【新智元導讀】DeepMind 剛上任的 AGI 經濟學總監 Alex Imas 曾擔憂 AI 導致失業和需求坍縮，如今提出一個謹慎樂觀判斷，AI 會壓低可複製勞動價格，也會推高護理、教育、醫療、服務等關係型勞動的價值。

專注研究 AI 對經濟社會的影響的頂級學者，芝加哥大學教授 Alex Imas 加入Google DeepMind 擔任 AGI 經濟學總監（Director of AGI Economics），DeepMind CEO Demis Hassabis 轉發確認了這一重大人事消息。

https://x.com/alexolegimas/status/2052778908882174302

https://x.com/demishassabis/status/2052949334715502775

Imas 原本是芝加哥大學經濟學家，長期研究行為經濟學和 AI 對勞動力市場的影響。

他不只是在論文裡討論技術衝擊的人。

他一邊認真使用 Claude、ChatGPT 等前沿模型，一邊嚴肅對待 AI 可能帶來的失業、工資份額下降和需求坍縮。

更準確地說，他曾經非常悲觀。

此前在接受《財富》雜誌採訪時，Imas 說，自己最初的反應是害怕。

自動化如果消滅大量崗位，工資收入隨之萎縮，只有資本所有者還握有購買力，但他們已經接近消費飽和。

被替代的勞動者買不起東西，需求下降，經濟收縮，這是近年來 AI 經濟討論中最具壓迫感的場景之一。

現在，他給出了一個相對樂觀的答案。

這個答案的關鍵詞不是 AGI，不是生產率爆炸，也不是全民基本收入。

這家公司賣的是高度標準化的咖啡產品。

技術上，減少門店人力並不難。

過去幾年，咖啡連鎖企業一直在通過自動化、流程化和人員壓縮來保護利潤率。

但星巴克新任 CEO Brian Niccol 最近做了一個反向動作，恢復手寫杯身、陶瓷杯、舒適座椅，重新強調門店裡的「人味」。

更多咖啡師被招聘，一些自動化流程被降速。

當 AI 讓越來越多商品和服務變得便宜、標準、可複製時，真正稀缺的東西會換地方。

過去稀缺的是產能、技術、管道，未來更稀缺的可能是人的在場、人與人的關係、某種不可複製的來源感。

Starbucks 的調整看起來很小，放進 AI 經濟的大背景裡，卻很值得玩味。

消費者買咖啡，買到最後並不只是在買咖啡因。

那張桌子、那個熟悉的店員、杯子上的手寫名字、周圍人聲形成的微弱陪伴感，都在構成價格的一部分。

效率沒有失效，只是效率無法解釋全部價值。

Imas 的理論底座來自結構變化經濟學。

1900 年前後，美國約 40% 的勞動力還在農業部門——而今天這個比例已經不到 2%。

人類沒有停止吃飯，只是當農業生產率大幅提升後，社會不再需要把大量勞動力放在食物生產上。

勞動力被重新分配到製造業、服務業，以及後來更細分的消費部門。

這段歷史給了 AI 衝擊一個可參考的框架。

如果 AI 顯著提高某些部門的生產率，價格下降後，人們不會無限購買同一種便宜商品。

收入提高或成本下降後，需求會遷移到新的地方。

Imas 引用 2021 年 Econometrica 的一篇論文，指出歷史上部門再分配的主要動力，很大程度來自收入效應。

https://www.nber.org/system/files/working_papers/w21595/w21595.pdf

人變富之後，並不會只是多買同樣的東西，而會轉向那些收入彈性更高的商品和服務。

當文字、圖像、程式碼、基礎諮詢、標準化客服越來越便宜，消費者會把更多錢花到關係型部門。

護理、教育、醫療、心理諮詢、兒童照護、餐飲、酒店、私人服務，這些崗位的共同點是都包含人際互動。

護士、教師、咖啡師、醫生、治療師並不靠表演生存。

他們創造價值的方式更日常，也更難被蒸餾。

他們需要觀察對方的情緒，理解上下文，建立信任，承擔責任。

這些東西可以被 AI 增強，卻很難被完全壓縮成一段自動回覆。

Imas 還用了一個很有意思的觀察。

今天的億萬富翁幾乎沒有預算約束。

理論上，他們可以獨自住在島上，消費最好的電影、遊戲、軟體、裝置和私人娛樂系統。

但現實中，很多富人把大量時間花在播客、社交平台、現場演出、公共討論和人與人的互動上。

這說明一個問題，人的關係需求很難被完全滿足。

它帶有比較性，也帶有社會性。

人想要的不只是功能，還有被看見、被回應、被某個真實的人認真對待。

法國哲學家 René Girard 關於模仿慾望的討論，也被 Imas 納入解釋框架。

人們常常因為別人想要、別人得不到，才更想擁有某件東西。

他和合作者的實驗顯示，當受試者得知某個商品會把一部分人排除在購買之外時，對同一商品的支付意願會明顯上升。

後續研究還發現，如果商品被認為由 AI 參與生成，這種稀缺溢價會下降，因為 AI 製造物被天然視為可複製。

越容易複製的東西，越難維持身份溢價。

越帶有人類來源、關係鏈條和不可替代場景的東西，越可能變貴。

很多人談 AI 後的就業，會把希望寄託在藝術家、創作者和表演者身上。

關係型部門的重點不是高雅藝術，也不只是舞台和鏡頭。

星巴克員工不是表演者，醫院裡的護士、學校裡的老師、腫瘤資料團隊裡的協調者，也不是靠才藝吃飯。

他們的工作價值來自另一種東西，複雜機構裡的信任、判斷和協作。

一位大型醫療非營利組織的資料科學家說，公司給全員部署了企業版 ChatGPT，管理層能清楚說出的用例主要是寫郵件和總結郵件。

真正涉及癌症患者資料的統計分析，由於保護性健康資訊、法律審查和機構流程，模型根本無法直接進入核心環節。

他用 ChatGPT 更快翻譯統計程式碼，也能迅速做出癌症生存風險計算器原型。

問題在於，從原型到公開使用，中間隔著法律審查、撥款申請、NIH（美國國立衛生研究院）溝通、委員會流程，以及一群忙到每天只能給他 15 分鐘的外科腫瘤醫生。

是把醫生的臨床直覺翻譯成統計問題，把統計模型翻譯成醫生能信任的表達，再讓整個機構願意為一個結果負責。

這就是 Imas 所說的關係型勞動。

他的前提是，社會有時間完成轉移。

農業勞動力轉向製造業和服務業，是一場跨越幾十年的結構變化。

AI 如果在幾年內迅速替代大量白領任務，勞動力市場、教育體系和制度安排可能來不及消化。

摩根士丹利在 3 月的一份研究中提醒投資者關注 AI 對就業的衝擊——大模型能力提升速度超出預期，裁員壓力正在變得更尖銳。

現實裡同時存在兩幅平行的畫面。

一邊是前沿模型能力不斷抬高。

很多仍然用幾年前對 ChatGPT 的印象判斷 AI 的人，遠遠低估了變化速度。

另一邊是企業內部的部署非常粗糙。

昂貴的企業帳號推到員工面前，最後只能落實到寫郵件、總結郵件。

DeepMind 真正買下的，是一種經濟學視角

所以，Hassabis 把 Alex Imas 拉進 DeepMind，值得關注的地方不只是又一位經濟學家進入 AI 實驗室。

DeepMind 需要的不只是訓練更強模型，也需要理解強模型進入社會後的摩擦係數。

AI 可以把很多任務變便宜，但便宜之後，人類會買什麼、僱傭什麼、信任什麼，會重新決定經濟結構。

技術能力是一條線，社會吸收能力是另一條線。

兩條線之間的距離，可能決定未來十年的就業震盪程度。

AI 會繼續壓低可複製工作的價格，關係型勞動可能吸收一部分人，醫生、教師、護士、治療師、服務業人員的工作也會被重塑。

常規任務交給模型，人類保留關係、判斷、安慰、信任和責任。

彙整鉅亨號中所有使用「Alex Imas」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`