作者：王林Lincoln | MindsLeap创始人 | Founders Space合伙人 | 企业家AI俱乐部创始人
「如果大卫·李嘉图在今天醒来，有人告诉他2026年适龄劳动力的就业率是有史以来最高的，他一定会大吃一惊。」
Google DeepMind AGI 经济学负责人 Alex Imas 在 Dwarkesh Patel 的播客里抛出了这句话。坐在他对面的是 Epoch 经济学负责人 Phil Trammell。两人讨论的主题听起来有些反直觉：AI 越强，它占经济的份额反而可能越小。但这背后真正值得企业家关注的，不是这个结论本身，而是经济学家承认自己正在盲区中摸索。
两百年前那个猜错了结局却猜对了过程的人
Imas 把时间拉回1820年。工业革命刚开始时，古典经济学家李嘉图写下一系列判断：机械化会让价格下降，对所有人都有好处。但他随即反转了自己的观点——他亲眼看到那些创造价值的岗位正在被机器取代，于是警告说这将导致大规模失业和政治动荡。
两百年后回头看，李嘉图的观察完全正确：他提到的那些工作确实全被自动化了。但他对结果的预测完全错误。今天美国的就业率处于历史最高水平附近。
李嘉图遗漏了什么？他漏掉了「结构性变革经济学」中最重要的机制——所有被自动化的东西都变便宜了，人们手里有了更多的钱，然后把钱花在了服务上。这就是经济学里所谓的「劳动总量谬误」：你以为工作总量是固定的，自动化吃掉了它；但实际上，便宜的自动化释放出了全新的需求。
Imas 讲这个故事的用意很明确：这不是为了安慰你说「历史会重演，就业永远没问题」。他是想说，这类预测极其困难。
我们连最基本的数据都没有
在这场对谈中最让从业者警觉的一句话，来自 Imas 的坦白：
「我们需要一个数据层面的曼哈顿计划。我们基本上没有消费者需求弹性的数据，我们不知道它们是什么。我们也没有在真正追踪哪些工作在创造、哪些在消失。」
他提到的 O*NET 数据库——美国劳工部用于定义不同职业任务构成的核心数据库——更新频率极低，质量堪忧。这意味着，当企业和政策制定者在讨论「AI 会替代哪些岗位」时，他们依赖的基础设施本身就是粗糙的。
更令人不安的是，即便是「劳动份额」这个最基础的宏观经济指标，学界还在争论它到底有没有下降。有学者指出，如果用一致的会计口径回溯过去三四十年，劳动份额可能根本就没有下降过。
对于一个正在做三年战略规划的企业负责人来说，这传递的信号很清楚：不要急于根据宏观预测做出不可逆的组织决策，因为连经济学家都在承认，他们手里没有足够的数据来支撑确定性判断。
一个蒙古经济学家会犯的错误
Trammell 用了一个生动的思想实验来解释为什么直觉会骗人。
想象1400年的一位蒙古经济学家。他看着当时的社会：歌手是只有人类能做的事，而马匹提供的运输服务、酸奶、蒙古包这些是可以被「自动化」的东西。如果他假设物品种类不变，然后问自己「自动化之后会发生什么」，他大概率会得出结论：我们将在马匹运输、酸奶和蒙古包上达到饱和，这些品类的支出份额将归零，最终我们所有的钱都会花在歌手身上。
但这显然没有发生。因为随着财富积累和机器进步，我们不断扩展了「除了歌手之外可以花钱的东西」的边界，花在歌手身上的份额始终微不足道。
这个类比的核心含义是：当你预测 AI 时代的经济结构时，如果你只盯着目前已知的品类和服务，你会严重低估新需求和新供给的扩张速度。而如果你高估了人类对「人际互动」的支付意愿，你会过度乐观地认为「关系型行业」会成为经济的主导力量。
Trammell 的判断是：未来确实存在两种可能的路径——要么人类互动型服务的份额上升，要么 AI 创造的新品种类扩张得足够快，以至于劳动份额最终仍会趋近于零。但目前没有人能给出概率。
买指数，而不是建数据中心
对谈中一个务实的建议针对的是发展中国家——但对任何资源有限的企业同样有启发。
常见的建议是：搞再培训、搞就业计划、在本国建数据中心。Imas 和 Trammell 提出了一个更干净的答案：
「直接购买 AGI 的指数。」
逻辑是这样的：如果开源模型只比前沿模型落后6到9个月，那么 AGI 一旦出现，几乎所有人都会很快获得这个资源。在这种情况下，尼日利亚不需要建自己的数据中心，它只需要购买包含这些 AI 公司的股票指数，就能分享到 AGI 的收益。
当然，他们也不认为这是一个非此即彼的选择。在 AI 没有迅速达到 AGI 水平的「混乱中间期」里，放弃再培训和学习使用最新计算能力，会错失大量价值。但对于那些本身教育体系就不完善的国家，指望它们成为「全球最擅长用 AI 再培训人才的地方」，同样不现实。
这里的企业启示是：当一项技术的扩散速度足够快时，「拥有」它不如「接入」它重要。与其投入重金自建基础设施，不如通过投资、合作或采购的方式，把最优质的能力引入自己的业务流。这种策略在移动互联网时代已被反复验证，AI 时代可能只会加速这一逻辑。
让 AI 像电力一样难以被独占
对谈的落脚点回到了一个更根本的问题：AI 创造的财富会集中在谁手里？
Imas 说了一句朴素但有力的话：
「我认为，如果 AI 的收益像电力一样难以被独占，那么 AI 会受欢迎得多，也更能带来广泛繁荣。」
他接着指出一个现实：并没有人反对电力。因为电力的价值难以被任何一家公司垄断，它变成了所有行业的底层能力。AI 如果能走到这一步，社会对它的情绪会截然不同。
目前围绕 AI 的负面情绪，很大程度上是因为人们更容易想象失去的东西，而难以想象尚未存在的好处。Imas 说：「让某个人上播客说'你喜欢的那些工作要没了'，远比让某个人描绘一个尚未存在的乌托邦要容易得多。」
Trammell 则补充了一个微妙的观点：开源模型如果只比前沿落后半年到九个月，这本身就构成了一种制衡——它让收益不会过度集中在少数实验室手中。同时，这种扩散也存在安全风险，因为使用 AI 的能力被分散到了更多人手里。但他认为，这种风险换来的收益分配更广，整体上是值得的。
地图正在展开，但路标还不够清晰
这场对谈最诚实的地方在于，它承认了不确定性。
经济学家们在争论劳动份额会不会下降，但没有数据支撑任何一方。他们提出了「关系型行业」这个概念——那些因为人类参与其中本身就有价值的服务——但同样承认缺乏愿意为「人类在场」支付溢价的实证数据。他们讨论了开源模型、再培训、投资指数，但拒绝给出概率判断。
对中国企业家的启示也许不在于某一个具体结论，而在于这种思考方式本身：与其寻找确定性的答案，不如先搞清楚哪些变量在决定未来的走向。劳动份额的变化取决于自动化速度与新品类扩张速度的竞赛；企业的竞争格局取决于 AI 能力是集中还是扩散；人才策略取决于技术落地的时间线是快还是慢。
地图正在展开，但路标还不够清晰。在这种情况下，最好的策略可能不是赌一个方向，而是保持对多个路径的感知能力——这恰恰是李嘉图在1820年没能做到的事。
来源说明
本文由Lincoln根据 Dwarkesh Patel 频道 2026 年 6 月 4 日发布的视频《The better AI gets, the smaller its share of the economy might get – Alex Imas and Phil Trammell》进行解读。
关于 MindsLeap 心智悦动
MindsLeap 是 AI 转型加速器，帮助传统企业家在 AI 时代找到转型路径。 与硅谷孵化器 Founders Space 合作，连接科技创业者与真实客户/场景， 连接国内外资本、硅谷科技圈，助力中国产业 AI 转型和出海。