#Citrini
帶你看懂這篇嚇傻美國人的神文
2月22日,Citrini Research發佈了一篇題為《過剩智能的後果》的文章。作者以“2028年6月發佈的一份宏觀研究” 展開,倒推AI技術進步和智能體普及對人類社會和經濟的影響。這篇原本面向頂級投資人的內部報告,在發佈後,瞬間便橫掃 X(Twitter) 趨勢榜。這篇神文也在美股市場瘋狂傳播,進一步加劇了投資者的擔憂情緒。截至美股周一收盤,在文章中被點名的上市公司普遍下跌。其中,外賣平台DoorDash、黑石大跌超6%、美國運通大跌超7%,優步、Visa也應聲下跌。為何這篇文章能把美股嚇尿?先交代一下作者。Citrini Research 的創始人 James van Geelen ,今年33歲,主業是做宏觀與主題研究,文章設定成一份來自2028年6月的宏觀備忘錄,回頭復盤危機如何從2026年一路走來,直至到無法挽救。文章裡還提到,這個問題最初由他的朋友 Alap Shah 拋出,兩人一起把推演寫了出來。Citrini 在文中說:如果人類智能不再稀缺,智能溢價持續回撤,那麼建立在白領持續賺錢能力之上的消費、房貸、信用擴張,都會開始鬆動,甚至連金融體系都會崩潰。我們要理解現代經濟的一個基本假設:人類的腦子是值錢的。過去幾十年,如果你受過良好教育、會寫程式碼、會做PPT、會法律分析,你就能獲得智能溢價。你賺到錢,然後買房、消費、社交,支撐起佔美國GDP 70%的消費市場。但Citrini告訴我們,這個邏輯正在崩塌。最初,企業覺得AI是好幫手。但到了2026年,AI Agent(智能體)的編碼能力出現了階躍式進化。以前需要幾十個白領、每年付幾十萬美金購買的SaaS軟體,現在一個開發者帶幾個AI,幾周就能復刻出來。企業為了保住利潤瘋狂裁員,但他們忘了一個死邏輯,你的員工,就是別人的客戶。當Salesforce、ServiceNow這些巨頭通過AI幫客戶裁員15%時,它們也立刻損失了15%的訂閱授權收入。為了自救,它們只能繼續裁員、投入更多AI。這就是人類智能替代螺旋: 企業每省下1美元人力成本,就流向了更強的AI,而更強的AI會反過來幹掉更多的人。文中有一句話,讓我印象深刻:到 2027 年 3 月,美國個人使用者的日均 token 消耗中位數已經達到40 萬,相比 2026 年末增長了 10 倍。先通俗解釋一下什麼叫 token。token 可以理解為 AI 處理資訊時的最小計量單位。你輸入的一段文字,會被拆成很多小塊,AI 輸出的回答,也會被拆成很多小塊。每一個小塊,就是一個 token。可以粗略理解為幾個漢字、一個英文單詞或一個符號的組合。所以 40 萬 token,並不是 40 萬句話,而是 AI 在一天之內讀取、分析、生成的總資訊量。這個數字越大,意味著它參與的決策越多,處理的細節越細,生活中被演算法接管的部分也就越多。2027 年個人使用者日均 40 萬 token,說明美國人的生活開始被持續計算。過去我們做決定是斷續的,想起來才比價,心情好才研究條款,嫌麻煩就默認續費。機器不是這樣。它會在後台 7×24 小時盯著航班價格、訂閱帳單、保險報價、信用卡積分和配送費率,把人的每一個猶豫拆解成上百次微判斷。人類的惰性,曾經是一種隱形資產,支撐著平台抽成、訂閱漲價和資訊差生意;當代理替你把猶豫清零,這部分利潤就開始蒸發。如果人類的惰性和情緒被持續削弱甚至清零,這個社會會發生什麼?很多人以為情緒是效率的敵人,但它其實是商業社會的潤滑劑。衝動消費、品牌偏好、習慣性續費、懶得比價、對銷售人員的信任感,這些從消費者的角度看,肯定不好,但是它們卻是企業利潤的重要來源。當智能體開始替你做決定,它一不會疲憊,二不會心軟,更不會被廣告打動,也不會因為習慣而偷懶。它只最佳化價格和匹配度。情緒一旦退場,很多行業很多人的命運都要被改寫。社會可能變得更高效,但也更冷酷。Citrini認為,現代商業巨頭的利潤,其實大多來自於“摩擦力”。因為人類的很多成本,本質上來自摩擦:懶得比價、沒時間談判、習慣性續費、資訊不對稱。但在2027年的推演中,AI代理殺死了這一切。想像一下,你的手機裡跑著一個24小時不睡覺的AI。它不會因為疲憊而妥協,它會瞬間在全網幾百個平台尋找最低價格,它會自動幫你退訂所有不划算的保險,它會繞過銀行卡那2%的手續費直接用虛擬貨幣結算。於是旅行預訂、保險續保、訂閱經濟、房地產經紀佣金、外賣平台的抽成、信用卡交換費,這些以摩擦為護城河的商業模式,會先死為敬。像DoorDash們,都會破產,因為AI沒有“主螢幕”概念,它只看誰最便宜、送得最快。萬事達、Visa們也會非常恐慌,因為AI發現傳統的刷卡手續費太笨重,直接通過演算法繞過了銀行。報告還提到支付、外賣、網約車這些環節,相關股票立刻遭到拋售。作者也把火引向房貸和私募信貸。美國乃至全世界的金融基石是按揭貸款。銀行之所以敢借錢給你買房,是基於一個假設:你未來的收入是穩定的,你的智能是有溢價的。但現在,這個假設失效了。那些信用分780以上、名校畢業的白領,以前是銀行眼中的金主。但AI最先取代的就是他們。這些人失業後,不會立刻斷供。他們會透支信用卡、提取養老金,試圖維持體面。但正如報告所言,2027年底,當西雅圖、舊金山這些科技重鎮的房價開始兩位數下跌,當逾期率開始抬升,世界發現了一個恐怖的事實:2008年的危機是把錢借給了“壞人”,而2028年的危機是,原本的“好人”在貸款簽出後,被時代拋棄了。一個沒有白領高薪支撐的13兆房貸市場,本質上就是一張巨大的、即將到期的空頭支票。讀完這篇文章,我們不得不面對一個極度反直覺的悖論:生產率在飆升,經濟卻在枯萎。這就是報告中提到的“幽靈GDP”。紙面上看,GPU叢集產出了海量的程式碼、設計和方案,生產率資料美得驚人。但問題是,機器不買可選消費品。機器不需要度假,不需要買名牌包,不需要給孩子報鋼琴班。如果AI把人類的生產成本降到了零,那也意味著人類的收入也將趨向於零。當財富越來越集中在少數掌握算力的人手中,而大多數白領被迫去開Uber(甚至Uber也是無人駕駛的),這個社會的消費循環就徹底斷裂了。我們正親手製造一種“經濟瘟疫”,它效率極高,卻不留活口。Citrini Research在報告的結尾提醒我們:現在是2026年2月。此時此刻,標普指數依然接近高點,負反饋循環還沒有完全開啟。正如礦井裡的金絲雀,雖然它的叫聲已經變得急促,但它還活著。當然,這是一份情景推演,不是現實。批評者也不少,很多人認為它過度悲觀,低估了政策反應與經濟自適應能力。但市場會對它有反應,恰恰說明恐懼本身已經是交易變數。如果把這篇長文壓縮成一句話,它問的其實是:當機器能做越來越多腦力活,而邊際成本越來越接近電費時,人類靠什麼維持收入,進而維持消費與信用。美國人問的這個問題,其實對中國也不遙遠。我們同樣有龐大的服務業與中產消費,也同樣有房貸鏈條與地方財政結構,也同樣在經歷企業對降本增效的執念。AI 不是單純的工具升級,它是對整個社會方方面面的壓力測試。這篇文章給碼頭讀者的啟示,遠不止於投資建議,更多的是關於生存的思考。如果你的工作或生意是建立在資訊不對稱或客戶懶惰之上,AI會第一時間撕碎你。過去幾十年買房坐等升值的邏輯,本質上是賭白領生產率持續增長。如果這個前提變了,你的資產還是資產嗎?我們要去尋找那些AI無法提供溢價的地方。也許是深度的人文關懷,也許是複雜的社交博弈,或者是那些AI即使能做、但人類只願意向人類付費的特殊領域。記住,AI不只是工具,它其實是另一種物種。它帶來的不是一次工業革命,而是對人類社會的徹底顛覆。在這場與時間的賽跑中,政府的救濟方案往往落後於演算法的進化。作為個人,我們唯一能做的,就是在智能溢價徹底歸零之前,找到自己在這個新世界裡的救命稻草。 (碼頭青年)
對話 Citrini 報告聯合作者:AI 越快,市場越怕什麼?
過去幾年,市場對 AI 的看法其實挺一致:AI 來了,效率上去,成本下來,利潤變多,股價自然就漲。這個邏輯幾乎沒什麼爭議。但到了 2026 年,情緒變了。頭部 SaaS 公司增速放緩,軟體類股集體承壓。市場開始意識到:AI 越強,可能意味著現有的商業壁壘會越快崩塌。Citrini 這份報告《2028全球智能危機》(THE 2028 GLOBAL INTELLIGENCE CRISIS)正是為了回應這種焦慮。報告聯合作者 Alap Shah 在採訪中強調,他們不是在預測未來,而是基於長期模型做了一次壓力測試:如果 AI 真的像大家期待的那樣持續變強,那些商業邏輯會最先行不通?那些行業會最先被波及?這份報告,就是拆解市場到底在怕什麼。第一節|白領收入下滑,消費在萎縮危機從那裡開始?市場最怕的是什麼?Shah 在採訪中談得最多的,不是模型參數或技術突破,而是白領的工資在下滑和崗位在減少,而且幅度驚人。美國 IT 行業的就業人數,從 2022 年高點到 2026 年初,累計下降了 8%。這是過去十年都沒出現過的跌幅。這個行業,正是 AI 滲透最快的地方。Shah 直接指出:一個行業越容易把工作交給 AI,崗位減少就越明顯。而最容易被替代的,正是白領工作。資訊處理、資料分析、流程審批,這些過去需要高學歷、高收入人群完成的工作,現在 AI 都能做。白領崗位的減少為什麼重要?因為這群人是消費的主力。根據美國勞工部和公開財報最新資料,收入排在前 20%的群體,貢獻了全美約 65% 的消費支出。餐飲、旅遊、訂閱服務、家裝、電商,幾乎所有可選消費,都靠這群人在買單。在這個情景推演中,白領的收入一旦出問題,整條消費鏈的現金流就跟著出問題。報告推演了一個具體場景:5% 的白領失業,帶來的消費下跌可能遠超 5%。一個年薪 15 萬美元的產品經理失業後,不太可能直接退出勞動力市場。更可能的情況是,他會轉向零工經濟,開網約車、送外賣、接臨時項目。收入從 15 萬跌到 4 萬,降了 70% 以上。這意味著什麼?房貸、車貸、信用卡帳單可能都還不上。他除了停止消費,還要開始處理債務。這對消費的打擊,遠超失業人數本身。問題還不止於此。白領下沉到零工市場後,會增加這些崗位的勞動力供給,壓低原本在這些崗位工作的人的收入。供給增加,價格下跌,這是基本的市場規律。藍領工資被壓低,消費能力進一步收縮。一層壓一層,影響範圍會超出最初的失業群體。這和以往的技術變革完全不同。過去的新技術,比如電腦、網際網路,是幫人提高效率。一個會計用上 Excel,效率提升 10 倍,但他還是要理解業務、做判斷、和客戶溝通。工具變了,人的角色還在。但 AI 不一樣。它直接接管整個工作流程。客服系統可以完全不需要人工客服,文案、營運支援、項目匯報,這些曾經需要大量人力完成的任務,現在可以被 AI 全盤接管。Citrini 報告裡有個簡單的邏輯:如果你的工作主要靠電腦完成,AI 就能替代你。因為 AI 提升的正是電腦能做的事,電腦能做的越多,需要人做的就越少。市場擔心的,就是消費萎縮會比失業資料更早到來。在報告的推演中,那些還沒失業、但感受到裁員壓力的人,會主動削減開支、增加儲蓄。消費收縮的速度,快於失業資料的更新速度。這也是為什麼報告發佈後,資本市場會出現劇烈反應。投資者在重新評估一個可能性:AI 帶來的收入下行,會從局部行業擴散成整體經濟的結構性問題嗎?這是市場最先開始擔心的事:AI 提效的同時,白領收入正在以超出預想的幅度減少。第二節|資訊差消失,中間環節在崩塌白領收入下行之後,消費開始收縮,企業的營收壓力隨之而來。但市場擔心的第二件事,觸及更本質的問題:很多看起來穩固的商業模式,其實建立在正在快速消失的“摩擦”上。什麼是摩擦?使用者懶得換 App,懶得比價,懶得算清楚到底那個更便宜,反正差不多就行。這種消費習慣,撐起了過去二十年裡很多公司的收入模型。報告認為,AI 智能體正在打破這一切。正如 Shah 在採訪中指出的:“AI 代替使用者做決策時,它不會有習慣,也不會嫌麻煩。它每次都會選最便宜、最快的那個選項。這個變化帶來的衝擊,遠比表面看起來嚴重。”那些依賴抽成、廣告競價、搜尋排序、會員鎖定的商業設計,在 AI 面前會直接失效。比如某外賣平台,過去能從每筆訂單裡抽走 15% 的佣金。這筆錢,一部分來自使用者的惰性(懶得打開五個 App 比價),另一部分來自商家的無奈(因為流量被平台壟斷)。當 AI 智能體代替使用者下單時,情況變了。它會以毫秒級的速度同時查詢 DoorDash、Uber Eats、餐廳官網以及二十個新冒出來的小平台,然後永遠選擇收費最低、配送最快的那一個。平台的抽成可能瞬間從 15% 被壓到 7%。使用者不再被鎖定在某個App裡,不僅平台喪失了議價權,更關鍵的是,新競爭者的門檻也在急劇降低。Shah 提到,一些創業團隊用 AI 程式設計工具,幾周就能做出一個功能完整的外賣或預訂 App。過去需要 200 人團隊、18 個月才能上線的東西,現在可能是 3 個人和一個月。DoorDash 過去的護城河,建立在三件同樣困難的事情上:拿下騎手、拿下餐廳、拿下使用者。現在 Gemini 和 ChatGPT 替你把使用者獲取解決了,創業者只需要搞定供應端就行。進入門檻直接降了一半。在這個情景推演中,新平台開始大量湧現。十幾個新對手冒出來,都以更低的抽成搶份額。DoorDash 原本拿走的那 15%,一部分被新平台拿走,一部分流回到消費者和騎手手裡。外賣如此,其他靠資訊差賺錢的行業也一樣。報告認為,支付行業正在被穩定幣衝擊。AI 智能體發現,通過 Solana 或以太坊 Layer 2 網路結算,每筆交易只需要幾美分,遠低於信用卡 2% 到 3% 的交換費。於是它開始繞開傳統支付網路。保險續約的玩法也會改變。那些靠投保人懶得比價、每年自動續費賺取的 15% 到 20% 溢價,會被 AI 智能體每年重新比價一遍,自動切換到更便宜的保險公司。旅遊預訂、酒店比價、理財顧問,只要是靠幫使用者省麻煩、賺資訊差的生意,都在面臨同樣的壓力。這些行業的共同特點是:它們的護城河,都建在使用者的摩擦成本上。但 AI 把摩擦成本降到了接近於零。投資者開始緊張的原因在於,消費者可能暫時還感覺不到變化,但企業的利潤模型已經在承壓。當所有價格都被 AI 推向透明時,企業會突然意識到,過去賺的那部分錢,來源是資訊差,產品能力的貢獻很有限。報告發佈後,外賣、支付、廣告、訂閱類公司的股價普遍下跌,背後的邏輯就在這裡:那些建在使用者習慣和資訊差上的收入,可能會比預想的更快消失。依靠流量壁壘、使用者鎖定、習慣養成的打法,會越來越行不通。AI 不會因為品牌大就多付錢,它只看那個選項在當下最優。但很多公司的估值,還是按照這些摩擦會一直存在來計算的。第三節|企業降本,需求在萎縮商業摩擦消失後,企業的營收增速開始放緩。通常情況下,公司會做兩件事來應對:降本、提效。但報告的推演顯示,降本提效反而加速了問題惡化。報告設想了這樣一個場景:ServiceNow。這家全球 SaaS 公司在 2026 年三季度財報中宣佈,年度合同額增速從 23% 降到 14%,同時裁員 15%。股價當日暴跌 18%。表面上看,這是標準的成本最佳化。營收增速放緩,公司削減開支保護利潤率,這在任何經濟周期裡都很常見。但 Shah 看到的是:這些人被裁掉,是因為 AI 已經能接管他們相當一部分的工作。公司裁員後省下來的錢,去了那裡?過去可能是分紅、回購、或者投資新業務。按照報告的邏輯,這筆錢的主要去向會是 AI 工具和算力。企業面對競爭壓力越大,就越會把省下來的錢投到 AI 上。這形成了一個不斷加速的循環:AI 幫企業提效,企業壓縮崗位省下成本,把成本投入更多 AI 能力,AI 能力提升後進一步替代崗位,企業繼續壓縮人員。每一家企業都覺得自己在做正確的事。營收增速在下滑,成本壓力在上升,用 AI 降本是理性選擇。但當所有企業都這樣做時,整體結果就會出問題。企業省下的成本,原本是要發給員工的工資。工資減少,消費就會減少。消費減少,企業的營收壓力會進一步加大。營收壓力加大,企業會更依賴 AI 來削減成本。這個循環一旦啟動,就停不下來。ServiceNow 的案例讓市場警覺,是因為它揭示了一個致命矛盾:它賣的是按席位收費的企業軟體。當客戶公司裁員 15%,他們就會註銷掉 15% 的席位授權。那些幫客戶提升效率、推動客戶裁員的 AI 工具,正在摧毀自己的收入基礎。這家賣“流程自動化”的公司,正在被更強的“流程自動化”顛覆。它的應對方式是裁員、降本、把省下的錢投入 AI。它別無選擇,坐等被淘汰顯然不是選項。單個企業的絕對理性,最終匯聚成了整個經濟體的非理性結果更隱蔽的變化發生在招聘市場。按照報告的推演,到 2026 年 10 月,JOLTS 資料顯示職位空缺已降至 550 萬以下,同比下降 15%。下降最明顯的是軟體、金融、諮詢這些白領崗位。報告認為,很多企業正在採用一種更隱蔽的模式:崗位凍結,但不裁人。 業務還在增長,但新增的任務全交給 AI,不再招任何新人。這種做法看似溫和,實則影響深遠。裁員會立刻反映在失業率裡引發政策干預,但“崗位凍結”不會。它像溫水煮青蛙一樣,讓勞動力市場慢慢失去造血能力。在這個推演情景中,新增崗位減少意味著對未來收入增長的預期降低了。應屆畢業生找不到工作,在職員工看不到晉陞機會,消費意願會提前收縮。即便是那些當下財務狀況良好的公司,股價也會下跌。原因很簡單:如果所有企業都在用 AI 替代人工來保護利潤率,那麼三年後,誰來買他們的產品?企業沒有其他選擇。面對營收壓力時,唯一的應對方式就是繼續降本,而降本的最有效手段就是用 AI 替代人工。每一輪最佳化,都在削弱下一輪的消費能力。市場擔心的第三件事是:企業的自救行為,正在演變成一場集體的自我傷害。第四節|政策工具失靈,時間差在拉大企業自救形成負循環後,按理說政府應該介入。經濟下行時,聯準會降息、財政刺激、擴大就業,這套組合拳過去總能托住局面。但報告的推演顯示,傳統的經濟工具對 AI 造成的壓力可能不管用。降息能讓企業拿到更便宜的資金,但企業會怎麼用這些錢?他們會買更多 AI 算力,而不是招更多人。AI 替代崗位的根本原因,是 AI 比人工便宜,跟貸款利率關係不大。所以,Shah 認為:白領崗位減少這件事,貨幣政策很難改變。那財政政策呢?這裡的問題更複雜。現代國家的財政收入,主要建立在對人類勞動的徵稅上。個人所得稅、工資稅、社保繳費,這些構成了政府收入的主體。你掙得越多,交的稅越多;企業雇的人越多,繳納的社保醫保就越多。但 AI 替代的,正是工資高、納稅多的那群人。如果大量白領收入從年薪 15 萬跌到 4 萬,或者直接失業,帶來的不只是消費萎縮。政府的稅收收入會同步下降,失業救濟、醫療補助、社會福利的支出會上升。按照報告的推演,在 2028 年的情景中,勞動力在 GDP 中的佔比會從 2024 年的 56% 跌到 46%。這意味著四年內下跌 10 個百分點,而從 1974 年到 2024 年的五十年間,這個數字也只下降了 8 個百分點。產出還在增長,但收益流向了資本和算力,不再流向勞動力。錢不再經由家庭流回企業,也不再經過稅務系統。這就是財政困境:政府需要在稅收減少的時候,向家庭轉移更多的錢。Citrini 在報告中提出,可能需要對 AI 帶來的新增收益徵稅。但具體怎麼征?這是個棘手的問題:是對算力徵稅?是對 AI 模型的使用徵稅?還是對那些用 AI 大規模替代人工的企業徵稅?報告設想了一些可能的政策方案。比如“經濟轉型法案”,通過AI算力稅為失業人員提供直接轉移支付。還有更激進的“AI共享繁榮法案”,對AI基礎設施的收益建立公共主張,類似主權財富基金的模式,以分紅形式資助家庭。但這些方案目前都還在討論階段,而且分歧很大。有人擔心對算力徵稅會影響技術競爭力,有人擔心這會被大公司操控,還有人指向財政赤字問題。爭論還在繼續,但經濟結構的變化不會等政策討論結束。與此同時,AI 的收益正在快速向少數人集中。報告指出,贏家集中在幾個領域::半導體、能源、資料中心、算力基礎設施。這些行業的利潤和估值在快速膨脹,OpenAI、Anthropic 等 AI 公司的創始人和早期投資者,幾年內積累的財富超過傳統行業幾十年。與之對應的,白領崗位在萎縮,服務業在承壓,中介行業收入在下降。當經濟增長過度集中在少數行業和少數人手裡時,社會的不平等會加速擴大,進一步壓縮需求。在這個推演情景中,公眾對 AI 公司的不滿情緒正在上升。但這不會讓 AI 公司放慢腳步。模型公司有動力往前衝,同時會刻意迴避經濟後果的討論。模型必須迭代,工具必須上線,競爭絕不能輸。主動探討負面影響,會損害他們的聲譽和融資能力。那麼,問題在於:誰來討論?誰來制定規則?誰來決定如何分配 AI 帶來的收益?現實是,制定規則的機構,反應速度遠遠跟不上技術迭代的節奏。政策討論以月和年為單位,AI 能力的提升以周為單位。這就形成了一個危險的時間差:當一邊在加速,一邊在延遲時,風險會持續累積。這是市場擔心的第四件事:政策以年計,AI 以周進,經濟等不起。結語|舊邏輯還能撐多久按照 Citrini 與 Alap Shah 的分析,當前社會中的很多行業建立在三個假設上:白領收入會持續增長,摩擦成本會長期存在,企業降本不會影響整體需求。如果這個推演成真,AI 將逐一擊穿這些假設。依賴白領消費的行業,天花板會下移。靠資訊差賺錢的模式,議價權會消失。企業的降本提效,會匯聚成整體的需求萎縮。傳統的政策工具,對這種結構性變化效果有限。市場現在怕的,是那些支撐了過去二三十年增長的商業邏輯,還能撐多久。這不只是一次壓力測試,更是一次對未來的預演。 (AI 深度研究員)