刷屏全网！摩尔线程天使投资人，对当前AI的40个观察

《浮现中的AI经济》（以下简称「文章」）发表以来，AI行业继续发生了众多大事：

我们看到，与AI相关的历史事实，正继续以「非线性、非均匀」的特征往前发展：

Scaling Law并未收敛，AI行业继续呈现加速发展的特点，与AI相关的经济活动规模来到了前所未有的量级；

同时，历史进程呈现出「非均匀」的面貌，虽然人们是在同一个时空下，但是与AI有关的经济社会活动，和与AI无关的经济社会活动，看起来不在同一个历史进程中，前者正以强大的动能迅猛往前发展，而后者维持着我们所熟悉和习惯的、传统工业经济的节奏和特点。

另外，文章发表以来，一些行业领袖表达了与文章类似的观点。如马斯克认为社会将进入「全民高收入」时代；黄仁勋推测AI将把全球GDP推高5倍至500万亿美元，以及对于「AI工厂」、「数字员工」的讨论。

如何在有效框架下具体地讨论这些问题，越发成为大家共同的关注。

基于以上，为了集中回应读者朋友对于文章的兴趣，也为了对文章所表达的内容做更进一步的阐述，我们整理了关于AI经济的四十个重要问题，供关心AI大模型接下来对于经济、社会影响的朋友们参考。

我们希望这些观察，之于即将展开的AI经济，能对其为什么会发生、将有哪些结构性特征，给出一些可参考的观察；对于AI经济将要如何展开，给出一些理解、预判的视角、基准和指标；对于AI大模型即将带来的对于社会、经济的全面影响，给出一些观察和分析的基础框架。

在一个即将展开的未知大时代，我们相信要揭开其全貌，提出问题，是开始的方式之一。

问题一：Transformer架构的Scaling Law在何处收敛？

• Scaling Law启动了我们当前所在的AI大模型发展的大浪潮；

• Scaling Law作为AI大模型行业发展的基石，将会在何种条件下、什么时候收敛？

问题二：Transformer之后，下一个将AI智能往前大幅推进的架构是什么？会诞生在哪里？

• 这会决定我们到达transformer架构下的AI能力上限后，继续往哪里走；

• 目前全球众多AI研究机构在做这方面的探索；正如2015年成立的OpenAI带来了这一轮的大语言模型浪潮，目前的边缘地带在十年后又可能成为最重要的技术推动力量。

问题三：我们需要知道更多关于AI大语言模型基础规律

• 目前，我们已经知道大语言模型的推理成本每12个月下降90%、能力密度约每100天翻一番、完成复杂任务的能力每七个月翻倍等一些关于大语言模型的规律；

• 我们能否发现AI大语言模型的「摩尔定律」？

问题四：AI将以什么样的顺序、在什么时间扩散到各个行业、整个社会？

• 回看蒸汽机和电力的扩散过程，基本分为核心原理成熟、工程化成熟、跨行业和规模化部署、成为基础设施四个阶段；

• 当前的AI，处在核心原理成熟当中（Scaling Law尚未收敛）、工程化尚有巨大发展空间（如Deepseek、Kimi通过工程优化都实现了明显提升模型效能）、跨行业和规模化部署处在早期（各行业的专用agent均刚刚出现，都还在探索各自行业适用AI的最优解），这样一个阶段；

• 蒸汽机完成上述过程用了120–150年，电力完成上述过程用了80–100年；

• 我们初步预计，AI完成上述整个过程可能会用40–60年；AI的研究始于1956年的达特茅斯会议；如果把2012年的神经网络AlexNet作为核心原理成熟的起点的话，那AI可能在2035到2050年完成上述过程。

问题五：Transformer架构的Scaling Law收敛时，对应的AI工作能力是怎么样的？需要一套对于AI Agent工作能力的评测体系

• 也就是，届时全球最领先的AI大模型所具备的「工作能力」，将会达到什么水平？对于这里的AI工作能力，我们需要量化的评估指标，即一套对于AI Agent工作能力的评测体系；

• 当前流行的各项AI能力评测基准，评测任务基本不来自于真实经济活动；我们需要构建评测任务来自于真实经济活动的评测基准；

• 以上评测体系，可以让我们知道不同推理能力的AI大语言模型的ROI/创造价值能力。

问题六：关于「经济图灵测试」

• 在文章中我们提到，对于从事经济活动的AI而言，更好的评估基准是专门来评估其从事经济活动的能力，我们将其命名为「经济图灵测试」；

• 基于问题五提到的评测体系，我们应该有能力构建可用的「经济图灵测试」标准，来评价什么情况下我们认为AI独立完成了经济任务，什么情况下我们的经济和社会可以完全接受AI完成的工作结果，以及我们是否同意AI持续为我们完成这样的工作。

问题七：关于产出增强倍数（Output Augmentation Multiple）

• 用一个经济体中一个劳动力一年的总成本，投入到AI和机器人系统执行该劳动力同样的任务，所得到产出与该劳动力一年产出的比值，我们称之为「产出增强倍数」；

• 产出增强倍数，是这次由AI驱动的工业革命带给人类的结果的最显式和简洁的表达：同样的投入，人干和AI干，后者的产出是前者的多少倍？

• 在数字世界和物理世界，产出增强倍数各是多少？哪些行业的产出增强倍数高，哪些行业的产出增强倍数低？

问题八：不同行业、不同经济体、AI经济不同发展阶段的产出增强倍数各是多少？

• 不同行业、不同经济体的产出增强倍数各不相同；当我们有足够多的样本，我们将可以统计出这些产出增强倍数各是多少；这些产出增强倍数将为我们提供不同行业、不同经济体的「AI浓度」和「AI有效度」；

• 在AI经济的不同发展阶段，会有不同的产出增强倍数；随着AI对于全球经济产出的贡献越来越大，对于产出增强倍数的跟踪，将有助于我们理解整个这次AI工业革命。

问题九：在问题一的收敛状态到来时，AI带来的工作能力会把一个经济体的全要素生产率提高百分之多少？会把稳态下的全球GDP增长率提高百分之多少？以及，AI生产力会把全球的GDP提高到目前全球GDP的多少倍？

• 我们知道，全要素生产率决定一个经济体的长期经济增长率。如果AI的工作能力提高了全要素生产率，那也会提高全球的长期经济增长率。

• 第三问是问题七的加总：也就是我们在文章中提到的，「N倍于当前人类经济总产出的产出能力」；

• 现在大家对此有很多积极的猜测，比如黄仁勋认为是5倍；但是，我们需要更多扎实的基础性统计和计算工作。

问题十：我们会怎样进入「非稀缺经济」？

• 对于一个经济体，我们将有机会定义其单位时间的「产出/需求比」（Output–Demand Ratio），即该经济体的单位时间总产出，比上该单位时间该经济体总需求的倍数；

• 当单位时间的「产出/需求比」大于多少时，人们会感觉处在一个「非稀缺经济」中。

问题十一：文章提到AI经济阶段将可能出现的一个重要基础设施是「数字层」。「数字层」由用户的个人AI助理和各个垂类的AI Agent组成，全面了解消费者和生产者等经济主体，也全面了解物理世界。「数字层」的工作机制是怎么样的？

• 基于对个人AI助理和各个垂类的AI Agent的观察，我们可以初步说，当前正在出现的「数字层」是以LLM为决策核心、以Agent为执行单元、在「状态—目标—行动」闭环中持续运行的代理化操作层。

• 以chatbot为例，它可以接收用户的问题和关于用户的环境信息，通过模型计算生成回答（可能结合实时信息获取模块），发送给用户；可以全天候工作。

• 以agent为例，它可以接收用户任务和环境信息，以任务为目标自主规划执行策略，收集所需信息，调用工具并执行，给用户交付该任务要求的结果；可以全天候工作。

• 以AI硬件/机器人为例，它可以感知和接收用户的环境信息，接收用户提出的任务，理解需求后自主规划执行策略，收集需要的信息，调用工具并执行，给用户交付该任务要求的结果；可以全天候工作。

• 「数字层」具有目标导向、自主搜索/获取信息、自主决策、自主行动、全天候的特点。

问题十二：为什么数字层可能构建「全知全能」的能力？

• 数字层承接了互联网和移动互联网的连接基础，最终将连接全球所有的互联网和移动互联网用户，也就是全球经济活动中几乎所有的消费者和生产者。

• 由于数字层可以完整执行「收集信息-决策-行动」链条，数字层将成为每位消费者和生产者在经济活动中的「代理者」，在数字层能够赋能到消费者和生产者的任务中，帮助消费者和生产者完成该任务。一段时间之后，数字层会对使用它的消费者和生产者形成深度、完整的了解。

• 所有数字层主体是通过数据协议相通的，它们都处在同一个互联网网络体系上。他们对作为各自用户的消费者和生产者的了解加总后，会形成对全球所有消费者和生产者近似于「全知」的了解。

• 拥有了对全球所有消费者和生产者近似于「全知」的了解，数字层本身又可完整执行「收集信息-决策-行动」链条，也就会形成近似「全能」的能力。

问题十三：「数字层」如何降低交易成本？

• 文章中提到，交易成本包括组织成本（组织内）和狭义的交易成本（组织间）。文章的角度是AI作为工具来辅助人，讨论了AI辅助人的情况下，两种交易成本是如何降低的。

• 另一种情形是，AI Agent成为行动主体——数字员工。这也会产生拥有数字员工的公司。这种情形下，「数字层」也将有效地降低组织内和组织间两种交易成本。

• 交易成本的下降，也会对AI生产力的提高起贡献作用。

问题十四：「分散知识」，都会上传到数字层吗？「分散知识」未来将如何发现、积累和传承？

• 哈耶克认为，「社会经济问题即：人们如何才能够确使那些为每个社会成员所知道的资源得到最佳使用的问题，也就是如何才能够以最优的方式把那些资源用以实现各种唯有这些个人才知道其相对重要性的目的的问题。」而「有关各种情势的知识（the knowledge of the circumstances），从来就不是以一种集中的且整合的形式存在的，而仅仅是作为所有彼此独立的个人所掌握的不完全的而且还常常是相互矛盾的分散知识而存在的。」

• 即，因为真实世界的多样和复杂性，从事经济活动的人们在不同领域形成了专长和比较优势，有了社会分工和交换，这是我们经济活动的基本结构；同时，从事不同领域经济活动的人们也形成了对该领域专门的认知、经验和知识，即上一段所说的「分散知识」。

• 这些「分散知识」，是在每一个有传承的行业群体中，由该行业的第一代人开始发现，经由后面的每一代人继续发现、积累和传承，到目前我们所处的这一代人脑中。这些「分散知识」通常以行业最佳实践、行业标准操作流程（SOP）、行业操作守则、该行业核心群体视之为财富的经验和认知等形式存在，是该行业的核心知识，为该行业的核心群体所护卫，会被严格控制传播范围，不会轻易传播为大众所知。

• 这些「分散知识」，正是各个行业的从业人群，在此行业的经济活动中谋得成果和经济利润的信息和知识基础。目前我们可以看到，各个行业的「分散知识」，都正在被上传到由agent构成的数字层中。

• 数字层中的agent可以执行经济任务，「分散知识」被上传至数字层后，将通过数字层中亿万个agent持续发挥作用。未来，当数字层执行的经济任务在人类所有经济任务中占比达到大部分或者绝大部分时，是否意味着，「分散知识」的发现、积累和传承，将主要在数字层中进行？这些过程与之前人类的这类过程有什么区别？

问题十五：「数字层」将如何帮助、提升、增强用户？

• 从有计算机开始，人们就希望计算机能够辅助和增强人类，如「互联网之父」J.C.R. Licklider在1960年的经典论文《Man-Computer Symbiosis》指出，计算机的价值在于放大（amplify）人类思考与推理的能力，计算机应该作为人类的「认知放大器（cognitive amplifier）」；

• 「有限理性」的提出者赫伯特·西蒙认为，人类认知能力受限于注意力、记忆、计算能力，因此是「有限理性」；计算机可以提供搜索、计算、模拟与信息组织能力，因此能够扩展（amplify）人类的有限理性；

• 「数字层」全面辅助人与物理世界的互动，进一步提高人类「收集信息-决策-行动」全链条的理性化程度，是人类理性化的再一次重大进展；

• 具体而言，人们作为AI产品的用户，已经可以感受到Chatbot和Agent在信息搜集、信息整理、逻辑化分析、形式化推理、无偏差实时执行、自我反思、反馈闭环方面的优秀功能，这些功能可以在各个实际场景帮助、提升、增强用户；

• 同时，「数字层」拥有上限非常高的智商和情商，可以作为普惠的、贴身的导师，帮助每个人成为更优秀的自己。

问题十六：具体而言，什么样的公司，会是构成「数字层」的有力竞争者？

• 这会很大程度上很具体的决定，未来二十年我们生活在一个什么样的数字世界当中，由谁向我们提供数字世界的基础设施；

• 互联网平台公司、基座模型公司、手机公司、AI硬件公司、垂类AI Agent、机器人公司都是构成「数字层」的有力竞争者；谁会胜出？在什么时候？

问题十七：看起来，构成「数字层」的公司们，大部分以前也存在，为什么现在要单独以「数字层」来理解他们呢？

• 我们在文章中提到，在人类活动数字化进程的第一阶段，互联网时代和移动互联网时代，数字世界起到的最大的作用是匹配，思考和决策还是需要人脑来做，数字世界不能单独闭环地完成工作；在人类活动数字化进程的第二阶段，数字世界可以闭环完成「收集信息-决策-行动」链条，便可以作为人和物理世界互动当中的「代理层」，也就是文中提出的「数字层」。

• 为什么人一定会把大部分与物理世界的互动交由经过这个「代理层」来处理呢？因为这个「代理层」可以增强人的理性和行动能力从而提高效率，以及降低交易成本；在这几件事情上，有「数字层」和没有「数字层」的差异巨大。

问题十八：「数字层」会成为经济和社会的一个基础设施吗？

• 在个体意义上，「数字层」是个人和物理世界之间新出现的「一层」，可以极大增强个人行动的理性和行动能力，增强到「数字层」出现之前个人很难达到的程度；同时降低经济活动的交易成本；

• 因此在总体意义上，「数字层」是个人和物理世界之间新出现的「一层」，在本文问题四的AI扩散完成后，一种可能性是，大部分的经济活动都会通过「数字层」来完成，「数字层」会成为整个经济和社会中重要的基础设施。

问题十九：我们当前处在「数字层」发展的什么时间点上？

• 就「数字层」的出现，保证让「数字层」造福于人类而言，我们目前处在一个非常重要、同时也非常短暂的窗口期；

• 如果我们齐心协力往正确的方向推动，「数字层」可以成为人类能力的「放大器」、「增强器」，让机器智能补足人类的短板，同时核心的、终局的决策和权限保留在人类手中；

• 但另一方面，也存在「数字层」脱离我们控制，以及「数字层」的红利仅为少数人享有的风险，这是人类在这个阶段需要协力解决的重大问题。

问题二十：AI大模型商业形态的终局：在能源、算力、基座模型、应用之间的价值分配是怎么样的；通俗的话来说，用户所付的一块钱，是如何在以上四层之间分配的？

• 目前我们处在AI经济刚刚启动的阶段，我们能看到的是，行业在基座模型研发和算力消耗上投入了大量的花销，应用层的价值占比还很小，AI计算尚未引起（局部或全局）的能源价格上涨。

• 我们希望知道在AI大模型商业形态来到稳态的时候，以上四层的价值分布，以便于我们推断AI经济将给整个经济系统如何带来影响。

• 目前可以预见的是，算力、模型层有显著的价值分配占比，且全球算力、模型层只有数量不多的一些公司，那意味着全球GDP的一定比例会流入这些公司，这些公司会有巨额收入和利润。我们应该如何理解和应对这样巨额的收入和利润？

问题二十一：AI将按照怎样的顺序，具备从事不同职业的工作能力？

• 自AI具备泛化地交付工作能力以来，AI在交付的工作，目前主要是代码、计算机、数学、文生图/视频、设计、教育、线上销售等纯线上工作，以及机械化、重复性的脑力工作如笔记整理、发票整理、账目整理等工作。

• 如果我们将所有职业列表出来，AI将按照什么样的顺序，具备每一项职业所需要的工作能力？总的来看，AI能够完成的工作，具有任务清晰可形式化、输入输出标准化、评价函数明确、能力可通过数据规模提升等特点。

• 对于该时间表和发展顺序的合理估计，将有助于我们应对接下来要发生的系列变化。

问题二十二：AI对就业的冲击将如何发生？一个预估全景图

• 如问题二十七所述，AI具备泛化地交付工作能力之后，会具备越来越多的职业所需要的工作能力，也就会在客观上形成对原有就业的替代；

• 有了以上「AI如何具备不同行业工作能力」的路线图，我们将有能力绘制「AI对就业的冲击将如何发生」的预估全景图，以了解和清楚AI造成的就业替代将会如何发生；

• 这个预估全景图首先是告诉我们未来的全景是怎么样的，影响的量级有多大，为此我们需要做什么样的心理准备；

• 其次，预估全景图是一个评价和纠正体系，让我们知道相较于全局，我们此刻在哪，我们是否偏离了已预见的航道，如何调整，是否有调整的工具；

• 当然，我们会根据实际的进展情况，定期来评估和更新这个预估全景图。

问题二十三：会否形成初级工作的「真空地带」？

• 目前AI对初级工作的替代已经开始了，在这些工作领域，会否形成初级工作的「真空地带」？即对于人类有需求的职位直接从中级开始，年轻人没有了上手的工作，年轻人失去了职业发展的初始路径，这是需要仔细解决的问题。

问题二十四：工作逻辑的变化：「以任务为中心」的工作体系正在形成当中

• 在由人执行的经济活动中，单个劳动力是最小的行动单元，且单个劳动力需要长期稳定从事某个工作，因此工作可被拆分的最小单元是职业/职位/工种，人类的工作是以职业为基本单元；在由AI Agent执行的经济活动中，最小的执行单元是「一个任务」，因此工作可被拆分的最小单元是任务。「任务」是远比「职位/工种」更小的执行单元。

• 当AI在整个经济活动中承担的工作占比越来越大之后，工作的基本单元，会日渐从职业变化为任务。整个工作体系可能从「以职业/职位为中心」向「以任务为中心」转变，「以任务为中心」的工作体系正在形成当中。

• 「以任务为中心」的工作体系将使得工作的颗粒度更细，经济活动将被划分为可被更加细密排列的基本单元，从而提高经济活动的效率。

• 职业可以被拆解为任务，也意味着人仍然作为职业主体的情况下，原来由其负责的任务，可以被AI来完成。这也是一种形式的人机协同。一方面，这是工作场景中「AI协助人」的很好的形式，AI完成一部分任务，人完成另一些AI尚不能完成的任务，并且管理AI；另一方面，我们也需要防范一种可能性，即职业主体仍然是人，但是其负责的任务都已经是AI来完成，「每天坐在工位前的还是我，但是有价值的活都是AI在干了，我只是在看着它干活」。

• 「以任务为中心」的工作体系，将带来众多深远的影响，需要我们进一步探讨。

问题二十五：正在出现当中的AI员工

• AI具备（泛化）交付工作的能力之后，这些具备工作能力的AI，可以成为实际意义上的「AI员工」；

• AI员工都具备哪些特点？AI员工与人类员工的区别有哪些？哪些行业将率先拥有AI员工？

问题二十六：组织中的AI员工

• 可以预见，在我们的各类组织（如公司、非营利组织、政府等）中，都会出现AI员工；

• AI员工将给组织的管理带来哪些变化？如AI员工的招聘、培训、考核，都会是什么样的？AI员工将如何与人类员工分工协作？

• AI员工将如何改变组织，带来组织形态的哪些变化？

问题二十七：广大的中小企业可以因为AI员工获得较之前更强的竞争能力吗？

• 当前使用了AI Agent参与工作流程的中小企业，反馈他们认为自己获得了远超过当前人类员工人数的工作能力；广大的中小企业可以因为AI员工，获得较之前更强的竞争能力；

• 中小企业竞争能力的增强，有可能提高初创企业创业成功的概率，可能使得更多大公司的核心员工成立自己的公司，可能使得某些经济领域的重要资源更广泛地分布。

问题二十八：AI经济阶段的经济统计是怎么样的？数字层将如何影响经济统计？

• 随着越来越多的经济活动以数字化的形式进行，越来越多的经济活动经由「数字层」执行，经济活动中那些物理世界的属性，将越来越多地体现为数字世界的属性；

• 「数字层」的细颗粒度、高频、跨主体特点，可能会为我们提供更丰富的经济统计工具，相应地提高经济统计的颗粒度、频次，并让我们可能更容易拥有全局的统计结果。

问题二十九：AI经济是否可以一部分地平抑经济周期？

• 经济周期的形成，与信息不完全、价格和数量调整摩擦、预期与金融放大都有关系。

• 在「数字层」成为经济活动的基础设施之后，「数字层」对以上三个环节都能起到缓解和改善的作用：

• 「数字层」全面了解消费者和生产者等经济主体，也全面了解物理世界，可能降低经济状态空间的不可观测性，从而可能降低当前经济活动中信息不完全的程度；

• 「数字层」可能实现微观层面的连续调节，把当前由人脑判断做出的调节档位提升数个数量级的精度，从而降低价格和数量调整的摩擦；

• 「数字层」连接经济活动的全局，可能实现全局协调和跨期协调，可能降低当前经济活动中个体对于信号的主观放大带来的波动性。

问题三十：我们应该如何发挥好「数字层」的优势，尽量避免其潜在的弊端？

• 「数字层」细颗粒度、高频、跨主体的特点，将为我们带来一个较现在颗粒度更细、频次更高、更容易得到全局信息的经济基础设施；

• 但同时，这些特点也带来一些潜在的风险，如高频执行的频次远超人脑可以反应的范畴，过去在金融量化系统中也曾造成过人脑来不及反应的「闪崩」；如何增强「数字层」的稳定性，是需要多方共同努力的课题。

问题三十一：是否以及如何设计经济系统中新的政策工具？

• 就已经开始显现的AI对就业的冲击，我们应该如何设计劳动力的AI培训、促进新岗位产生等缓冲机制？

• 更一般地，当前经济系统中的调节工具，即诞生于工业革命以来的财政工具和税收工具，能否适配AI经济的特点？如果不能完全适配的话，我们应该如何设计新的政策工具？

问题三十二：如何设计社会财富再分配体系？

• 在AI经济阶段，大量经济活动的成果积累在模型层和头部的应用层公司，社会财富的分配存在失衡的风险；

• 同时，大部分劳动的价值被压缩；

• 如何设计有效的社会财富再分配体系？这是我们需要面对的重大课题。

问题三十三：世界各国将以什么样的顺序进入AI经济阶段？

• AI大模型服务、AI应用服务、AI算力基础设施，将以什么样的顺序，先后抵达全球所有国家？世界各国将以什么样的顺序进入AI经济阶段？

问题三十四：如何评价一个经济体的「经济社会被AI赋能」的程度？

• 我们需要一套体系，来评价一个经济体的「经济社会被AI赋能」的程度；

• 该体系初步的指标包括企业的AI使用率（特别是中小企业）、AI在企业业务流程中的覆盖比例、Agent部署密度、企业员工人均AI交互频次、居民人均AI交互频次等；仍需要进一步构建；

• 该评价体系可以让各经济体对于自己处在AI经济发展的哪一个相对位置，有更清晰的判断，便利于这些经济体制订自己的AI经济发展计划；

• 该评价体系也可用于国际组织评价全球不同国家地区的AI发展情况。

问题三十五：什么是「AI充裕经济体」/「AI充裕社会」？

• 基于以上评价体系，我们可以建立「AI充裕经济体」和「AI充裕社会」的概念。这样的经济体，是一个AI被充分、适当地使用，AI充分赋能经济和社会发展的经济体，AI可以为该经济体带来人类可欲的结果；

• 是否「AI充裕」，可能成为下一个阶段评价一个国家竞争力的重要指标，也是评价「发达国家/发展中国家」的一个重要角度；

• 电力、算力、模型将成为各国家的战略资源。

问题三十六：「AI欠充裕经济体」和「AI匮乏经济体」，应该采用什么样的发展和追赶策略？

• AI的发展需要能源、算力、数据、算法四个层面的配合建设。一个经济体需要以稳定、充足、低成本的电力供应作为基础，在本地建设足够规模的算力中心，结合本经济体已经积累的互联网数据、各行业业务数据、政府数据，通过调用闭源或者开源基座模型服务，建设该经济体的AI能力；

• 具体到某一个国家和地区，需要在能源、算力、数据、算法四个层面评估本国/本地区的基础和现状，制订合理、有效、前期成本可控的发展和追赶策略；

• 模型研发、AI应用研发、标准制定、平台治理可能都发生在「AI充裕国家」；「AI欠充裕经济体」和「AI匮乏经济体」可通过模型本地化、建设区域算力节点来补齐AI能力。

问题三十七：AI经济会带来国际分工、国际供应链的哪些变化？不同国家占全球GDP的比例，将如何变化？

• 传统国际分工是基于各国不同的技术差异、劳动力等要素禀赋差异，这些差异是国际分工的前提，也塑造了国际分工的形态；

• 在AI经济阶段，全球Agent和机器人建立在同一个「数字层」之上，全球Agent和机器人的工作能力将趋同，传统国际分工的要素禀赋差异前提可能被改变；

• 在AI经济阶段，「按任务划分的经济活动的全球最优分配」，是国际分工逻辑的可能性之一；不同国家在「关键任务节点的不可替代性」可能成为国家之间分工的重要因素。

• 国际分工变化之后，各国在全球GDP中占比的逻辑也会发生变化；以及，我们应该如何应对这种变化带来的影响？

问题三十八：对于AI经济阶段，全球算力和能源需求的预估

• 在以上背景下，全球算力需求将以什么样的速度增长？我们是否会遇到算力供给的瓶颈？

• 激增的算力需求将给能源供应带来哪些变化？我们是否会遇到能源/电力供给的瓶颈？

问题三十九：我们是否可能，以及如何设定AI与人的能力分工？

• 目前我们看到的情况是，AI可以把数据类、分析类的工作做得比人好，而人类在情感、感受、共情、审美、创造力等领域仍然保持绝对优势。这个局面能长期保持吗？或者说，基于神经网络的大语言模型，其思维能力的边界在哪里？是否存在一些领域，AI永远也追不上人脑的能力？

• 如果有的话，这些领域是什么？如何定义这些领域？计算机的精确性和人脑的模糊性，是天然的划分标准之一吗？

• 如果没有的话，我们是否应该、是否可能设定一条界限，让AI的能力停留在这条界限的一侧？如何设定这条界限？

• 让人类保有价值设定、目标设定、判断力、创造力、情感交流、审美、对AI的监督/管理/最终控制权，是否这条界限的一个答案？

• 如何确保所有的AI大模型开发商和开发者，都遵循这条界限？

问题四十：「非稀缺经济」实现后的闲暇消费和生活意义问题

• AI具备泛化地交付工作能力之后，人类会有可能拥有一个「非稀缺经济」。在约一百年前，凯恩斯敏锐地看到了这一点，在《我们后代在经济上的可能前景》中，他写道：「我们的天性——包括我们所有的冲动和最深层的本能——为了解决经济问题而进化发展起来的。如果经济问题得以解决，那么人们就将失去他们传统的生存目的」。「经济问题、生存竞争，一直是人类首要的、最紧迫的问题——不仅是人类，而且在整个生物界，从生命的最原始形式开始莫不如此」。「长久以来，我们都是被训练着去奋斗而不是去享受 …… 当他再也不能在传统社会的温床和他所珍视的那些风俗习惯中找到自己的根基时，这个问题就显得尤为严重。」

• 「人类自从出现以来，第一次遇到了他真正的、永恒的问题——当从紧迫的经济束缚中解放出来以后，应该怎样来利用他的自由？科学和复利的力量将为他赢得闲暇，而他又该如何来消磨这段光阴，生活得更明智而惬意呢？」

• 凯恩斯也提出了具体的建议，他认为「任何人如果想要生活得舒心畅意，那么他就必须得干一点工作。」 他甚至提出了3小时工作制：「3小时一轮班或每周15小时的工作，也许会使上述问题在相当长一段时间内得以缓解」。

• 诚如凯恩斯所写，人基于千万年的遗传形成的生物性，在短期内是难以改变的，但是AI改变经济的节奏可能是快速的。如果「非稀缺经济」到来，在工作之外，新的、能使人们在闲暇中获得满足感的活动是什么，对于人类群体的人生意义该如何定义，以及如凯恩斯所考虑，是否应该设计新的工作时长机制以使人对于工作的生物性本能得到部分承接，都是需要认真思考的经济、社会和哲学问题。

作者王捷，中国初代AI投资人，完整经历了移动互联网各个发展和投资阶段，2017年以来主要从事AI行业投资，投资了摩尔线程、比亚迪半导体、万国数据、京东科技、开思时代、奇安信、明略科技等公司。作者邮箱jie_wang7@sina.com，微信如下，欢迎交流，添加请说明工作/学习机构、职务信息。