01 问：自ChatGPT发布以来，生成式AI技术发展迅速。这些技术对社会、经济和科学研究的主要影响是 什么？ Joanna Bryson： 对于科学研究，人工智能在某种程度上加速了科研进程，但它本质上只是一个工具。 换句话说，它和我们做其他工作的工具没有太大区别，不必过于强调它的特殊性。 在社会层面，经济和政治是两大重要方面。从经济学角度来看，引入自动化可能带来两种效应：一种是 替代效应，即减少对劳动力的需求；另一种是增强效应，即通过提高生产力来创造更多就业。我认为关 于这个主题最好的论文来自詹姆斯·贝森 （ Jam es B essen）。Oxford的研究显示，英国目前并未显现出 明显的替代效应，反而在高生产力领域看到了更多的就业机会。然而，考虑到创建大型语言模型的高成 本，其经济效益是否能覆盖这些投入仍然不明确。 在政治方面，经济衰退及其引发的不安全感可能导致政治极化，尤其是在社交媒体和人工智能的作用 下，针对性信息传播成为可能。经济安全感的丧失，尤其是意外的经济下滑 （如失业、负债） ，常常 会导致个体的身份认同危机，进而引发群体认同需求，甚至有可能转向极端行为。在经济不稳定时期， 这种易受操控的心 ...

文章核心观点 - 人工智能本质上是一个可控的工具，其特殊性不应被过度强调，发展的核心在于确保透明度、问责制以及明确的责任链条[5][7][14][21] - 通用人工智能（AGI）的叙事可能被科技公司用于规避责任和推动市场集中，真正的挑战在于对复杂系统的管理和监管，而非技术本身具备自主意识[6][7][13][14] - 人工智能对就业的影响具有双重性，可能同时产生替代效应和增强效应，社会需要通过教育改革、技能再培训和社会保障体系的调整来应对经济转型[5][8][9] - 人工智能治理的关键在于建立有效的监管框架，明确产品责任，欧盟的《人工智能法案》是开创性的尝试，但执行和跨国监管面临挑战[7][15][19][20][22] - 全民基本收入（UBI）可能是一个过于简化的解决方案，解决财富不平等需要更系统的措施，如公共教育和适度的激励机制[17][18] AI的本质与定位 - 人工智能是加速科研进程的工具，与其他工具没有本质区别，不必过于强调其特殊性[5] - 人工智能与政府和公司类似，是一种通过技术和合作放大人类智能的复杂系统，问题核心在于如何管理和监管这些系统以确保透明与可问责[6] - 当前AI不具备人类意义上的“意识”，其与人类是异质性关系，目标由人类设定，缺乏真正的共同规划和决策[13] - AGI本质仍是工具，决策权始终在人类手中，如同计算器或抛硬币，责任在于背后的控制者[14] AI对经济与就业的影响 - 自动化引入可能产生两种经济效应：替代效应（减少劳动力需求）和增强效应（通过提高生产力创造就业）[5] - Oxford研究显示，英国目前未显现明显替代效应，反而在高生产力领域看到更多就业机会[5] - 工作的本质涉及权力集中，企业通过自动化用更少人完成更多工作，同时集中权力并雇佣高生产力员工以提升控制力[8] - 经济转型导致技能重新估值，旧技能价值可能降低，新技能需求出现，教育与社会保障体系需改革以帮助人们适应[9] - 未来若多数工作由AI完成，工作的定义可能转向社会联系、个人认同和自我价值实现，如餐饮、艺术等行业提供情感交流空间[10] AI风险、责任与治理 - AI的主要风险并非自主意识，而在于系统是否透明、可控及有明确的责任链条[7][14][15] - 必须确保AI产品有清晰的责任追溯机制，一旦出现问题能明确责任所在，责任模糊化不可接受[15][16] - 欧盟《人工智能法案》影响深远：明确AI产品法律地位，要求高风险系统严格记录，禁止某些不兼容服务（如社会信用评分），并要求明确标识AI性质[19] - AI治理的挑战在于法案的执行，尤其是在跨国监管和全球统一标准方面[20] - 监管大型AI平台及防止市场过度集中是关键，需确保技术像GPS一样得到合理监管以维持公平竞争[21][22] - 跨国科技公司的监管是被忽视的重要议题，需通过国际合作建立框架，应对其在全球数据使用和广告市场的主导地位对公共利益造成的冲击[22] 社会发展与政策应对 - 面对AI带来的变革，北欧国家提供了参考模式，即政府选择未来产业方向并通过劳动力再培训帮助人们适应新环境[9] - 社会保障体系需提供更多支持，防止因失业导致的身份认同危机和极端化行为[9] - 全民基本收入（UBI）理念存在争议，可能过于简化，解决财富不平等需要更系统的措施如公共教育和结构性支持[17][18] - 最理想的社会经济结构是保持适度的基尼系数（约0.27），过度平等或贫富差距过大均不利于社会稳定与发展[18] - AI监管应被视为对可控工程产品的监督，需建立明确机制并确保发展符合人类利益[23]

文章核心观点 - 人工智能等技术进步正在重塑工作本质，导致知识工作“麦当劳化”，传统职业路径和勤奋叙事失灵 [5][11][14] - 社会正从稀缺思维向丰裕社会过渡，但面临分配不均和公共投资不足的结构性矛盾，引发全球性的“下流社会”危机 [10][21][25][28] - 技术效率提升并未普惠，反而加剧收入K型分化和阶层固化，催生对UBI等财富再分配政策的探讨 [34][35][36] 工作形态的历史演变与现状 - 工作作为社会规范的概念仅存在约250年，是工业革命和资本主义体系规训的产物，此前人类历史中生存活动与休闲融合 [7][8] - 狩猎采集社会每日仅需投入3至5小时获取生存必需品，属于“原始的丰裕社会” [7] - 现代工作核心特征包括时间化、空间隔离、劳动异化及职业身份锚定，二战后福特主义模式将全职工作与中产阶级身份深度绑定 [8][9] - 当前零工经济、平台劳动兴起，人工智能正挑战“人以劳动创造价值”的传统命题 [11] 人工智能对知识工作的影响 - 微软公司代码库中20%至30%的代码由人工智能生成，谷歌公司代码的AI生成比例超过30% [15] - 程序员工作性质转变，从创造转向与AI协作及质检，类似快餐业标准化操作流程 [14][15] - 法律、金融等领域基础工作被AI工具替代，如摩根大通COIN程序每年节省超过36万小时律师工作时间 [16] - 工作“麦当劳化”表现为效率提升、可计算性、可预测性及控制程度加剧，人类角色从创作者降格为AI操作员 [17][18][19] 全球“下流社会”趋势与表现 - 日本“下流社会”特征包括阶层固化、年轻人主动选择低欲望生活及社会活力衰退，这些趋势在全球扩散 [21][22][23] - 美国中产阶级收入增长停滞，2019年全职男性工人收入中位数与1978年持平，而最富1%家庭收入占比从10%升至20%以上 [24] - 美国阶层流动性骤降，1980年出生者收入超过父母的比例从1940年的90%降至50% [25] - 欧洲青年失业率长期达20%，南欧国家高达30%-40%，催生“千欧一族”和“千禧一代特权阶层”现象 [25] - 中国“躺平”文化及“985废物”自嘲群体反映类似的下流化焦虑 [26][27] 丰裕社会的分配矛盾与政策回应 - 技术繁荣伴随分配失衡，全球市值前五公司均为科技企业，英伟达市值4.5万亿美元接近德国GDP，但员工仅3.6万人 [34] - 纽约市长佐赫兰·马姆达尼主张免费公交、冻结房租、加征富人税（年入百万美元以上者税率2%），反映民意对分配公平的诉求 [30][32] - 纽约需年收入18万美元才能舒适生活，但人均收入不足一半，四分之一人口生活在贫困中 [31] UBI的可行性及替代方案 - UBI面临财务可持续性挑战，可能推高通胀伤害低收入群体 [36] - 负所得税（NIT）等替代方案针对低收入者补贴，鼓励工作积极性且执行效率更高 [37] - 强化教育、医疗等全民基本服务，改革福利体系避免“福利陷阱”，是分配改革的潜在方向 [37]

文章核心观点 - 英伟达市值突破5万亿美元但当前估值已完美定价隐含多重极端假设应避而远之[1][2][22] 未来盈利能力分析 - 分析师预测未来10年每股收益持续高增长例如2026年EPS预计4.52美元同比增长51.33%2027年EPS预计6.55美元同比增长44.67%但预测分析师数量随年份减少[5] - 未来10年EPS预计增长4倍年化增速超15%但历史盈利有起伏当前预测将短期指数级增长无限外推商业史上从未有公司实现此预期[8] - 即便乐观预测成真未来10年公司利润仅能覆盖投资成本一半理性投资需利润完全覆盖本金[8] 竞争风险 - 高利润率吸引竞争对手和客户寻求生态多元化当前预测隐含护城河不被突破假设但面临三大竞争压力[10] - 传统芯片厂商如超微半导体和英特尔有动力突破技术壁垒抢夺市场份额[10] - 超大规模科技公司如谷歌亚马逊微软研发自研芯片以降低对英伟达依赖[10] - 低成本算力方案如DeepSeek案例可能冲击英伟达高端芯片需求[11] 能源容量限制 - 数据中心电力需求暴增可能导致电力不足瓶颈推高用电成本[12] - 电力瓶颈可能引发社会反噬政策限制导致AI项目放缓或行业增长停滞冲击业务[13] - 当前盈利预测未为能源风险留出余地假设一路坦途[14] 政策与税收风险 - AI取代劳动力可能推行全民基本收入计划政府赤字达GDP的6%-7%需开征新税英伟达作为获利最多企业或成重点目标[15] - 加税风险直接威胁未来盈利能力但分析师预测未考虑此因素[15] 循环交易与需求见顶 - 循环交易模式如英伟达向OpenAI投资100亿美元OpenAI用此购买芯片甲骨文云合作最终购买英伟达GPU类似左手倒右手[19] - 英伟达为CoreWeave算力容量兜底超微半导体给OpenAI认购权承诺用收益购买GPU质疑真实需求[20] - 此模式类似泡沫末期人为维持需求若AI服务需求充足企业应通过收费获现而非依赖厂商资助[21]

AI驱动的经济范式转变 - AI将在未来1000天内彻底重塑人类经济结构，而不仅仅是取代工作岗位[1] - AI的“无情优化”可能导致人类劳动力价值归零甚至转为负值[2] - 传统经济指标如GDP将失去意义，需要建立新的经济测量体系[5] 现有经济模型的局限性 - 现有经济学理论难以准确预测现实经济动态，如美国近期修正失业数据时多算了91.6万人就业[7][10] - GDP是过时的单一指标，无法反映真实社会价值，其发明者Simon Kuznets曾警告不要仅用GDP衡量国家福祉[15][16] - GDP计算存在荒谬性，例如治好癌症会减少医疗支出从而降低GDP，而没治好癌症反而能提升GDP[17][18][19] MIND框架：新型经济衡量体系 - 提出MIND框架衡量四种核心资本类型：物质资本、智力资本、网络资本和多样性资本[21][23] - 物质资本具有零和属性，流动后无法保留[24] - 智力资本可被无限复制而不减少，生成式AI正在加速这一领域[25] - 网络资本代表人际关系和资源调动能力，带来影响力和机会[26] - 多样性资本是系统的抗风险能力，四种资本关系为相乘关系，任何一项为零将导致系统崩溃[27][29] 经济权力转移的四个阶段 - 第一反转：农业社会土地为王[32] - 第二反转：工业革命后劳动力兴起，曼彻斯特等城市因工人聚集成为工业中心[32] - 第三反转：工业化深入后资本成为主要推动力[32] - 第四反转：当前阶段智能崛起，AI将主导GDP增长，人类智能被机器智能替代[32][34] AI对劳动力市场的冲击 - AI认知能力无生理上限，思考时间从20分钟提升到200分钟以上[39][40] - AI可完成任何形式的认知劳动，并能自动学习、批量复制和互相校对[41] - 人类劳动价值不仅是归零，甚至可能是负数，AI比人类劳动力更具性价比[42][48] - AI在律师、医生、程序员等高门槛职业表现远超人类，35美元树莓派设备运行的AI模型诊断表现超过专业医生[45][46] 未来经济体系构建 - 需要建立通用基础AI和“人本位”新型货币两种底层能力系统[52] - 通用基础AI必须“为人而生”而非“为利润而生”[52] - 新的经济体系应立足于人类集体知识，通过“人类行为”本身生成货币[53]

AI安全风险 - AI教父Geoffrey Hinton预警致命自主武器如杀手机器人和无人机正降低战争人道成本 使战争更易发动[1][6][7] - 自主武器系统将作战人力与政治成本大幅降低 富国入侵穷国门槛下降 军火商可能因此获利丰厚[7] - 500美元AI无人机可摧毁价值数百万美元坦克 AI技术使传统硬件过时 载人战斗机逐渐失去优势[7] AI技术发展现状 - OpenAI和Anthropic等公司在AI安全领域投入不足 更关注提升AI智能而非安全性[1][22] - DeepMind团队通过蛋白质序列预测折叠结构 分拆出新药设计公司 AI在医疗领域实现突破性应用[17][18][19] - AI在医疗领域实现突破 可通过眼底图像预测心梗发病率 未来一两年内可能推动新药研发进展[17][20] AI对社会经济影响 - AI将取代呼叫中心等低薪岗位 律师助理和程序员初级岗位亦受影响 但顶尖程序员需求仍存[12][13] - 水管工等需要手部灵巧度职业短期不易被替代 但十年二十年后机器灵巧度提升可能改变现状[13] - AI甚至能替代高情商工作如护士医生 因AI系统被评价比人类更具同理心[13] AI治理与伦理 - 全民基本收入(UBI)可作为应对大规模失业的临时措施 但无法解决失业导致的价值观丧失问题[14][15] - 国际合作更易在"让AI不想取代人类"技术领域开展 而非在提升AI智能技术方面共享[10] - 年轻AI研究者比年长者更理解AI潜在风险 人性弱点如贪婪和自负可能加剧AI发展风险[24][25][26] AI未来发展方向 - Hinton提出"AI母亲"新思路 通过植入母性本能使AI系统真心希望人类成功[28][29][30] - 人类与AI关系重新定义为婴儿与母亲 而非智慧支配关系 该设想颠覆传统认知框架[30][31] - Hinton对AI未来展望转趋乐观 主要源于对AI母亲概念的思考突破[27][28]

机器人税政策构想背景 - 随着人工智能及人形机器人技术快速发展，"机器替代人力"担忧日益显著，引发美国、德国、韩国等多国探讨"机器人税"政策 [1] - 摩根士丹利预测2050年全球类人机器人市场规模突破5万亿美元，超10亿台人形机器人投入使用，技术替代浪潮影响力不亚于互联网普及 [2] - 特斯拉创始人马斯克预测未来每人拥有3-5个机器人，微软创始人比尔·盖茨2017年公开支持对机器人征收与人类同等税额 [2] 征税逻辑与社会经济目标 - 核心逻辑并非惩罚技术进步，而是建立机制对技术进步带来的生产力红利进行社会化再平衡 [3] - 自动化大规模替代人工将侵蚀以劳动收入为基础的税收体系，社会保障资金池面临压力，征税可开辟新财政来源支持劳动力再培训、职业转型及全民基本收入（UBI）等新型福利模式 [3] - 通过征收自动化企业税收、增值税及福利资金重新分配，可为成年人提供与基本生活费用相当的UBI款项，并根据地区差异调整 [3] - UBI资金可来源于对取代人类劳动的机器人征税，以及对自动化额外利润征税，使受益实体承担相应社会影响 [4] 全球政策讨论现状 - 德国金属工业工会主张征收机器人税支持社会保障或教育系统，但遭工商界反对，认为数字化是经济增长驱动力，征税会抑制创新 [5][6] - 韩国总统李在明2022年提出对人工智能和机器人征税，2024年再次强调需通过税收确保经济可持续性，保障全民购买力并为再分配政策筹资 [6] - 韩国专家指出机器人核心技术依赖进口，2011-2015年支付美国企业专利费达24万亿韩元，建议优先解决自主技术不足问题 [6] - 国际组织及多国审慎考虑征税设计，担心不当税种扼杀生产力进步，使本国产业处于全球竞争不利地位 [7] 税制设计关键因素 - 需明确征税范围，确定针对行业及人工智能功能类型 [7] - 需厘清税收责任归属，由机器人制造商或使用机器人的雇主承担 [7] - 推动国际合作避免率先推行国家陷入竞争不利地位 [7] 产业发展阶段与征税时机 - 中国信通院预计2045年后中国在用人形机器人超1亿台，整机市场规模达10万亿元级别 [8] - 宇树科技创始人预测机器人"真正能干活"的技术突破需2-10年 [8] - 当前产业处于商业化极早期阶段，技术、市场和生态具高度不确定性，特斯拉擎天柱等产品存在高昂制造成本、有限续航负载能力、软件系统稳定性不足等瓶颈 [9] - 全球实际部署商业运营人形机器人数量有限，对劳动力市场未形成规模效应，仓促征税可能扼杀技术创新和产业发展机遇 [9] 替代政策建议 - 当前阶段政策重心应放在鼓励创新、建立标准和加强监测 [10] - 探索为开发"人机协作"应用企业提供研发补贴，在局部地区或特定行业开展小范围政策试点 [10] - 协同构建适应未来发展的全球治理与政策观察体系比急于构建税收体系更紧迫 [9][10]

机器人税政策构想 - 机器人税是对自动化和人工智能技术引发的社会经济变革提出的前瞻性应对方案 核心逻辑是建立机制对技术进步带来的生产力红利进行社会化再平衡而非惩罚技术进步 [3] - 征收机器人税可开辟新财政来源 用于支持被替代劳动力的技能再培训 职业转型和探索全民基本收入等新型社会福利模式 [3] - 国际组织和部分国家审慎考虑该税种 担心设计不当会扼杀生产力进步引擎并使本国产业在全球竞争中处于不利地位 [7] 全球市场预测与技术发展 - 摩根士丹利预测2050年全球类人机器人市场总规模突破5万亿美元 超过10亿个人形机器人投入使用 [2] - 中国信息通信研究院预计2045年后中国在用人形机器人超过1亿台 整机市场规模达约10万亿元级别 [8] - 宇树科技创始人预测机器人"真正能干活"的技术突破快则2-3年 慢则3-5年 大概率不超过10年 [8] 支持征税观点与理论依据 - 比尔·盖茨2017年公开支持机器人应缴纳与人类同事同等税收 [2] - 迈克尔·J·安认为机器人税是提高技术进步公平性的深思熟虑策略 [2] - 李向明主张通过征收自动化企业税收和增值税为全民基本收入提供资金 使从自动化中受益最多的实体为其社会影响作出贡献 [3][4] 国际讨论与分歧 - 德国金属工业工会主席曾提议征收机器人税用于支持社会保障或教育系统 但遭到商业界明确反对 认为将抑制创新阻碍技术进步 [5] - 韩国总统李在明2024年9月表示应通过机器人税确保经济可持续性 使AI带来的生产力不只让少数人受益 [6] - 韩国专家指出自主技术不足是更紧迫议题 2011-2015年间支付给美国企业的专利费高达24万亿韩元 [6] 税制设计挑战 - 需明确征税范围 确定应对哪些行业及何种人工智能功能征税 [7] - 需厘清税收责任归属 是由机器人制造商承担还是由最终使用机器人的雇主承担 [7] - 推动国际合作至关重要 以避免率先推行该税种的国家在国际竞争中陷入不利地位 [7] 当前行业发展阶段判断 - 人形机器人产业仍处于商业化应用极早期阶段 技术 市场和产业生态具有高度不确定性 [9] - 特斯拉擎天柱和Figure AI产品存在高昂制造成本 有限续航与负载能力 软件系统稳定性和通用性不足等关键瓶颈 [9] - 全球实际部署投入商业运营的人形机器人数量极为有限 对劳动力市场的实际冲击尚未形成规模效应 [9] 替代政策建议 - 政策重心应放在鼓励创新 建立标准和加强监测上 而非直接征税 [10] - 可为开发人机协作型应用的企业提供研发补贴 [10] - 在条件成熟的局部地区或特定行业开展小范围政策试点和模拟研究 [10]

自动驾驶与RoboTaxi商业化 - 上海发放新一批智能网联汽车示范运营牌照，允许RoboTaxi在浦东新区（除陆家嘴外）开展收费服务，运营企业包括小马智行、百度智行、赛可智能、友道智途（上汽集团旗下）[1] - 高盛预测2030年中国RoboTaxi市场规模将达到140亿美元[5] - RoboTaxi正在从实验性产品向"完整负担某种服务的公司"形态转变，形成无需人类直接操作、高效运转的商业闭环[5] 无人机技术应用 - 消费级无人机让普通人以249克的轻巧设备实现专业摄影效果[1] - 救援无人机使用固态电池技术，以每小时0.1度的耗电量实现1000平米的照明[1] - 无人机技术正在从专业领域向消费级市场渗透，展现出广泛的应用潜力[1] 无人设备在各行业的渗透 - 柳工无人装载机进入粉尘弥漫的矿山深处执行作业[2] - Yarbo庭院机器人接管除草、扫雪等庭院维护工作[3] - 新石器无人配送车在国内外城市开展"最后一公里"配送服务[3] 无人公司组织形态 - AI驱动的编排与优化能力与无人设备结合，催生"无人公司"新组织形态[5] - 无人公司能够管理大规模无人设备（如100万辆无人驾驶汽车），形成无需人类直接操作的商业闭环[5] - 这种新型组织正在重构成本、空间与效率的定义[5] AI对经济模式的冲击 - AI正在系统性地瓦解人类通过劳动体现经济价值的传统模式，取代范围包括体力和认知性工作[6] - 可能催生"经济被驱逐者"阶层，其经济价值在AI绝对效率面前被清零[6] - 传统经济体系面临"数字极权"或系统崩溃的两难选择[6] 新经济模式可能性 - AI带来的生产力解放可能终结"稀缺性"，为"不匮乏"社会提供物质前提[7][8] - 新经济模式可能从"分配工作"转向"分配财富与尊严"，以"存在"而非"就业"为中心[9] - 全民基本收入（UBI）等机制可能成为解决方案，解放人们从事艺术、哲学等非市场估价领域[9][10] 技术发展路径选择 - AI可作为人类意志放大器，带来两条发展路径：物质丰富但精神空虚的"终极监狱"，或重新定义财富与劳动意义的新起点[11] - 需要"文化奇点"匹配"技术奇点"，超越恐惧与控制，选择自由与连接[11] - 最终结果取决于人类选择如何运用AI技术[12]

马斯克成立"美国党"的动机 - 核心动机是对民主党和共和党的政治纲领均持反对态度，认为民主党过度监管科技行业并推行"觉醒文化"，而共和党在关键议题上与自身价值观存在根本分歧[1][2][3][4] - 直接导火索是与特朗普因"大而美"法案决裂，但深层原因是对美国未来债务问题的担忧[6][10] - 专家观点认为其目标并非传统"中间派"，而是代表面向未来的"未来派"，试图突破现有政治框架[8][9] 美国第三党面临的制度性障碍 - 选举制度采用"赢者通吃"规则，第三党在总统和参议院选举中几乎无法获得席位（例如加州54张选举人票全归50.1%得票方）[12][13][15] - 选民存在"搅局者效应"心理，担心投票给第三党会间接帮助更不喜欢的政党[24] - 资源分配极度不平等，两党拥有成熟筹款网络和基层动员能力，而第三党缺乏基础设施[25] "美国党"的潜在政治策略 - 短期目标聚焦国会席位争夺，计划在参议院获得2-3席、众议院8-10席，通过关键投票发挥杠杆作用[17][18] - 可能选择民主党内共和党占优的小选区突破，例如东西海岸特定选区[23] - 马斯克的超级IP属性可能突破传统第三党资源限制，类似特朗普的社交媒体政治路径[27][28] AI时代下的政治形态前瞻 - 专家预测AI将导致财富集中度接近中世纪水平，可能引发UBI（全民基本收入）由科技巨头而非国家主导[36][37] - 未来或形成"政治空间"与"经济空间"平行体系，数字币成为UBI发放媒介，经济巨头承担中世纪贵族式责任[37][38][40] - 马斯克与UBI倡导者安德鲁杨的互动显示其可能在为AI时代的政治经济重构布局[43] "大而美"法案的博弈案例 - 法案在众议院以215-214票、参议院51-50票的极小差距通过，显示两党势力均衡下单票即可改变结果[20][21] - 若"美国党"获得少量席位，可在类似争议法案中成为关键第三方力量[22]