Alex Imas 与 Phil Trammell：AGI 之后，什么仍然稀缺？

这一期从一个关于学科管辖权的判断开场：围绕 AI 的一批重要问题，只有经济学能回答。AGI 创造的财富该如何征税、如何再分配？不在 AI 供应链上的国家，该如何「指数化」地分享收益？是否真的存在一种不平等不会爆炸的世界？随判断附上的警告是：这些问题看上去显而易见，其实并非如此——经济学教给人的第一件事，就是直觉常常完全是错的。

两位嘉宾是 Alex Imas——Google DeepMind AGI 经济学总监、芝加哥大学教授——和 Phil Trammell——Epoch 经济学负责人、斯坦福研究学者。Dwarkesh 给出了贯穿全场的主线：在自动化不断推进的背景下，经济学对工资和劳动份额说了什么；最优的税收与再分配方案会是什么样；以及什么仍然稀缺——因为价值正是在稀缺处积累。

「什么仍然稀缺」的第一个候选是关系型部门：在这类服务与商品中，有一个真人处在环路之内，本身就是产品价值的一部分。这个逻辑一旦说出来近乎同义反复——人天然稀缺，所以如果自动化让其他一切都变得充裕，那些必须有人参与的东西就按构造仍然稀缺。

Dwarkesh 追问：人对人的服务究竟能不能占到经济的一大块？他给出一个思想实验：在一个 AI 能在物理世界做任何事的世界里，机器经济建工厂、做研究，如果机器人技术被解决，人根本不必参与。但有些东西人们偏偏要「人」——芭蕾舞演员、咖啡师——而这种偏好只有人类才有。于是存在一个人类经济：人们彼此服务，其中一部分财富流向其他人。这不是闭环，因为他们也想要机器经济的商品，而机器对咖啡师一无所求。显而易见的推论——Dwarkesh 直接说了出来——是人类专属的那部分经济，其份额会随时间缩小。

Imas 选择重构问题而不是回答。他认为，经济学家做出的单点预测，作为单点预测并不太有用，并提到 Fradkin、Jabarian 和 Koh 最近的一篇论文：该文记录了经济学家对劳动力市场的判断在各个方向上都存在巨大分歧。他们的建议——他也赞同——是停止收集个人预测，转而建立能把信息聚合起来的预测市场，因为预测的历史记录实在糟糕得有名。

这场辩论已有两百年。大卫·李嘉图先论证工业革命会让所有人受益，因为价格会下降；随后他又推翻了自己：创造价值的岗位会被自动化，所有人都会失业，接着是政治动荡。他关于「哪些岗位会被自动化」的预测是对的。他漏掉的是：结构性变迁让所有被自动化的东西都变便宜了，人们手里有更多钱，并把钱花在服务上——这就是劳动总量谬误，即看不到新岗位会被创造出来。如果有人告诉他，2026 年壮年人口的就业率处于 2000 年之外的历史最高附近，李嘉图会感到意外。

Dwarkesh 立刻拒绝了这个寓意。钱不一定非花在服务上，也可能花在更多被自动化的商品上。这则轶事不是对充分就业的预测，而是对「预测有多难」的示范——话题由此转向方法论。

另一种方法是从一个前提出发倒推。假设劳动份额降到零——什么能解释它？把模型写出来。或者假设它保持不变——那必须满足什么条件？把各种情景画出来，弄清是稀缺的哪一个维度生成了哪一种情景，才能知道该收集哪些数据。

诊断的直白版本是：我们没有数据。Imas 呼吁为数据搞一个「曼哈顿计划」。消费者需求弹性是未知的；哪些岗位被创造、哪些被摧毁，没有被追踪；O*NET 的任务数据库很少更新，质量也低。后面整场对话里的每一个实证主张，都架在这个缺口之上。

先给定义：一个经济体中卖出的每一样东西，最终都以工资或资本回报的形式支付出去——租金、股东、机器与土地的所有者。几百年来大约六成归工资，三到四成归资本所有者，问题在于 AI 会不会压缩这六成。这种稳定性是一个 Kaldor 事实，Imas 强调它在工业革命和迄今所有自动化之后有多么令人意外——意外到有人怀疑它是会计口径造成的假象。过去二三十年劳动份额是否下降，存在活跃的争论，但这期间会计规则反复变动，而 Atkinson 已经证明：把会计口径固定住，它根本没有下降。

Trammell 的解释是互补性：如果劳动与资本是互补的，那么要生产任何东西，两者都必须得到报酬。Dwarkesh 反驳说有些东西已经被完全自动化了；回答是：只要你测量得当，没有任何东西被完全自动化。网络调整后的要素份额追踪的是整条供应链，而不是最后一步——包括造出「自动化那一步的机器」所用的投入——而劳动在下游很远的地方仍然贡献了大量价值。美国计算机与电子产品业的网络调整资本份额约为五成，稳定，而不是百分之百。两人都预期会出现一次质变：某些商品的网络调整资本份额会达到一，链条上没有任何一环是人们在意要由人来做的。