•
這篇文章是發表在金融與宏觀經濟分析部落格 Citrini Research 上的深度長文，標題為《2028年全球智能危機》（THE 2028 GLOBAL INTELLIGENCE CRISIS）。
由分析師 Citrini 和 Alap Shah 共同撰寫。
正如推文所述，這並非一篇危言聳聽的“AI末日科幻小說”，而是一場嚴謹的宏觀經濟與金融市場情景推演（Thought Exercise）。文章以“未來（2028年6月）的視角”進行倒敘，探討了人工智慧的爆發式發展如何徹底顛覆現代經濟體系。
內容總結：
文章設定在2026年底（即當前時間段的未來幾個月），由於AI技術的成熟，企業開始大規模裁撤因“人類技能過時”而產生的冗餘崗位。這一最初的裁員潮實現了資本市場最喜歡看到的結果：企業利潤率瘋狂擴張，盈利屢創新高。
股市因此迎來了超級牛市，標普500指數一度逼近8000點，納斯達克指數突破3萬點。企業將賺取的天量利潤又全盤重新投入到AI算力（Compute）的軍備競賽中。
好景不長，AI的強大能力導致了一個致命後果：產品差異化的消亡。
因為AI讓開發、編寫程式碼和發佈新功能變得極其廉價和容易，傳統科技公司的護城河被徹底填平。無論是行業巨頭還是如雨後春筍般湧現的初創公司，都陷入了慘烈的“價格戰（Race to the bottom）”。當所有公司都能用AI輕易做出一模一樣的產品時，軟體行業的盈利模型開始崩潰。
隨著軟體行業和白領工作被全面自動化，經濟結構出現了嚴重脫節。到了文章設定的2028年：
下面是全文翻譯
作者：Citrini & Alap Shah | 發表日期：2026年2月22日（設定背景為2028年6月）
如果一直以來我們對AI的看多型度都是對的……但如果這實際上是一個巨大利空呢？
接下來是一場情景推演，而非預測。這既不是“看空者的自嗨”，也不是“AI末日論者的同人小說”。本文的唯一目的是對一個相對未被充分探討的場景進行建模。我們的朋友 Alap Shah 提出了這個問題，我們共同進行頭腦風暴得出了答案。
希望閱讀本文能讓您在AI讓經濟變得日益詭異時，對潛在的“極端尾部風險”有更充分的準備。
以下是 Citrini Research 於 2028年6月 發佈的宏觀備忘錄，詳細記錄了這場“全球智能危機”的演變與餘波。
日期：2028年6月30日
今天早晨公佈的失業率達到了 10.2%，意外上行了0.3%。市場在資料公佈後下跌了2%，這使得標普500指數相較於2026年10月的高點，累計回撤達到了 38%。
交易員們已經麻木了。如果放在六個月前，這樣的資料絕對會觸發熔斷。
僅僅兩年時間。僅僅兩年，我們就從“風險可控”和“侷限於特定行業”，步入了一個我們所有人都認不出來的陌生經濟體。本季度的宏觀備忘錄是我們試圖重構這一系列事件的嘗試——對危機前經濟的一場“屍檢”。
狂歡曾是如此真切。 到2026年10月，標普500指數一度逼近8000點，納斯達克指數突破3萬點。因“人類過時”而引發的初步裁員潮始於2026年初，而它們完全達到了裁員應有的效果：企業利潤率擴張，盈利超預期，股市暴漲。 創紀錄的企業利潤被直接重新投入到AI算力中。
當時的核心經濟資料依然極其亮眼。名義GDP屢屢印出中到高個位數的年化增長。生產力正在爆發，每小時實際產出的增速達到了自1950年代以來的最高水平——這全靠那些不睡覺、不請病假、也不需要醫療保險的AI智能體（AI Agents）在驅動。
隨著勞動力成本的消失，掌握算力的人財富呈爆炸式增長。然而與此同時，實際工資增長卻徹底崩潰了。儘管政府一再吹噓創紀錄的生產力，白領工人們卻把工作丟給了機器，被迫轉入低薪崗位。
當消費經濟開始出現裂痕時，經濟評論員們普及了一個詞：“幽靈GDP”（Ghost GDP）。即那些在國家帳本上顯示為產出，但從未在實體經濟中流通過的資料。
在各方各面，AI都超出了預期，市場就是AI。唯一的問題是……經濟並不是。
我們早該明白，在北達科他州的一個GPU叢集能產生以前由曼哈頓中城一萬名白領創造的產出時，這與其說是經濟萬靈藥，不如說是經濟大流行病。 貨幣流通速度停滯了。曾經佔GDP 70% 的以人類為中心的消費經濟萎縮了。如果我們早點問問自己：機器在非必需消費品上會花多少錢？（提示：零），我們可能早就搞明白了。
AI能力提升 -> 企業需要更少工人 -> 白領裁員增加 -> 失業工人消費減少 -> 利潤率壓力迫使企業加大AI投資 -> AI能力進一步提升……
這是一個沒有天然剎車的負反饋循環。**“人類智能替代螺旋”**開始發力。白領工人發現他們的盈利能力（以及隨之而來的消費能力）受到結構性損害。而他們的收入曾是13兆美元抵押貸款市場的基石——這迫使承銷商重新評估優質抵押貸款是否還能收回本息。
在2025年底，擁有自主執行能力的“智能體程式設計工具”（Agentic coding tools）實現了能力的階躍式提升。
一個熟練的開發者只要配合 Claude Code 或 Codex，就能在幾周內複製一個中端SaaS（軟體即服務）產品的核心功能。儘管不完美，但足以讓正在審查50萬美元年度續約費用的企業首席資訊官（CIO）開始發問：“如果我們自己建一個呢？”
2026年年中的企業採購審查，是採購團隊首次基於這些AI系統的實際能力來做決策。那年夏天，我們與一家財富500強企業的採購經理交談。他告訴我們，軟體銷售員本想按去年的套路提價5%，結果採購經理告訴他，他們正在和OpenAI談判，用AI工具徹底替換掉這家供應商。最終，他們以 30%的折扣 續約。這已經算好結果了，那些長尾SaaS公司（如 Monday.com, Zapier 等）的下場慘得多。
真正的轉折點出現在 ServiceNow 2026年第三季度的財報。
“SERVICENOW 新增年度合同價值增速從23%驟降至14%；宣佈裁員15%並啟動‘結構性效率計畫’；股價暴跌18%”
SaaS並沒有“死”，內部自建軟體仍然有成本效益考量。但競爭格局變了，AI讓開發新功能變得如此容易，以至於產品差異化消亡了。傳統巨頭陷入了慘烈的價格戰底線競爭。
更致命的是，ServiceNow是按“人頭（席位）”賣軟體的。當財富500強客戶裁員15%時，他們就取消了15%的軟體訂閱。正是這些提升客戶利潤率的AI裁員，機械性地摧毀了軟體公司自己的收入基礎。
面對被AI顛覆的命運，軟體巨頭能做什麼？等死嗎？不能。於是，受AI威脅最嚴重的公司，成了AI最激進的採用者。 他們裁掉員工，把省下來的錢投入AI工具，以更低的成本維持產出。每個公司的個體反應都是理性的，但集體的結果是災難性的。每一塊從人工上省下的錢，都變成了讓下一輪裁員成為可能的AI算力。
到2027年初，AI大模型的運用已成為默認設定。人們像使用自動拼寫檢查一樣使用AI智能體。
隨後，商業變成了一個全天候、7x24小時的持續最佳化過程。 智能體消滅了“摩擦力”。過去五十年，美國經濟在人類的侷限性上建立了一個龐大的“尋租層”：人類缺乏時間、缺乏耐心、依賴品牌熟悉度、願意接受較差的價格以避免麻煩。數兆美元的企業價值就建立在這些人類的弱點上。
但機器不會嫌麻煩。
機器在最佳化價格時，不講感情，不看品牌設計，它們摧毀了消費習慣這條企業護城河。
12個月後，經濟層面的崩塌不再隱秘。失業的白領並沒有閒著，他們“向下流動”了。
我們認識的一位原 Salesforce 的高級產品經理，年薪18萬美元帶全套福利。在第三輪裁員中被裁後，她找了六個月工作無果，開始開優步（Uber），收入降至4.5萬美元。將這個動態乘以幾十萬名員工，高學歷勞動力湧入服務業和零工經濟，不僅壓低了現有工人的工資，還將單一行業的顛覆演變為了全經濟範圍的工資壓縮。
對於印度而言，這是一場災難。 印度的IT服務業每年出口超過2000億美元，是為其巨額貿易赤字融資的核心。其整個商業模式建立在“印度開發者比美國便宜”的基礎上。但在2027年，AI程式設計智能體的邊際成本已降至幾乎等於電費。TCS、Infosys 等外包巨頭遭遇大規模毀約。短短四個月內，印度盧比兌美元暴跌18%，到2028年第一季度，國際貨幣基金組織（IMF）已開始與新德里進行“初步干預談判”。
而在美國本土，真正的金融海嘯在私募信貸（Private Credit）市場爆發。
多年來沒有真正的違約周期，導致私募信貸市場充斥著大量由私募股權（PE）支援的軟體交易。這些交易建立在一個假設上：SaaS的年度經常性收入（ARR）將永遠持續。但在AI顛覆下，這些收入不再“經常”，成了隨時會流失的流水。
最初，華爾街的共識是：這不會像2008年那樣引發系統性風險，因為私募信貸是“永久資本”（Permanent Capital），資金會被鎖定7到10年，不會發生銀行擠兌。
但所有人忽略了一個致命細節：這些所謂的“永久資本”究竟來自那裡？
過去十年，阿波羅（Apollo）、黑石（Blackstone）和 KKR 等另類資產管理巨頭收購了大量人壽保險公司，將年金（Annuities）轉化為資金池。這意味著，那些不可撤回的耐心資本，其實是美國普通家庭的儲蓄和養老金。 當這些由普通人保單注資的信貸砸向註定要違約的SaaS債務時，這場由AI引發的結構性危機，最終擊穿了整個金融底線。
作者指出，他們花了100個小時來建構這個經濟模型，目的是填補目前市場研究中的一個空白：如果AI導致軟體行業內爆和大規模白領失業，更廣泛的金融市場會發生什麼？ 這篇文章是對這種“極端尾部風險（Left tail risks）”的提前預演，提醒投資者和政策制定者不要出於“思維懶惰”而忽視這種一旦發生代價將極其高昂的潛在危機。 (FT大陸)