原文署名:陳經濟
前天看到了一個轉述斯坦福經濟學教授,Charles "Chad" Jones,弱鏈理論〈Intermediate Goods and Weak Links〉的視頻。有啓發,也有挑戰。值得寫寫。
有觀衆用元寶為太長不讀的人總結了一下視頻,内容大致如下:
「查德·瓊斯教授指出:即使AI相關技術呈現近乎指數級的進步,這種進步向宏觀經濟增長的傳導也可能非常緩慢。其關鍵直覺,是他所說的弱鏈接——當生產由大量彼此互補的環節組成時,系統的整體效率會越來越受到少數薄弱環節的制約。即使AI優化了99%的生產環節,剩餘1%無法自動化的部分(如人類決策、物理互動)仍會鎖死整體產出上限。 典型案例:臺式電腦芯片數量比70年代多1億倍(注:這個表述似乎有問題,很可能是指運算能力),但研發效率未比升;放射科醫師數量反增,因AI承擔75%標準化閱片後,醫師更專注於高價值的25%複雜決策。 教授警告:AI帶來的不僅是效率提升,更有"非對稱風險"-系統改善緩慢但崩潰極快(如挑戰者號因25美元O型圈爆炸)。未來30-50年,經濟成長將經歷"泥濘中的飛輪"式緩慢爬升,而人類獨特技能(尤其物理操作能力)將成為新稀缺資源。」
僅從這個視頻的内容來看,Jones的表述非常好,但不是完全沒有問題。
比如,AI攻剋弱鏈接的方式,很可能并不只是把那個環節本身做得更強。歷史上對瓶頸的真正突破,往往還有另一種更徹底——也更暴力——的方式:如果我做這件事不行,那麼我就構建一套不需要你做這件事的系統來替換原來的方案。前者是對既有production recipe的局部優化,後者則是對recipe本身的重寫。兩者看起來都叫「技術進步」,在模型裡卻是完全不同的機制。
又比如,試想下,如果AI發展出一套不需要人工麻煩維護的下水系統,水管工的價值是不是就消弭了?這和當年蒸汽機取代馬車,瀏覽器異軍突起,移動設備幹翻臺式,都不無相似的脈絡。這就是典型的讓原來那條鏈(含弱鏈接)本身失去了存在的必要。
再比如,當我們說“帶動經濟”的時候,我們首先得想清楚了,經濟到底是什麽意思?首先,經濟不是生產,或者至少不僅僅是生產;實際上生產力相對過度所產生的經濟危機,殷鑒不遠。其次,經濟的本質是人類(或代理人之間)交換所創造的總利益,經濟增長則是這個總利益的擴張。也就是說,經濟不能被簡單等同於生產。更準確地說,我們最終關心的并不只是社會能生產多少東西,還有這些生產能力能否通過分工、交換與其他形式的協作,被轉化為行動者彼此承認的價值。經濟增長不只是production frontier的外移,也包括整個價值實現與協調網絡的擴張。
這就暗示了真正的瓶頸所在,其實是人類交換所發生的頻率(更多交易、更密集的市場,等等)和質量(更高的匹配效率、更低的摩擦、更優的分工與信任,等等)。
不過,批評建議之前,我們還是值得先把Jones的原始模型講精確些。於此,可以參考今年早些時候,他參加的一個webinar。在其中,他和另外一名經濟學家Chris Tonetti探討他們關於自動化歷史及其對AI未來影響的研究。主要有以下幾個關鍵主題:
一、自動化的歷史影響。兩位經濟學家分析了工業革命以來的經濟成長,得出結論:自動化(定義為將任務從人類轉移到機器)大約佔過去經濟成長的一半。
二、弱鏈(其實就是瓶頸)框架。他們採用了一個基於任務的模型,其中資本和勞動力之間的替代彈性(σ)小於1。這會在生產過程中造成「薄弱環節」,這意味著即使機器的生產效率迅速提高,其整體影響也會因仍需人工完成的任務而受到抑制。
三、AI與成長的未來。雖然模擬結果表明AI將帶來爆炸性的經濟成長,但Jones強調了一個關鍵發現:這種爆發式成長將極其緩慢,其全部影響可能需要75年才能完全顯現,這主要是由於上述薄弱環節造成的。
四、樂觀展望。討論以樂觀的基調結束,表明這種過渡的漸進性使社會有時間應對潛在的挑戰,包括不平等、政治經濟和人工智能生存風險。
原視頻在此,數學好的同學可以看看。我看的是似懂非懂~
https://www.youtube.com/watch?v=JhqJ0sklldk&list=WL&index=43&t=985s

因此,Jones的〈Intermediate Goods and Weak Links〉理論,本質上是把Kremer的O-ring(假設Leontief、替代彈性為零)一般化成一個CES(Constant Elasticity of Substitution)生產函數。O-ring說,最終產品的價值取決於每項任務是否正確完成,因為即使一個步驟的失敗也可能導致整個產出失敗。所以你看,水桶定律、短板定律、瓶頸現象,歷史上有無數樸素的認知,它們的底層邏輯都是相似的。因爲它們對標同一類現實。
如上面的引圖所示,弱鏈接的“弱”(度)是用 1/(1-σ) 這個參數來展現的。鏈條上每個環節的重要性不是固定和絕對的,其重要性隨著其他環節被自動化而動態上升。他最近那個電腦的例子(臺式電腦芯片數量是七十年代的一億倍,但生產力沒有漲一億倍)的正是這件事。把鏈條裡的十七個環節無限增強,價值就會愈來愈集中在剩下三個環節上。這是模型內生的結果,並不是有待攻剋(因爲無法一勞永逸的攻剋)的bug。
這是因爲,鏈條的拓撲結構是固定的。Jones的模型允許環節內部的技術替代彈性變化,但沒有讓鏈條本身重組。它假設“生產某物”永遠需要那幾個特定的中間投入,只是每個投入被自動化的程度不同。
而我舉的例子(蒸汽機、瀏覽器、行動裝置、自維護水管系統)講的其實是另一種機制。某個環節沒有被做得更強;這些例子中,整條鏈的被換掉或者被捨棄,讓原本那個環節的存在理由本身直接消失。
通過搜索,我發現這其實和Jones自己另一篇論文〈Recipes and Economic Growth〉裡的立場有重合。那篇文章把技術進步講成在配方空間(Formulation Space)裡做組合搜尋。這種説法就比較更好接受些了。配方本身是可以被發現、被替換的。不過,如果配方可以變,弱鏈接模型裡“鏈條結構固定、只有環節強度變動”的假設,和他自己“配方是組合搜尋產物”的成長觀,兩者其實還是有些張力的。我理解為作者自己腦海中的觀念打架——我自己就經常覺得公說公有理,婆說婆有理。
不過我還是會在這裡替Jones說句公道話,免得論證顯得太乾脆。自維護水管系統雖然可能消滅了“疏通”這個環節,但同時也創造了新的瓶頸/弱鏈。比如,誰來設計異常房屋結構下的容錯邏輯、誰對系統失靈負法律責任、誰判斷什麼算“正常磨損”與什麼算“設計缺陷”。
這正是Acemoglu與Restrepo講的位移效應(displacement)與復置效應(reinstatement)的邏輯延伸。此二位認爲,當新技術或自動化設備(如機器、機器人或AI)的生產效率高於人類時,資本就會在特定的生產任務中直接取代勞動力。但是,新技術在消滅舊任務的同時,也會創造出全新的、人類具有比較優勢的任務與職缺。同時,他們也認爲,自動化發展過快,大量中低技術的常規工作被機器人與軟件吞噬。而新任務創造的速度跟不上,且新職缺高度集中在高技術人才,加劇了不平等與薪資停滯。
因此他們警告,若一味發展「只能取代人、卻無法創造新任務」的平庸自動化(so-so Automation),將對勞動力市場帶來長期的負面衝擊。
你看看,啥都讓他說了,難怪會得Nobel獎

Bresnahan與Trajtenberg講通用技術時也反覆強調了這一點。通用技術要落地,需要大量互補性的再發明(co-invention),而每一步再發明都會生出自己的弱鏈接。所以,發明一套替換技術來消除原有的弱鏈接,本質上也是拖延戰術——可是不拖延,我們又能做些什麽呢?
這樣看來,“配方替換能否擊敗弱鏈接邏輯”這種categorical命題,提出了雖然顯得高大上,實際需要解決的,還是一個動態速率問題,即“新配方生成弱鏈接的速度,是否慢於舊配方被淘汰的速度”。

前面我給出了自己對於經濟的定義。我自認爲把經濟定義為交換創造的總利益、把成長定義為這個利益的擴張,這個立場本身並不算激進,而且有清楚的譜系。它是邊際主義/奧地利學派“catallactics”(交換學)傳統的當代版本。我覺得這和我長期閲讀和試圖反駁的Hayek直接相關。
嗯,我是Hayek的黑粉。
沒記錯的話,Hayek本人在《法律、立法與自由》裡明確主張用“catallaxy”(源自希臘文katallattein,兼有“交換”與“化敵為友”之意)取代“economy”這個詞,理由正是我講的。
“Economy”(oikonomia)預設一個單一目的秩序,而市場是無數各自追求不同目的的行動者通過交換構成的自發秩序,兩者範疇不同。我把“帶動經濟”進一步還原成交換頻率、匹配效率與交易摩擦,其實是把Hayek關於taxis/kosmos的那條綫索,從制度秩序的分析延伸到了對經濟協調機制本身的理解。
不過,有兩個地方可以論證做得更硬核一點。
第一、交換創造利益,靠的是行動者之間主觀評價的差異(比較利益、邊際效用遞減的異質性),這一點沒問題;問題是交換的對象從哪裡來。
亞當·斯密在他的Smith's Theorem中講,交換反過來驅動分工、分工驅動生產力,兩者產生互為因果的互反饋,并非交換取代生產成為第一性的範疇。因此,更精確的說法并不是用“交換”取代“生產”。在一個互相強化的反饋系統中,生產是交換得以發生的物質基礎,而交換規模又反過來通過分工、專業化和市場範圍改變生產力。
Allyn Young一九二八年那篇〈Increasing Returns and Economic Progress〉把正是講的這個互反饋系統。市場擴張帶來專業化,專業化帶來報酬遞增,報酬遞增又反過來擴大市場,整個過程不需要外生的技術衝擊就能自我維持。

第二個問題是可操作性。“交換的頻率與品質”、“更優的分工與信任”這樣的表述,如果不錨定到具體的操作變量,很容易變成一個可以覆蓋一切成長因素的萬金油。
制度好也是“品質高”,技術進步也是“品質高”,信任提升也是“品質高”,這樣命題就失去可證偽性。如果借用諾斯(Douglass North)的交易成本分解(測量成本+執行成本),或者搜尋與匹配理論裡現成的操作變量(市場厚度、搜尋成本、匹配函數的效率參數),把“品質”拆成幾個獨立可觀測甚至可量化的維度。
過去二十年最直接驗證我這個命題的經驗證據,其實就是平台經濟。比如,Uber、Airbnb、各類撮合型市場,本質上都是直接針對“交換頻率與匹配品質”這兩個變量做投資的技術。
有一點我一直在考慮,如果經濟的本質是交換而不是生產,那麼Jones那套“弱鏈接”敘事——AI沿著生產鏈條一個環節一個環節地啃——可能根本問錯了AI對經濟最要緊的作用位置。
歷史上的通用技術(蒸汽機、電力)確實主要作用在生產鏈條上,弱鏈接框架用來分析它們是合適的。但如果AI真正的比較優勢是議價、撮合、動態定價、合約起草這類直接發生在交換層的任務,那麼它可能不是在“啃”生產鏈條的弱鏈接,而是在直接按照我定義的經濟本體——交換的頻率與品質——做乘數式的投資。
最後再套用我自己兩種自由的劃分。若爲石油故
AI所引領的技術革新,最大的增長體現無疑在技術自由這塊;對分配自由的衝擊雖不能說完全沒有,但是遠不能與前者相提並論。而且,這裡還需要細分一下。運算與模型所有權在資本層面的集中,具有相當強的結構性。規模經濟、固定成本與網絡效應本身就在把市場推向集中。這意味著,單靠技術自身的進步,未必足以在短期內逆轉這種集中。
但在勞動與個體技能層面,AI對分配自由的衝擊未必單向惡化,某些低門檻生成工具反而可能拉近特定職業內部的技能溢價差距(懂AI的管道工活得更好?)。真正決定資本層的集中能否被稀釋、能榨取多少租的,更多是設計秩序(designed order)的問題。反壟斷、資料所有權制度、開源生態、勞動議價權的制度選擇,這些都會再次衝到最前沿——當然,它們也一直沒有退場過。
我認爲,經濟的增長,很大程度依賴於分配自由能夠更穩定、更可持續地產生需求。這裡也要拆成兩條渠道。一是購買力渠道,分配愈平均、邊際消費傾向愈高的群體所得比例愈大,總需求就愈穩定;二是准入渠道,分配自由決定了有多少行動者能夠作為交換的一方進場,關乎交換發生的廣度而非僅僅是量。一群有消費的富豪養活整個經濟,這樣版本注定是低能科幻作家的產品。技術自由的爆炸性擴張,如果沒有分配自由在這兩條渠道上同步支撐,產出與需求之間就會出現結構性缺口。
這兩條渠道在AI的語境下未必同向。AI可能一邊通過winner-take-all式的資本與運算集中(衝擊第二條准入渠道),一邊又通過生成式工具降低某些白領任務的技能門檻而在特定職業內部產生一定的拉平效果(緩和第一條購買力渠道的惡化)。Noy與Zhang於2023年那個關於ChatGPT對寫作類任務的實驗就發現,低技能員工的產出提升幅度顯著大於高技能員工,職業內部的差距反而縮小。

巴杜里與馬格林(Bhaduri-Marglin)的工資主導型(wage-led)對利潤主導型(profit-led)成長體制的區分,或者俗稱的“你睡覺時是不是也在賺錢”,正是在處理“分配結構的變動,究竟是提升還是壓低總需求”這個問題。而这条線索的祖先可以一路追溯到馬爾薩斯、西斯蒙第對薩伊定律的質疑,再到馬克思的“實現問題”(生產出來的剩餘價值找不到足夠的有效需求來吸收)。
技術自由的爆炸性擴張如果沒有分配自由同步支撐,產出與需求之間就會出現結構性的缺口。這條線索是嚴肅且有大量實證工作支撐的,並不是我的靈感突現。
某種程度上,我們可以說,這其實正是馬克思講的實現問題的當代版本。生產出來的剩餘,找不到足夠且穩定的有效需求去吸收。歷史經驗顯示,這種缺口在顯現之前,往往會先被某種替代機制暫時掩蓋,比如發生過的信貸擴張頂替停滯的工資收入,或資產價格上漲帶來的財富效應頂替所得再分配。兩者本質上都是延遲問題,直到替代機制自身耗竭崩潰。
東大和西大都在經歷這種延遲。因爲這個模式與投資出口導向型成長長期壓抑家庭消費、靠外部需求頂替內需再平衡的邏輯,是同構的。
AI時代接下來會發生的事,大概會是這樣的。分配停滯造成的需求缺口,在短中期內很少會直接以“需求不足、經濟停滯”的形式顯現出來,而是會被某種替代機制暫時掩蓋。

拉詹(Raghuram Rajan)在《斷層線》裡對二〇〇八年金融危機的解讀,講的正是這個機制。美國自八十年代起實質工資停滯、所得分配持續向頂層集中。而政治體系選擇用擴張消費信貸(次貸)去頂替停滯的工資收入,讓底層家庭得以維持消費水平。結果是用債務取代了所得再分配,把分配問題轉化成了金融槓桿問題,直到二〇〇八年這個替代機制自己崩潰。
資產價格上漲帶來的財富效應(股票、房產持有者的邊際消費傾向雖低,但總資產膨脹到一定規模後仍能撐起相當可觀的消費)是另一種掩蓋機制。如果AI驅動的技術自由擴張確實伴隨我所說的分配馬太效應,我會預期接下來看到的不是立即的需求崩潰,而是信貸擴張或資產財富效應暫時撐住總需求。可惜,這正是一個結構性問題被再次延遲而非解決的訊號。
最後,我想回到自覺秩序/自發秩序(designed order/emergent order,or taxis/kosmos)那組框架裡去看待這個問題。運算規模經濟、信息網絡效應這些确实是AI產業結構裡相當emergent的東西——大模型訓練的資本密集度天然偏向贏家全拿,這一層集中很可能是結構性的,不太受制度選擇左右。

但真正決定“這個集中能榨取多少租、能不能通過反壟斷、資料所有權制度、開源模型生態、勞動議價權去稀釋”的,更多是個designed order的問題,是政策與制度選擇的結果而非技術的必然推論。
如果把“分配自由被AI衝擊”完全歸因於技術自由擴張本身,可能會低估這裡面有相當大一部分其實是可以通過制度設計去逆轉或緩解的。這麽想會沒那麽讓人絕望;因為它同時說明了問題的結構性根源(技術層的規模經濟是真實且頑固的),也保留了政治能動性的空間(分配後果不是技術決定論式的必然)。