☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

01. 从翻译家的悖论，到现实的摩擦

今天，AI 也许只需几十分钟，就能把一部上百万字的英文著作译成中文。可奇怪的是，翻译出版并没有因此爆炸。书店里没有突然多出一千倍的译著，读者也没有多出一千倍的阅读时间。这个事实提醒我们：经济增长不是由最快的机器决定的，而是由最慢的人类、制度与市场环节共同决定的。

翻译家的悖论，是 AI 时代一个极好的入口。它让我们看到，单点任务的效率暴涨，并不等于最终产品的数量暴涨；一种技术能力的指数级进步，也不等于宏观经济增长率会随之垂直起飞。AI 可以把某些认知任务的价格迅速压低，却不能同时取消版权、编辑、责任、信任、渠道、消费者注意力与市场风险。

在上一篇文章里，我曾试图说明一件事：AI 真正的意义，并不写在旧工业的那张表格上，不是“减员增效”四个字所能容纳的。若我们只问一个部门能否少雇几个人、一道流程能否快上几分钟、一个岗位会不会被机器顶替，便仍然站在旧世界的坐标里，去想象一项本应改写坐标的技术。

AI 更深的意义，在于它把人类生产与消费的可行集合向外推开。那些过去做不到、想不到、算不起、也组织不起来的活动，第一次被纳入可能性的边界之内。被替代的岗位有名字，被创造的活动却大多还没有名字。旧账本上写着“翻译”“文案”“客服”“程序员”，而新世界里将要生长出怎样的学习、陪伴、医疗、审美与组织方式，我们眼下尚无言以名之。

这正是价格理论最朴素的智慧：增长从来不是既定菜单上数量的放大，而是可行集的外扩、相对价格的重排、活动边界的重组，以及人在局部知识中不断试错。

然而，承认 AI 推开了可行集的边界，并不等于接受技术乌托邦主义。近几年，一种想象越来越流行：既然模型能力可以指数级攀升，参数、算力、推理与自动化程度都在节节上行，那么宏观经济增长率也会随之笔直上升。有人甚至设想，AI 会让发达经济体从每年百分之二上下的增长，一跃而至百分之十、百分之二十，乃至更惊人的速度。

这既是对技术能力的崇拜，也是对经济学的遗忘。现实世界并不是一条单一生产函数。一个经济体由产权、组织、信任、责任、肉身、家庭、教育、健康、制度与时间共同组成。一个环节快了，整个系统未必跟着快；一项任务免费了，最终产品未必跟着免费；一种能力爆发了，宏观总量也未必随之爆发。

于是，AI 时代最要紧的问题之一，便不再是“机器能不能做”，而是“整个社会系统能不能把它吸收、重组、定价，并扩散开来”。为什么在微观重组已经如此剧烈的今天，宏观数据看上去依旧平静？为什么技术似乎踏上指数曲线，经济总量却仍被某种“重力”拉回地面？又为什么，未来三十年里真正会扩张的部门，也许既不是传统意义上的商品生产，也不是狭义的数字生产，而是人类对自身的再生产？

02.刺破技术乌托邦：宏观经济的“百分之二重力”

在动笔之前，须先把讨论对象界定清楚。下面所说的“温和增长”也好，“百分之二的重力”也好，指的是站在世界技术最前沿的领头羊经济体——在今天，最典型的样本就是美国。前沿经济体的增长，必须靠自己在无人之境里开辟新路，而不能靠重走别人已经走熟的旧途。至于那些尚在追赶途中的经济体，它们在一段不短的时间里本来就可以高速增长，因为增长的源头是收敛与扩散，而不是前沿推进。那是另一篇文章的题目，此处按下不表。

回到前沿。计算机时代曾有过著名的“索洛悖论”：计算机随处可见，唯独在生产率统计里看不见它。今天的 AI，也正站在一个相似渡口。万卡集群、奠基模型、创业公司估值、资本开支、芯片需求与数据中心建设，无一不在狂奔；而宏观全要素生产率，却并没有跟着抬升到同样的高度。

眼下许多所谓的 AI 繁荣，在现阶段首先表现为资本深化。企业买进更多芯片，建起更多数据中心，雇来更多工程师，付出更多云端成本。这自然会掀起投资热潮，也会重估资本市场对未来现金流的想象。可是，资本深化并不等于全要素生产率的根本跃迁。资本堆得更高，固然能抬高局部产出；但真正的生产率革命，必须表现为同样的劳动、资本与组织，能够稳定地产出更多价值。

从蒸汽机、电力、内燃机，到计算机与互联网，通用目的技术的扩散从来不是一蹴而就。技术问世只是第一步，此后还有漫长得多的路：流程要重写，制度要适配，人力资本要再训练，法律责任要重新划界，行业标准要慢慢成形，消费者习惯也要一点点改变。一项新技术在最初甚至往往会压低被观察到的生产率，因为整个社会要耗费大量资源去试错、迁徙与重组。

这便是宏观经济的“百分之二重力”。

这里的“百分之二”，不是一个神秘常数，而是一段历史经验：站在前沿的经济体，在足够长的时段里，很难持续大幅冲出温和增长的轨道。技术革命可以掀起局部浪潮，可以改写产业格局，可以缔造庞大的企业与财富，也可以在某些年份里带来生产率加速；但它很少能让整个前沿经济体长久挣脱由教育、健康、组织、法律、家庭、城市与肉身共同构成的现实约束。

AI 当然可能让未来增长率比过去略高一些。美国在未来三十年里，若能从百分之二升到百分之三，甚至在某些阶段触及百分之四，那已经是极其重大的历史变化。但若把这样的变化想象成二十倍的增速，那便是把模型能力曲线错认成了宏观经济曲线。

何以如此？一个要紧缘由，是鲍莫尔的成本病会以新的形式，在 AI 时代重新登场。

当 AI 让文本、逻辑、编码、检索、翻译、计算、图像生成这一类认知任务的边际成本迅速跌落时，那些无法被算法完整替代的部门，反而会变得更贵。深度医疗、心理陪伴、教育中的人格塑造、儿童成长、老人照护、组织领导、公共责任、复杂谈判、审美判断、信任背书，都不只是信息处理。它们包含身体在场、情感共鸣、社会承诺，以及最终必须由人承担的责任。

在一个高度自动化的经济里，真正昂贵的东西，渐渐不再是算力，而是人本身。凡是容易自动化的环节，其相对价格趋于下落；凡是难以自动化而需求又不随之消退的环节，其相对价格便趋于上扬。结果是，高摩擦部门在经济中的支出占比被动抬升，成为宏观增速的阻尼器。

这不是技术的失败，这恰是一般均衡。

03.翻译家的悖论：最快的机器，最慢的系统

把翻译与出版放到生产函数里看，问题会更加清楚。

在技术的那一端，AI 翻译已近乎奇迹。今天，要把一部上百万字的英文著作译成中文，机器也许只消几十分钟；而在过去，一位出色译者或许要耗去两三年。单看“文本转换”这一项任务，效率提升不是百分之二十，不是百分之二百，而是千倍、万倍。

可是，现实里我们并没有看见翻译出版的书籍以同样速度爆炸式涌出。中国市场上从英文、法文、德文、日文译介而来的高质量书籍，并没有因为有了 AI 而平添千倍。

原因在于，一本书的面世从来不是“翻译”这一桩任务，而是一道列昂惕夫式的、固定比例的生产过程。最终产品需要许多互补环节同时到位：选题、版权、合同、翻译、校对、编辑、审校、装帧、发行、营销、渠道、读者定位、学术背书、法律责任，以及对市场风险的承担。AI 抹去或大幅压低了其中一个环节的成本，却没有抹去其余环节。

倘若一个生产系统是固定比例的，那么它的效率便不取决于跑得最快的那个环节，而取决于最慢的瓶颈。AI 的翻译越快，瓶颈也就被照得越亮。

其一，是产权与合规的摩擦。跨国版权谈判不会因为机器译得更快就自动谈成。出版社仍要寻得权利人，议定价格，签下合同，处理授权范围、电子版权、衍生权利、地区限制与法律责任。一段文本可以在半小时里译完，一纸版权合同却可能要谈上半年。

其二，是信任与质量的把关。读者所买的，并不是一堆中文句子，而是一个可以信赖的文本。谁来担保译得准确？谁来处置概念、语境、术语、文化转换与作者风格？谁来承担出错之后的声誉损失？AI 可以生成初稿，最终质量却仍要倚仗专家、编辑与译者背书——机器越强，人所担的责任反而越贵。

其三，是市场风险的发现。一本书究竟值不值得译，从来不是机器说了算。读者要不要它，市场容不容得下它，渠道愿不愿推它，评论界谈不谈它，学校、媒体与知识社群认不认它，都是高度不确定的发现过程。AI 能压低生产成本，却消不去需求的不确定。

其四，是注意力与时间的约束。纵使天下的书都在一瞬间被译出来，读者也不会因此多出千倍的阅读时光。知识产品的瓶颈常常不在生产端，而在接受端；人的注意、耐心、理解与心智结构，才是最终稀缺。

这便是所谓“翻译家的悖论”：翻译作为一项技术任务，已被暴击；翻译出版作为一道社会生产过程，却并未同步爆炸。

这个例子要说的是：AI 之于经济的影响，不能只盯着单点任务效率。经济学所关心的，是最终产品、系统互补，以及一般均衡。一项任务的边际成本归零，并不等于一个产业的边际成本归零。机器可以跑得极快，社会系统却仍要经过制度、组织与人这些节点。

物质生产如此，数字生产如此，医疗、教育、文化、法律、金融、科研与政府治理，更是如此。

04.未来三十年的转轨：从商品的重组，到人对自身的再生产

短期来看，AI 带来的主要景象，并不是宏观总量的爆炸，而是生产要素的剧烈重组。

企业内部的工作流将被重写。岗位会消亡，也会变形。许多原先倚赖规则遵循、文本处理、标准化分析与考试型认知的工作，会迅速贬值；与此同时，新的活动、新的流程、新的职业还没有安稳的名字。这个阶段必将充满摩擦成本：员工要重新受训，组织要重新分工，管理层要重新界定责任，法律要重新划线，消费者也要重新学习信任。

所以在短期里，我们也许会看到一种古怪组合：微观层面已经翻天覆地，宏观层面却相对平静。企业里的每个人都觉得 AI 改变了自己的工作，可统计表上的生产率增速依旧不算惊人。这并非矛盾，而是转型期的典型状态——技术红利被重组成本悄悄抵销。

中期来看，真正深刻的变化，会发生在人类能力结构之上。

过去几十年里，现代教育与劳动力市场所奖励的，是一套相当特殊的能力：考试能力、规则遵循能力、文本理解能力、标准化计算能力、组织内晋升能力、稳定执行能力。而 AI 最先冲击的，恰恰正是这一套。但凡可以被清楚描述、可以被规则化、可以被训练数据覆盖、可以由语言模型模拟的能力，都将经历相对价格下落。

那么，什么会变贵？

健康、体力、容貌、表达、感染力、领导力、风险担当、审美判断、同理心、心理韧性、责任感、可信任品质、现场临在、组织动员能力、跨界创造能力。这些能力，过去常被经济学归入“非认知能力”或“软技能”，可在 AI 时代，它们会越来越“硬”。因为当机器能够包揽越来越多认知任务时，人与人之间的差别，便会更多落在身体、情感、品格、风格、信任与组织之上。

由此可以引出一个更大的判断：未来三十年，全社会规模最大、也最为核心的生产部门，或许会是“提升人类自身”。

所谓“提升人类自身”，不是狭义的教育，也不是传统意义上的人力资本投资。它不是把人训练成机器的补充，而是把人塑造成更完整、更有活力、更可信赖、也更富创造力的生命。

若把人类自身的再生产拆开看，至少有三个层次。第一层是生物性再生产，包括健康、体力、营养、寿命、慢病管理与儿童发育。第二层是心理与人格再生产，包括韧性、自控、责任感、信任能力与情绪稳定。第三层是社会性能力再生产，包括表达、审美、领导、感染、合作与组织动员。AI 越是降低标准化认知任务的价格，这三类能力的影子价格就越会上升。

因此，儿童早期发展、家庭陪伴、体育训练、营养、医疗、心理健康、审美教育、表达训练、社交能力、人格塑造、风险教育、领导力培养、老年照护、慢病管理、亲密关系、社区生活与精神秩序，将越来越不像边缘消费，而更像未来经济的核心生产活动。

工业时代，第一大的生产部门是物质生产；信息时代，数字与认知处理迅速扩张；到了 AI 时代，当寻常认知任务被大规模自动化之后，边际收益最高的那片区域，便会重新回到人类自身。

这听起来像一句人文主义口号，可它其实不过是价格理论的推论。哪一种能力变得相对稀缺、相对昂贵，资源、努力与才智便会被吸引到那里去。AI 让某些认知劳动变得便宜，于是人身上那些不可自动化、不可压缩、不可复制的属性，就变得昂贵起来。经济增长的重心，或将由此慢慢地，从“生产更多的物”，移向“养成更好的人”。

05. 统计口径的重构，与成本法的回归

倘若这个判断站得住，那么传统 GDP 核算体系将承受越来越大的压力。

现行国民经济核算本是工业时代的产物。它善于记录商品、服务、工资、投资与市场交易，却拙于记录家庭内部的人之发展、未被货币化的体验、人格能力的提升、健康质量的改善、心理韧性的积累，以及社会信任的形成。许多真正要紧的生产活动，要么发生在市场交易之外，要么被低估为一笔消费支出。

譬如，一个家庭花大量时间陪孩子读书、运动、表达、社交、探索，这在传统 GDP 里几乎看不见。可从未来经济的眼光看，这或许正是在生产最稀缺的资产。一个社会若能系统性地抬高孩子的健康、心理韧性、表达与创造之力，它所创造的未来生产能力，将远远超过许多被完整记录在册的短期商品交易。

更微妙的是，随着 AI 把传统数字商品、文本产品与一部分服务的边际成本压低，旧口径之下的经济规模，甚至可能被低估，乃至被扭曲。一个社会真实福利或许已大幅抬升，货币交易额增长却相当有限；它也可能把越来越多资源投到人的发展之上，却被统计成消费，而非投资。

正因如此，未来三十年，国民经济核算体系势必要把边界扩展到人的能力上来。教育、健康、心理、家庭、照护、体育、审美与人格的发展，不该再只被算作福利部门或消费部门，而应被理解为人类对自身进行再生产的部门。

只是在这个领域里，价格核算会异常困难。一个“更健康、更有感染力、更有责任感、也更敢于担当风险”的人，没法像一台机器、一套软件或一吨钢铁那样，被某个中心化算法精准标价。人的发展高度异质，价值常常要在许多年之后才显现，又受家庭、社区、文化与制度环境共同牵引。

也正因如此，成本法会重新变得重要。

当产出难以被直接定价时，度量一个系统为之耗费的真实资源投入，不失为一种务实的经济学办法。我们可以记录：一个社会在儿童发展、教育质量、心理健康、体育运动、慢病管理、老人照护、家庭支持与社区建设之上，究竟投下了多少时间、劳动、资本与组织。未来的经济增长，在很大程度上，将表现为这个系统对人类自身发展投入的增长。

这样的增长，或许会让宏观经济比过去快上一些。因为人对自身的再生产本就有极大扩张空间，也正好可以承接 AI 释放出来的资源。但它断然不会像技术乌托邦所想象的那样垂直腾空而起。道理很简单：人的肉身发育、情感共鸣、信任形成、人格塑造与代际繁衍，都自有其不可压缩的生物学与社会学周期。

一个孩子没法在三个月里长成完整的人。一个人的品格没法靠一次模型升级来成就。一个家庭的生产函数没法被一纸行政命令重写。一个社会的信任与审美，也没法由中心服务器统一生成。

AI 可以加速工具，却取消不了成长。

06. 给新世界的长跑，留下制度的空间

AI 时代最大的危险之一，是一种新的、中心化的计划冲动。因为 AI 看上去无所不知，大模型可以处理海量信息，算法可以生成方案、预测行为、评估绩效、分配资源，许多人便会生出一种新的乌托邦想象：既然市场有摩擦，既然人会犯错，既然机器更聪明，那就让中心系统决定资源如何配置，让算法规划产业，让平台规定教育，让指标定义优秀，让行政力量塑造那个“未来的人”。

这是一种危险的、致命的自负。

越是走进“提升人类自身”的时代，便越不能倚赖中心化计划。因为人的发展极度倚赖局部知识。每个孩子的天赋不同，每个家庭的约束不同，每个社区的文化不同，每个人的心理结构不同，每一个市场机会也不同。没有任何一个中心机构能够预先知晓：未来三十年里，究竟哪些能力、哪些活法、哪些职业、哪些审美、哪些组织形式，才会真正有价值。

公共机构当然要紧。但它的本分，不是规定完美人类应有的模样，不是用行政指标整齐划一地塑造人格，更不是把 AI 变成新的计划工具。公共机构更该做的，是托底、纠偏、赋能：帮那些薄弱家庭改善其人之发展的生产函数，提供基本教育与医疗保障，护着孩子不致跌入极端不利处境，削平机会不平等，立下基本规则与责任边界。

市场当然也不是完美的。它会短视，会制造焦虑，会放大不平等，会奖赏表面的魅力而非深处的能力。然而，市场作为一架分布式试验装置，仍然无可替代。它容许无数家庭、学校、企业、社区与个人，在各自的局部知识里试错；它容许新的活动被发现，新的需求被表达，新的职业被命名，新的活法被验证。它所守护的，是人类潜能的开放性。

价格理论的复归，并不是要退回旧日的市场原教旨主义，而是要重新理解市场为什么重要。市场重要，不单单因为它有效率，更因为在一个未来不可知、能力各异、需求尚未命名的世界里，唯有市场容许一个社会进行分布式探索。

AI 推开了可行集的边界，而现实摩擦决定了它扩散的速度。技术打开了新世界的大门，而人对自身的再生产，决定了我们究竟能否真正走进去。

未来三十年，不会是宏观数字垂直腾飞的神话，而会是一代人的长跑。旧能力将贬值，新能力将现身；旧部门将收缩，新部门将扩张；旧统计将失灵，新核算将成形；旧教育将在痛苦中转型，而家庭、健康、心理、表达、审美与责任，将成为新的生产核心。

为新世界留下市场，便是为那些尚未命名的活动留下空间。为家庭与个人留下选择，便是为那些尚未显现的人类潜能留下道路。

AI 可以生成文本、图像、代码与方案。但未来真正稀缺的，仍然是那能够健康成长、勇敢担当、深切理解他人、敏锐发现机会、从容组织合作、并认真创造生活的——人。

三十年的长跑，才刚刚起步。

本文作者陈玉宇，系北京大学光华管理学院教授、北京大学经济政策研究所所长

本文来自微信公众号“霞光智库”，作者：霞光智库，36氪经授权发布。