近日，作者參加了某部委（以下簡稱“N"）組織的經(jīng)濟(jì)運(yùn)行走勢座談會(huì)，就AI對經(jīng)濟(jì)運(yùn)行可能產(chǎn)生的影響進(jìn)行了交流發(fā)言，主要內(nèi)容整理如下。

N：慕峰老師好，這兩年您在內(nèi)需方面發(fā)表了一系列觀點(diǎn)，近期又集中發(fā)表了關(guān)于AI的一系列文章。官方當(dāng)前十分關(guān)注經(jīng)濟(jì)運(yùn)行走勢，希望聽聽您在這些方面的意見。

慕峰：感謝邀請。前面三位專家談了不少近期宏觀和大宗方面的情況，我想主要從AI發(fā)展對經(jīng)濟(jì)走勢的影響來談?wù)勛约寒?dāng)前的體會(huì)。今年2月23日，美國的Citrini Research發(fā)表了一篇“思想報(bào)告”，引發(fā)美股下跌，其基本邏輯是，AI技術(shù)快速擴(kuò)散，在2028年前后對美國白領(lǐng)階層形成大量工作替代，而美國白領(lǐng)階層是美國乃至全球消費(fèi)的主力，進(jìn)而導(dǎo)致美國內(nèi)需下降，從而對經(jīng)濟(jì)形成結(jié)構(gòu)性沖擊。這篇文章很快傳播到國內(nèi)，也引發(fā)了諸多討論。在該文發(fā)表三天之前，我也通過AI模擬了AI對中國大陸經(jīng)濟(jì)可能造成的影響，反饋的情況和基本邏輯與上述情況類似，只是G2行業(yè)存在差異，因此具體表現(xiàn)有所不同。

事實(shí)上，上述AI通縮效應(yīng)的邏輯在此前的經(jīng)濟(jì)研究中已經(jīng)出現(xiàn)過。2024諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主，MIT的Daron Acemoglu教授在2024年5的工作論文

The Simple Macroeconomics of AI

這種偏悲觀的AI發(fā)展觀點(diǎn)可以推導(dǎo)出白領(lǐng)階層失業(yè)將會(huì)擴(kuò)大化，當(dāng)AI帶來的新增就業(yè)無法超過AI導(dǎo)致的失業(yè)時(shí)，或者AI帶來的新增就業(yè)與導(dǎo)致的失業(yè)存在時(shí)間差時(shí)，各種風(fēng)險(xiǎn)就會(huì)加劇。

這種觀點(diǎn)既然此前已經(jīng)出現(xiàn)，為何會(huì)在今年2月被廣泛傳播并影響了市場情緒呢？這可能主要是因?yàn)?，在這個(gè)中國農(nóng)歷春節(jié)前后，G2的AI大廠都不約而同地推出了最新版本的AI模型，同步出現(xiàn)了Claude Cowork的商業(yè)落地，以及Seedance 2.0和Openclaw的沖擊。

當(dāng)前輿論過多關(guān)注Openclaw的應(yīng)用，忽視了AI大模型迭代帶來的實(shí)質(zhì)性沖擊。Openclaw并非大模型，只是一個(gè)升級的agent工具，需要調(diào)用其他大模型才能工作，但由于娛樂性很強(qiáng)，出現(xiàn)了魔性傳播，很快破圈。但實(shí)際上如果對大模型效能的挖掘不夠充分，使用Openclaw并不能帶來效率的提升，反而可能帶來巨大的安全風(fēng)險(xiǎn)。

不同模型的側(cè)重和能力在當(dāng)前是不同的，不同版本也存在極大差異?？傮w而言，收費(fèi)版的質(zhì)量普遍遠(yuǎn)高于免費(fèi)版，有些國產(chǎn)模型的國際版質(zhì)量明顯要好于國內(nèi)版（如Qwen）。

不同廠家的AI模型發(fā)展方向在當(dāng)前呈現(xiàn)不同趨勢。例如Claude在代碼能力上一枝獨(dú)秀，字節(jié)的Seedance 2.0在視頻能力上表現(xiàn)突出，豆包側(cè)重生活化場景，Deepseek的心思仍然不在商用而是繼續(xù)做基礎(chǔ)性創(chuàng)新，Kimi在專業(yè)研究領(lǐng)域呈現(xiàn)出比較強(qiáng)的優(yōu)勢，Minimax和Kimi的token用量已經(jīng)在海外位居前列，GLM的代碼能力據(jù)說在國產(chǎn)AI模型中較為突出。

我從春節(jié)期間開始每天比較使用不同國產(chǎn)AI模型。之所以產(chǎn)生了AI對就業(yè)替代的疑慮，是因?yàn)楫?dāng)前部分國產(chǎn)AI模型的最新版本，已經(jīng)可以按照我的要求做大幅收斂和控制。具體而言：

在春節(jié)之前，非代碼領(lǐng)域人士使用AI的普遍感受還停留此前Deepseek剛推出時(shí)，也就是好玩，但用于專業(yè)工作還遠(yuǎn)遠(yuǎn)不夠。本輪模型升級之后，部分國產(chǎn)AI模型已經(jīng)可以完成專業(yè)度極高的某些工作。

首先，是解決了信源問題。如果我們讓AI去研究美國過去五年來出口管制和經(jīng)濟(jì)制裁立法、執(zhí)法的演變趨勢，在春節(jié)前，所有國產(chǎn)模型都不可能給出很專業(yè)的結(jié)論，并且一旦讓AI聯(lián)網(wǎng)，反饋的質(zhì)量將大幅下降，因?yàn)榇饲八袊a(chǎn)模型一聯(lián)網(wǎng)就開始不加辨別地采納類似微博、百度百科這樣的信源。所以一度大家感覺，AI不聯(lián)網(wǎng)反而反饋質(zhì)量更高，因?yàn)椴宦?lián)網(wǎng)使用的就是內(nèi)置訓(xùn)練信息。但不聯(lián)網(wǎng)的問題在于無法獲得實(shí)時(shí)信息。因此，在本輪更新之前，沒有一款國產(chǎn)模型能夠用于較為專業(yè)的經(jīng)濟(jì)法律類或產(chǎn)業(yè)研究類實(shí)務(wù)工作，學(xué)術(shù)研究就不更提了。

但春節(jié)期間推出的少部分最新國產(chǎn)AI模型，在提示詞明確后（例如要求絕不采納百度百科、搜狐百科、微博等信源），只采納權(quán)威信源（各國政府部門信息、聯(lián)合國信息、OECD信息、國際頂級學(xué)術(shù)期刊信息等），已經(jīng)可以一步實(shí)現(xiàn)。僅僅一個(gè)簡單的提示詞，就改變了整個(gè)輸出質(zhì)量。當(dāng)然，當(dāng)前大多數(shù)國產(chǎn)模型，即便設(shè)置詳細(xì)的規(guī)則，仍然無法實(shí)現(xiàn)上述要求。

在這個(gè)基礎(chǔ)上，模型的skills通過模型的記憶偏好功能就可以長期全局部署，而不再需要每次對話提出上述要求。但在使用中發(fā)現(xiàn)，偶爾還可能出現(xiàn)不遵守規(guī)則的情況，此時(shí)只需要直接指出錯(cuò)誤并要求AI嚴(yán)格執(zhí)行，AI會(huì)自動(dòng)更新記憶偏好（實(shí)際是進(jìn)一步修訂了skills的內(nèi)容）。在經(jīng)過兩次強(qiáng)調(diào)后，模型形成了強(qiáng)制優(yōu)先記憶（mandate），再未出現(xiàn)過引用信源的問題。

其次，是解決了時(shí)效性問題。此前AI的許多回答經(jīng)常是根據(jù)模型發(fā)布的時(shí)間去做出，而不能實(shí)時(shí)同步當(dāng)下的情況。但在此次更新后，這個(gè)問題在部分國產(chǎn)模型上也得到了徹底解決。也就是可以通過記憶偏好要求模型針對每個(gè)問題都反饋實(shí)時(shí)信息，即模型每次會(huì)對問題內(nèi)容進(jìn)行實(shí)時(shí)驗(yàn)證。這個(gè)功能看似簡單，其實(shí)十分重要。實(shí)效性疊加權(quán)威信源引用，使得AI可以直接用以判斷任何信息的真?zhèn)巍?/strong>因?yàn)锳I模型會(huì)實(shí)時(shí)檢索最權(quán)威的信源并且不受任何語言的限制，也完全不受社交媒體言論的干擾。

我目前已經(jīng)不太花時(shí)間瀏覽網(wǎng)絡(luò)上的信息，只是瀏覽一下新聞標(biāo)題和大概，對有興趣的話題，直接把鏈接復(fù)制給AI，讓它提供最直接的實(shí)時(shí)信源再展開專家級的分析。這已經(jīng)完全改變了我使用移動(dòng)互聯(lián)網(wǎng)的方式，使得我每天使用AI的時(shí)間超過了使用其他APP的時(shí)間。

最后，是提供了全球頂級專家水準(zhǔn)的分析能力。在少部分國產(chǎn)AI模型中，AI的記憶偏好設(shè)置為通曉自然科學(xué)、社會(huì)科學(xué)和各方面實(shí)務(wù)的全球頂級專家，可以讓整個(gè)AI模型的效能發(fā)揮到極致。當(dāng)前AI大模型已經(jīng)過多次相互蒸餾，其實(shí)已經(jīng)內(nèi)含了全人類的智力資源，如果外接權(quán)威信源，那就可以完全發(fā)揮出AI的最大效能。經(jīng)過我與身邊朋友的評估，在能夠同時(shí)實(shí)現(xiàn)上述三項(xiàng)skills規(guī)則的前提下，當(dāng)前少數(shù)國產(chǎn)大模型在信息收集和分析能力方面，已經(jīng)可以媲美部分美國藤校社科類博士，或者達(dá)到美國Big Law律師或國內(nèi)紅圈所部分合伙人的水平。當(dāng)然還不能完全替代，因?yàn)閷?shí)務(wù)經(jīng)驗(yàn)是非常個(gè)體化的，上述主要是從實(shí)務(wù)工作研究類任務(wù)的反饋質(zhì)量而言。要知道，這種實(shí)務(wù)研究任務(wù)的反饋速度，AI已經(jīng)是以秒為計(jì)時(shí)單位的，加上人工協(xié)同，可以小時(shí)為計(jì)時(shí)單位；而對任何智商再高的人類而言，仍是以日甚至周為計(jì)時(shí)單位的。

N：那目前來看，AI對就業(yè)的替代很快會(huì)發(fā)生？

慕峰：準(zhǔn)確地講是已經(jīng)具備相當(dāng)強(qiáng)的替代能力。我們上述舉例基本都是收入級別非常高的人類工作，AI當(dāng)前能力已經(jīng)直抵人中龍鳳。AI企業(yè)當(dāng)前招聘的技術(shù)專家收入水平就更不用講了，他們也在用AI寫代碼、做研究。在傳統(tǒng)行業(yè)，美國已經(jīng)出現(xiàn)Big Law大所兩位律師通過Claude Cowork獨(dú)立開始精品所執(zhí)業(yè)的情況，也就是“超級個(gè)體”的范圍已經(jīng)從普通人理解的做視頻、做網(wǎng)絡(luò)運(yùn)營，進(jìn)入到了傳統(tǒng)頂級收入的業(yè)務(wù)領(lǐng)域。

正因?yàn)榭吹竭@種替代能力，我才與Citrini幾乎同時(shí)發(fā)表一些類似的思想實(shí)驗(yàn)的文章。

但可能被替代，不等于馬上就要替代。

N：怎么理解呢？是否跟仍然需要由自然人承擔(dān)責(zé)任有關(guān)？

慕峰：當(dāng)前AI的普及還沒有到組織體（例如企業(yè)、政府部門）主動(dòng)推進(jìn)的時(shí)候。當(dāng)前的AI使用主要是組織體的員工在私底下用，“自帶干糧”打工。

之所以出現(xiàn)這種情況，有幾方面原因：

一是因?yàn)楫?dāng)前AI企業(yè)還不太熱衷于企業(yè)級的商業(yè)化，也就缺乏普通人立馬就可以上手使用、并讓使用者馬上就能非常滿意的AI商用產(chǎn)品。這主要是因?yàn)楫?dāng)前AI模型迭代還過于迅速，按照Claude Code的核心工程師Brois Cherny的觀點(diǎn)，當(dāng)前AI模型的迭代大概是6個(gè)月一個(gè)周期，因此以當(dāng)前模型去做商用產(chǎn)品，很可能在半年后就變得沒有意義。所以各家AI企業(yè)還在迭代的狂奔進(jìn)程中。這里也可能有AI企業(yè)的一些策略性考慮，因?yàn)槌跗诘某墏€(gè)體實(shí)際是在不斷給AI模型貢獻(xiàn)各個(gè)細(xì)分行業(yè)的skills，也就是當(dāng)前吃螃蟹的專家級個(gè)體用戶客觀上其實(shí)是在幫助AI模型快速迭代并形成商業(yè)化能力。所以從商業(yè)化落地視角看，Seedance 2.0和豆包跟字節(jié)的業(yè)務(wù)緊密捆綁，目前看契合度比較高。但其他商用產(chǎn)品其實(shí)還比較少，跟大廠本身優(yōu)勢領(lǐng)域的契合度有關(guān)。傳統(tǒng)優(yōu)勢領(lǐng)域很可能成為互聯(lián)網(wǎng)大廠在AI發(fā)展時(shí)的桎梏和約束，如果跳不出來，那就只能搞出用AI點(diǎn)外賣、組聊天群這種噱頭來。目前看Claude Cowork是商用比較成功的，我們看到，一旦Cowork進(jìn)入某個(gè)領(lǐng)域，該領(lǐng)域過往服務(wù)企業(yè)的股價(jià)就會(huì)大跌，因?yàn)閷ζ渌倢Φ奶娲苑浅?qiáng)。

二是組織體通常非常在意安全、合規(guī)等方面的問題。大中型組織體對安全、合規(guī)性的要求比小型組織體高很多，當(dāng)前AI企業(yè)由于主要精力還未放在大中型組織體的商用化部署方面，因此對滿足組織體客戶此類需求的考慮較少，導(dǎo)致大中型組織體還不太敢主動(dòng)部署。

三是傳統(tǒng)企業(yè)較為強(qiáng)調(diào)企業(yè)文化和組織記憶（傳幫帶），而采用AI很可能帶來培訓(xùn)、轉(zhuǎn)崗甚至裁員等額外問題。在其他競對沒有大規(guī)模采用的前提下，在成熟的商用AI產(chǎn)品還未出現(xiàn)的前提下，組織體主動(dòng)擁抱的可能性不大。

四是組織體內(nèi)部自保的影響。每個(gè)組織體內(nèi)的不同部門，都希望通過人員擴(kuò)大來展現(xiàn)自己的內(nèi)部實(shí)力和權(quán)威。任何一個(gè)組織體內(nèi)部的不同部門，都很難主動(dòng)開展人員優(yōu)化。只有到組織體受到嚴(yán)重的外部沖擊時(shí)，這種替代才會(huì)自上而下的發(fā)生。

以上說明，AI的大規(guī)模商用部署從供給和需求兩方面都還未做好準(zhǔn)備。

但現(xiàn)實(shí)的另一面是，部分行業(yè)已經(jīng)整體受到AI技術(shù)擴(kuò)散的沖擊。例如傳統(tǒng)的翻譯行業(yè)，已經(jīng)接近于消失；廣告和互聯(lián)網(wǎng)運(yùn)營行業(yè)，曾經(jīng)至少需要5-10人小團(tuán)隊(duì)，呈現(xiàn)為小微企業(yè)，現(xiàn)在已經(jīng)完全不需要那么多人，超級個(gè)體不斷出現(xiàn)；程序員，由于Claude的代碼能力優(yōu)先策略，導(dǎo)致當(dāng)前AI在代碼能力自我進(jìn)化方面非常迅速，對許多中低級程序員的崗位造成了極大影響。除了大廠的正式崗位外，程序員最多的地方其實(shí)是非常多的代碼外包企業(yè)，這部分企業(yè)員工的被替代性非常強(qiáng)。

同時(shí)，盡管傳統(tǒng)企業(yè)暫時(shí)還沒有給員工提供足夠的AI工具，但許多員工已經(jīng)開始“自帶干糧”打工。因?yàn)槭褂肁I確實(shí)可以大幅提升工作效率，給員工帶來更高的舒適度，同時(shí)國產(chǎn)AI在當(dāng)前付費(fèi)門檻很低，部分工作甚至是免費(fèi)版就可以完成或至少提供幫助，因此AI的普及呈現(xiàn)出員工主導(dǎo)的局面，這是歷次技術(shù)擴(kuò)散不曾出現(xiàn)過的情況。這是因?yàn)?strong>當(dāng)前AI更像是員工自己找的質(zhì)優(yōu)而價(jià)廉的外包。

N：那當(dāng)前還不能講AI正在帶來整體性的就業(yè)沖擊？

慕峰：當(dāng)前少部分行業(yè)已經(jīng)或正在受到?jīng)_擊。但從整體而言，仍處于AI技術(shù)擴(kuò)散的蜜月期。也就是組織體雖然暫時(shí)沒有商用部署的可能，但對員工自行使用又只能采取默認(rèn)的態(tài)度。這導(dǎo)致當(dāng)前員工的感受是比較好的，工作負(fù)擔(dān)減輕了，但崗位和收入?yún)s并未受到AI普及的負(fù)面影響。但我們也看到，AI的替代能力其實(shí)已經(jīng)非常強(qiáng)，技術(shù)擴(kuò)散將不斷加速。AI對就業(yè)的影響不太可能是一下全面鋪開的，而可能呈現(xiàn)分行業(yè)、分領(lǐng)域漸進(jìn)鋪開的特點(diǎn)。

人數(shù)較少的中低技能腦力型中小微企業(yè)可能先受到影響，科技類相關(guān)的外包企業(yè)也可能先受到影響。AI商用落地到哪個(gè)領(lǐng)域，哪個(gè)領(lǐng)域的細(xì)分行業(yè)就可能受到?jīng)_擊。當(dāng)前對這些細(xì)分行業(yè)、小微企業(yè)在就業(yè)統(tǒng)計(jì)上可能存在諸多不足，我們的統(tǒng)計(jì)過于偏重宏觀數(shù)據(jù)，需要盡快調(diào)整，以備不時(shí)之需。

N：能否預(yù)估一下AI對就業(yè)影響的時(shí)間？

慕峰：此前已經(jīng)根據(jù)中國大陸的產(chǎn)業(yè)特點(diǎn)做過不同口徑的影響分析，差異較大。在完全不加干預(yù)和不考慮組織體抵抗因素的前提下，大規(guī)模就業(yè)沖擊在兩三年內(nèi)就會(huì)到來。但如果加上組織體抵抗和其他約束性條件（例如轉(zhuǎn)崗、裁員成本增加的難度），這個(gè)沖擊可能會(huì)在十年內(nèi)逐漸顯現(xiàn)。

N：所以并不是那么緊迫？

慕峰：應(yīng)該說這些預(yù)測都缺乏足夠的精確性，不宜作為政策的直接參考。從AI實(shí)際擴(kuò)散的速度來看，如果以6個(gè)月為迭代周期，那替代能力將指數(shù)級加速增強(qiáng)。當(dāng)前許多員工自行使用AI，而企業(yè)又不做商業(yè)部署，實(shí)際上大幅增加了企業(yè)的安全風(fēng)險(xiǎn)。當(dāng)前是典型的為了明面上的安全與合規(guī)而導(dǎo)致出現(xiàn)實(shí)際的安全風(fēng)險(xiǎn)。因?yàn)榘最I(lǐng)行業(yè)的企業(yè)根本無法限制員工自行使用AI進(jìn)行工作，除非處于完全斷網(wǎng)的狀態(tài)。這也意味著，隨著美國AI商用的不斷加速，實(shí)際上會(huì)倒逼國內(nèi)商業(yè)級需求的加速產(chǎn)生，因?yàn)闆]有足夠好的國產(chǎn)商用級AI產(chǎn)品，那么就不排除員工會(huì)一直使用美國AI產(chǎn)品或風(fēng)險(xiǎn)管理尚不完善的國產(chǎn)AI產(chǎn)品。（當(dāng)然反過來看，美國也在大量使用中國的AI模型，因?yàn)閠oken便宜）

所以，當(dāng)前AI擴(kuò)散的蜜月期，其實(shí)會(huì)逐漸對中國大陸商用級AI部署需求的產(chǎn)生和增長形成強(qiáng)力的倒逼。這種倒逼會(huì)進(jìn)一步加速AI技術(shù)擴(kuò)散到大中型組織體中，屆時(shí)對就業(yè)的影響將會(huì)全面體現(xiàn)出來。我估計(jì)，這個(gè)過程不會(huì)慢，可能比想象中還要快，但具體時(shí)間不好預(yù)測。

N：在預(yù)測時(shí)間很難確定的前提下，有哪些政策建議呢？

慕峰：盡管具體時(shí)間很難預(yù)測，但發(fā)生的必然性和加速趨勢是確定的。我的建議是盡快建立更多的觀測點(diǎn)。我們當(dāng)前的統(tǒng)計(jì)數(shù)據(jù)過于傳統(tǒng)、過于宏觀，在再全球化和AI技術(shù)快速擴(kuò)散的背景下，極易導(dǎo)致對經(jīng)濟(jì)真實(shí)情況判斷的失真。例如參會(huì)的某首席經(jīng)濟(jì)學(xué)家剛才也提到，我們?nèi)ツ甑耐赓Q(mào)數(shù)據(jù)很好，可能導(dǎo)致內(nèi)需變革的動(dòng)力降低。上周我在與某部委的討論中提出一個(gè)疑問，中國大陸、東南亞和南美相關(guān)國家的出口都創(chuàng)新高，歐美的需求又沒有明顯增加，這是怎么實(shí)現(xiàn)的呢？有沒有可能是其他國家受損（例如歐洲），或者我們的外貿(mào)行業(yè)利潤受損，進(jìn)而影響到外貿(mào)行業(yè)的員工收入呢？這方面我們的統(tǒng)計(jì)數(shù)據(jù)是不足的，我們只能提出猜測，但無法驗(yàn)證真?zhèn)巍?strong>如果我們的統(tǒng)計(jì)數(shù)據(jù)能全方位貼近現(xiàn)實(shí)，或者巧妙地設(shè)置一些關(guān)鍵性的統(tǒng)計(jì)觀測點(diǎn)，那我們對經(jīng)濟(jì)運(yùn)轉(zhuǎn)的認(rèn)識和分析研判的精確度將會(huì)大幅提高，政策的針對性和有效性也將大幅提高。

AI方面也是一樣?，F(xiàn)在來看，按照Claude的先行經(jīng)驗(yàn)，AI企業(yè)對大模型產(chǎn)品的商用化部署是一個(gè)關(guān)鍵時(shí)點(diǎn)。一旦成功部署，那對就業(yè)的影響就會(huì)開始產(chǎn)生。因此AI模型產(chǎn)品的企業(yè)級商用化是一個(gè)很關(guān)鍵的觀測點(diǎn)。除此之外，還需要建立許多細(xì)分的觀測點(diǎn)，這需要許多大中型企業(yè)積極配合，要打破傳統(tǒng)的統(tǒng)計(jì)模式，以更加細(xì)分的領(lǐng)域，尤其是優(yōu)先關(guān)注大量小微企業(yè)所在的領(lǐng)域。這是我今天最主要的建議。

除此之外，建議持續(xù)高度關(guān)注美國AI對美國和歐洲白領(lǐng)階層就業(yè)和收入的影響情況，如果全球主要國家的需求呈現(xiàn)下降趨勢，那我們的外需環(huán)境會(huì)受到進(jìn)一步挑戰(zhàn)。我大概講這么多。

N：感謝慕峰老師今天的交流！

慕峰：希望能有所幫助！

來源：太陽照常升起，作者慕峰

兒童的未來在教育

如果你曾夢想：

有一天能站在兒時(shí)向往的講臺，

去收獲一群山村熊孩子的愛，

讓生命擁有一段不尋常的經(jīng)歷.....

也曾希望：

參與探索適合兒童的教育，

賦予教育以生命的意義

我們在這里等你