人越来越老，AI 能让我们跳出循环吗

先做一道选择题。

把未来放进一个二乘二的格子里。横轴是生产力技术推进的速度：AI、机器人、自动化、能源、生物医药。纵轴是社会制度调整的速度：税收怎么收、养老金怎么发、教育怎么改、财富怎么分、决策怎么做。

两根轴一交叉，未来就只剩四种世界。

技术快、制度也跟得上，那是富足社会。人口在减少，但每个人能撬动的产出在涨，养老压力被生产率消化掉，工作时间往下走，生活水平接着往上走。

技术快、制度跟不上，是另一回事。社会极其富裕，但财富高度集中在拥有资本和机器的那一小撮人手里，大多数人失去议价能力。GDP 很好看，社会很难看。

技术慢、制度跟得上，是艰难但体面的调整。延迟退休、加税、削福利、放开移民、把能干活的人尽量拉进劳动力市场。增长很慢，但不至于翻车。

技术慢、制度也慢，四个字：危机社会。债务、养老、失业、贫富差距、资源争夺互相喂养，一起恶化。

这篇文章想回答的就一个问题：人类会落到哪一格。

要回答它，得先倒回去看，我们是怎么走到今天这一步的。

一千年，人均收入几乎没动过

先看一组让我很难忘的数字。

经济史学家麦迪森（Angus Maddison）为了让不同时代能比较，造了一个统一尺子叫「1990 年国际元」。按他的估算，公元元年全世界人均 GDP 大约是 444 元。一千年后，公元 1000 年，这个数字是 435 元。

一千年，倒退了九块钱。

分开看更清楚。按同一套估算，中国的人均 GDP 在公元 1 年、1000 年都是 450 左右，到 1500 年升到 600，然后 1600、1700、1820 年，还是 600。三百年，一动不动。印度从 450 到 1820 年的 533。西欧稍好，从 576 走到 1234，但那也是一千八百年才翻了一倍出头。

一千八百年翻一倍是什么概念？今天一个增长正常的经济体，十几二十年就能干成这事。

不止 GDP 这一个指标。截至 1800 年，英国人的预期寿命大多数时候不到四十岁。人均身高和人均寿命的增长起步，都要等到 1850 年之后。三个完全独立的衡量口径（收入、身高、寿命）指向同一个结论：人类历史的绝大部分时间，是停在原地的。

为什么停这么久。

马尔萨斯给了那个最朴素的解释：人口有指数增长的倾向，而土地和粮食的产出只能慢慢爬。于是每次日子稍微变好，人口就跟着涨，涨到人均那份重新回到勉强糊口的水平为止。

所以农业社会的历史反复走同一个圈：人口增加 → 人均资源下降 → 收入下降 → 社会紧张 → 饥荒、瘟疫或战争 → 人口减少 → 人均资源回升 → 人口再次增加。

在这个圈里，战争、瘟疫、饥荒扮演的是同一个角色，重置器。它们残忍，但从系统的角度看，它们确实把「人口」这个变量强行按了回去，让活下来的人重新分到多一点的土地和粮食。

也正因如此，古代国家的力量几乎和人口直接划等号。人口多意味着农民多、士兵多、税基大。人就是生产力本身，人口就是国力本身。这个等式，在此后几千年里一直成立。

这里我得插一句，免得把话说得太满。

「一千八百年完全停滞」这个说法在学界并不是没有争议。有学者认为增长其实是断续的、一阵一阵的，Goldstone 提出过「周期性繁荣」的概念，某些时段某些地区确实繁荣过，只是繁荣之后又跌回去。还有更尖锐的批评，认为「停滞」是数据处理方式制造出来的假象：从大数据集里挑几个位置合适的点，用直线连起来，自然就得出「先长期停滞、后突然起飞」的两段式结论。

我倾向于这样理解：停滞的不是每一年，是长期趋势线。繁荣一阵又跌回去，恰恰说明当时的社会没有能力把繁荣锁住。因为锁住繁荣需要生产率的持续提升，而那个东西当时还没出现。

它在 1800 年前后出现了。

工业革命把那个公式反了过来

蒸汽机、电力、化肥、铁路、石油、流水线，做成了一件此前几千年没做成的事：让一个人的产出能力出现数量级的跳升。

农业上，过去要一百个农民才能养活几百人；现代农业里，很少的人口可以供养几万人。制造业上，过去几百个工匠一年的活，一条自动化产线几天就干完了。

于是人类历史上第一次出现了这个关系：

生产率的增长速度 > 人口的增长速度。

马尔萨斯的圈被打断了。人均收入曲线在两百多年前拐了个弯，从一条几乎贴着地面的横线，变成近乎直立的上扬，经济史学家管这条线叫「曲棍球棍」。

二战之后那几十年，是这个新公式最漂亮的一段。年轻人口多、婴儿潮、城市化、工业化、女性大规模进入劳动力市场、全球贸易扩张、能源便宜、基建狂飙、技术持续扩散。所有变量朝一个方向使劲。

那个阶段的底层账其实简单得有点动人：

更多的劳动人口 × 更高的人均生产率 = 快速膨胀的总财富。

正因为蛋糕在变大，养老金、医保、公共教育、基础设施、国防才能同时扩张。现代福利国家这整套东西，是建立在「劳动人口会持续增长」这个假设上的。养老金按当期在职者的缴费发给当期退休者，医保按同样的逻辑运转。它默认的是一个底宽顶尖的人口金字塔。

这个假设，现在正在失效。

公式的两个变量，同时反转了

过去的麻烦是人太多。今天越来越多经济体的麻烦是：年轻人太少，老人太多。

先看生育。

联合国口径下的世界平均总和生育率已经降到 2.25 左右，只比 2.1 的更替水平高一点点。194 个国家里有 99 个已经低于更替水平。另一份 UNFPA 的报告给的数字是 2024 年全球平均每名女性生育 2.3 个孩子，而 1990 年这个数是 3.31。

东亚是全球的最前沿。

韩国的总和生育率 2023 年跌到 0.72，全球垫底，首尔部分城区甚至不到 0.5。日本 2024 年新生儿约 68.6 万人，是 1899 年有统计以来首次跌破 70 万，比政府自己的预测提前了整整十四年。

韩国这两年有反弹，2025 年回到 0.80 以上，2026 年一季度回升到 0.95。这看着像好消息，但要读细一点：韩国统计部门自己的分析里提到，反弹很大程度来自疫情后婚姻登记回补，以及七八十年代婴儿潮的孩子正好走到生育年龄形成的「回声婴儿潮」，这个结构性红利预计 2027 年前后就会消退。而 0.95 距离 2.1 依然遥远。

更值得注意的是代价。韩国自 2006 年起在鼓励生育上累计投入接近 280 万亿韩元，折合约 1.5 万亿人民币，2025 年相关支出约占 GDP 的 2%。

砸到 GDP 的 2%，把 0.72 拉到 0.95，而且其中一部分还是人口结构的自然回声。

我看这件事的判断是：生育率是个结构性结果，不是一个可以用钱直接买回来的指标。它牵着城市化、居住成本、教育投入、女性就业、婚育观念，每一样都不是补贴能单独扭转的。

再看寿命这一头。

寿命延长本身是文明的成就，但它给财政出了一道新题：一个人退休之后可能还要生活二三十年。而且这里有个常被忽略的细节：活得久，不等于健康地活得久。

全球范围内，预期寿命和健康预期寿命之间大约差 9 年，也就是一生里平均有约 13% 的时间是在不健康状态下度过的。就算在健康预期寿命排名靠前的国家，这个差距也不小：西班牙和意大利都在 11.1 年，新加坡最低也有 9.6 年。

更关键的是趋势。美国一项跨越四十年的研究发现，无失能预期寿命和带失能预期寿命是同步上升的。从整个生命周期看，并没有出现所谓的「疾病压缩」，只是在 65 岁这个节点上有一定程度的压缩。

这条证据很重要，我后面还会用到它。它意味着：「医疗进步会让老年人普遍变得健康、从而自然化解养老压力」这个乐观假设，目前的数据还撑不住。

两头一夹，结果就是抚养比。

过去大致是十个劳动年龄人口对应一个老人，后来变成五个，未来可能滑到两三个。按联合国的展望，到 2050 年，亚洲每三个人里就有一个超过 65 岁。

这个变化正在往公共部门传导，而且传导速度比很多人预期的快。据公开报道，多地 2026 年的教师招聘规模出现大幅收缩，一些省份降幅超过五成。学生少了，老师的岗位自然跟着少。这只是人口结构第一个撞上的行业，后面还有一长串。

同时另一边，账单在堆。

据国际金融协会的口径，截至 2026 年 3 月底，全球债务规模达到约 353 万亿美元的历史新高，仅一季度就增加超过 4.4 万亿。全球债务占 GDP 的比重大约在 305% 上下。IMF 那边的数字是：2025 年全球政府债务与 GDP 之比已经接近 94%，按当前路径预计 2029 年触及 100%，这个水平此前只在二战之后出现过。

还有一个更让我在意的指标：全球财政缓冲几乎归零了。十年前这个缓冲还超过 GDP 的 1%，现在接近于零。

缓冲归零的意思是，下一次冲击来的时候，没有余粮。

而 IIF 预测里点名的几个长期推力，值得一个一个念出来：人口老龄化、国防开支、能源安全、网络安全，以及人工智能相关的资本开支。

最后这一项很有意思。AI 一边被寄望于解决老龄化，一边它自己正在成为新的债务来源。

AI 松开的，是「人 = 劳动力」这根绳

到这里，可以谈 AI 了。

我想避开参数量、模型代际、哪家公司领先这些细节，因为它们不是这篇文章的层级。从文明演化的角度看，AI 和机器人动的是一个存在了几千年的恒等式。

过去：人 ≈ 劳动力。

未来可能变成：人 + AI + 机器人 + 算力 + 能源 = 有效劳动力。

一旦这个等式松动，「一个社会能生产多少」和「这个社会有多少年轻人」之间那根绑了几千年的绳子，就开始松了。

具体拆成五层看。

第一层，AI 接手认知劳动。写作、编程、客服、会计、设计、分析、行政、法务和研发的辅助环节。

第二层，机器人接手物理劳动。制造、仓储、物流、农业、建筑、清洁，以及护理。

第三层，两者叠加形成倍增器。一个人管十个 Agent，一名工程师盯一整条自动化产线，一个护理人员借助设备照顾更多老人。这一层才是对冲老龄化的关键。它改的不是「有多少人」，是「一个人能覆盖多少」。

第四层，AI 加速创新本身。新药、新材料、能源、芯片、生物技术。这一层的意义是复利：它提高的是「以后提高的速度」。

第五层，医疗技术延长健康寿命。让 65 岁的人拥有过去 55 岁的身体和认知状态。

这五层如果都成立，结论会很动人。但我不打算就这么写下去，因为证据并不是一边倒的。

证据的正面

微观层面的实验结果相当扎实。

Brynjolfsson 等人 2023 年那项覆盖 5179 名客服人员的研究发现，接入 AI 之后整体生产率提高约 14%。但更值得看的是结构：对新人和低技能员工的提升高达 34%，而对经验丰富的资深员工几乎没有影响。另一项采用交错推出加随机对照设计的客服研究给出类似结论：整体提升约 15%，最低技能的那五分之一提升 36%，同时新员工流失率下降了约 10 个百分点。

写作任务上，大语言模型让中等水平的专业写作平均耗时下降 40%，输出质量还提升了 18%。

2026 年一项在阿根廷做的随机对照试验更直接地指向「拉平」：1174 名 25 到 45 岁的成年人被随机分组去解决商业问题，没有 AI 时高教育组领先低教育组 0.548 个标准差，用上 AI 之后差距缩到 0.139 个标准差，大约抹平了 75% 的基线差距。

医疗领域有一项我认为分量最重的证据。2026 年公布的 MASAI 试验，随机分配了 105,934 名瑞典女性接受 AI 辅助乳腺筛查或标准双人读片。结果是：阅片工作量减少 44%，而检出的癌症增加了 29%（从 262 例升到 338 例），敏感度从 73.8% 提升到 80.5%，特异度没有下降。

十万人规模的随机对照试验，同时做到少干活和多查出，这基本就是「第三层倍增器」在现实里跑通的样子。而且它发生在医疗，正是老龄化压力最集中的地方。

证据的反面

但如果只讲上面这些，就是在骗人。

熟练的人可能反而被拖慢。METR 的研究发现，熟练使用开源工具的开发者在 AI 辅助下完成任务的速度比预期慢了 19%。

企业层面存在一条 J 曲线。基于美国制造业微观数据的研究发现，AI 采用程度每提高一个标准差，全要素生产率短期内反而下降 1.33 个百分点。原因是流程要重调、组织要适配、原有的管理经验会暂时失效。只有熬过这段，长期的生产率优势才显现出来。

投入和回报之间隔着一条鸿沟。一项覆盖全球 2400 名受访者的调查显示，97% 的企业已经部署了 AI 智能体，但只有 29% 的企业实现了显著的投资回报。

微观的效率还没有变成宏观的增长。这是最要命的一点。个体任务层面平均约 30% 的效率提升，到目前为止并没有稳定地转化为全经济范围的生产率增长。部分估算认为 AI 能给发达经济体带来每年 0.4 到 1.3 个百分点的生产率提升，但这高度依赖于普及速度和可覆盖任务占比的假设。乐观端的估计有到 1.8 个百分点的，不过给出这个数字的是 AI 公司自己，读的时候心里要有杆秤。

还有鲍莫尔效应挡在那里。理发、护理、现场教学这类服务，效率提升有天花板，而它们的价格会随着其他部门工资上涨而上涨。一个部门效率飞涨，拉不动整个经济。

劳动力市场也没出现大规模替代。截至 2025 年 12 月，约 35.9% 的美国劳动者用过生成式 AI，工资效应小幅为正，暴露程度高的职业在招聘和就业上都没有统计显著的下降。

把正反两面放一起，我的判断是：AI 在任务层面的效果是真的，在宏观层面还没兑现。微观到宏观的传导链条（组织适配、流程重构、技能匹配、资本投入）每一环都在拖时间。而老龄化的时间表，是已经写死的。

那到底跑不跑得赢

这个问题不该用一个「能」或「不能」来回答。它其实是六场同时进行的赛跑。

第一场，生产率 vs 劳动力下降。这是 AI 胜算最大的一场。只要人均产出提升的速度盖过劳动人口下降的速度，总产出仍然能增长。

第二场，自动化部署速度 vs 老龄化速度。这场的不对称性很关键。未来一二十年的人口结构已经基本确定了，那些人已经出生或者已经没出生；而机器人的部署速度充满变数。一边是确定的，一边是不确定的。

第三场，医疗进步 vs 老年人口增长。如果健康寿命能多出五到十年，很多「老人」依然可以工作和自理，养老的性质会根本改变。但前面那条四十年的研究提醒我们：迄今为止，带病生存的年数是跟着一起涨的，疾病压缩并没有真正发生。这一场目前不容乐观。

第四场，机器成本下降 vs 人工成本上升。这一场有自我加速的性质。老龄化本身会推高人工成本，从而让自动化越来越划算，于是自动化加速，进一步替代。它是这六场里唯一自带正反馈的。

第五场，能源增长 vs 机器社会的能耗。一个高度机器化的社会，本质上是把「人力」换成了「电力」。没有足够便宜且充足的能源，前面几层都是空中楼阁。

第六场，技术扩散速度 vs 制度调整速度。我认为这是最关键、也最可能输的一场。技术可以指数级推进，而税制、养老金、教育体系、政治决策的调整通常以十年计。

一个很少被提起的错位

日本的数据值得单独看，因为它是全球老龄化跑得最靠前的经济体，很多事在那里已经不是预测，是现实。

厚生劳动省的推算是：2040 年度需要约 272 万名护理职员，而 2022 年度的实绩约 215 万，缺口约 57 万人，相当于每年得多招 3.2 万。另一个口径给出的短缺数字是约 69 万。

但真正让我坐直的是经济产业省那份《2040 年就业结构推算》。它的结论是：在 AI 和机器人得到利用、再培训推进的前提下，日本整体不会出现大规模的劳动力总量不足。严重的是错配。

错到什么程度：现场人才（生产工程、服务、照护这类）短缺约 260 万人，而事务职过剩约 437 万人。东京圈整体劳动力过剩 193 万，地方却缺现场人手。

把这两个数字并排放，问题就露出来了：

AI 最擅长替代的，是事务性的认知劳动，也就是那个过剩 437 万的部分。而最缺人的，是现场的体力劳动和照护劳动，恰恰是机器人最难啃的部分。

这是个很残酷的错位。它意味着自动化在解决老龄化这道题上，天然是偏科的。它在人已经多余的地方继续替代，在人严重不足的地方进展缓慢。

护理机器人的实际情况也印证了这一点。日本的调查显示，导入了护理机器人或 ICT 的设施几乎都报告了效果：职员身心负担减轻、安全性提高、工作优先级判断改善。导入率也在上升，某些类型设施已接近四成五。

但落差同样明显。同一款机型，有的设施一直在用，有的已经停用，卡点集中在费用、适配性、员工培训和心理抵触上。厚劳省相关资料里有一项配置调查，对「即使没有人员配置的缓和措施也能满足基准」这一档，回答比例最高，达到 55.0%。

翻译成人话：机器人确实减轻了负担，但真正能因此把人手配置减下来的，仍然是有条件的少数。

从「负担减轻」到「可以少雇人」，中间隔着的不是技术，是流程、成本、培训和人的接受度。这段距离，就是前面说的微观到宏观那条断裂带在照护行业的具体形态。

还有电这道硬约束

第五场那个能源问题，值得用数字说清楚。

按国际能源署 2026 年的预测，全球数据中心用电将从 2025 年的约 485 TWh，到 2030 年翻倍至约 950 TWh，届时占全球用电量约 3%。其中以 AI 为核心的部分增长更快，同期翻三倍，达到约 465 TWh。2024 到 2030 年，数据中心用电的年均增速约 15%，比其他所有部门的电力需求增速快四倍以上。

听起来吓人，但要看清另一面：在基准情景下，数据中心用电的增量占全球电力需求增量不到 10%。真正推动全球用电增长的仍然是工业、电气化、电动车和空调。

所以从全球总量看，能源并不是掐死 AI 的那只手。

问题在于分布。数据中心高度集中，不像电动车那样摊开。增量中超过八成来自美国和中国，爱尔兰的数据中心已经占到全国用电的两成以上，美国弗吉尼亚州达到四分之一。

于是约束就从「够不够发电」变成了「电网接不接得进去」。全球有超过 2500 GW 的项目卡在并网队列里，IEA 估计约 20% 的规划中数据中心可能面临并网延迟。要满足 2030 年前的需求，年度电网投资需要在目前约 4000 亿美元的基础上再增加约 50%。设备侧也在紧，燃气轮机、变压器供应吃紧，高带宽内存的短缺预计至少持续到 2027 年底。

这就是典型的「制度和基建跟不上技术」的样子。发电能力可以建，芯片可以造，但并网审批、电网投资、输电走廊，走的是另一套时间表，一套以十年计的时间表。

前五场，AI 和机器人有相当的胜算，但上面这两条限制必须记在账上：它偏科，而且它撞电网。第六场，说实话我不太乐观。

而这第六场，正好把我们引到这篇文章的转折点。

生产的问题一旦解决，分配的问题就浮上来了

先看一个极简的例子。

一家工厂，过去一千人，每个人领工资、交社保、缴个税。现在变成一百个人加九百台机器人，产值反而翻倍。

从生产的角度看，这是彻底的胜利。社会总财富增加了。

但请注意账本上发生了什么：九百个人失去了工资收入。机器人不领工资，因此不缴纳工资税，也不给养老金账户交钱。多出来的利润流向企业和股东。

于是出现一个非常别扭的局面：

国家在变富，而普通人的财政安全感在变差。

这不是推演，数据已经在动了。

美国劳动者报酬占经济产出的比重，在 2025 年三季度降到 53.8%，是 1947 年有该项统计以来的最低值。而 1947 年这个数字是 70%。七十八年，流向劳动的份额掉了大约 16 个百分点，同等幅度转移到了资本一侧。同期企业利润率处在历史高位。

这不是美国独有。从全球看，劳动份额自 1980 年以来下降了约 6 个百分点，最富裕的 16 个国家里有 13 个在下降。

不过这里我要给个对冲。有经济学家提醒，这个下降有一部分可能是统计口径造成的，比如业主收入被错误归类为资本收入、穿透实体增加等等；份额的变化也不能机械地等同于财富从劳动向资本的「转移」。这个提醒是合理的，我把它放在这里，是因为我不想用一个方向明确的数字去掩盖它本身的复杂性。

但即便打上折扣，方向仍然值得警惕。尤其是当这个趋势和「机器人不缴社保」这件事叠加的时候。

现代福利体系有一个隐藏的地基：它假设财富主要以「工资」的形式流经社会。养老金从工资里扣，医保从工资里扣，个税的大头是薪资所得。整套再分配机器，是架在工资这条管道上的。

如果财富越来越多地以「资本回报」的形式产生，而不是以工资的形式，那么这条管道会越来越细。管道细了，但要养的人更多了。这才是老龄化叠加自动化最危险的地方。不是没有财富，是财富不再流经那条我们用来收税和发养老金的管子。

于是绕不开一个问题：机器创造的财富，凭什么、通过什么渠道，进入普通人的生活？

现在摆在桌面上的方案，每一个都有明显的问题。

全民基本收入。思路直接：既然财富总量够了，就直接分。问题是钱从哪来、会不会推高物价、以及它把人和「参与生产」的关系彻底切断之后，社会的意义结构怎么办。

机器人税。听上去公平，机器替了人，就替人交那份税。但「什么算机器人」在技术上很难划线，一台自动化设备和一段自动化脚本的界限在哪里？而且它本质上是在惩罚生产率提升，在国际竞争的环境里，单方面征收几乎必然导致产能外流。

负所得税、社会分红。比 UBI 精巧一些，但仍然要回答同一个问题：财政的钱从哪里来。

教育和再培训。这是过去两百年最有效的答案：技术淘汰旧岗位，教育把人送进新岗位。但这次有个新情况：前面那批实验显示，AI 对低技能者的提升反而更大。这是好事，它意味着 AI 是个能力拉平器。可它同时也意味着，「靠掌握稀缺技能获得高溢价」这条路会变窄。当一个工具能让新手接近老手，老手的溢价从哪来？

还有一条思路，我觉得被讨论得太少：让普通人拥有机器。

如果劳动收入的份额注定下降，而资本收入的份额注定上升，那么最直接的对冲不是给劳动者更多工资，而是让劳动者成为资本的所有者，通过养老金基金、主权财富基金、全民持股计划，持有那些机器和算力的股份。

这条路的好处是它不跟生产率作对，不惩罚自动化，而是改变分配的起点而不是终点。它的难处也很实在：所有权一旦形成，先持有的人和后持有的人之间会拉开难以追赶的差距。在一个资本回报持续高于劳动回报的世界里，起跑线的位置几乎决定一切。

这听着像空想，但世界上已经有跑了几十年的样本，而且是两种不同的跑法。

挪威把石油收入放进政府全球养老基金，如今规模约 2.2 万亿美元，平均持有全球所有上市公司股票的 1.5%。按大约 550 万人口摊，人均约 40 万美元。1969 年刚发现油气那会儿，国内也有人主张直接分掉、马上提高生活水平，最后的决定是拿去投全球市场。

阿拉斯加走的是另一条：永久基金规模约 870 亿美元，按 73 万人口算人均约 12 万美元，而且每年直接给居民发现金。

两条路都证明了「全民持有资本」在技术上完全可行。但它们各自撞上的墙，比可行性本身更有信息量。

挪威的墙是它不直接发钱。基金按财政规则每年提取一个比例进入预算（这个比例已经从 4% 下调到 3%），间接惠及全民。好处是避开了年度政治拉扯，代价是国民对这笔巨大财富几乎没有直接的获得感，人均四十万美元躺在账上，日子里感觉不到。

阿拉斯加的墙是发多少每年都要打一架。2026 年这一轮特别典型：按 1982 年立下的法定公式，今年本该发超过 3800 美元；州长主张按公式发 3650；众议院财政委员会一度推进 3800 的草案，之后改成约 1500，最终落地是 1000 美元分红加 200 美元能源补贴。而 2025 年那笔 1000 美元，经通胀调整后是这个计划 1982 年启动以来最小的一次。

更值得注意的是，自 2016 年起，随着石油收入萎缩，立法者一直在动用本该属于分红的基金收益，去填政府的日常开支。

所以「让全民持有资本」解决的是「钱从哪来」，它一点也没解决「谁说了算」。分红和公共开支怎么取舍，最后仍然是一场政治博弈，而且是每年都要重打一次的博弈。

还有一个不能回避的局限。这两个基金的本金都来自自然资源。石油是能确权、能国有化、能直接征税的东西。而 AI 和机器人创造的价值，分散在无数私营企业的资产负债表里，形态是算法、芯片、数据和组织能力。你没办法「发现」一个 AI 油田，然后宣布它归全民所有。

从石油基金到「机器基金」，中间隔着一整套所有权界定和征税的制度设计。那套东西，目前还不存在。

写到这里，我想把这篇文章里我认为最重要的一句话放出来：

AI 能创造财富，但它不会自己决定这些财富该怎么分。

技术是个乘数，它把已有的分配结构放大。分配结构本身公平，它放大公平；分配结构本身倾斜，它放大倾斜。

那如果技术来得太慢呢

上面讨论的是「技术成功、制度落后」。反过来的情况同样要想清楚。

假设老龄化和债务压力已经压上来，而 AI 和机器人的生产率提升还没到位。社会会依次动用它手里的缓冲器：延迟退休、提高劳动参与率、引进移民、加税、削减养老金和医保、扩大举债、容忍通胀。

这些手段有个共同点：它们都是在同一块蛋糕内部重新切分。

而每切一刀，都会在社会内部制造一道新的对立面：年轻人和老年人之间的代际矛盾，本地劳动者和移民之间的紧张，纳税人和福利领取者之间的分歧。当内部实在切不动了，把矛盾归因于外部就成了政治上成本最低的选择。

顺着这条链条推下去，最坏的一端是国际冲突。

但我想在这里非常明确地说一件事：战争从来不是这道题的答案，哪怕在最冷酷的算计下也不是。

农业时代战争之所以能充当「重置器」，是因为那时最重要的生产资料是土地和人口。土地是抢得走的，人口是可以掳掠和迁移的。打赢一场仗，确实能重新分配这两样东西。

而今天最重要的生产资料是什么？是技术、算力、机器人产能、能源系统、数据、以及最要命的那一样：受过训练的人才和能让他们高效协作的制度。

这些东西的共同特点是：抢不走，而且一打就碎。

一场战争会同时杀伤最年轻的劳动力、摧毁资本存量、拉低生育率、制造难民、中断教育、推高债务。它会让人口结构问题更严重，而不是更轻。把战争当成人口和债务问题的出口，是把算术做反了。

所以我的判断是：战争完全可能作为系统失控的结果出现，但它几乎不可能作为一个有效的经济方案出现。这两件事必须分开说。

至于技术会让冲突变多还是变少，我认为两个方向的力量同时在增强。

一方面，生产更丰裕、资源效率更高、人口在国力等式里的权重下降，都在削弱传统的开战动机。另一方面，无人系统和自动化军事技术降低了本方人员伤亡，也就降低了发动局部冲突的政治门槛。而且现代对抗的形态本身在变，它越来越少表现为大规模步兵冲锋，更多表现为技术封锁、供应链切断、金融制裁、网络攻击、信息操纵。

这类对抗的特点是烈度低、持续久、难以定义胜负，因此也更难通过谈判收场。

逃出去了，但可能掉进一个新的循环

现在可以回到最初那个问题了：人类能不能逃出历史循环？

我的看法是，旧的那个循环，物质基础确实正在瓦解。

农业时代的循环建立在「生产能力受限于土地和人口」之上。工业革命打断了它，因为生产率的增长跑赢了人口。AI 时代可能推进到第三个阶段：生产能力逐渐脱离人口规模。

这是几千年来第一次，「文明能造出多少东西」这件事，有可能越来越不取决于「有多少年轻人」。

但逃出旧循环，不等于从此没有循环。我认为一个新的循环正在成形：

技术突破 → 财富爆发 → 财富集中 → 社会矛盾累积 → 制度改革 → 重新分配 → 下一轮技术突破。

也就是说，人类面对的主循环，正在从「人口与资源」的循环，变成「技术、资本、分配、政治」的循环。

过去决定一个社会稳不稳的，是粮食够不够。未来决定一个社会稳不稳的，可能是机器创造的财富以什么方式进入社会。

这个转变还有一个不容易注意到的后果：国家力量的构成要素在换血。

过去人口规模几乎直接等于国力。往后，人口质量、技术能力、机器人产能、能源供给、资本存量、制度效率这几样的权重会明显上升。一个人口不多但高度自动化的经济体，和一个人口众多但自动化程度低的经济体，它们之间的比较会变得比过去复杂得多。因为「有效劳动力」这个东西，第一次可以和人头数脱钩。

这里我不打算对具体国家做排序或者胜负判断，那种预测的可信度通常很低。但有一个观察值得记下来：技术扩散的速度，很可能比人口结构的变化速度快。这意味着后发者在这一轮里未必没有机会：机器人和 AI 是可以买、可以学、可以追的，而人口结构是买不来的。

顺带说个我在数据里注意到的细节。国际机器人联合会最新报告里，韩国的机器人密度是每万名制造业员工 1220 台，全球第一；德国 449，日本 446，美国 307。中国这次因为统计口径调整（按国家统计局最新劳动力数据重新校准分母），密度是 166 台，全球排第 22 位。而在上一版报告里，中国的数字曾是 470 台、排全球第三。

同一个国家，一年之内从第三掉到第二十二，机器人一台没少。变的是分母。

这个口径变化本身很说明问题：自动化的压力，取决于你有多少人需要被覆盖。中国的机器人运行存量约 200 万台，大约是排第二的日本的 4.5 倍，2024 年全球新装机器人有 54% 装在中国。存量和增量都是断层第一，但摊到庞大的制造业就业人口上，密度依然不高。

这就是「有效劳动力」这道题的真实难度：它不是分子的竞赛，是分子和分母的赛跑。

要逃出去，得同时进化三个系统

写到这里，我想把整篇文章收束到一个框架上。

一个文明要摆脱旧循环，需要三套系统同时进化，缺一不可。

第一套是生产系统。AI、机器人、能源、医疗、材料、生物技术。它回答的问题是：这个社会有没有足够多的东西。

第二套是分配系统。税收、养老金、福利、资本所有权、教育、公共服务。它回答的问题是：这些东西怎么进到普通人的生活里。

第三套是治理系统。决策效率、政策调整能力、利益协调机制、冲突解决渠道。它回答的问题是：当有人对分配结果不满意时，社会能不能靠制度而不是靠暴力来处理。

一句话总结这三者的关系：

技术决定一个文明能创造多少，制度决定这些财富怎么分，治理决定分不均的时候会发生什么。

这三样里任何一样严重掉队，都会出事。而且它们出事的方式各不相同：生产系统掉队是贫困，分配系统掉队是撕裂，治理系统掉队是失序。

现在回到开头那四个格子，它们的含义已经完整了。

世界 A，技术快、制度快。人口下降但生产率提升更快，养老压力被消化，工作时间下降，健康寿命延长，机器创造的财富有相当一部分通过某种所有权或税收机制进入公共领域。这是「后劳动社会」的雏形，人不再主要靠出卖劳动时间获得收入。

世界 B，技术快、制度慢。AI 创造出巨量财富，但劳动份额持续下滑，资本回报高度集中，大多数人失去议价能力。国家的 GDP 数字很漂亮，社会的紧张度持续攀升。这就是被称作「技术封建」的那种状态：生产力属于现代，分配结构却在往前现代退。

世界 C，技术慢、制度快。社会接受较低的增长，靠延迟退休、税制改革、移民和福利调整慢慢消化人口结构。日子不宽裕，增长很慢，但不至于崩掉。

世界 D，技术慢、制度也慢。债务、养老、失业、贫富差距、资源竞争互相强化，缓冲器一个接一个用尽。这是最容易滑向大规模政治危机的世界。

那么今天的世界正在往哪一格走？

我不敢下定论，但手上这几组数据是往同一个方向指的：技术那一侧在明显加速，机器人密度七年翻倍、微观实验里的效率提升相当扎实；而制度那一侧，全球政府债务与 GDP 之比逼近二战后水平、财政缓冲接近归零、劳动份额降到七十八年最低。

技术这条腿在快跑，制度这条腿在拖步。如果非要我指，现在的重心是偏向 B 的。

四股速度之间的赛跑

我不想用「AI 会拯救世界」来结尾，那太轻佻了。

真正在赛跑的是四股速度：人口老化的速度、债务积累的速度、技术进步的速度、制度调整的速度。

如果 技术 + 制度 > 老龄化 + 债务，社会就还有向上的空间。

如果 老龄化 + 债务 + 分配矛盾 > 技术 + 制度调整，冲突就会往上走。

注意这个式子的左右两边都有制度那一项。这不是偶然。在这四股速度里，只有制度调整是完全由人主动决定的。人口结构基本已经写死，债务是过去决策的存量，技术进步有它自己的节奏。唯一还握在手里的变量，是我们愿意用多快的速度去调整规则。

而 AI 在历史上的意义，最终可能不在于它能不能写文章、能不能替掉程序员。

它真正可能改变的，是一个存在了几千年的关系：

一个文明能创造多少财富，第一次有可能越来越不取决于它有多少年轻人。

如果人类在跨过这一步的同时，把「机器创造的财富归谁、怎么分」这道题也答对了，那这会是继工业革命之后，第二次真正意义上的逃离人口陷阱。

如果技术成功了而制度失败了，我们会得到一个科技极度发达、社会极度撕裂的世界：东西多到用不完，而大多数人买不起。

到那时候要回答的已经不是「人还有没有工作」。而是当人的劳动不再是社会生产里最稀缺的东西之后，一个现代社会要靠什么来组织收入、财富、权力，以及人的一生。

这道题，目前还没有任何一个社会答出来。