#141 – Erik Brynjolfsson: Economics of AI, Social Networks, and Technology

本期速览

Erik Brynjolfsson 是斯坦福大学经济学教授、数字经济学实验室主任，曾长期执教MIT，是《第二次机器时代》等书的合著者。本期核心主题是人工智能与自动化对经济、就业与社会结构的冲击，强调技术决定论是错的，我们塑造自己的命运。全片最有分量的判断是：“我们正处在‘生产力J曲线’的底部——大量投入尚未转化为产出，但转折点可能就在未来一两年内到来。”

---

主题一：指数增长为何难以理解，以及如何应对

Brynjolfsson 认为，人类大脑的线性直觉与数字技术世界的指数现实之间存在根本性错配，这是当前许多社会问题的根源。

• 论证：物理世界是线性的——走10分钟是走1分钟的10倍远；但指数增长完全不同：若某事物每2-3天翻倍（如COVID早期病例），经过10次翻倍（约20-30天），数量会变成原来的1,000倍。这种直觉上的“看不清”让人们在疫情初期低估了危险，也让人低估了摩尔定律带来的巨变。
• 推演：数字技术使世界越来越“指数化”，但人类学习、组织变革、制度演进的速度是线性的。这种错配正在加剧收入不平等、政治和经济功能失调。没有指数曲线能永远持续——最终会变成S曲线（饱和）或以灾难形式结束。 但人类不断用新的S曲线（新材料、新工艺）叠加在旧曲线上，使得整体效果延续。其背后的经济机制是：瓶颈会吸引最大资源，直到被突破。
• 证伪条件：如果未来5-10年生产力数据持续低迷，而不是出现向上拐点，则“J曲线”理论需要修正。

---

主题二：AI与生产力的“J曲线”——为什么酷技术没带来高增长

Brynjolfsson 提出“生产力J曲线”概念，解释为何AI等颠覆性技术反而伴随生产率低迷：投资期创造大量无形资产（知识、重组），但不计入GDP，导致产出被低估。

• 论证：历史上，蒸汽机、电力、计算机都经历了类似过程。以电力为例：工厂最初只是用大电机替换蒸汽机，布局不变，30年内几乎无生产率提升。直到新一代管理者重新设计工厂——引入单元驱动、按流程布局——生产率才暴增。“不要自动化，要摧毁再重建。” 当前AI领域：数百亿美元花在自动驾驶上，但几乎没有司机失业，消费者也没看到直接好处——这正是J曲线底部。
• 数据：过去15年美国生产率增长低于1990年代至2000年代初的15年；Brynjolfsson 个人判断，向上的拐点可能“最早明年到来”（即2021年）。
• 推演：通用目的技术（GPT）的潜力需要与新的商业模式、组织方式结合才能释放。Jeff Bezos用互联网重塑书店（从零开始建仓库、配送、屏幕下单），而不是给实体书店配个机器人收银员——这才是正确的做法。
• 不确定性：作者承认“过去十年令人失望，如果认为好技术=高生产率，那就不对了”。

---

主题三：数字经济的测量——GDP-B与免费商品的价值

Brynjolfsson 团队正在开发“GDP-B”（基于福利的GDP），试图捕捉免费数字商品（Wikipedia、Facebook、Zoom）为消费者创造的真实价值，因为传统GDP只计算有价格的市场交易。

• 论证：GDP是生产量，不是福利量。零价格商品贡献的GDP接近于零，但人们每天花数小时消费它们，产生了巨大福利。传统统计是用“支付意愿”来测度，但这是很难直接观察的。Brynjolfsson 通过大规模在线选择实验（已发表PNAS），向数十万、数百万参与者问“给你多少钱，你才愿意停用Facebook一个月？”，并实际付钱给一部分人参试，绘制需求曲线。
• 关键发现：不同人群对数字商品的价值感知差异很大——女性比男性更看重Facebook，老年人比年轻人更看重。加总后，这些免费商品创造的总福利可能远超传统GDP所能反映的。
• 推演：作者正与统计机构合作推进“平行账户”体系，不会取代GDP，但会并行记录福利数据。若成功，未来对“数字经济增长”的讨论将有更扎实的数据基础。

---

主题四：技术、企业与价值创造——从“自动化”到“重塑”

Brynjolfsson 认为，绝大多数企业把AI用错了：只做“自动化现有流程”，而不是“从零开始重新设计业务流程”。

• 论证：用机器人替代收银员是“自动化”；用互联网重新设计整个零售体系（Amazon）是“重塑”。前者的收益有限，后者才能带来数量级跃升。 历史上，蒸汽机、电力的真正价值都是在重新设计工厂布局后才释放的。当前AI领域，大多数企业仍停留在“给现有流程加个AI”的阶段。
• 机制：技术本身不是瓶颈，想象力与组织变革才是。企业家需要同时具备“实用工程师”和“未来主义者”两顶帽子，交替使用。
• 推演：未来5-10年，竞争优势将来自那些敢于用AI重写整个商业逻辑的企业，而不是那些只做成本节约的企业。 作者引用Michael Hammer的名言：“不要自动化，要摧毁（obliterate）。”

---

主题五：虚假信息、平台责任与“真相放大器”

Brynjolfsson 指出，当前社交网络的设计无意中“放大谎言而非真相”，但这不是技术必然，而是可选择的——通过设计选择，可以变成“真相放大器”。

• 论证：MIT同事Sinan Aral和Deb Roy的研究（Science封面）证明：虚假信息在Twitter上传播得更快、更远、更广，即使排除机器人和自动账户后依然如此。原因在于，谎言往往更“惊人”，而惊人内容更容易被点击和转发。平台可以设计“摩擦”来减缓谎言传播，或“加速”真相传播——如Wikipedia的设计选择（创始人Jimmy Wales的论点）。
• 机制：系统1（快速、情绪化）vs系统2（缓慢、理性）——现有平台倾向于利用系统1（性、暴力、愤怒、恐惧），而更健康的系统应引导用户使用系统2。“仇恨言论的扩散”往往不是算法问题，而是人类自身的弱点被平台设计放大了。
• 推演：作者不认为“技术决定命运”——“我们塑造命运”。工程师和企业家有道德责任去设计能“放大真相”的系统。如果继续放任，社会可能走向“一切皆可商量、真理不再存在”的极坏情景。
• 证伪条件：如果未来5年主流平台（Twitter、Facebook、YouTube）都没有在产品设计上做出实质性改变以抑制虚假信息，那么“设计选择改善”这一论点需要被质疑。

---

提及的标的

本节内容未讨论具体公司/标的（全文不涉及任何可投资实体或基金持仓），故省略。

---

值得记住的判断

1. Brynjolfsson 提出“生产力J曲线”： 颠覆性技术（如AI、电力）在初期会先拉低生产率，因为大量投资创造无形资产（重组、知识），但不计入GDP；拐点可能在1-2年内到来，但过去10年已令人失望。（支撑：论文《The Productivity J-Curve》与Chad Severson/Daniel Rock合著；电力案例：30年停滞期。）

2. Brynjolfsson 开发“GDP-B”以计免费数字商品的价值： 传统GDP为零定价商品（Wikipedia、Facebook、Zoom）记零，而它们实际上创造了巨大福利。通过大规模在线选择实验（已发表于PNAS），团队测出不同人群的支付意愿，并正推动统计机构建立平行账户。（支撑：女性比男性更看重Facebook，老年人比年轻人更看重；实验包括实际付钱让人停用账户。）

3. Brynjolfsson 指出“虚假信息传播更快不是算法问题，而是人类自身弱点”： MIT研究（Science封面）证明，即使排除机器人，谎言在Twitter上仍比真相传播得更快更广，因为真相更“平淡”，谎言更“惊人”。（支撑：虚假信息在情感上更极端，因此更容易被点击和转发。）

4. Brynjolfsson 主张“负所得税（EITC）优于无条件基本收入（UBI）”： 他最初支持UBI，後因社会学研究发现“单纯给钱不能解决意义感缺失”而转向EITC——它既补贴低收入者，又激励雇主雇佣更多人。（支撑：Voltaire名言“工作解决无聊、恶习和匮乏”；Andrew Yang的“条件性基本收入”也被提及——以学习新技能为条件。）

5. Brynjolfsson 用“自动驾驶的SAT问题”来反驳“技术奇迹论”： 高速公路（天气好、直路）已接近解决；但下雨天波士顿街头、无规则交叉口（需要理解其他驾驶者意图的心理理论）可能要数十年。（支撑：Waymo在凤凰城已无安全员，但特斯拉FSD仍面临长尾极端情况。）

6. Brynjolfsson 提出“技术是S曲线的叠加，摩尔定律的瓶颈正在被新材料和新维度所突破”： 硅本身不再快速进步，但GPU、TPU、Kumi定律（能耗每代减半）以及训练算法（如OpenAI的神经网络训练效率提升）正在接力。（支撑：三个因素相乘——100倍算力 × 100倍数据 × 100倍算法 = 百万倍改进。）

7. Brynjolfsson 主张“用目标税（Pigouvian taxes）代替对劳动和资本的征税”： 对污染、拥堵征税，而不是对工作和投资征税。碳税是多数经济学家（无论左右）都支持的“无脑选择”。（支撑：新加坡拥堵税使交通流畅；每坐在堵车中，相当于“把钱扔进海里”。）

8. Brynjolfsson 强调“基本研究投资是‘免费午餐’，但政府一直削减它”： 应用开发由企业激励推动（可捕获价值），但基础研究（如核聚变、AI、生物技术）是公共品，私人回报远低于社会回报，必须靠政府投入。（支撑：Bob Solow和Paul Romer的诺贝尔奖成果。）