AI时代的生产和消费：（1）软件已死？AI正在改变的，不只是软件(中)

（续前）

AI经济学中容易被忽略的另一半

今天许多关于 AI 的产业分析，都是从它能够完成多少工作开始的。分析者考察某个行业的人工成本，估计其中有多少任务能够自动化，再把相应支出视为 AI 的潜在市场。这种思路很容易理解。如果企业每年花费数千亿美元完成某些工作，而 AI 能够以更低的成本完成，那么其中显然存在重要的经济机会。

但这种分析隐含了一个值得怀疑的假设：现有支出是一笔相对固定的资金，只等着从传统服务商转移到 AI 企业手中。

实际上，市场支出从来不是独立于技术和经济条件而存在的固定数量。它是价格、生产方式、消费者偏好、社会制度和市场竞争共同作用的结果。当技术改变这些条件时，市场的规模和结构也可能随之改变。

假设某个行业每年提供一百万单位的服务，每单位价格为一百美元，那么行业总收入为一亿美元。现在，AI 大幅降低生产成本，市场竞争使服务价格下降到二十美元。如果客户仍然只购买一百万单位，行业总收入便下降到两千万美元，尽管生产效率已经获得巨大提高。

但如果价格下降刺激了新的需求，结果就可能完全不同。假设二十美元的价格使购买数量增加到五百万单位，行业收入仍然是一亿美元；如果购买数量增加到一千万单位，行业收入反而增加到两亿美元。

技术本身并不能决定哪一种情况会发生。

经济学用需求价格弹性来描述购买数量对价格变化的敏感程度。其基本定义为：

\[ \varepsilon=-\frac{dQ}{dP}\frac{P}{Q} \]

其中，\(P\) 表示价格，\(Q\) 表示需求量。对于通常向下倾斜的需求曲线，负号使弹性系数成为正数。

如果需求富有弹性，价格下降可能引起更大比例的购买量增长，市场总收入反而增加。如果需求缺乏弹性，购买量的增加不足以抵消价格下降，市场总收入就可能减少。

把市场总收入写成 \(R=PQ\)，在需求曲线保持稳定的条件下，对于较小的价格变化，有：

\[ \frac{dR}{R}=(1-\varepsilon)\frac{dP}{P} \]

当 \(\varepsilon>1\) 时，价格下降会使总收入增加；当 \(\varepsilon<1\) 时，价格下降反而使总收入减少；当弹性等于1时，两种效应恰好相互抵消。

这个简单模型并不能直接预测软件或专业服务市场的未来。现实中的市场还受到产品质量、收入水平、竞争结构、法规和新产品出现等因素的影响。但它揭示了一个基本问题：不能仅仅根据 AI 能够替代多少劳动，就推断它将创造多大的市场。

一种技术使生产效率提高十倍，并不意味着相应市场也会扩大十倍。市场可能扩大，可能缩小，也可能出现完全不同的结构。关键在于需求。

对于某些服务，价格下降可能带来需求的大幅增长。过去负担不起专业法律咨询、复杂财务预测或个性化教育的小企业和普通消费者，现在可能开始购买这些服务。原来因为成本过高而无法商业化的活动，也可能逐渐形成新的市场。

但另一些活动的需求存在自然限制。一家企业不会仅仅因为记账成本下降，就把同一套账目重复记录十遍。它可能需要更准确、更及时的财务信息，却未必需要更多传统意义上的记账服务。在这种情况下，技术进步主要体现为支出减少，而不是消费数量增加。

软件产业也存在类似情况。开发成本下降可能鼓励企业建立更多应用程序，但企业对软件的需求并非无限。它们需要的是能够解决实际问题的系统，而不是因为软件容易生产，就不断增加软件数量。

由此可以得到一个更普遍的判断：理解 AI 的经济意义，不能只研究它使哪些产品和服务变得容易生产，还必须研究生产变得容易以后，市场需求将如何变化。

为什么市场变化通常慢于技术进步

技术能力可以迅速提高，尤其是在数字技术领域。一个更先进的 AI 模型可能在很短时间内提供给数百万用户。软件开发者能够将新的模型能力集成到既有产品中，企业也可以在不建设新工厂的情况下尝试自动化。

然而，消费者行为和社会制度通常不会以同样的速度改变。

一家医院可能获得能够分析医学影像的 AI 系统，但将它真正纳入临床工作，还需要验证可靠性、获得专业人员认可、重新设计工作流程、明确法律责任并建立患者信任。一所大学可以很快使用先进的 AI 辅导系统，但教育的意义仍然与学历认证、社会交往、学习评价和学校声誉联系在一起。一家企业可能发现 AI 已经能够完成大量会计工作，但改变财务流程仍然需要系统集成、内部控制和对结果的信任。

这些延迟并不只是技术障碍。它们反映了经济活动深深嵌入社会制度的事实。人们购买产品和服务，不仅考虑技术能够完成什么，也考虑可靠性、熟悉程度、责任、身份、社会关系以及错误可能带来的后果。

技术史上有许多类似的例子。电动机出现以后，工业生产率并没有立即发生相应的巨大变化。早期工厂往往只是用电动机替换蒸汽动力，却仍然保留原来的生产组织方式。真正显著的效率提升，是在工厂重新设计布局和工作流程、充分利用电力提供的灵活性之后才逐渐实现的。经济史学家保罗·戴维（Paul David）曾以这一历史过程解释计算机时代早期的生产率悖论，指出重大技术的经济效益往往需要组织方式和配套制度的改变才能充分实现。（Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review, 1990。）

这一历史经验对 AI 具有启发意义，但不能简单地把它当作未来发展的预言。AI 可以借助现有数字基础设施迅速传播，其扩散速度可能远远超过当年的电气化。然而，组织调整、专业标准和消费者信任仍然可能造成重要的时间差。

消费变化相对缓慢，还有一个更深层的原因：需求受到长期形成的习惯和预期影响。一种产品可能在技术上已经可行很久之后，消费者才逐渐理解自己为什么需要它。反过来，一种技术最初可能只服务于很狭窄的用途，后来却因为新的应用而获得完全不同的经济意义。

个人计算机最初主要用于计算和信息处理。互联网扩大了它在通信、商业和信息获取方面的作用。智能手机又进一步改变了人们的日常生活，使数字服务成为持续存在的生活环境。每一个阶段都不只是降低了原有工作的成本，也改变了人们从事什么活动，以及希望购买什么产品。

AI 可能同样经历需求不断扩展的过程，但未来的新需求究竟是什么，目前仍然难以确定。它最大的经济价值，未必来自今天那些由高收入专业人员完成的工作，而可能来自人们尚未学会提出、现有机构也尚未学会提供的新型服务和体验。

企业和投资者面临的困难在于，生产端的技术进步往往比消费端的变化更容易测量。我们可以测试 AI 写代码的速度、处理文件的准确率、生成图像的成本，却很难准确预测消费者是否愿意持续为这些能力付费，愿意支付多少，以及随着技术普及，他们的需求会如何改变。

这使技术革命中经常出现一种张力：投资首先追随看得见的技术能力增长，而真正可持续的商业市场，却需要经过相对缓慢的实验、采用、竞争和制度调整才能形成。

生产率、收入与购买产品的人

当 AI 开始改变就业和收入时，生产与消费之间的关系就变得更加重要。

现代经济并不是由一群彼此独立的生产者和消费者组成的。参与生产的人，同时也是市场中的消费者。他们的购买力来自工资、经营收入、投资收益、政府转移支付以及其他收入来源。生产活动创造收入，收入又支持消费需求，两者通过市场形成相互联系的循环。

技术进步可能改变这一关系。

假设一家企业原来雇用一千名员工，从事行政管理和分析工作。几年之后，AI 使企业只需要三百名员工便能够完成同样的工作。企业的生产效率可能提高，利润可能增加，客户也可能因为价格下降而受益，股东则可能获得更高回报。但原来七百名员工如果失去了工作，就需要从其他地方获得收入，才能维持过去的消费水平。

如果这种变化只发生在一家企业，社会可能比较容易吸收其影响。员工可以转向其他企业，学习新的技能，或者进入正在增长的行业。但如果类似变化同时发生在整个经济体系的许多行业，结果就取决于自动化扩散的范围、新就业机会出现的速度，以及生产率收益如何分配。

这并不是一个全新的问题。自工业革命以来，经济学家一直在讨论技术进步、就业和市场需求之间的关系。大卫·李嘉图（David Ricardo）最初强调机器提高生产效率的好处，后来也承认，在某些条件下，机器的使用可能损害劳动者的利益。1930年，约翰·梅纳德·凯恩斯（John Maynard Keynes）提出“技术性失业”的概念，讨论节省劳动的技术进步是否可能暂时快于社会创造新就业机会的能力。（David Ricardo, On the Principles of Political Economy and Taxation, 1821；John Maynard Keynes, “Economic Possibilities for Our Grandchildren,” 1930。）

历史也证明，技术进步能够创造新的产业和职业。农业机械化大幅减少了从事农业劳动的人口比例，工业制造业和后来的服务业则吸收了大量劳动力。计算机技术消除了某些重复性工作，同时也创造了程序员、技术人员、设计师、管理人员以及各种数字化职业。

这些历史经验提醒我们，不能简单地把每一个被 AI 替代的岗位都视为永久消失的就业机会。但它们也不能证明，未来的调整一定会自动发生，或者一定能够以相同的速度完成。

AI 与许多早期技术的一个重要区别，在于它可能同时影响广泛的认知活动。软件工程、会计、客户服务、法律研究、金融分析、教育、媒体制作和行政管理，都可能受到影响。如果 AI 的能力持续提高，某些原本可以吸收失业人员的新职业，也可能同时面临自动化。

因此，真正需要研究的问题，不只是 AI 将消除多少工作岗位，而是日益自动化的生产活动所创造的收入，将如何在社会中流动。

从理论上说，一个生产效率极高的经济体系完全可能用更少的人类劳动维持很高的消费水平。经济学并不存在一条原则，要求人们必须永远保持相同的工作时间。生产率增长可以支持更短的工作时间、更低的价格、更高的实际收入、更好的公共服务，以及更多休闲时间。

但这些结果并不会自动实现，而是取决于社会制度和收入分配。如果自动化带来的大部分收益集中在相对少数的资本所有者手中，而更广大人口的收入增长缓慢甚至下降，那么整个社会的消费结构就可能发生显著变化。

这里需要区分消费愿望与有效市场需求。人们可能希望获得更好的住房、教育、医疗和娱乐，但这些愿望能否转化为实际购买，取决于他们的收入和市场价格。

这也是凯恩斯经济学的重要洞察之一：一个经济体系即使拥有相当充足的生产能力，也可能因为有效需求不足而无法充分利用这些能力。当然，现实机制远比工资与消费之间的简单关系复杂，投资、政府支出、信贷、国际贸易和市场预期都发挥着作用。但生产能力与实际购买能力之间的区别，始终具有根本意义。（John Maynard Keynes, The General Theory of Employment, Interest and Money, 1936。）

因此，AI 可能带来一种值得关注的悖论：它一方面大幅提高社会生产产品和服务的能力，另一方面又可能改变社会通过劳动获得收入的传统途径。这是否会成为严重的经济约束，取决于新就业机会的出现、资本收入的分配、价格下降、财政制度以及更广泛的经济调整。

我们没有理由认定市场需求必然崩溃。价格下降可以提高实际购买力，新产品可以创造新市场，生产率增长也可以支持生活水平提高。但同样没有理由认定，生产效率每提高一步，就必然自动产生足够的市场需求。

问题在于协调。生产、收入、消费和投资必须相互调整，尽管它们受到不同主体的决策影响，也往往以不同的速度变化。

（未完待续）

我的其它文章