AGI 之后，真正稀缺的不是算力：一场让经济学家都犹豫的对话

如果 AGI 真的到来，世界最稀缺的东西是什么？不是算力，不是资本，甚至可能也不是工作。这期 Dwarkesh Patel 的对话里，Alex Imas 和 Phil Trammell 给出了一个极其反直觉的答案，也顺手拆掉了很多 AI 从业者默认相信的叙事。

一个危险的直觉：AGI 之后，什么都会变便宜

对很多 AI 从业者来说，有一个几乎不加思索的判断：一旦 AGI 出现，智能和生产能力趋近于无限，稀缺性自然会消失。但 Alex Imas 一上来就泼了冷水——问题不在于“会不会有稀缺”，而在于“哪些东西还会继续稀缺”。这是一个比“AI 会不会取代工作”更难的问题。

他们提醒：预测 AGI 之后的世界，本质上是在做结构性预测，而不是技术预测。历史经验告诉我们，这类预测几乎总是错的。哪怕方向对，机制也经常完全错位。所以与其拍脑袋列清单，不如换一个视角，问一个更经济学的问题：边际效用在哪里衰减得最快？

真正会萎缩的，不是生产部门，而是“关系型行业”？

对话中一个颇具争议的观点是：在高度自动化的世界里，所谓“关系型部门”（relational sector）——依赖人与人互动、信任、情感的部分，可能反而在 GDP 中占比变小。

这听起来很反直觉。很多人习惯认为：既然机器什么都能做，那“人与人之间的事”一定更值钱。但 Imas 的回应是冷静的：值钱不等于宏观占比更大。如果技术让其他一切产出暴涨，那么哪怕关系型服务本身不被替代，它在整体经济中的比重也可能持续下降。

他们还刻意避开了“芭蕾舞演员”这种被用烂的例子。原因很简单：当供给无限、复制成本趋零时，哪怕是再高雅、再稀有的体验，其边际效用也可能迅速归零。稀缺性的直觉，往往高估了人类需求的稳定性。

一个老经济学事实，在 AGI 时代反而更重要

对话中反复提到一个“老掉牙”的概念：Kaldor facts（卡尔多事实）。简单说，就是在长期经济增长中，一些宏观比例呈现出惊人的稳定性，比如资本和劳动的收入份额。

为什么这在 AGI 讨论中重要？因为它提供了一种“约束条件”。如果你提出的 AGI 未来图景，意味着这些长期稳定事实被彻底打破，那你就需要一个极其强的机制解释。否则，这个故事大概率不成立。

这也回应了一个流行叙事：‘极度丰裕会导致经济负增长’。在他们看来，要让“更多、更便宜的东西”系统性地拖累增长，是非常难的。除非你假设需求结构发生了极端、非线性的坍塌。

算力不再稀缺，但“用途”可能才是瓶颈

Phil Trammell 提了一个让人眼前一亮的类比：我们并不是算力不够，而是“正在用惊人的速度耗尽对算力的有效用途”，以至于还能支撑摩尔定律继续有效。

这句话点出了一个被低估的问题：即便计算几乎免费，也不代表它自动转化为经济价值。前提是，人类还找得到值得计算的目标。如果 AI 系统已经覆盖了绝大多数可被形式化的任务，那么新增算力的边际价值会急剧下降。

这也是为什么他们认为，很多关于‘无限算力=无限增长’的故事，在强 AI 出现后反而可能失效。不是技术停滞，而是经济意义上的“用无可用”。

就业、税收与制度：真正难的不是技术

在更接地气的层面，对话也触及了白领就业、自动化是否引发衰退、以及该如何征税的问题。一个重要结论是：目前几乎没有可靠证据表明，自动化本身会直接导致整体经济衰退。

但制度适配是另一回事。并不是每个国家、每个机构都能顺利承接技术红利。对话中提到，能高效吸收这些变化的机构其实并不多，而制度差异可能比技术差异更决定命运。

这也解释了为什么他们对“再培训万能论”保持谨慎态度。历史上，像电气化这样的通用技术，真正的收益释放往往伴随着漫长而混乱的制度调整期。

总结

这场对话真正有价值的地方，不在于给出了“AGI 之后什么最稀缺”的标准答案，而在于提供了一套更不容易被骗的思考框架：关注边际效用，而不是情绪直觉；尊重长期经济事实，而不是单点技术突破；把制度和需求，放在和模型能力同等重要的位置。

对 AI 从业者来说，一个现实的 takeaway 是：别只盯着算力、参数和模型性能。真正决定你未来位置的，可能是你是否理解哪些需求正在饱和、哪些价值无法被无限放大。AGI 不一定让世界失序，但一定会让“想当然”的叙事先破产。

关键词： AGI， 稀缺性， 边际效用， 算力， AI经济学

事实核查备注： 需要核查：视频总时长；Alex Imas 与 Phil Trammell 的具体学术背景；Kaldor facts 的原始定义与引用；关于自动化与衰退的经验性证据是否在视频中有明确结论；Gemini Omni 发布的具体内容与时间