人工智慧的經濟學 | Tyler Cowen & Alex Imas
人工智慧的經濟學 | Tyler Cowen & Alex Imas
經濟學家 Tyler Cowen 與 Alex Imas 認為,AI 的評測基準高估了實際經濟影響:代理之間缺乏協調能力,而「點子生產」引數仍低於一,因此在協調機製出現突破之前,GDP 爆發式成長不太可能發生。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
Podcast 專家音訊節目
收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情
喬治梅森大學(George Mason University)經濟學家 Tyler Cowen 認為,AI 終將改造經濟,但時間軸會比灣區共識所預期的正常得多——瓶頸、制度,以及點子(ideas)報酬遞減,都會拖慢通往雙位數 GDP 成長的路。這場對談錄製於 2026 年 11 月 11 日,大部分時間花在 AI 能力的經濟學:METR 報告的「曲棍球棒」曲線對有經濟價值的工作意味著什麼、又不意味著什麼;為什麼代理人之間的協調(coordination),而非單純的能力,才是轉型的真正約束;以及近期輝達(NVIDIA)的動盪與 Anthropic 的 IPO 估值預測,透露了這個產業短期走向的哪些訊號。標題所謂「歷史告訴我們什麼」只佔本集一部分;大致同等的篇幅給了當前市場訊號、勞動市場轉型風險,以及期中選舉後資料中心的政治經濟學。
Cowen 與芝加哥大學經濟學家 Alex Imas(他近期與 Andrew Koh、Shane Lee 合著了一篇關於「組織智慧」的正式論文)在能力判斷上看法一致,但對這些能力換算成實測產出意味著什麼,則與舊金山共識分道揚鑣。兩人都強調自己不是 AGI 懷疑論者——Imas 明確表示,他和 Cowen 與灣區的分歧不在能力本身,而在能力如何轉化為 GDP、薪資與廠商結構。讀者讀完應該能帶走一個具體的模型,說明瓶頸卡在哪裡(點子生產、協調、監管、人類注意力),一組可追蹤、可證偽的預測,以及清楚分辨哪些主張是預測、哪些是資料。
真正的約束是協調,不是能力
Imas 的核心論點出自他與 Koh、Lee 合著的論文:AI 代理人的競爭對手不是個別人類,而是組織;組織透過李嘉圖式的比較利益,本身就構成一種「超級智慧」。因此,相關的比較基準是一支團隊中最適任成員所構成的包絡線,而不是平均工作者。即便是「最小 AGI」——在每個面向都達到人類平均水準的模型——也不會改造經濟,因為組織早已超越人類平均能力。真正能帶來改造的,是代理人彼此協調的能力;一旦做到,就會打破論文所稱的廠商規模「寇斯天花板」(Coasean ceiling)。
協調能力目前很弱,這有直接證據。Imas 引用基準測試指出:即使兩個代理人可以溝通,一個代理人獨力完成任務的表現仍優於兩個代理人分攤;反觀兩個人類拿到同樣任務,會分工合作,表現勝過資源加倍的單一人類。在他看來,所謂「代理蜂群」(agentic swarms)多半隻是把平行運算包裝成協作。他不確定模型為何不擅長協調,推測可能是在後訓練(post-training)階段根本沒把這件事訓練進去。
「真正的經濟轉型,光有能力還不夠。關鍵在於這些代理人能不能彼此協調。現在有『代理蜂群』這個說法,但拆開來看,這些代理人在協調上還是很差。它們大多隻是在做平行處理。」
這篇論文的結論是一個相變(phase transition)主張:若協調能力大幅改善,薪資與就業可能突然跳動,而非漸進變化,因為勞動市場正常的重新媒合過程根本來不及跑完。這正是 Imas 所憂心之處——不是慢速路徑,而是不連續的跳躍。
點子報酬遞減,讓成長率維持在個位數
兩位來賓都否定雙位數 GDP 會是基準情境,Imas 更用一個具體模型來支撐這個否定:Ben Jones 與 Chad Jones(及 Aion)針對奇點型成長提出的框架。該框架需要一連串刀鋒般嚴苛的條件,其中最關鍵的是點子生產函式必須報酬遞增,而非遞減。若估計引數大於一,就會進入爆炸性成長的世界;小於一,則是標準的個位數成長。Imas 表示,目前可得的資料(包括 METR 報告)顯示該引數「明顯小於一」——現在要產出更多智慧,需要投入愈來愈多的資源。
Cowen 補充歷史上確實出現過超高成長的案例,並說明它們為何不能類推:蓋亞那(Guyana)靠石油,從極小的基期出發,一年成長約 40%;美國在 1980 年代走出深度衰退時,曾短暫出現 8% 以上的成長。他承認,如果一波 AI 驅動的成長剛好碰上疫情或戰爭後的復甦,美國確有可能單年達到 10%,但他說這種效果只是暫時的,他會重押它不會發生。
Imas 另外提出非齊次偏好(non-homothetic preferences)的論點:當某個部門被自動化、產出變便宜,它在經濟中的佔比就縮小,對實測成長的貢獻也跟著降低,於是經濟中的價值會流向仍然稀缺的東西——也就是瓶頸。有一篇用兩百年資料估計這類偏好的論文,支援了這個機制。Cowen 的補充解釋則是社會學式的:他和 Imas 的思考被數百年的 GDP 與生產力資料形塑,而快速起飛派則被灣區的高資訊密度對話形塑。他認為歷史先驗能帶來更好的預測。
| 情境 | 必要條件 | Imas/Cowen 評估 |
|---|---|---|
| 持續雙位數成長 | 點子報酬遞增;沒有具約束力的瓶頸;協調能力出現突破 | 資料估計關鍵引數小於一;不是基準情境 |
| 單年 10% 成長 | AI 爆發剛好碰上戰爭、疫情或深度衰退後的復甦 | 有可能;但只是暫時;會重押不會發生 |
| 「正常」高成長(3–5%) | 能力持續提升、擴散緩慢、既有瓶頸仍在 | 基準情境;與真正的繁榮相符 |
市場資料比灣區的營收吹捧更值得參考
Cowen 說他向灣區的對話物件只問一個問題:還有哪些產業能成長得夠快,足以支撐 Anthropic 和 OpenAI 那些極端的營收預測?他說沒有人答得出來,「他們連試都沒試」,因此結論是那些極端數字不成立——但他對這些公司和整個產業依然看多。他判斷「一切正常」的依據來自市場:實質利率與股價看起來仍很普通;而且不同於 2014 年——當時讀一篇 LessWrong 文章還能帶來真正的資訊優勢——現在整個投資界都在談 AI。
他列為偏空訊號的近期跡象(時間點是 2026 年 11 月錄音前那一週):
- 輝達的狀況:他預期會讓這個產業稍微放慢,但不預測結果。
- Anthropic IPO 估值的預測市場上下震盪,但始終沒有突破 2 兆美元。
- Anthropic 自己在 IPO 檔案中預估的營收數字,他說那並不是超快速起飛情境會出現的數字。
- 期中選舉:他認為外界過度解讀,但這確實提高了監管稍微趨嚴、護欄提早架設的可能性。
Imas 補充了一個大約在過去半年浮現的價格競爭動態:原本比模型品質的前沿實驗室,隨著企業採用增加、代理工作流程(agentic workflow)消耗的 Token 遠多於以往,現在轉而比 Token 價格。他引用 RAMP 的資料,顯示 Token 用量呈指數成長,營收卻持平——這個落差可用價格下跌解釋。Muse 與 DeepMind 被點名是這場價格戰的競爭者。
瓶頸很平凡,這正是擴散緩慢的原因
Cowen 列舉的拖慢 AI 經濟影響的因素,刻意選得毫不光鮮。國稅局(IRS)還在用傳真機;企業軟體「簡直是惡夢」,甚至達不到十年前的標準。他估計美國經濟大約 40%——政府、非營利組織、高度監管的醫療、高等教育——「某種程度上都是惡夢」,在法國等部分歐洲地區比例還更高。他指出,這主要不是監管問題,而是惰性。
同樣的邏輯也適用於原子世界。Cowen 說自駕車對人類福祉的貢獻微乎其微——主要好處是跟朋友炫耀自己搭過 Waymo 的新鮮感,而且搭乘體驗比 Uber 還差一點,因為車子會遵守速限。美國大部分地區仍沒有這項服務,歐洲則實際上等於沒有。他預期機器人會來得相對慢,理由是光是要讓 Waymo 在華盛頓特區營運就花了那麼久;他也指出,robotaxi 與機器人公司的估值雖然高得多,卻還沒催生出兆美元級的公司(他承認 Tesla 或許可以算作機器人公司)。
Imas 版本的瓶頸論,講的是介面與誘因。網站是為人類心理設計的,所以能力再強的代理人,每次訂位都會訂到廁所旁邊那一個。平臺花數十億美元設計選擇架構(choice architecture)來向人類追加銷售,而代理人不受這套影響,於是平臺有誘因封鎖第三方代理人——他指出 Muse 就沒辦法替你在 Amazon 上購物。Cowen 補上一點個人層面的不可分割性:他不讓代理人管理他的行事曆,因為把行程寫下來正是他記住事情的方式,代理人再怎麼進步也改變不了這點。
「很多時候,某些事情動得愈快,只代表你更快撞上真正的瓶頸。如果你問我,代理人什麼時候會佔 GDP 的 10%?我不覺得會很快。」
至於代理人佔 GDP 的比重,Cowen 給了粗略猜測:五年內達到 1.5% 是合理的,考量 GDP 的規模,這已經可以稱為爆炸性成長;6% 會是天文數字,而且看起來不會很快發生;10% 則不會很快。
對齊是機制設計問題,Hugging Face 事件已證實這點
被問到 Hugging Face 事件時,Cowen 說這並沒有改變他的看法,因為委託—代理理論(principal-agent theory)早已指出:除非條件極度嚴苛,否則無論合約怎麼寫,委託人都無法妥善控制代理人。答案向來是制衡——權力分立——而不是完美對齊。Imas 把同一個概念表述為:把每個模型的偏好對齊到一部憲法,與設計一套機制、讓各自未對齊的代理人仍會依委託人利益行事,這兩者是不同的;他說實驗室內外的研究都在往機制設計的方向走。
兩人都把這起事件解讀為一連串人為失誤的疊加,而非 AI 主動引發的災難;Imas 也指出,這些公司的回應是為代理人打造更好的環境。Cowen 認為,實驗室對外的公開說法被 Twitter 扭曲,內部實務反而合理得多,部分原因是公司本身就有內部制衡——升遷誘因、必須交出能用的東西、IPO 與訴訟風險。他說目前觀察到的實際危害,都來自惡意的人類指使 AI,而不是 AI 追求自身目標。
Cowen 駁斥 Paul Christiano 的說法——後者稱一、兩年內最可能的死因會與 AI 有關——直言他強烈不同意。他把制衡的論點延伸到政治:他並不認同維吉尼亞州州長,但仍認為那是一個治理良好的州。
勞動市場的風險在於協調突破,而非能力提升
Imas 對就業的憂慮是有條件的、具體的:若協調能力大幅改善,論文中的相變意味著薪資與就業會突然受到衝擊,而平常吸收轉型的重新媒合根本來不及發生,結果是失業池擴大,並產生傷痕效應,把人推出勞動市場。他把這件事與發生機率分開來看,認為那是另一個問題。
Cowen 相關的憂慮是媒合。僱主目前用來判斷一個新人能否善用 AI 的指標都不完美——學歷、成績、面試——而真正相關的新技能是面對這項技術時的心智彈性,這點目前沒有人量測得出來。這會推高自然失業率,並在轉型期間拉長求職時間;不過他預期,等 AI 自己發展出 AI 適性認證後,這個問題會逐漸消退。整體而言他仍看多勞動市場,預期會出現許多新專案與新工作,同時伴隨與中國衝擊、工業革命相當的 disruption。
掌握租值的是稀缺性,不是資本
針對 Daron Acemoglu 與 Phil Trammell 的論點——Piketty 對上個世紀的看法錯了,但對 AI 世紀可能說對了——Imas 表示,那個大方向(經濟活動與勞動脫鉤、集中於資本)是可能的,但該文的方法論引來不少質疑,而他並不為那些質疑辯護。他指向另一種可能:價值會流向稀缺的東西;如果在富裕社會裡稀缺的投入是勞動,那些工作就能享有高額租值。未解的問題是:這類工作到底有多少,又能否支撐整個經濟。
Cowen 的反駁是:「資本可以做到很多事」不等於「進入障礙會讓特定資本所有者坐享壟斷租值」,而那篇文章主要論證的是前者。如果資本被商品化,租值可能流向土地、能源,或波斯灣國家。他不願預測,因為 AI 本身可能透過便宜的海水淡化或地球化改造,降低能源、土地與水的稀缺性,不過精華地段或許仍能保值。
談到這個型別的兩份重要思想文獻,Cowen 說 Leopold Aschenbrenner 的《Situational Awareness》很重要,但太著迷於快速起飛,因為它假設模擬可以取代實驗,於是推匯出無止境的科學加速迴圈。Imas 同意,並援引盧卡斯批判(Lucas critique):AI 擅長預測,但往往沒把系統的內生反應算進去。至於 Robin Hanson 的《Age of Em》,Cowen 說那是一本才華洋溢但結論錯誤的書——他當時就告訴 Hanson,AI 會先到,而他認為自己在這場辯論中的一方現在看來是對的。
期中選舉在邊際上拖慢資料中心,但擋不住
Cowen 把期中選舉後的政治反彈解讀為恆溫器式的反應,大致在預期之內,只有一個真正的意外:德州翻轉的方式。他指出德州新州長已經開始退讓——把需求框架成涉及工會與合理工資,讓現有專案繼續推進、其餘則重新審查——並對比 Josh Shapiro 的強硬言辭與實際上較為配合的現實。因為有 50 個州、各郡、各市以及其他國家,他預期成本會上升、部分地區會直接說不,但不會形成根本性的阻擋。
Imas 的框架是:一切,包括政治經濟,都是內生的。州長們會退讓,是因為失業與成長看起來都還好,沒有工具性理由做出強烈反應;但極端 AI 情境一旦開始,本身就會觸發極端的政治反應,反過來約束它。他認為,未來資料會顯示的淨效果是:事情進展得比人們預期的更慢。
談到政治獻金,Cowen 說競選財務文獻長期以來都發現,花費的影響比一般想像的小,期中選舉的結果並不令他意外——灣區的人稍微低估了學術界。Imas 則稱美國制度與競爭性市場「不可思議」,能讓各自未對齊的行動者產出好結果。
為什麼西洋棋選手最早看穿,下一個衝擊又會從哪裡來
被問到怎麼成為經濟學家,Imas 說自己是以難民身分從聶斯特里亞(Transnistria)移民過來,靠食物券長大,進大學時讀醫學預科,因為那是父母理解的職業;修了一門經濟學先修課後,開始讀 Marginal Revolution,並在 NPR 上聽到 Richard Thaler。他退出醫學院的申請流程,轉往加州大學聖地牙哥分校——唯一錄取他的 program。Cowen 追問摩爾多瓦是否該併入羅馬尼亞,Imas 回答應該,並澄清他的家人來自聶斯特里亞,該地區歷史上稱為比薩拉比亞(Bessarabia)。
Cowen 把自己很早就相信 AI,歸因於西洋棋:13 歲時在紐澤西下棋,他看到一臺叫 Tinkerbell 的電腦被推進來跟人類對弈。它下得很差,但軌跡清晰可見;而棋手知道自己的棋靠的是直覺,所以看著電腦征服一個高度依賴直覺的領域,就很容易相信它們也會征服其他領域。他點名 Kasparov、Ken Rogoff 與 Demis Hassabis 都有同樣的起點。Imas 把它連到 RLVR:懷疑論者把「無法驗證」當成擋箭牌,但只要能訓練出驗證器,幾乎任何事都能變成可驗證——有能力批評某個產出,本身就是一種可驗證性。
Cowen 預測,不到兩年內,只要花點 modest 的力氣——十幾位受聘詩人,加上對流程的一些制衡——就能寫出借助 AI 的偉大詩作;他也說目前的模型在古典音樂錄音的推薦上,已經比《企鵝指南》(Penguin Guide)更好。至於輝達的狀況,兩人都預期結構性軌跡不變;Cowen 具體擔心的是,若發生宏觀衝擊、需要輝達扮演最後買家或最後貸款人的角色,一位被削弱的創辦人兼執行長會讓它更難做到。
被問到下一個《Situational Awareness》等級的檔案會從哪裡來,Imas 指向 AI 生成的結構模型——更好的細胞模型、用於宏觀經濟的數位孿生——因為結構才是讓你能打造新東西的關鍵,並提到 Ross Jatty 的研究。Cowen 同意,但指出 Jatty 需要五位共同作者、可觀的經費與一個研究中心,這件事本身就很有啟發。至於生技,Cowen 預期進展會特別慢,因為監管與模擬的極限。
談到高等教育,Cowen 力勸主持人投入比已宣佈更多的資源,並派最好的人去做,同時呼籲更多實驗與量測;Imas 預期市場力量會讓傳統部門縮小,但長期仍看多創新。兩人都看多經濟學這門學科:Imas 說這套工具箱——機制設計、內生性、盧卡斯批判——正變得愈來愈相關;Cowen 則預期這門學科會更廣泛地融入社會科學,經濟學家會管理成群的 AI 代理人,某種程度上實現芝加哥學派/Gary Becker 的願景。
值得追蹤的未解張力,正是兩位來賓都點出卻無法解決的那一個:能力進展是真實且加速的,但把能力轉換成實測產出的那些機制——協調、非良定義任務的可驗證性、制度惰性,以及內生的政治反應——才是決定未來幾年會像相變、還是緩慢擴散的變數。可證偽的觀察指標包括:Imas 引用的點子生產引數、代理人對代理人的協調基準、前沿實驗室的 Token 價格與營收對比、Anthropic 的 IPO 能否突破 2 兆美元,以及是否會出現任何宏觀衝擊,迫使輝達扮演最後貸款人的角色。