原文：The 2028 Global Intelligence Crisis，Citrini Research，2026年2月
一、一份来自“未来”的备忘录
2026年2月，投研机构 Citrini Research 发布了一篇颇为特殊的文章。它不是传统意义上的行业分析报告，而是以2028年6月的视角，回溯性地“复盘”了一场由AI驱动的全球经济危机。作者反复强调，这是一次思想实验（thought exercise），而非预测。
但正是这种克制的措辞，让文章的冲击力更为真实。
它描绘的场景并不科幻：北达科他州的一个GPU集群，产出了过去需要一万名白领才能完成的工作量。作者将其定性为“经济层面的大流行病，而非万灵药”。
读完全文，我反复想到的不是那些触目惊心的数字——10.2%的失业率、标普500回撤38%、13万亿美元住房抵押贷款市场动摇——而是一个更底层的问题：
当人类智能的稀缺性被打破，我们赖以构建的整套经济秩序，地基还在不在？
二、三段式崩塌：不是黑天鹅，而是灰犀牛的连锁反应
文章将危机的演进拆解为三个阶段，这个结构本身就值得细品。
第一阶段（2026年）：SaaS的定价权瓦解。 Agentic coding工具让企业可以在数周内复制过去需要采购的软件功能。ServiceNow的客户不再续费，而是自己造轮子。软件公司的护城河不是被竞争对手攻破的，而是被自己的客户抹平的。
第二阶段（2027年）：中介经济的坍缩。 消费者侧的AI Agent开始绕过一切“摩擦税”——房产经纪佣金从5-6%压到1%以下，外卖平台被Agent路由架空，支付处理商的交换费用被稳定币通道侵蚀。所有依赖信息不对称或流程摩擦存活的商业模式，集体失去了存在的理由。
第三阶段（2028年）：劳动力替代的死亡螺旋。 这是文章最冷酷的部分。作者指出了一个“没有天然刹车机制的负反馈循环”：AI提升→企业裁减白领→消费萎缩→企业利润承压→加速投资AI以降本→更多裁员。这个循环一旦启动，每一步都在强化下一步。
注意，这三个阶段并非独立事件，而是同一股力量在不同层面的渐次传导。第一阶段瓦解的是B端软件的定价逻辑，第二阶段打击的是C端服务的中介价值，第三阶段则直接冲击劳动力市场本身。从商业模式到就业结构，依次倒塌，逻辑链条清晰得令人不安。
三、真正的脆弱性：高收入白领是消费支柱，也是最大的替代靶心
文章中有一个细节，比任何宏观数据都更让我警觉：
收入前10%的人群贡献了超过50%的可自由支配消费。
这群人恰恰是AI最先冲击的对象——程序员、分析师、法务、咨询顾问、产品经理。他们不是流水线工人，但他们的工作本质上是信息处理、模式匹配和结构化决策，而这些正是大语言模型最擅长的事情。
传统经济学的失业分析框架在这里失效了。过去的经济衰退中，失业主要集中在低技能、低收入岗位，高收入群体通过储蓄和资产缓冲安然度过周期。但这一次，被替代的恰恰是那些“本不该被替代”的人。他们背着高额房贷，住在高房价区域，孩子上着昂贵的私立学校。当这群人的收入结构性断裂，影响不是线性的，而是系统性的。
文章提到，780分以上FICO信用评分的“优质借款人”开始出现早期违约。这个信号的含义是：连信用记录最好的一批人都扛不住了，那抵押贷款市场的“安全资产”假设就不再成立。
这不是次贷危机的重演，而是“优贷危机”的预演。
四、一个被忽视的结构性矛盾：国家财政依赖人类劳动
文章中最让我停下来反复咀嚼的段落，是关于财政收入结构的讨论。
美国联邦政府的税收体系建立在一个隐含假设之上：人类劳动是经济产出的主要来源，因此对工资和所得征税是可持续的。劳动收入占GDP的比重，1974年是64%。文章推演到2028年，这个数字降到了46%。
这意味着什么？税基在塌陷，而支出需求在飙升。失业救济、再培训计划、社会稳定支出——每一项都在增加。收入端收缩，支出端膨胀，中间没有缓冲。
文章提到了一个“过渡经济法案”（Transition Economy Act）的设想，包括对AI推理算力征税。但作者自己也承认，政治僵局让任何方案都难以快速落地。
这里触及了一个更深层的问题：我们的公共治理体系是为“人类劳动创造价值”的世界设计的。当价值创造的主体换成了机器，这套体系需要的不是修补，而是重建。 而重建的速度，几乎注定跟不上技术替代的速度。
五、对技术从业者的几点冷思考
作为一个身处技术行业的人，读完这篇文章，我没有焦虑，但有一些不得不诚实面对的问题。
第一，“学会用AI”不是护身符。
过去两年，行业里最流行的叙事是“AI不会替代你，会用AI的人会替代你”。这句话在短期内是对的，但它掩盖了一个趋势：当AI Agent足够强大，“会用AI的人”这个角色本身也会被压缩。今天你是提示词工程师，明天Agent可以自己写提示词。今天你是AI辅助编程的高手，明天企业需要的不是辅助，而是全自动。
能力的半衰期在急剧缩短，而我们中的很多人还在用“学一门新工具”的心态来应对一场范式转移。
第二，技术乐观主义需要加一个前提条件。
我不是悲观主义者。从长期看，AI确实有可能创造出我们今天想象不到的新岗位、新产业、新价值。历史上每一次重大技术革命最终都扩大了经济总量。
但“最终”这个词里藏着巨大的痛苦。蒸汽机革命从开始到社会制度完成适配，用了将近一个世纪。电气化革命的调整期也长达数十年。这一次，技术替代的速度是以季度计的，而制度调整的速度仍然以十年计。
乐观主义如果不加上“过渡期会非常艰难”这个前缀，就只是另一种形式的逃避。
第三，真正的稀缺正在从“智能”转向“判断力”和“责任”。
这是我从这篇文章中提炼出的最重要的一个启示。
当信息处理、代码编写、文案撰写、数据分析都可以被机器以近乎零边际成本完成时，什么是不能被替代的？我认为至少有两样东西：
一是在不确定性中做出决策并承担后果的能力。机器可以给你十个方案，但选择哪一个、为什么选、选错了谁负责——这些问题的答案不在模型的权重里。
二是定义问题本身的能力。AI极其擅长回答问题，但它不知道该问什么问题。而在现实世界中，提出正确的问题往往比找到正确的答案更有价值。
这两种能力的共同特征是：它们无法被训练数据覆盖，因为它们本质上指向的是未来，而非过去。
六、尾声：地基松动的时候，该做什么
文章的结尾有一句话让我印象深刻：
人类智能的历史性稀缺塑造了我们已知的经济体系。当机器智能变得充裕，重新定价不可避免——但可能是无序的。我们是否能及时构建新的框架，是唯一重要的问题。
我不确定我们能不能“及时”。但我确定的是，对这个问题视而不见是最差的策略。
对个体而言，这意味着在追逐技术热点之余，花一些时间思考那些不会过时的东西：对复杂系统的理解力、跨领域整合的能力、在模糊地带做决策的勇气，以及——说得朴素一点——让自己成为一个在任何环境下都能被信任的人。
对行业而言，这意味着技术社区不能只讨论“怎么用AI提升效率”，也需要认真讨论“当效率提升的受益者和承受者不是同一群人时，我们怎么办”。
对社会而言，这意味着公共政策的讨论窗口正在快速关闭。等到危机真的按照文章描述的路径展开，再来设计应对方案，大概率来不及。
这不是一篇让人舒服的文章。但让人不舒服的思考，往往是最值得做的那种。
本文仅代表个人阅读后的思考，不构成任何投资或职业建议。原文链接：The 2028 Global Intelligence Crisis
