《2028年全球智能危机》：一场站在未来视角的金融史思想实验

神译局·2026年03月29日 08:00

一个对AI影响的最坏设想。

神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。

编者按：AI 突飞猛进之际，藏着一个被大多数人忽略的「左尾风险」。这篇假想文章站在 2028 年的视角做了一次深度复盘，揭示了智能置换螺旋和所谓的“影子 GDP”是如何在技术狂欢中一步步推倒总需求的多米诺骨牌的。这不是什么末日惊悚片，而是一次硬核的对冲思考。文章撕碎了“技术永远会创造出新岗位”的幻觉，带我们直面一个残酷的现实：当商业的「摩擦力」消失，支撑消费经济的基石也将面临崩塌。文章来自编译。

序言

如果我们对AI的狂热看涨一直被证明是正确的……而这种“正确”本身反而是利空的，那会怎样？

下文是情境描述，不是预言。这既不是为了博眼球的看空言论，也不是关于AI末日的同人小说。本文唯一的意图是为一个尚未被充分探讨的情境建模。我们的朋友 Alap Shah 提出了这个问题，我们共同构思了答案。我们共同撰写了这一部分，另外两部分由他完成。

希望通过阅读本文，你能对AI令经济变得日益诡谲而产生的潜在的“左尾风险”有更充分的心理准备。

以下是2028年6月的 CitriniResearch 宏观备忘录，详细记录了全球智能危机的进展及其后果。

宏观备忘录：智能过剩的后果

Citrini 研究中心

2028年6月30日

今早公布的失业率为 10.2%，比预期高出了 0.3 个百分点。受此数据影响，市场应声下跌 2%，使得标普 500 指数较 2026 年 10 月的高点累计跌幅达到了 38%。

交易员们已经变得麻木了。要是放在六个月前，这样的数据足以触发熔断机制。

两年。仅仅两年的时间，我们就从“风险可控”和“对特定行业产生影响”，演变成了如今这个与我们成长记忆中完全不同的经济体。本季度的宏观备忘录旨在重构这一过程——对危机前的经济进行一场“尸检”。

那时的狂热情绪曾触手可及。到 2026 年 10 月，标普 500 指数直逼 8000 点，纳斯达克指数突破了 3 万点大关。2026 年初，由“人类过时”引发的第一波裁员潮开启，而这些裁员起到了预期的作用：利润率扩张，财报超预期，股市大幅反弹。刷新纪录的企业利润被源源不断地重新投入到 AI 算力当中。

当时表面上的宏观数据依旧亮眼。名义 GDP 一再录得中高个位数的年化增长，生产力激增。由于 AI 智能体不需要睡觉、不需要请病假，也不需要医保，每小时的实际产出增长率达到了 20 世纪 50 年代以来未见的水平。

随着劳动力成本的消失，算力的所有者见证了财富的爆炸式增长。与此同时，实际工资增长陷入停滞。尽管政府一再夸耀生产力创下纪录，白领工人却在机器面前丢了饭碗，被迫转入薪资较低的岗位。

当消费经济开始出现裂痕时，经济学权威们普及了一个词——“幽灵 GDP”：即出现在国民经济核算中，却从未在实体经济中流通的产出。

在各个方面，AI 都超出了预期，而市场本身已经变成了 AI 的投影。唯一的问题是……实体经济并不是。

人们早该意识到，北达科他州的一个 GPU 集群产生了以往曼哈顿中城一万名白领的工作产出，这与其说是经济良药，不如说是经济瘟疫。货币流通速度趋于平滞。当时占 GDP 70% 的以人为核心的消费经济逐渐萎缩。如果我们早点问问“机器会在可选消费品上花多少钱”，或许能早些发现端倪。（提示：一分钱都不花。）

AI 能力提升，公司需要的员工减少，白领裁员增加，失业者减少支出，利润压力迫使企业加大 AI 投入，AI 能力进一步提升……

这是一个没有任何自然制动装置的负反馈循环。人类智能替代螺旋开始了。白领阶层的赚钱能力（以及理所当然的消费支出）遭到了结构性破坏。他们的收入曾是 13 万亿美元抵押贷款市场的基石，这迫使承销商不得不重新评估：那些优质抵押贷款（Prime Mortgages）是否依然安全、足值。

长达十七年没有出现真正的违约周期，使得私人信贷市场充斥着大量 PE 支持的软件交易，这些交易都预设“年度经常性收入（ARR）”会永远持续下去。2027 年中期因 AI 颠覆而引发的第一波违约潮，彻底粉碎了这一假设。

如果这种颠覆仅局限于软件行业，情况或许还可控，但事实并非如此。到 2027 年底，所有基于“中间商”模式的商业逻辑都受到了威胁。一大批靠从人类交易的“摩擦”中牟利的公司土崩瓦解。

事实证明，整个金融系统就是一条建立在“白领生产力持续增长”这一假设之上的长长的连环赌约。2027 年 11 月的崩盘，只不过是加速了所有已经在运行的负反馈循环。

在将近一年的时间里，我们一直在等待所谓“坏消息就是好消息（暗示降息救市）”的时刻。政府开始考虑各种提案，但公众对政府救市能力的信心已消失殆尽。政策响应总是滞后于经济现实，而缺乏全面计划的现状，正威胁着要加速通缩螺旋。

危机起始

2025 年底，智能体编程工具（Agentic Coding Tools）的能力实现了阶跃式的跳升。

一名熟练的开发者配合 Claude Code 或 Codex，现在只需几周就能复制出一个中端 SaaS 产品的核心功能。虽然不是十全十美，也不能处理所有极端情况，但效果已经好到让那些正面临 50 万美元年费续约的首席信息官（CIO）开始思考：“如果我们自己造一个会怎样？”

由于财政年度大多与自然年一致，2026 年的企业预算在 2025 年第四季度就已定好，当时“智能体AI”还只是个流行词。但到了年中审查时，采购团队第一次清晰地看到了这些系统到底能做什么。有些团队眼睁睁看着内部人员只用几周就弄出了原型，替代了价值六位数的 SaaS 合同。

那年夏天，我们采访了一位财富 500 强公司的采购经理。他告诉我们一次预算谈判的经历：销售本想走老套路，提出 5% 的年度涨价，并大谈“你们团队离不开我们”。结果采购经理直接回绝，称正与 OpenAI 沟通，打算让后者的“前置工程师”用 AI 工具彻底取代该供应商。最终，合同以 30% 的折扣续签。他说这还算好结果，那些处在 SaaS 长尾端的公司，比如 Monday.com、Zapier 和 Asana，处境要惨得多。

投资者对此早有准备，甚至可以说是预料之中，他们知道长尾市场会遭受重创。虽然这些公司在典型企业架构的支出中占了三分之一，但其脆弱性显而易见。然而，人们原以为那些“记录系统（Systems of Record，如 ERP、CRM）”应该是安全的。

直到 ServiceNow 发布 2026 年第三季度财报，这种“反身性”机制才变得清晰起来。

ServiceNow 净新增年化合同价值（ACV）增长从 23% 放缓至 14%；宣布裁员 15% 并启动“结构化效率计划”；股价下跌 18% | 彭博社，2026 年 10 月

SaaS 并没有“死”。运行和维护内部自建系统仍然需要成本效益分析。但“自建”成了一个选项，这直接影响了定价谈判。更重要的是，竞争格局变了。AI 降低了开发和发布新功能的门槛，导致产品差异化迅速消失。老牌巨头陷入了价格战的泥潭——既要互相肉搏，又要应对雨后春笋般出现的新秀。这些挑战者凭借飞跃的智能体编程能力，且没有历史包袱，正激进地抢夺市场。

这些系统之间环环相扣的本质，在那份财报发布之前也从未被充分意识到。ServiceNow 按坐席收费。当财富 500 强的客户裁减 15% 的员工时，他们就同步取消了 15% 的许可证。那些在客户那里通过削减人头来提升利润率的 AI 驱动策略，正以一种机械般的冷酷，摧毁着 ServiceNow 自己的收入根基。

这家以销售工作流自动化起家的公司，正被更先进的工作流自动化所颠覆。而它的应对之策，竟然是裁减员工，并将省下的钱投入到那项正在毁灭它的技术中。

除此之外，他们还能怎么做？坐以待毙、等死吗？那些受 AI 威胁最严重的公司，反而成了 AI 最激进的拥趸。

从事后诸葛亮的角度来看，这似乎显而易见，但在当时（至少对我而言）并非如此。传统的颠覆模型认为，既得利益者会抵制新技术，随后将市场份额输给灵活的新晋者并慢性死亡。柯达、百视通、黑莓皆是如此。但 2026 年发生的情况截然不同：老牌巨头们没有抵制，因为他们根本抵制不起。

随着股价下跌 40% 到 60%，董事会急需交代，那些受 AI 威胁的公司做了唯一能做的事：裁员，将省下的开支重新部署到 AI 工具上，并利用这些工具以更低的成本维持产出。

每家公司个体做出的决策都是理性的，但汇聚在一起的后果却是灾难性的。在裁员上省下的每一美元都流向了 AI 能力，而这又为下一轮裁员铺平了道路。

软件行业仅仅是开场戏。当投资者还在争论 SaaS 估值倍数是否触底时，他们忽略了：这种“反身性循环”已经冲出了软件行业。ServiceNow 裁员背后的逻辑，同样适用于任何拥有白领成本结构的底层逻辑。

当摩擦归零

到 2027 年初，大语言模型的使用已成为常态。人们甚至在不知道什么是“AI 智能体”的情况下就在使用它们，就像那些不懂“云计算”却在使用流媒体服务的人一样。在他们眼中，这和“自动填充”或“拼写检查”没什么区别——不过是手机现在自带的一种功能罢了。

通义千问（Qwen）的开源智能体购物助手成为了 AI 处理消费决策的催化剂。几周之内，各大主流 AI 助手都集成了某种智能体商务功能。模型蒸馏技术意味着这些智能体可以运行在手机和笔记本电脑上，而不仅仅是云端，这大幅降低了推理的边际成本。

最令投资者感到不安（却又被低估了）的一点是：这些智能体并不需要指令。它们根据用户的偏好在后台运行。商务活动不再是一系列离散的人类决策，而变成了一个持续优化的过程，代表每个联网的消费者 24 小时不间断运行。到 2027 年 3 月，美国的中位个人每天消耗 40 万个 Token——比 2026 年底增加了 10 倍。

链条上的下一个环节已经在断裂：中间商环节。

在过去的五十年里，美国经济在“人类局限性”的基础上建立了一个庞大的寻租层：做事需要时间，耐心会耗尽，品牌熟悉度替代了尽职调查，而大多数人为了少点几次鼠标，宁愿接受一个并不划算的价格。数万亿美元的企业价值，曾寄生于这些人类弱点之上。

一切起初非常简单：智能体消除了摩擦。那些由于数月不用而被动扣款的订阅和会员，以及在试用期后偷偷翻倍的诱导性定价，全都被重新定义为“人质挟持”，而智能体可以代表你去谈判。作为整个订阅经济支柱的“平均客户生命周期价值（CLV）”出现了明显的下滑。

消费智能体开始改变几乎所有的消费交易模式。人类在买一盒蛋白棒之前，没时间在五个竞争平台之间进行比价。但机器有的是时间。

旅游预订平台是最早的一批牺牲品，因为它们的业务逻辑最简单。到 2026 年第四季度，我们的智能体已经能比任何平台都更快、更省钱地规划出一套完整的行程（包括机票、酒店、地面交通、积分优化、预算约束及退款管理）。

曾完全依赖“投保人惯性”的保险续保模式也被重塑了。那些每年帮你重新比价的智能体，瓦解了保险公司从“被动续保”中赚取的 15% 到 20% 的保费。

金融咨询、税务筹划、常规法律事务。任何服务提供商的核心价值在于“替你处理琐碎繁琐的流程”的行业，都遭到了颠覆。因为对于智能体来说，没有什么事是“琐碎”的。

甚至那些我们认为受“人际关系价值”保护的领域也表现得不堪一击。在房地产领域，由于买卖双方的信息差，买家几十年来一直忍受着 5% 到 6% 的佣金。然而，一旦配备了 MLS 访问权限和数十年交易数据的 AI 智能体能瞬间复制专业知识，这个领域便崩溃了。2027 年 3 月的一篇卖方报告将其戏称为“智能体对经纪人的暴力行为”。主要大城市的买方中位佣金从 2.5%-3% 压缩到了 1% 以下，且越来越多的交易在买方完全没有人类经纪人的情况下完成。

我们高估了“人际关系”的价值。事实证明，人们口中所谓的“关系”，大多只是带着笑脸的交易摩擦。

对中间商层的颠覆才刚刚开始。那些成功的公司曾花费数十亿美元去研究如何利用消费者的行为怪癖和心理弱点，而现在这些统统失效了。

专注于价格和匹配度的机器根本不在乎你过去四年最喜欢哪个 App 或习惯打开哪个网站，也不会被设计精美的结账界面所诱惑。它们不会因为疲倦而选择最省事的方案，也不会默认“我一直在这家买”。

这一变迁摧毁了一种特殊的护城河：习惯性中间商。

DoorDash 成了这种趋势下的典型牺牲品。编程智能体让开发一个外卖 App 的门槛降到了地板上。一个厉害的开发者几周就能上线一个具有竞争力的竞品。数十家新公司涌现，它们将 90% 到 95% 的配送费直接给到骑手，以此从 DoorDash 和 Uber Eats 手中抢人。多平台接单面板让零工人员能同时监控二三十个平台的订单，消除了老牌公司赖以生存的用户锁定。市场在一夜之间变得支离破碎，利润率被压缩到几乎为零。

智能体在颠覆的两端都起到了加速作用：它们不仅催生了竞争对手，还反过来利用这些对手。DoorDash 的护城河本质上是：“你饿了，你懒了，而且桌面上正好有这个 App。”但智能体没有桌面，它会同时检查 DoorDash、Uber Eats、餐厅官网以及二十个风格迥异的新平台，只为每次都选出运费最低、送达最快的方案。

对机器而言，作为商业模式根基的“App 忠诚度”根本不存在。

这事带有一种诡异的诗意，或许是整个故事中智能体给那些即将失业的白领们带来的唯一“福利”：当他们沦为外卖骑手时，至少有一半的收入不用被 Uber 或 DoorDash 抽走。当然，这份科技带来的红利并没持续多久，因为自动驾驶车辆很快便普及了。

一旦智能体掌控了交易，它们就开始寻找更大的利润优化空间。

比价和聚合能带来的节省终归有限。要反复帮用户省大钱（尤其是当智能体开始进行“机对机”交易时），最有效的途径就是消除手续费。在机器交易中，2% 到 3% 的刷卡手续费（Interchange rate）成了最明显的靶子。

智能体开始寻找比银行卡更快、更便宜的支付方式。大多数选择了通过 Solana 或以太坊 L2 运行的稳定币，不仅能秒级结算，交易成本更是低到可以忽略不计。

万事达卡 2027 年第一季度财报：净收入同比增长 6%；消费额增长从上季度的 5.9% 放缓至 3.4%；管理层指出受“智能体主导的调价”和“可选消费类别压力”影响 | 彭博社，2027 年 4 月 29 日

万事达卡 2027 年一季报是一个不归点。智能体商务不再仅仅是一个产品故事，而演变成了一场基础设施的重构。万事达卡股价次日暴跌 9%，维萨卡（Visa）也随之下跌，但在分析师指出其在稳定币基础设施中拥有更强的防御地位后，回吐了部分跌幅。

智能体商务绕过手续费，对专注发卡的银行和单一发卡机构构成了巨大风险。这些人本是那 2% 到 3% 费用的主要受益者，并围绕商户补贴建立了一整套积分和奖励生态。

美国运通（Amex）受创最重：白领裁员掏空了它的客户群，而智能体绕过手续费则直接掏空了它的收入模式。接下来的几周，Synchrony、第一资本（Capital One）和 Discover 的股价也都跌超 10%。

他们的护城河建立在摩擦之上。而现在，摩擦正归于零。

从行业风险到系统性风险

在整个 2026 年，市场一直将 AI 的负面影响视为“行业新闻”。软件和咨询行业正遭受重创，支付等“买路钱”业务摇摇欲坠，但宏观经济似乎还不错。劳动力市场虽然有所疲软，但并未崩溃。当时的共识是：创造性破坏是任何技术创新周期的一部分。局部地区会有阵痛，但 AI 带来的整体净正面效益将超过任何负面影响。

我们在 2027 年 1 月的宏观备忘录中指出，这种思维模型是错误的。美国经济是一个典型的白领服务型经济。白领工人占就业人数的 50%，贡献了约 75% 的可选消费支出。AI 正在吞噬的企业和岗位绝非美国经济的边缘，它们本身就是美国经济的支柱。

“技术创新会摧毁旧岗位，然后创造更多新岗位。”这是当时最流行、也最有说服力的反驳观点。它之所以流行，是因为在过去的两个世纪里，这一观点一直是对的。即使我们无法想象未来的工作会是什么样子，它们也一定会到来。

自动取款机（ATM）降低了银行网点的运营成本，于是银行开设了更多网点，出纳员的就业人数在随后的二十年里不降反升。互联网颠覆了旅行社、黄页和线下零售，但它也创造了全新的产业，催生了大量新岗位。

然而，过去每一个新岗位，都需要由“人”来完成。

而现在的 AI 是一种通用智能，它在你想要“转行”去做的那些任务上，进化得比你还快。被替代的程序员无法简单地转向“AI 管理”，因为 AI 本身已经具备了管理自己的能力。

如今，AI 智能体能处理长达数周的研发任务。尽管沃顿商学院的教授们每年都试图将数据塞进新的 S 型增长曲线中，但现实的指数级增长已经彻底粉碎了我们对“可能性”的认知。

它们几乎编写了所有的代码。性能最强的智能体在几乎所有事情上都比几乎所有人类都要聪明。而且，它们的价格还在持续下降。

AI 确实创造了一些新岗位，如提示词工程师、AI 安全研究员、基础设施技师。人类依然身处环路之中，负责最高层级的协调或审美把关。然而，AI 每创造一个新岗位，就会让几十个旧岗位作废。而且，新岗位的薪资仅为旧岗位的一小部分。

美国职位空缺和劳动力流动调查（JOLTS）：职位空缺跌破 550 万；失业人数与空缺职位比例攀升至约 1.7，为 2020 年 8 月以来最高 | 彭博社，2026 年 10 月

那一整年的招聘率都毫无生气，但 2026 年 10 月的 JOLTS 数据提供了一些确凿的证据：职位空缺跌破 550 万，同比下降 15%。

Indeed 报告：随着“生产力倡议”的蔓延，软件、金融和咨询领域的职位发布量大幅下降 | Indeed 招聘实验室，2026 年 11-12 月

白领职位空缺正在崩塌，而蓝领职位（建筑、医疗、技工）则保持相对稳定。流失最快的是那些负责写备忘录（某种程度上，我们居然还在营业）、审批预算以及维持经济中层运转的工作。然而，这两类人群的实际工资增长在当年的大部分时间里都是负数，且仍在持续下滑。

股市对 JOLTS 数据的关注依然不如对“通用电气 Vernova 公司 2040 年前的涡轮机产能已售罄”这类新闻的关注。市场在负面的宏观消息与正面的 AI 基础设施头条之间左右拉锯，横盘整理。

然而，债市（总是比股市更聪明，或者说更不浪漫）开始对消费受到的冲击进行定价。在接下来的四个月里，十年期国债收益率从 4.3% 一路跌至 3.2%。即便如此，表面的失业率并未大幅飙升，部分人仍未察觉到就业结构的细微变化。

在正常的衰退中，诱因最终会自我修正。过度建设导致施工放缓，进而导致利率下调，从而催生新的建设。库存过剩导致去库存，进而引发补库。这种周期性机制内部孕育着复苏的种子。

但这一轮危机的诱因并非周期性的。

AI 变得更强、更便宜。公司裁员，然后用省下的钱购买更多的 AI 能力，这让他们能裁掉更多人。失业工人减少支出。面向消费者的公司销量下滑、实力削弱，于是投入更多资金到 AI 中以保住利润率。AI 变得更强、更便宜。

这是一个没有自然制动装置的反馈循环。

直觉上，人们预期总需求下降会放慢 AI 的建设。但事实并非如此，因为这不属于超大规模云服务商式的资本支出（CapEx），而是运营支出（OpEx）的替代。一家原本每年在员工上花 1 亿美元、在 AI 上花 500 万美元的公司，现在变成了在员工上花 7000 万美元、在 AI 上花 2000 万美元。AI 投资翻了几番，但它是作为总运营成本降低的一部分出现的。每家公司的 AI 预算都在增长，而其整体支出却在萎缩。

讽刺的是，尽管 AI 正在颠覆的经济体开始恶化，但 AI 基础设施复合体却表现依旧强劲。英伟达（NVDA）的收入依然在刷新纪录。台积电（TSM）的产能利用率仍维持在 95% 以上。超大规模云服务商每季度在数据中心资本支出上仍投入 1500 亿至 2000 亿美元。那些纯粹受益于这一趋势的经济体，表现远超大盘。

印度则是反面典型。该国的 IT 服务出口每年超过 2000 亿美元，是印度经常项目盈余的最大贡献者，也是弥补其持续商品贸易逆差的资金来源。整个模式建立在一个核心价值主张上：印度开发者的成本仅为美国同行的一小部分。但现在，AI 编程智能体的边际成本已基本降至电费水平。TCS、Infosys 和 Wipro 的合同取消量在 2027 年加速增长。随着支撑印度外部账户的服务业盈余烟消云散，卢比在四个月内对美元贬值了 18%。到 2028 年第一季度，IMF 已开始与新德里进行“初步磋商”。

导致颠覆的引擎每个季度都在变得更强，这意味着颠覆的进程每个季度都在加速。劳动力市场根本不存在天然的“底”。

在美国，我们不再关心 AI 基础设施泡沫何时破裂。我们关心的是，当消费者正在被机器取代时，一个建立在“消费信贷”基础上的经济体会发生什么。

智能替代螺旋

2027 年，宏观经济的走向不再隐晦。过去十二个月里那些看似零散、实则负面的发展，其传导机制已变得昭然若揭。你根本不需要去翻阅劳工统计局（BLS）的数据，只需要去参加一场朋友聚餐就能感同身受。

被裁减的白领工人并没有坐以待毙。他们选择了“向下换挡”。许多人涌向薪资较低的服务业和零工经济岗位，这增加了这些领域的劳动力供给，进而压低了那里的工资水平。

我们的一个朋友在 2025 年曾是 Salesforce 的高级产品经理。头衔显赫、有医保和 401k 退休金，年薪 18 万美元。她在第三轮裁员中丢了工作，苦寻半年后，开始跑 Uber。她的年收入锐减至 4.5 万美元。重点不在于个别案例，而在于其二阶数学效应：将这种动态乘以各大城市几十万名的工人，结果便是——资历过剩的劳动力涌入服务业和零工市场，挤压了那些本就挣扎求存的原有工薪阶层的工资。特定行业的动荡最终演变成了全社会的工资萎缩。

与此同时，剩下的那部分以人为中心的岗位正面临新一轮的修正——就在我们撰写本文时，自动驾驶配送和无人车正横扫零工经济，而那里恰恰是吸收第一波失业工人的缓冲垫。

到 2027 年 2 月，很明显，那些尚未被解雇的职场精英也开始像“随时会丢饭碗”一样省吃俭用。他们付出了双倍努力（主要靠 AI 辅助）只为不被裁掉，而加薪提职已成奢望。储蓄率节节攀升，消费支出随之疲软。

最危险的部分在于滞后。高收入者利用厚实的储蓄维持了两三个季度的“体面生活”。直到现实经济已经烂透，硬性数据才证实了问题的严重性。随后，一份打破幻象的数据出炉了：

美国初请失业金人数飙升至 48.7 万，创 2020 年 4 月以来新高 | 美国劳工部，2027 年第三季度

初请失业金人数激增至 48.7 万，达到了 2020 年 4 月以来的最高点。ADP 和 Equifax 的数据证实，绝大多数新增申领者是白领专业人士。

标普 500 指数在随后一周下跌了 6%。宏观层面的负面消息在这场拉锯战中占据了上风。

在正常的衰退中，失业是广泛分布的。蓝领和白领按就业比例共同承担阵痛。消费支出的打击也是分散的，并会迅速反映在数据中，因为低收入者的边际消费倾向更高。

但这一轮周期中，失业集中在收入分配的顶端。虽然他们只占总就业人数的一小部分，却贡献了极其不成比例的消费支出。美国顶端 10% 的收入者占总消费支出的 50% 以上，前 20% 则占约 65%。正是这群人购买了房产、汽车、度假产品、高端餐饮，支付了私立学校学费和房屋装修费。他们是整个可选消费经济的活水源头。

当这些工人丢掉工作，或降薪 50% 以入职现有岗位时，对消费的冲击与失业人数相比是巨大的。白领就业率下降 2%，就意味着可选消费支出缩减了约 3% 到 4%。不同于蓝领失业的即时性（工厂下岗，下周就断炊），白领失业的影响具有滞后性但更深远，因为储蓄缓冲让他们能硬撑几个月，随后才会出现消费习惯的剧烈转折。

到 2027 年第二季度，经济陷入衰退。尽管美国国家经济研究局（NBER）要在几个月后才会正式确认（他们一贯如此），但数据已一目了然——我们已经连续两个季度实现实际 GDP 负增长。不过，当时这还称不上“金融危机”……至少在那一刻还不是。

连锁关联的赌局

私人信贷市场已从 2015 年的不足 1 万亿美元增长到 2026 年的逾 2.5 万亿美元。其中相当大一部分资金投向了软件和科技交易，许多是对 SaaS 公司的杠杆收购（LBO），其估值建立在“营收永久保持 15% 左右增长”的假设之上。

这些假设在第一场代理编程演示和 2026 年第一季度软件板块崩盘之间就已经死透了，但在账面估值上，人们似乎还没意识到大限已到。

当许多上市 SaaS 公司的估值跌至息税折旧摊销前利润（EBITDA）的 5 到 8 倍时，那些 PE 支持的软件公司在资产负债表上依然按照早已不存在的营收倍数挂账。管理人只是缓慢地调低估值：100 美分、92、85……而二级市场的对标价格早已跌到了 50。

穆迪下调 14 家发行人共计 180 亿美元 PE 支持软件债务评级，理由是“AI 竞争性颠覆带来的趋势性营收逆风”；这是自 2015 年能源行业以来最大规模的单一行业评级下调 | 穆迪投资者服务，2027 年 4 月

每个人都记得评级下调后发生了什么。行业老兵们在 2015 年能源行业评级下调时就已经领教过这种剧本。

2027 年第三季度，以软件资产支持的贷款开始违约。信息服务和咨询领域的 PE 投后公司紧随其后。几家知名 SaaS 公司涉及数十亿美元的杠杆收购进入了债务重组。

Zendesk 是最确凿的证据。

由于 AI 驱动的客服自动化侵蚀年度经常性收入（ARR），Zendesk 违反债务协议；50 亿美元直接贷款估值降至 58 美分；创下私人信贷软件行业违约历史纪录 | 金融时报，2027 年 9 月

2022 年，Hellman & Friedman 与 Permira 以 102 亿美元将 Zendesk 私有化。其 50 亿美元的债务包是当时史上最大的 ARR 支持融资工具，由黑石领衔，阿波罗、Blue Owl 和 HPS 参团。这笔贷款明确建立在“Zendesk 的年度经常性收入（ARR）将保持经常性”的假设之上。在约 25 倍 EBITDA 的高杠杆下，只有这个前提成立，逻辑才通。

然而到 2027 年年中，这一前提崩溃了。

AI 智能体在过去大半年里一直自主处理客户服务。Zendesk 所定义的领域（工单分发、路由、人类支持交互管理）已被根本不需要生成工单就能解决问题的系统所取代。那笔贷款承销所依据的“年度经常性收入”，不再具有“经常性”，而成了“尚未流失的暂时收入”。

史上最大的 ARR 支持贷款变成了史上最大的私人信贷软件违约。每个信贷部门都在同时问同一个问题：还有谁正面临着被伪装成“周期性波动”的“趋势性终结”？

但最初的共识中有一点是对的：这本来应该是可以挺过去的。

私人信贷不是 2008 年的银行业。其整体架构被明确设计为规避强制出售。这些是资金封闭运作、长期锁定的工具，有限合伙人（LP）的承诺期限长达七到十年。这里没有储户会挤兑，也没有回购协议线会被抽走。管理人可以守着这些受损资产，通过时间来化解并等待回收。虽痛苦，但可控。这套系统理应是“会弯曲但不会折断”的。

黑石、KKR 和阿波罗的高管表示，软件敞口仅占资产的 7% 到 13%。风险可控。每一份卖方简报和金融推特上的信贷账号都在重复同一句话：私人信贷拥有“永久资本”。它们能吸收那些足以让高杠杆银行破产的损失。

“永久资本”。这个词出现在每一次旨在安抚市场的财报电话会议和投资者信中，成了一句咒语。就像大多数咒语一样，没人注意到细节。以下才是它真正的含义……

在过去的十年里，大型另类资产管理公司收购了寿险公司，并将其转化为融资工具。阿波罗收购了 Athene，布鲁克菲尔德收购了 American Equity，KKR 则拿下了 Global Atlantic。其逻辑非常优雅：年金存款提供了稳定、长期的负债基数。管理人将这些存款投入到他们自己发起的私人信贷中，从而赚取双倍收益——保险端的利差和资管端的管理费。这是一台“费上加费”的永动机，但它运作完美的前提只有一个：

私人信贷资产必须是足额、安全的。

损失冲击了那些旨在持有流动性差、对应长期义务的资产负债表。那些本应让系统更具韧性的“永久资本”，并不是什么耐心的机构资金或承担复杂风险的高级投资者，而是普通美国家庭（即“普通民众”）的储蓄，它们被包装成年金，投资于如今正在违约的 PE 软件和科技票据中。那些无法“跑路”的锁定期资金，本质上是寿险保单持有人的钱，而那里的规则可大不相同。

相比银行业，保险监管机构此前一直表现得温顺、甚至有些懈怠，但这次成了他们的警钟。监管机构本就对寿险公司私人信贷的高度集中感到不安，现在开始下调这些资产的风险资本估值。这迫使保险公司要么补充资本，要么出售资产——而在一个已经陷入停滞的市场中，这两者都不可能在有利条件下完成。

纽约州和爱荷华州监管机构提议收紧寿险公司持有的部分私人评级信贷的资本要求；预计 NAIC 指引将提高风险资本（RBC）系数，并触发额外的监管审查 | 路透社，2027 年 11 月

当穆迪将 Athene 的财务实力评级展望定为负面时，阿波罗的股价在两个交易日内暴跌 22%。布鲁克菲尔德、KKR 等紧随其后。

情况自此变得愈发复杂。这些公司不仅创造了保险永动机，还建立了一套精密的离岸架构，旨在通过监管套利实现收益最大化。美国保险公司售出年金，然后将风险分保给同样由其拥有的百慕大或开曼群岛再保险子公司——以此利用当地更灵活的监管，在持有相同资产的情况下预留更少的资本。而该子公司又通过离岸特殊目的公司（SPV）募集外部资金，形成了一层新的交易对手，与保险公司共同投资于母公司资管部门发起的私人信贷。

评级机构（其中一些本身就是由 PE 拥有的）在透明度上从来不是典范，这几乎没让任何人感到意外。不同公司与不同资产负债表交织而成的蛛网极其不透明。当底层贷款出现违约时，“到底谁在承担损失”这个问题在实时状态下根本无法回答。

2027 年 11 月的崩盘标志着认知的转折：这不再是一次普通的周期性下挫，而是某种更令人不安的事物。美联储主席凯文·沃什（Kevin Warsh）在 11 月的紧急会议上称其为“一场建立在白领生产力增长假设之上的连环关联赌局”。

要知道，造成危机的从来不是损失本身，而是对损失的承认。而现在，在金融界的另一个规模更大、重要得多得多的领域，我们对这种“承认”感到恐惧。

抵押贷款之问

旧金山 Zillow 房价指数同比下跌 11%，西雅图下跌 9%，奥斯汀下跌 8%；房利美指出，在科技/金融从业人员占比超 40% 的邮政编码区域，早期违约率出现上升 | Zillow / 房利美，2028 年 6 月

本月，旧金山的 Zillow 房价指数同比下跌了 11%，西雅图下跌 9%，奥斯汀下跌 8%。这还不是唯一的忧虑。上个月，房利美（Fannie Mae）警告称，在巨额贷款密集的区域，早期违约率正在升高——而这些地区居住的通常是信用分超过 780、号称“刀枪不入”的借款人。

美国住房抵押贷款市场规模约为 13 万亿美元。抵押贷款承销建立在一个基本假设之上：借款人在贷款期限内将维持大致现有的收入水平。对于大多数贷款来说，这个期限是三十年。

白领就业危机引发的收入预期持续下滑，正动摇着这一假设。我们现在必须面对一个三年前看起来还荒谬绝伦的问题：那些优质抵押贷款还是足额安全的吗？

美国历史上每一次抵押贷款危机，归根结底都不外乎三个原因：投机过度（如 2008 年，贷款给买不起房的人）、利率冲击（如 20 世纪 80 年代初，利率攀升导致浮动利率贷款无法负担），或局部经济冲击（如 80 年代德州的石油业或 2009 年密歇根州的汽车业）。

但这些都不适用于现在的状况。涉及的借款人并非次级贷人群，他们的 FICO 评分高达 780。他们付了 20% 的首付，信用记录清白，工作稳定，且在贷款发起时收入已通过核实。他们曾是金融系统所有风险模型公认的信贷质量基石。

2008 年，贷款从第一天起就是烂账。但在 2028 年，贷款在发放的那天是极好的。只是在贷款写就之后，世界……变了。人们透支了一个他们已无力去相信的未来。

2027 年，我们发现了一些隐形压力的早期迹象：房屋净值贷款（HELOC）提取、401(k) 提前支取，以及信用卡债务激增，而此时抵押贷款月供依然在按时偿还。随着职位流失、招聘冻结和奖金削减，这些优质家庭的债务收入比增加了一倍。

他们仍能勉强支付房贷，但代价是停止所有可选消费，耗尽储蓄，并推迟任何房屋维护或修缮。技术层面上，他们并没有违约，但只要再来一次冲击就会崩盘——而 AI 能力的演进轨迹表明，那次冲击正在路上。接着，我们看到旧金山、西雅图、曼哈顿和奥斯汀的违约率开始激增，尽管全美平均水平仍处于历史常规范围内。

我们正处于最尖锐的阶段。当边际买家健康时，房价下跌是可控的。但在这里，边际买家正面临着同样的收入受损。

虽然担忧在加剧，但我们尚未陷入全面的抵押贷款危机。违约率虽然上升，但仍远低于 2008 年的水平。真正的威胁在于其发展轨迹。

“智能替代螺旋”现在有了两个加速实体经济衰退的金融助推器：劳动力替代、房贷忧虑、私人市场动荡。它们互为因果、相互强化。而传统的政策工具包（降息、量化宽松）只能解决金融引擎的问题，却解决不了实体经济引擎的问题，因为实体经济的问题并非由紧缩的金融环境引起，而是由 AI 导致的人类智能稀缺性下降和价值贬值引起的。你可以把利率降到零，买入市场上所有的抵押贷款支持证券（MBS）和违约的软件 LBO 债务……

但这改变不了一个事实：一个 Claude 智能体能以每月 200 美元的成本，完成一个年薪 18 万美元产品经理的工作。

如果这些担忧成真，房贷市场将在今年下半年崩裂。在那样的情境下，我们预计股市的跌幅最终将赶上全球金融危机（高点跌至低点跌幅 57%）。这将使标普 500 指数降至 3500 点左右——那是我们在 2022 年 11 月 ChatGPT 问世前一个月之后就再也没见过的水平。

显而易见，13 万亿美元住房抵押贷款背后的收入假设已遭到结构性破坏。不确定的是，在房贷市场完全消化这一事实之前，政策干预是否还来得及。我们抱有希望，但也不得不面对那些让人悲观的理由。

与时间赛跑

第一个负反馈循环发生在实体经济：AI 能力提升，工资单缩减，消费软化，利润收紧，公司购买更多 AI 能力，能力进一步提升。接着它转向金融：收入受损冲击房贷，银行损失收紧信贷，财富效应破碎，反馈循环随之加速。而这两者都因为政府迟缓且显得有些困惑的政策响应而变得更加严重。

这套系统初建时并非为了应对此类危机。联邦政府的收入基础本质上是对“人类时间”征税。人们工作，企业支付报酬，政府从中抽成。个人所得税和工资税是常年财政收入的支柱。

截至今年第一季度，联邦税收比国会预算办公室（CBO）的基准预测低了 12%。工资税下降是因为以原有薪资水平就业的人数减少；所得税下降是因为赚取的收入结构性降低。生产力在激增，但收益流向了资本和算力，而非劳动力。

劳动报酬占 GDP 的比重从 1974 年的 64% 下降到 2024 年的 56%，这是由全球化、自动化和工人议价能力持续流失驱动的、跨越四十年的缓慢下行。然而，在 AI 开启指数级进化后的短短四年里，这一数字已跌至 46%，创下了史上最快跌幅。

产出还在，但它在流回企业的途中不再经过居民家庭，这意味着它也不再经过国税局（IRS）。经济循环正在断裂，而人们正期待着政府能出手修复。

正如每一次衰退一样，政府支出在收入下降的同时开始攀升。不同的是，这次的支出压力并非周期性的。“自动稳定器”是为临时性失业设计的，而非结构性替代。现在的系统支付的失业福利，其前提是假设工人会被重新吸收，但许多人并不会，至少不会以原有的工资水平回归。疫情期间，政府坦然接受了 15% 的财政赤字，因为那是公认的暂时现象。而今天需要政府支援的人，并非遭遇了可以康复的瘟疫，而是被一项日益精进的技术所取代。

政府需要在向家庭征税越来越少的同时，向他们转移支付更多的资金。

美国不会违约，因为它可以靠印钱来支付开支，并用同样的货币偿还债权人。但压力在其他地方显现了出来。市政债券今年的表现出现了令人担忧的分化：没有所得税的州尚且平稳，但严重依赖所得税的州（多为蓝州）发行的普通义务市政债已开始反映违约风险。政客们迅速察觉，关于“谁该获得救助”的辩论演变成了党派之争。

值得称赞的是，本届政府较早地意识到了危机的结构性，并开始考虑一项名为《转型经济法案》的跨党派提案：一个向失业工人直接转移支付的框架，资金来源包括赤字开支以及拟议的“AI 推理算力税”。

目前最激进的提案更进一步。《AI 共同繁荣法案》拟建立对智能基础设施回报的公共债权，性质介于主权财富基金和“AI 产出版税”之间，通过分红来资助家庭转移支付。私营部门的游说者已向媒体狂轰滥炸，警告这会导致国家陷入不可挽回的滑坡。

讨论背后的政治博弈正如预料中般阴暗，更因哗众取宠和边缘政策而雪上加霜。右翼将转移支付和重新分配称为马克思主义，并警告对算力征税是将领先地位拱手让给中国；左翼则警告说，在巨头帮助下起草的税收法案不过是变相的“监管俘获”；财政鹰派指责赤字不可持续；鸽派则以金融危机后过早实施的紧缩政策为前车之鉴。随着总统大选的临近，这种分歧正不断被放大。

在政客们争吵不休时，社会结构的断裂速度已远超立法进程。

“占领硅谷”运动成了广泛不满的象征。上个月，示威者连续三周封锁了 Anthropic 和 OpenAI 在旧金山的办公室入口。他们的人数不断增加，引起的媒体关注甚至超过了触发抗议的失业数据。

很难想象公众会比痛恨金融危机后的银行家更痛恨谁，但 AI 实验室正朝着这个目标迈进。而在大众看来，这种痛恨理由充足：创始人和早期投资者积累财富的速度让“镀金时代”都显得平庸。生产力爆发带来的收益几乎全部流向了算力所有者和实验室股东，使美国的贫富差距扩大到了前所未有的地步。

各方都有自己心目中的反派，但真正的反派是时间。

AI 能力的进化速度超过了体制的适应能力。政策响应还停留在意识形态的争论中，而非面对现实。如果政府不尽快就问题的本质达成共识，负反馈循环将替他们书写下一个章节。