
41:32 未来 AI 或公司会不会形成自己的偏好
42:51 人类还会偏好人类互动吗：AI therapist 与道德情绪
44:52 富人财富的真实形态：消费还是让资本继续复利
45:43 更高储蓄率的实体，长期会不会拥有大部分财富
47:13 永生、资本回报率与消费偏好如何改变未来经济
48:56 资本品价格下降：为什么高增长不一定等于高真实回报
50:53 品类增加与贪婪资本家：为什么机器人需求可能不断扩张
52:14 富豪、信托与财富积累：少数优化器是否足以主导经济
53:44 从政治影响力到天文浪费：为什么有人会永远想要更多资本
55:14 Von Neumann probe：极端优化器如何挑战传统 GDP 与劳动份额
发展中国家如何分享 AGI 红利
56:50 印度、尼日利亚怎么办：不在 AI 供应链里的国家风险
57:38 储蓄、利率与低起点国家：发展中国家的“混乱中间阶段”
59:03 主权财富基金与资产配置：现在就该买入关键供应链吗
01:00:39 为什么土地税不够：普通人的资产未必是 AI 时代互补资本
01:01:18 AI 更像电力还是社交媒体：收益扩散还是租金集中
01:03:03 开源模型的关键作用：乌干达能不能分享到 AGI 回报
01:03:59 两种情景：收益高度集中，或 AGI 像电力一样普及
01:04:23 指数化投资 vs 再培训：发展中国家不能只押一个策略
01:05:10 AI 是否带来跨越式发展：移动银行式 leapfrog 的可能性
01:05:43 指数化到底有多难：私营 AI 公司、上市与普通投资者可及性
AI 商品化、安全与叙事
01:06:44 为什么 AI 实验室商品化可能更利于广泛繁荣
01:07:06 “世界上没有反电力的人”：AI 叙事为什么如此负面
01:07:45 商品化的安全代价：竞争压力与前沿模型扩散风险
01:08:31 收尾：集中实验室、政府权力与社会分享 AI 剩余收益
🌟 精彩内容
💡 “我们没有数据”：AI 经济预测最大的盲区
Alex Imas 强调，面对 AI 对就业、工资和劳动份额的影响，经济学家不能只靠个人直觉下结论。历史上从 David Ricardo 到今天，预测自动化对就业的影响一直极其困难。真正缺失的是消费者需求、支付意愿、任务变化、工作创造与消失的系统性数据。
“如果这场对话里你只记住我说的一件事，那就是：我们没有数据。”
🤝 关系型部门：人类不是马，人类参与本身可能有价值
节目提出一个关键概念：关系型部门。某些产品和服务的价值，不只来自最终结果，也来自过程中有人类参与。比如人类医生、人类治疗师、人类艺术家、人类老师。实验显示，同一张艺术版画，如果被认为是人创作的，人们愿意支付的价格显著高于 AI 版本。
“人不能像马那样，只是产出的一个投入。人本身必须给产出带来价值。”
📉 AI 会导致负增长吗？非常难
主持人提出一种流行情景：AI 替代白领，工资收入消失，需求下降，经济衰退。Alex 认为，失业和转岗冲击确实可能发生，但要让 AI 带来的丰裕最终造成负经济增长，需要非常不现实的条件：资本所有者完全消费饱和、不投资、不扩大数据中心和生产前沿。
“要让丰裕带来负的经济增长，这非常难。”
🧩 为什么 AI 没有更快替代律师、会计和程序员
节目用 Oring 模型解释：一份工作由多个环节组成，只要一个关键环节不可靠，整个产品就可能失败。即便 AI 能完成很多任务，如果可靠性、责任归属、监管背书和执照制度没有解决，企业仍然不敢完全替代人类。律师的价值，不只是写文件，而是承担责任和提供可信保证。
“你付钱请律师，买的就是那种保证：不，我的公司真的不会因此倒闭。”
💰 UBI 不是唯一方案：全民基本资本可能更关键
面对 AGI 创造的巨大财富，嘉宾讨论了 UBI、负所得税、财富税、消费税、全民基本资本等方案。Alex 担心，如果人们只能依赖政府发支票，那么谁掌权就变得极其重要；相比之下，如果每个人都拥有一篮子资本资产，政治风险可能更低。但问题在于，应该持有什么资产、能否准确跟踪 AGI 收益。
“如果是 universal basic capital，你有一份所有权，而且你对资本有财产权。”
🌍 发展中国家最重要的策略：尽可能接触 AGI 收益
对于印度、尼日利亚等不生产模型、不生产芯片、不掌握关键硬件供应链的国家，嘉宾认为，简单说“再培训”可能不够。更重要的是，它们如何通过主权财富基金、指数化投资或其他机制，持有能分享到 AI 财富增长的资产。当然，如果 AI 像电力一样扩散，普通指数也许足够；如果像社交媒体一样集中，问题会更严重。
“AI 到底会更像电力，还是更像社交媒体？”
⚡ 电力 vs 社交媒体：AI 财富会扩散还是集中
这是本期最关键的判断之一。如果 AI 像电力，虽然基础设施重要，但下游几乎所有行业都会受益，财富会扩散到整个经济。如果 AI 像社交媒体，平台可能捕获大部分租金，少数公司和股东会变得极其强大。开源模型是否能长期接近前沿模型，是决定这一点的重要变量。
“如果 AGI 更像电力，那你就又能买指数了。”
🗣️ AI 叙事为什么容易悲观
Alex 指出，AI 的正面叙事很难讲，因为人们更容易想象自己失去已有工作，而不是想象一个尚不存在的新好处。相比之下，反 AI 叙事更直观，也更容易传播。
“想象一个还不存在的好东西，比想象失去一个已经存在的东西要难得多。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
本期我们克隆了：Dwarkesh Patel 播客《The better AI gets, the smaller its share of the economy might get – Alex Imas and Phil Trammell》
本期节目是一场关于 AI、经济增长、就业、财富分配与未来稀缺性的深度推演。主持人 Dwarkesh Patel 对谈两位研究 AI 与经济的学者：Alex Imas 和 Phil Trammell。他们讨论了一个反直觉的问题：AI 越强，它在经济中直接拿走的份额，反而可能越小吗？
对话从“未来什么会变得稀缺”开始：当机器能够完成绝大多数生产任务，人类是否还会因为“人类参与本身”而保留价值？医生、教师、治疗师、艺术家、咖啡师、芭蕾舞演员，这些工作里到底哪些部分可以被自动化，哪些部分因为关系、信任、共情和人类连接而仍然值钱？
节目也深入拆解了劳动力份额与资本份额的长期稳定之谜。工业革命以来，大量工作被机器替代，但劳动收入占比却长期保持在很高水平。AI 会打破这个历史规律吗？两位嘉宾提醒，经济学家在预测未来时最大的限制是：我们几乎没有足够的数据。我们不知道消费者真正会为什么付费，也不知道哪些新工作、新商品、新需求会被创造出来。
中段讨论尤其现实：AI 是否已经造成白领大规模失业？“白领末日”是否有数据支持？如果 AI 能替代很多工作，却没有创造出足够的新财富，会不会出现一个最糟糕的“混乱中间阶段”？嘉宾们认为，这种情景并非不可能，但需要很多条件同时成立；而如果 AI 真正强到能大规模替代白领工作，它也很可能同时显著扩大生产前沿，让再分配问题变成核心。
后半段则进入政策与全球分配：AGI 创造的财富该通过 UBI、负所得税、全民基本资本，还是税收购买股票的方式分配？发展中国家如果不生产模型、不生产芯片、不掌握关键供应链，是否会被甩在后面？答案可能取决于 AI 更像电力，还是更像社交媒体：如果像电力，收益会广泛扩散；如果像社交媒体，租金可能集中在少数平台和资本所有者手里。
这期节目不是给出一个简单预测，而是搭建了一套理解 AI 经济未来的分析框架：未来的关键，不只是 AI 能不能替代人类，而是需求弹性、关系型价值、资本回报、收益集中度、开源扩散、政治再分配和全球资产配置会如何共同作用。
👨⚕️ 本期嘉宾
Alex Imas，Google DeepMind 的 AGI economics 负责人，芝加哥大学经济学教授。他的研究关注行为经济学、劳动力市场、AI 对经济结构的影响，以及人类偏好、关系型价值和未来自动化之间的关系。
Phil Trammell，Epoch 的 economics 负责人，斯坦福研究学者。他长期研究长期主义经济学、AI 时代的增长模型、资本积累、自动化、利率、财富分配以及未来技术对宏观经济的影响。
⏱️ 时间戳
00:00 开场 & 播客简介
AI 时代，什么会变得稀缺
01:38 经济学能告诉我们什么：工资、劳动份额、税收与再分配
02:19 关系型部门：为什么“人类参与”本身可能成为价值
04:04 预测未来为什么这么难：经济学家没有足够数据
08:21 劳动力份额与资本份额：自动化会让工资占比下降吗
10:17 供应链里的劳动：为什么过去几乎没有东西被“完全自动化”
11:33 医生不是一个任务：工作会被拆成可自动化与不可自动化部分
13:21 不存在的未来商品：为什么今天的数据无法预测明天的需求
从蒙古歌手到晶体管：需求如何决定经济份额
14:09 蒙古经济的类比：为什么未来商品种类会改变稀缺性
15:15 机器人很多，人类很少，钱就一定流向机器人吗
16:21 摩尔定律的反面：计算越便宜，边际价值可能越低
16:50 H100 为什么更贵：AI 让 compute 出现新的高价值用途
17:14 对 compute 的需求会不会永远无法满足
18:03 人类创作为什么更值钱：连接感、共情与关系型偏好
白领失业与“混乱中间阶段”
19:20 AI 起飞太慢，反而更糟吗：自动化、失业与补偿难题
20:37 Phil 的判断：最坏窗口可能很窄
21:26 政治经济学缺口：失业率只上升几个百分点也会改变政治
22:58 如果只裁掉一部分白领，省下的钱够不够做 UBI
24:07 要出现“没有足够财富可分配”的情景，需要哪些苛刻条件
25:02 负所得税、UBI 与全民基本资本：再分配工具的利弊
27:35 税怎么收、钱怎么发：消费税、股票篮子与全民持股
29:00 AI 已经导致大规模白领失业了吗：目前证据并不明显
31:05 自动化互补任务：为什么 AI 也可能增加某些岗位需求
32:13 需求弹性与 Jevons 悖论：便宜不等于总支出一定增加
34:16 AI 会导致经济衰退吗：要让丰裕带来负增长非常难
为什么 AI 没有更快替代所有工作
36:43 多模态模型与世界模型：从 Gemini Omni 看未来 AI 能力
37:59 Oring 模型：为什么一个环节不可靠会毁掉整个产品
39:27 当 AI 足够强，人类也可能难以接入生产流程
40:10 律师、会计为何还没被替代：可靠性、责任与监管摩擦
40:59 人类制度会不会只是过渡性安排：执照、法官、立法与 AI 政治系统
非人类偏好与资本加速
41:32 未来 AI 或公司会不会形成自己的偏好
42:51 人类还会偏好人类互动吗：AI therapist 与道德情绪
44:52 富人财富的真实形态：消费还是让资本继续复利
45:43 更高储蓄率的实体，长期会不会拥有大部分财富
47:13 永生、资本回报率与消费偏好如何改变未来经济
48:56 资本品价格下降：为什么高增长不一定等于高真实回报
50:53 品类增加与贪婪资本家：为什么机器人需求可能不断扩张
52:14 富豪、信托与财富积累：少数优化器是否足以主导经济
53:44 从政治影响力到天文浪费：为什么有人会永远想要更多资本
55:14 Von Neumann probe：极端优化器如何挑战传统 GDP 与劳动份额
发展中国家如何分享 AGI 红利
56:50 印度、尼日利亚怎么办：不在 AI 供应链里的国家风险
57:38 储蓄、利率与低起点国家：发展中国家的“混乱中间阶段”
59:03 主权财富基金与资产配置：现在就该买入关键供应链吗
01:00:39 为什么土地税不够：普通人的资产未必是 AI 时代互补资本
01:01:18 AI 更像电力还是社交媒体：收益扩散还是租金集中
01:03:03 开源模型的关键作用：乌干达能不能分享到 AGI 回报
01:03:59 两种情景：收益高度集中，或 AGI 像电力一样普及
01:04:23 指数化投资 vs 再培训：发展中国家不能只押一个策略
01:05:10 AI 是否带来跨越式发展：移动银行式 leapfrog 的可能性
01:05:43 指数化到底有多难：私营 AI 公司、上市与普通投资者可及性
AI 商品化、安全与叙事
01:06:44 为什么 AI 实验室商品化可能更利于广泛繁荣
01:07:06 “世界上没有反电力的人”：AI 叙事为什么如此负面
01:07:45 商品化的安全代价：竞争压力与前沿模型扩散风险
01:08:31 收尾：集中实验室、政府权力与社会分享 AI 剩余收益
🌟 精彩内容
💡 “我们没有数据”：AI 经济预测最大的盲区
Alex Imas 强调，面对 AI 对就业、工资和劳动份额的影响，经济学家不能只靠个人直觉下结论。历史上从 David Ricardo 到今天，预测自动化对就业的影响一直极其困难。真正缺失的是消费者需求、支付意愿、任务变化、工作创造与消失的系统性数据。
“如果这场对话里你只记住我说的一件事，那就是：我们没有数据。”
🤝 关系型部门：人类不是马，人类参与本身可能有价值
节目提出一个关键概念：关系型部门。某些产品和服务的价值，不只来自最终结果，也来自过程中有人类参与。比如人类医生、人类治疗师、人类艺术家、人类老师。实验显示，同一张艺术版画，如果被认为是人创作的，人们愿意支付的价格显著高于 AI 版本。
“人不能像马那样，只是产出的一个投入。人本身必须给产出带来价值。”
📉 AI 会导致负增长吗？非常难
主持人提出一种流行情景：AI 替代白领，工资收入消失，需求下降，经济衰退。Alex 认为，失业和转岗冲击确实可能发生，但要让 AI 带来的丰裕最终造成负经济增长，需要非常不现实的条件：资本所有者完全消费饱和、不投资、不扩大数据中心和生产前沿。
“要让丰裕带来负的经济增长，这非常难。”
🧩 为什么 AI 没有更快替代律师、会计和程序员
节目用 Oring 模型解释：一份工作由多个环节组成，只要一个关键环节不可靠，整个产品就可能失败。即便 AI 能完成很多任务，如果可靠性、责任归属、监管背书和执照制度没有解决，企业仍然不敢完全替代人类。律师的价值，不只是写文件，而是承担责任和提供可信保证。
“你付钱请律师，买的就是那种保证：不，我的公司真的不会因此倒闭。”
💰 UBI 不是唯一方案：全民基本资本可能更关键
面对 AGI 创造的巨大财富，嘉宾讨论了 UBI、负所得税、财富税、消费税、全民基本资本等方案。Alex 担心，如果人们只能依赖政府发支票，那么谁掌权就变得极其重要；相比之下，如果每个人都拥有一篮子资本资产，政治风险可能更低。但问题在于，应该持有什么资产、能否准确跟踪 AGI 收益。
“如果是 universal basic capital，你有一份所有权，而且你对资本有财产权。”
🌍 发展中国家最重要的策略：尽可能接触 AGI 收益
对于印度、尼日利亚等不生产模型、不生产芯片、不掌握关键硬件供应链的国家，嘉宾认为，简单说“再培训”可能不够。更重要的是，它们如何通过主权财富基金、指数化投资或其他机制，持有能分享到 AI 财富增长的资产。当然，如果 AI 像电力一样扩散，普通指数也许足够；如果像社交媒体一样集中，问题会更严重。
“AI 到底会更像电力，还是更像社交媒体？”
⚡ 电力 vs 社交媒体：AI 财富会扩散还是集中
这是本期最关键的判断之一。如果 AI 像电力，虽然基础设施重要，但下游几乎所有行业都会受益，财富会扩散到整个经济。如果 AI 像社交媒体，平台可能捕获大部分租金，少数公司和股东会变得极其强大。开源模型是否能长期接近前沿模型，是决定这一点的重要变量。
“如果 AGI 更像电力，那你就又能买指数了。”
🗣️ AI 叙事为什么容易悲观
Alex 指出，AI 的正面叙事很难讲，因为人们更容易想象自己失去已有工作，而不是想象一个尚不存在的新好处。相比之下，反 AI 叙事更直观，也更容易传播。
“想象一个还不存在的好东西，比想象失去一个已经存在的东西要难得多。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺；
如果有后续想要听中文版的其他外文播客，也欢迎联系微信：iEvenight
外观
