AI正在杀死廉价劳动力

本文来自微信公众号： 格隆 ，作者：万连山，题图来自：AI生成 最近，市场波动巨大，坏消息接踵而至。 OpenAI的IPO时间表一推再推，Anthropic顶着巨大压力“流血上市”，民主党声称将推动AI超级禁令…… AI信仰几乎就要崩塌。 有些吃瓜群众甚至幸灾乐祸：看吧，我就说这玩意儿是骗局，泡沫破了正好，大家拍拍屁股回到从前的日子。 但是，真的能回到从前吗？ 不可能的。 关于这个问题，还是之前聊过的那个观点： 目前最该担心的，不是AI泡沫，反而是AI不能更强。 AI叙事不会被证伪，也不能被证伪。 如果它被证伪，后果是难以想象的。 因为AI不仅仅是工具。 对这个时代而言，它有无可比拟的重大意义。 一、终极焦虑 2000年，《美国经济评论》发表经典论文《经济一体化与政治解体》，研究了一个非常有意思的怪象： 1946年二战刚结束时，全世界只有74个独立国家。到了20世纪末，暴增到了192个。 其中，一半以上不足600万人口。 为什么二战之前，列强都在疯狂抢地盘，版图普遍越来越大；二战之后，曾经的大帝国相继解体，越小的国家反而能活得越滋润？ 答案是众所周知的三个字： 全球化 。 在古老的主权经济体系里，国境线就是市场边界，贸易壁垒越高，优势越大。 全国有五百万人，其市场就只有五百万人；全国有五千万人，市场就是五千万人。 无论是炼钢、造车、造船，都只能凭借规模效应摊薄固定成本。 所以在曾经的高关税、高壁垒时代，小国基本没有活路，大国也必须通过吞并小国扩大自身的市场规模。 这一规则，一直持续到二战后关贸总协定和世界贸易组织建立。 据世界银行的历史统计数据，全球工业制成品的平均关税，从1947年的约40%一路跌至2000年的5%以下；全球货物贸易占GDP的比重，则从1960年的20%左右飙升至60%。 随着全球化贸易深入人心，国家规模的重要性断崖式下跌。 任何国家，不论体量多小、技术多落后，只要打开国门，就能融入全球数十亿人的大市场。 问题是，打开国门的前提是什么？ 你手里得有别人愿意买单的东西。 发达国家有科技专利、有金融霸权，资源国家有石油、有矿。 而全世界绝大多数发展中国家，唯一能拿得出手、全世界愿意买单的东西，只有人。 更准确地说，是廉价劳动力。 只要后发国家的体力劳动在国际市场上有人愿意买单，他们就能赚回美元外汇，再向中东买石油、向美国买粮食、向俄罗斯买化肥、向欧美日韩买手机和医疗设备。 这个过程即著名的“雁阵模式”。 从日本、韩国、新加坡到中国，再到如今的越南、印度、孟加拉国、墨西哥、菲律宾乃至埃塞俄比亚。 印度和越南我们聊得多了，看其它的。 据孟加拉国央行数据，靠着承接全球最低端的成衣制造，每年出口超过400亿美元的服装，占该国总出口额的80%以上，直接养活了400多万名纺织女工和她们背后的上千万家庭。 菲律宾全国则有约170万年轻人坐在马尼拉的写字楼里，没日没夜地给美国大妈、英国大爷当跨国客服，一年为国家创汇354亿-380亿美元，占GDP的8.5%。 这不仅仅是产业转移这么简单，更是全球化给全人类带来的一种普惠机制。 虽然血汗工厂很苦，发达国家资本家吃肉、第三世界劳工喝汤，分配极不平等。 但是，好歹还有口汤喝。 只要这口汤还在往下漏，哪怕是南亚贫民窟里的年轻人，心里也是有盼头的。 因为按照剧本，他们的生活水平会像前几轮产业转移的市场劳工一样，逐年攀升。等到他们也变得太贵的时候，再向新市场转移。 问题是此时此刻，这个剧本还演得下去吗？ 明显不行。 过去四十年的全球化普惠机制，已经被AI打破了。 关于这一点，根本不用列举任何数据，所有人都能感受得到现在的就业环境。 二、极度危险 现在的AI，看似强大，实际上依然处于一个危险的半吊子状态。 危险，是对普通人而言。 回顾曾经的蒸汽机、电力、内燃机和互联网技术，核心特征是什么？ 是大幅提升全社会的全要素生产率，同时创造出大量前所未有的新产业、新工种，把整个经济蛋糕做大。 但技术革命早期，同样会经历漫长阵痛，手工业者大规模失业、社会矛盾激化会持续数十年，新岗位不会在技术问世的短时间内立刻涌现。 比如汽车取代马车，虽然马夫失业了，但随之诞生了石油化工、汽车制造、高速公路网、汽车旅馆、郊区房地产等庞大的新产业链，吸纳的就业人口是马夫的千百倍。 而目前的生成式大模型呢？ 据诺贝尔经济学奖得主达龙·阿西莫格鲁提交给美国国家经济研究局的《The Simple Macroeconomics of AI》测算： 如果AI停留在目前的技术范式下，未来10年内，它对美国全要素生产率的年均拉动作用，仅仅只有0.05%-0.07%，十年累计也不过0.53%—0.66%。 （该测算属于基于现有场景的情景推演，并未排除未来技术范式迭代、新应用爆发改变结果的可能性。） 归根结底，就是因为 它替代了大量初级脑力和标准化体力的岗位，却又无法在短时间内快速创造出足够大的新增量市场。 比如前面提到的170万菲律宾跨国客服，如今就遭到了灭顶之灾。 在马尼拉雇一个懂英语的客服，哪怕工资再低，加上培训、社保、工位、管理，一个月怎么也得花500-800美元。 但现在，用GPT、DeepSeek、Claude配合语音合成，处理一次10分钟的跨国客户投诉，算力加电费成本只要几美分。 而且随着API调用价格以每年85%-90%的速度暴跌，这个价格只会越来越低。 两者孰优孰劣？显而易见。 再看制造业。 根据国际机器人联合会发布的《世界机器人报告》，全球工业机器人的在役存量突破428万台，每年新增安装量连续多年超过50万台。 其中，50%以上的新增安装量，都来自中国大陆。 在衡量制造业自动化水平的核心指标“机器人密度” （每万名制造业工人拥有的工业机器人数量） 上，中国已经狂飙到了470台/万人，远超全球平均水平 （162台） 。 道理也是一样。 去印度、越南建厂，当地工人工资确实很低，但隐性成本巨高。 得自己建发电站，因为市政电网一天停电八次；得自己修路打井，因为没有货运高速；得应付海关索贿、地方军阀敲诈、工会没完没了的罢工；还得忍受当地工人散漫的纪律和极低的良品率。 过去，是因为人机成本差距太大，没有选择。 但现在，一台六轴工业机械臂，加上视觉AI传感器，采购成本已经卷到了2-3万美元。 折旧摊销下来，配合24小时无休作业，每小时的综合成本折合不到4美元，而且良品率99.9%。 在服装纺织业，美国SoftWear Automation公司研发的AI缝纫机器人，通过高速摄像头追踪布料纤维的微小形变，一条牛仔裤或一件T恤的自动化缝制效率比熟练女工要高出50%-70%，一个人可以看管十台机器。 在物流和组装端，亚马逊全球履约中心已经部署了超过75万台移动机器人；富士康在全球布局的数十座“灯塔工厂”，通过AI质检与自动化流水线，将部分产线的人工缩减了50%-80%。 …… 最终造成的结果是，当年英国、美国、德国、日本搞工业化的时候，制造业人口占全国总就业的比例，能冲到30%-45%。 如今，拉美、南亚、东南亚乃至非洲的大量后发国家，制造业就业占比连10%-15%的门槛都摸不到，就开始掉头往下降了。 廉价劳动力，在人类历史上，第一次面临失去市场价值的风险。 三、没有退路 过去几十年，发达国家吃肉，发展中