理解后劳动经济的 7 个直觉框架
来源:David Shapiro (L/0),@DaveShapi,2026-03-18
关于本书
本文是 David Shapiro 新书《Labor/Zero: A Post-Labor Economics Treatise》的核心框架提炼。
框架一:更好、更快、更便宜、更安全
劳动替代的历史规律
从长历史视角看,新技术必须通过一个简单的试金石测试,然后劳动替代就成为必然:
- ✅ Better(更好)
- ✅ Faster(更快)
- ✅ Cheaper(更便宜)
- ✅ Safer(更安全)
当机器在这四个标准上超越人类基准时,雇佣人类就变成经济上不理性的选择,替代因此成为必然。
框架二:力量、灵巧、认知、共情
人类劳动的四大"食物组"
| 能力 | 说明 | 例子 |
|---|---|---|
| Strength(力量) | 体力劳动 | 建筑工人、搬运工 |
| Dexterity(灵巧) | 精细操作 | 外科医生、手工艺人 |
| Cognition(认知) | 思考决策 | 工程师、分析师 |
| Empathy(共情) | 情感连接 | 销售、心理咨询师 |
每一项人类从事的有经济价值的任务都是这四种能力的组合。
框架三:计算成本为零
边际成本趋近于零
AI 的推理成本正在快速下降。当计算成本趋近于零时:
- 原本不经济的任务变得可行
- 大规模个性化成为可能
- 边际上的"无限劳动力"
框架四:工作是一种分配机制
超越经济视角
工作不只是创造财富,它还:
- 分配社会资源
- 提供身份认同
- 构建社交网络
- 赋予生活意义
如果工作消失,这些功能需要新的替代机制。
框架五:丰裕的悖论
物质丰富不等于幸福
当基本需求被满足后:
- 经济增长对幸福的边际贡献递减
- 人们会追求地位、意义和自我实现
- 新的稀缺性会出现(注意力、真实性、独特体验)
框架六:技术-制度协同演化
技术先行,制度滞后
- 技术变革是指数型的
- 制度(法律、规范、社会契约)变革是线性的
- 这种差距会产生摩擦和痛苦
- 主动的制度设计是必要的
框架七:路径依赖与锁定
早期选择塑造长期轨迹
- 谁拥有 AI 系统?
- 谁从 AI 产出中获益?
- 数据归谁所有?
这些早期决策会产生长期的锁定效应。
核心洞见
后劳动经济不是「会不会来」的问题,而是「以什么形式、什么速度、谁受益谁受损」的问题。
作为个人:培养机器难以替代的能力(创造力、判断力、共情)。
作为社会:需要前瞻性的制度设计,而不是被动应对。
关联
- forecasts/last-4-jobs-in-tech — AI 时代最后 4 类技术岗位
- product-trends/ai-strategy-starts-at-top — AI 战略与社会影响
- mental-models/overview — 思考框架
2026-09-19:把 AI 总量增长情景与劳动者收入预测分开
来源:AI Briefing 2026-09-19 Evening,转述自 Anthropic 研究的 X 帖子。
这条中文时间线摘要称,Anthropic 研究列出三个 2030 情景,并强调 GDP 数字是条件模型输出,不是预测,也没有给情景分配概率。帖子所述的一个显著情景假定 AI 影响约 30% 的任务、其中 40% 部署到工作中、已部署任务里四分之三完全自动化,并报告相对无 AI 基线的 GDP 差异为 8.3%。它把收入分配、劳动者转岗、算力稀缺和低生产率自动化列为重要变量。对本页的可复用补充是:不能把总量增长直接当作工资、就业或分配结果的预测。
Counterpoints & Gaps
- 这是一条二手社交媒体摘要;任务占比、部署率、自动化比例和 GDP 数字尚未对照原论文核验,不应脱离模型假设引用。
- 条件情景不等于发生概率或实际因果结果;“so-so automation”也意味着任务替代未必转化为同比例生产率提升。
Sources (addendum)
Pending Jean review
- forecasts/post-labor-economics —
ai_draft; 对照 Anthropic 原论文核验情景设定与数字,再决定是否保留为正式案例。