來稿作者：張鎮宇博士

近幾年，主流經濟學界與金融機構對於AI如何影響勞動力市場與宏觀經濟的研究，普遍呈現樂觀或審慎的態度。例如，高盛在近三年的報告中持樂觀預測，認為AI在未來十年可將全球GDP提升約7%，並在美國帶動超過15%的生產率增長；諾貝爾經濟學獎得主阿西莫格魯（Daron Acemoglu）則持更為冷靜的立場，他的研究指出AI對生產力的實質貢獻可能遠低於市場預期，未來十年對美國經濟生產率僅提升約0.5%、GDP僅增長約1%。

然而，投資研究機構Citrini Research於2月22日發布的報告《2028全球智能危機》（The 2028 Global Intelligence Crisis），卻以一種截然不同的角度，在金融界乃至學術界引發了廣泛震動。報告以虛構的2028年6月視角回顧危機始末，通過一個邏輯完整、環環相扣的情境推演，對AI給人類社會經濟活動帶來的影響給出了一個悲觀的預測，其背後的因果鏈條令人難以忽視。

一、智力壟斷終結與「幽靈GDP」

報告的論點建立於對AI時代的幾個根本性重估之上。首先，這一輪技術革命與歷史上任何一次都有本質不同。蒸汽機替代的是人類的體力，電腦提升的是人類的效率，但新技術本身始終依賴人的操作和判斷。AI的到來，挑戰的是人類的智力壟斷——AI模型所儲存的記憶力與推斷能力已超越任何單一人類個體。也就是說，AI所取代的不再只是普通勞動力，而是整個白領階層。報告以一個比喻說明問題的規模：北達科他州的一個GPU算力中心，足以替代曼哈頓一萬名白領。另一個現實的例子則是，在2月24日，Anthropic宣布可以用AI完成IBM的一項系統重塑業務，IBM股價隨即重挫，市值蒸發逾200億美元——後續的裁員潮顯然只是時間問題。

其次，報告提出「幽靈GDP」（Ghost GDP）這一核心概念。我們都知道，傳統宏觀經濟循環的前提是：生產帶來收入，收入催生消費，消費再推動生產。然而，AI代理不眠不休地創造產出和高頻交易，固然推升了企業利潤和GDP數字，但AI代理本身並不消費——它不買房、不上餐廳、不繳按揭。生產力的帳面數字亮眼，貨幣流通速度卻歸零，這會導致經濟的循環逐漸停滯。

當然，筆者對此保留一些質疑：其一，AI的擴張並非無人世界，它會推高數據中心、電力、網絡、資訊安全、治理與整合的需求，相關工作仍由人承擔，並非完全「無消費」。其二，至少在可見的商業化階段，AI的使用仍由人或企業決策驅動，真正的「AI代理間互相交易」能否快到足以掏空消費端，仍需實證。

二、需求萎縮的負面螺旋

從企業端看，上述的兩個前提形成了一個單向的負面螺旋：「AI能力提升 → 企業需要更少工人 → 白領裁員增加 → 被替代的工人消費減少 → 利潤壓力迫使企業投入更多AI → AI能力再次提升。」并且這個迴路沒有自我修正機制，因為推動它的引擎每個季度都在加速。於是，金融市場的脆弱性被重新定價。報告把重點放在白領階層：企業若能用更便宜的AI分析、法務、財務與工程代理來替代年薪數十萬美元的人類專業人士，這些專業人士背後的房貸、信用卡、私募信貸等原本建立在穩定高收入預期上的資產，就會面臨類似2008年但「借款人更優質」的違約風險敘事。

同時，AI的「抹平資訊差」能力，衝擊的是大量慣性中介（habitual intermediation）。報告把地產代理、保險、旅遊、外賣平台、金融顧問等建立在流程摩擦與資訊不對稱上的產業，視為護城河可能被代理系統直接跨越的領域；當AI代理能長時間自動比價、談判、執行，傳統中介的抽成便成為最顯眼、也最容易被優化掉的成本。這會加速收入端的壓縮，並把壓力傳導到信用市場。

推演到政府層面，問題便演變成宏觀治理危機：若結構性失業擴大，政府的個人所得稅與薪資相關社保收入承壓，但救濟、補助與轉型支出則會持續上升，公共財政與主權信用將受到衝擊。傳統依賴財政政策自身調節能力的「自動穩定器」（例如當人們失業時，累進稅制下人們自然減少交稅，從而自動減輕壓力），在面對大規模結構性替代時將失靈。報告甚至設想美國政府討論對算力課稅、設立類似「AI共榮基金」的再分配方案，但政治推進並不順利。

當然，這篇文章的推測是一種對未來兩年的假設性推演。筆者認為，按照現時全球的電力供給情況以及AI的實際應用進度來看，AI要大規模鋪開並高強度融入每個行業仍需時日，因此這場推演起碼不會在兩年內全面成真。

三、分配衝擊與制度應對

寫到這裏，筆者認為這份報告真正的價值在於：它促使我們把AI理解為一個「分配衝擊」與「需求衝擊」的組合拳，而不只是一個僅僅存在於供給側的生產力故事。對此，筆者認為有三點值得深入思考：

第一，宏觀效果不是把微觀替代直接放大，這也是宏觀經濟與微觀經濟之間的重要區別。有研究強調，替代效應會壓低勞動需求，但也存在生產力效應與「新任務」創造的對沖力量；關鍵在於制度與投資是把技術導向「更多替代」還是「更多互補」。因此，報告的悲觀路徑並非唯一均衡，而是多種可能性中的一種——並且是在政策與企業策略都偏向「用AI直接吃掉工資份額」時，更容易實現的均衡。

第二，需要正視實證的異質性：AI在某些場景確實帶來明顯增產，但增產未必等於淨裁員。以一項實證研究為例，在客服情境導入生成式AI輔助後，處理量顯著提高，且收益更多集中於新手與低技能員工，呈現「拉平能力差距」的效果；這類結果意味着，至少在部分行業，AI可能先以「放大個體產出」的方式運作，而不必然立刻轉化為大規模裁撤。同時，斯坦福大學的一篇最新論文也指出，每項工作都是任務的集合，而AI只會自動化工作中的部分任務，從而讓從業人員可以花更多時間去提升整體生產力。因此，一些曾被認為會被AI淘汰的工種（例如放射科醫生），其薪資反而得到了上升。

第三，勞動市場的暴露面其實很大（而不僅僅是白領階層），但影響形式未必都是失業。IMF的分析指出，全球約四成就業暴露於AI的影響之下，發達經濟體比例更高；同時它也強調「替代」與「互補」會並存，政策要做的是讓互補面擴大、讓替代面的痛苦可被吸收。換言之，真正的關鍵在於社會有沒有把轉型成本制度化地分攤。

因此，在探討「解決方案」時，筆者認為算力稅可視為一個值得討論的方向，但絕非萬能方案。算力稅的難點在於稅基界定、稅負歸宿與跨境套利：究竟是對GPU時間、雲端用量、模型收入，還是對企業因自動化節省的人力成本課稅？若設計不當，可能抑制正向創新，卻擋不住替代效應的外溢。較可行的政策組合，反而是把再分配與再就業拆開處理：一方面用負所得稅、工資保險、可攜式福利、公共托育與醫療等方式穩住需求端，確保「被替代者仍是消費者」；另一方面把政策焦點放在新任務與互補型投資，例如醫護、教育、基建更新、公共部門數字化與中小企業導入，讓AI的擴散不只發生在裁員鏈條上。至於報告提到的「AI共榮基金」式構想，筆者認為可被視作把資本收益部分社會化的工具之一，但它需要透明的治理與可驗證的分配規則，否則容易淪為政治口號。

四、我國與香港特區的應對

最後，筆者想針對中國與香港特區的具體情況作進一步思考。

就我國的情況而言：第一，當前經濟轉型的核心之一是提升消費在經濟發展中的佔比。AI的衝擊是否會為我國經濟向內需轉型的過程帶來額外壓力，進而導致「GDP與生產率增長但消費下降」的局面，值得高度關注。第二，在我國，AI帶來的就業壓力或許更多體現在政府治理與國企相關的崗位中。簡單來說，在當下財政壓力與治理現代化並行的背景下，AI對公文、審批、風控、採購等工作流的降本增效極為顯著。但這會帶來一種特殊的就業衝擊：體制內不一定會先裁掉大量在崗人員，但會顯著壓縮以「考試—進入機構—穩定中產化」為核心的上升通道，讓體制內就業競爭更向少數高端崗位與稀缺技能集中，這是我國國情與上文基於美國市場分析的不同之處。第三，Citrini的敘事把風險重心放在「高薪白領房貸與信用產品」的連鎖違約；而我國的金融體系更偏向銀行主導，資產負債表更受政策與監管牽引，風險不太像美國那樣以證券化產品的市場價格瞬時「爆雷」來呈現。但如果同樣出現白領就業與收入預期走弱的情況，居民加槓桿買房的意願下降，房地產市場及連帶的消費市場依然會受到波及。

不過，我國與美國相比有一個極大的不同，即擁有強大的「政策緩衝機制」。國家可以通過產業政策把AI更強力地導向製造業與供應鏈，讓其紅利先體現在出口競爭力與工業效率上，而不是僅僅體現在服務業白領的替代上。同時，我國對於AI的相關監管也更為嚴格，這會抑制某些野蠻生長式的商業擴散，有望將AI的落地引導到更可控、更偏向商業端與政企端的場景，令「替代」變得更像組織再造，而非市場爆破。

而香港特區面臨AI衝擊的脆弱點，顯然在於其產業結構。金融、專業服務、地產及其上下游，都是典型的「高薪白領—高資產價格—高槓桿預期」結構。如果AI代理開始把研究報告、合規初審、法律檢索、客戶溝通、程式開發與測試等任務變得更便宜，那麼大量的分析師、助理、文書、運營等崗位的擴張將逐步縮減。同時，香港的大量中介行業也必然受到AI的直接衝擊。這兩大類崗位一旦被壓縮，香港的失業率不一定立刻暴增，但薪資曲線會更快扁平化。這就牽涉到香港經濟的另一大支柱——房地產。一方面，工資若下降便會導致購房需求下行；另一方面，如果AI壓縮了工作團隊的人數，租賃面積與寫字樓估值就更容易承壓。這可能牽動銀行風險偏好、資產管理配置，乃至政府與市場的信心循環。同時，一旦市場普遍相信「知識工作邊際價值下降」，香港作為高白領密度的城市，資產定價可能將長期承壓。

當然，基於香港以金融與專業服務為核心的模式，也面臨着自身的兩難困境：如果不快速擁抱AI，將其轉化為合規的生產力，香港就會面臨被其他地區以更低成本提供同類服務的威脅，進而被迫陷入價格戰，導致薪資與就業承受更大壓力。但反過來看，如果AI使用不善，被大規模且無序地用在投資建議、研究、銷售話術、風險評級、信貸審批上，例如模型造成錯誤建議、誤導銷售、資料外洩，或因演算法偏見導致合規與聲譽事故，引發系統性金融風險，那同樣得不償失。

因此，香港將AI的應用從「無序擴散」轉變為「受控導入」至關重要，且目前已取得不少進展。例如，數字政策辦公室發布了《香港生成式人工智能技術及應用指引》，試圖把資料外洩、偏誤等風險拉回可操作的責任框架。在金融監管端，金管局推出了GenAI Sandbox，利用監管沙盒與風控框架鎖住外溢風險；證監會則向持牌法團發出「使用生成式AI語言模型」的監管通函，把投資建議與研究等列為高風險用例，要求落實通知、治理、模型風險管理、網安與第三方風險等安排。這些治理措施本身已發揮了一定的防範效應。

總體而言，如果當今世界的未來發展真如Citrini報告所言，那麼香港作為國際金融中心，和其他白領聚集的城市一樣，必然會受到更為猛烈的衝擊。這也為香港加速促進以科創為主導的產業多元化，提供了更充分的合理性與迫切性。

作者張鎮宇博士是香港中文大學社會科學學院博士後研究員。

文章僅屬作者意見，不代表香港01立場。

01論壇歡迎投稿。請電郵至01view@hk01.com，附上作者真實姓名、自我簡介及聯絡方法。若不適用，恕不另行通知。香港01保留最終編輯權。