耶鲁经济学家：别担心AI抢你的工作，因为你的工作根本不值得被抢

不二小段

发布于 2026-04-09 19:30:08

1350

未来，绝大多数人的工作不会被AGI（通用人工智能）自动化。原因并非AGI能力不足，而是因为这些工作对于驱动经济增长而言，根本无足轻重，不值得耗费宝贵的计算资源去替代。

这是全球顶尖的自动化经济学家之一、耶鲁大学的Pascual Restrepo在他发布的工作论文《我们不会被怀念》（We Won’t be Missed）中提出的核心观点。这个结论，相比于“机器人将取代一切”的威胁论，很难说是让人稍感宽慰，还是更令人不寒而栗。

Pascual曾与诺奖得主Daron Acemoglu合作，定义了过去十年经济学界对自动化问题的理解框架。这次，他将目光投向了AGI的终局，得出的结论，颠覆了我们对人机关系的传统想象。

两种工作：瓶颈型 vs. 补充型

要理解Pascual的整个逻辑框架，首先必须摒弃“创造性工作 vs. 重复性劳动”这种早已过时的二元划分法。他提出了一个更切近经济本质的分类标准：瓶颈型工作（Bottleneck work）与补充型工作（Supplementary work）。

什么是瓶颈型工作？它们是经济增长的命脉，是那些如果得不到解决，整个社会就会停滞不前的关键任务。比如解决能源危机（比如掌握核聚变）、维护关键基础设施、推动前沿科学、国家安全，甚至包括防御小行星撞击、降低人类面临的生存风险。这些工作，是文明延续和发展的“卡脖子”环节。没有它们，增长无从谈起。

而补充型工作，则是除此以外的一切。艺术、手工艺、文学创作、酒店服务、客户支持、设计，甚至包括Pascual自己从事的经济学研究。这些工作当然有其价值，能丰富人类体验，但经济体即使缺少了它们，依然可以持续扩张。它们的特点是，对于“增长”这个宏大叙事而言，并非不可或缺。

Pascual的第一个核心推论是：在AGI时代，所有“瓶颈型工作”最终都将被自动化。因为计算资源（算力）作为新的核心生产要素，其最优配置必然是去攻克那些对增长有最高杠杆效应的领域。把最强的AI用在刀刃上，去解决那些最棘手、最重要的“瓶颈”问题，是资本和效率驱动下的必然结果。

而那些“补充型工作”呢？AGI可能会选择性地忽略它们。不是因为它做不了，而是因为不划算。用海量的计算资源去复刻一个咖啡师、一个小说家、或者一场现场表演，其成本可能远高于其带来的经济回报，尤其是在AGI还有更重要的“瓶颈”任务需要处理时。

我们总以为，只要自己的工作足够“人性化”、足够“有创意”，就能在AI时代高枕无忧。但Pascual的框架告诉我们，决定你是否被替代的，不是你工作的“人性”含量，而是它对于经济增长的“重要性”等级。

你的工作，可能不是因为太高级而无法被替代，而是因为太不重要而被AI“放过”。

新的稀缺性与价值的重估

Pascual理论的基石，是对未来经济中核心稀缺资源的重新定义。在前AGI时代，稀缺的是人类的技能、智慧和劳动力。但在AGI时代，真正的稀缺品变成了计算资源（算力）。

当AGI可以完成所有类型的经济活动时，人类技能就不再是独一无二的生产要素。它变成了一种可被替代的资源。这就导向了一个极其重要的结论：人类劳动的价值，将不再由其产出决定，而是由“复制这项劳动所需计算资源的机会成本”来锚定。

这句话有点拗口，但至关重要。你的工资不再取决于你为公司创造了多少价值，而是取决于AI要花多少成本（包括算力、能源等）才能完美地做到和你一样好。这个成本，成为了你薪酬的上限。

这就解释了为什么Pascual说“AGI不会让人的技能过时，而是会重估它们的价值”。你的技能依然有用，因为它能完成任务，从而为经济体节省了宝贵的计算资源。你的价值，就是你所节省的这部分“算力”的价值。

这意味着，人类劳动者从经济增长的“引擎”，变成了“备用发电机”。当主电网（AGI和算力）越来越强大时，备用发电机的价值虽然存在，但其在整个能源系统中的相对重要性将急剧下降。

未来，劳动收入份额趋近于零

基于以上逻辑，Pascual推出了他论文中最令人震惊的推论：长期来看，劳动收入在GDP中的份额将趋近于零。

他用了一个数量级的对比来说明这个问题。据估算，未来经济体中总的计算资源可能达到10的54次方“浮点运算/秒”（flops）。而全球所有人类大脑的计算能力加起来，大约是10的18次方flops。这是一个无法想象的差距。

在一个总产出由海量计算资源驱动的经济体中，由人类劳动所“节省”下来的那部分价值，相对于整个经济大盘来说，将变得微不足道。经济可以无限增长，GDP可以达到前所未有的高度，但这增长的果实，几乎全部会流向计算资源的拥有者。

“绝大部分收入将归于计算资源的所有者。”Pascual在论文中写道。

这不是失业问题，这是分配问题。甚至比我们今天讨论的任何贫富差距问题都更为严峻。当生产要素的所有权高度集中于“算力”这一项时，谁拥有数据中心，谁拥有先进芯片，谁就拥有整个经济的未来。

这让贝莱德CEO拉里·芬克的警告显得格外有先见之明。他指出，AI可能会以比以往任何技术革命都更快的速度加剧财富集中。当美国前1%家庭的财富已经超过底层90%家庭时，AGI可能会将这个差距推向极致。

Pascual也指出了可能的出路：一是通过全民基本收入（UBI）等方式对收益进行再分配；二是将计算资源视为一种公共资源——类似于土地或自然资源——并将其回报广泛分配给社会成员。

但这两种方案都面临巨大的挑战。UBI能保证基本生存，但能否提供有尊严的生活？“计算资源公有化”听起来很美，但在一个由少数科技巨头主导的现实世界里，如何实现？这不仅是经济问题，更是未来几十年最核心的政治和哲学问题。

转型之路：平稳过渡 vs. 动荡冲击

Pascual还区分了两种通往AGI世界的路径，这对我们理解当下的处境极有帮助。

一种是“算力约束型”转型（compute-binding）。在这种模式下，AI的应用受限于硬件（算力）的增长速度。由于硬件发展相对平稳，自动化进程会是渐进的，工资和社会结构调整有缓冲期，人们有时间重新分配和学习。

另一种是“算法约束型”转型（algorithm-binding），这看起来更像我们今天所处的时代。AI的能力不是线性增长，而是随着算法的突破发生跃迁。这种转型是充满不确定性的。Pascual描述道：“不平等可能急剧上升：那些工作暂时无法被自动化的工人，会享受到巨大的临时性工资溢价，而另一些人的工作则可能因为算法的突然突破而面临工资的断崖式下跌。”

这解释了2026年我们看到的现象：数据中心建设领域的电工、管道工等蓝领技工，工资暴涨。一名顶尖电工的年薪可以达到26万美元，远超许多白领。因为在“算法约束”的背景下，支撑算法运行的物理基础设施（算力）成了瓶颈，相关技能自然获得了“临时性溢价”。但这种溢价是脆弱的，一旦建设高峰过去，或者新的技术出现，情况可能瞬间逆转。

这种“颠簸”的转型，意味着巨大的社会风险。今天的赢家，可能就是明天的输家。稳定，将成为一种奢侈品。