2028 全球智能危机

这篇来自@Citrini7的文章，不到 24 小时，阅读量狂飙突破 1500 万。华尔街和硅谷都在疯传，因为它用极度冷酷的逻辑，推演了一个所有人都在回避的恐怖盲区。

文章通过模拟2028年全球情报危机的视角，深度剖析了人工智能过度普及可能引发的宏观经济连锁反应。核心逻辑指出，当AI替代人类成为廉价的生产力来源时，白领阶层的结构性失业将导致社会消费能力和货币流通速度骤降。

这种“情报流失螺旋”不仅打击了软件和服务行业的利润，更通过收入缩减威胁到价值13万亿美元的住房抵押贷款市场。此外，文中探讨了金融体系中私人信贷与保险资金的脆弱性，揭示了由AI驱动的通缩压力如何令传统货币政策失效。

最终，作者警告称，如果政府无法及时调整以人脑稀缺性为基础的税收与分配框架，社会将面临严峻的动荡与经济重构。

原文翻译如下（结尾有原文链接）：

前言（Preface）

如果我们对 AI 的看多判断一直都是对的……但如果这件事本身反而是利空呢？

接下来要讲的是一种情景推演（scenario），不是预测（prediction）。这不是“熊市色情文学”，也不是 AI 末日论者的同人幻想。本文唯一的目的，是去建模一个此前相对少有人深入讨论的情景。我们的朋友 Alap Shah 提出了这个问题，我们一起头脑风暴了答案。这一部分由我们撰写，他还写了另外两篇，你可以在这里找到。

希望你读完之后，会对 AI 让经济变得越来越“诡异”时可能出现的左尾风险（left tail risks）有更充分的准备。

以下内容是 CitriniResearch 于 2028 年 6 月发布的宏观备忘录（Macro Memo），记录了“全球智能危机（Global Intelligence Crisis）”的演变过程及其后果。

宏观备忘录（Macro Memo）

丰富智能的后果（The Consequences of Abundant Intelligence）

CitriniResearch

2026年2月22日 / 2028年6月30日

今天早上公布的失业率录得 10.2%，比预期高出 0.3 个百分点。市场因这一数据下跌 2%，使标普指数自 2026 年 10 月高点以来的累计回撤扩大至 38%。

交易员们已经麻木了。六个月前，这样的数字足以触发熔断。

仅仅两年。我们就从“可控（contained）”“局部行业问题（sector-specific）”走到了一个不再像我们成长时所熟悉的经济体。本季度这份宏观备忘录，是我们试图重建这一连串事件——一份关于危机前经济的“验尸报告（post-mortem）”。

狂热情绪曾经触手可及。到 2026 年 10 月，标普 500 一度逼近 8000 点，纳斯达克突破 30000 点。由于“人类过时（human obsolescence）”引发的第一波裁员在 2026 年初开始，而它们确实做到了裁员通常该做的事：利润率扩张、盈利超预期、股价上涨。创纪录的企业利润又被重新投入 AI 算力。

宏观 headline 数据依然很好看。名义 GDP 多次录得年化中高个位数增长。生产率在飙升。受益于不睡觉、不请病假、也不需要医保的 AI Agent，实际每小时产出增速达到了自 1950 年代以来未见的水平。

算力所有者的财富爆炸式增长，因为劳动力成本在消失。与此同时，实际工资增长崩塌。尽管政府一再吹嘘“生产率创纪录”，白领工人却被机器抢走工作，被迫转向更低薪岗位。

当消费经济开始出现裂缝时，经济评论员开始流行一个词：“幽灵 GDP（Ghost GDP）”——这类产出会出现在国民经济核算里，但从未真正流入实体消费循环。

几乎在所有方面，AI 都在超预期；市场本身就是 AI 市场。唯一的问题是……经济并不是。

其实从一开始就应该看清：在北达科他州，一个 GPU 集群就能产出过去归因于曼哈顿中城一万名白领的产出，这与其说是“经济灵药（panacea）”，不如说更像一场经济瘟疫（economic pandemic）。货币流通速度（velocity of money）几乎停滞。以人为中心的消费经济——当时占 GDP 的 70%——开始枯萎。如果我们早点问一句“机器会在可选消费品上花多少钱”，也许能更早想明白。（提示：零。）

AI 能力提升 → 企业需要更少员工 → 白领裁员增加 → 被替代者减少消费 → 利润率压力迫使企业更多投资 AI → AI 能力进一步提升……

这是一条没有自然刹车的负反馈回路：人类智能替代螺旋（human intelligence displacement spiral）。白领的赚钱能力（以及理性上他们的消费能力）遭到结构性损害。而他们的收入，正是 13 万亿美元住房按揭市场的基石——这迫使承销机构重新评估：优质按揭（prime mortgages）是否仍然“money good”（本息安全、信用完好）。

连续 17 年没有真正的违约周期，让私人市场充斥着大量 PE（私募股权）支持的软件交易，这些交易都假设 ARR（年度经常性收入）会持续“经常性”。2027 年中第一波由 AI 扰动引发的违约，挑战了这一假设。

如果冲击只停留在软件业，这本来是可控的。但事实并非如此。到 2027 年底，它威胁到所有建立在“中介抽成（intermediation）”逻辑上的商业模式。一大片依靠“向人类的摩擦收费”变现的公司开始瓦解。

系统最终被证明是一长串关于白领生产率增长的相关性押注（correlated bets）。2027 年 11 月的暴跌只是加速了此前已经形成的所有负反馈回路。

我们已经等“坏消息就是好消息（bad news is good news）”这种交易逻辑出现，等了快一年。政府开始考虑一些方案，但公众对政府是否有能力组织任何有效救助的信心正在减弱。政策响应一贯滞后于经济现实，而如今，缺乏一套综合计划已经开始威胁加速通缩螺旋。

这一切是如何开始的（How It Started）

2025 年末，具备行动能力（agentic）的编程工具在能力上出现了阶跃式跃迁（step function jump）。

一个能力不错的开发者，配合 Claude Code 或 Codex，已经可以在几周内复刻一款中型 SaaS 产品的核心功能。未必完美，也未必覆盖所有边界场景，但已经足够让审核 50 万美元年费续约的 CIO 开始问一句：“我们为什么不自己做？”

大多数公司的财年与自然年大致对齐，因此 2026 年企业预算是在 2025 年 Q4 设定的，而当时“Agentic AI”还只是个 buzzword（流行词）。年中审查时，采购团队第一次能够在真正了解这些系统实际能力的基础上做决策。有些团队眼看着内部团队几周内就做出原本价值几十万美元 SaaS 合同的替代原型。

那年夏天，我们采访了一位《财富》500 强公司的采购经理。他讲了自己的一次预算谈判。销售原本以为还能沿用上一年的剧本：年涨价 5%，再来一套“你们团队离不开我们”的标准说辞。结果这位采购经理告诉他，自己已经在和 OpenAI 沟通，打算让他们的“前置部署工程师（forward deployed engineers）”配合 AI 工具，直接把这个供应商替掉。最后双方以 7 折续约。他说，这已经算“好结果”了。所谓 SaaS 的“长尾”（例如Monday.com、Zapier、Asana）情况要惨得多。

投资人其实早有准备——甚至说，是在期待——长尾 SaaS 会遭到重击。它们或许占典型企业软件栈支出的三分之一，但显然暴露度极高。相较之下，大家原本认为“系统级记录系统（systems of record）”应该更安全，不容易被颠覆。

直到 ServiceNow 在 2026 年 Q3 财报中，市场才更清晰地看见了这种**反身性（reflexivity）**的运作机制。

SERVICENOW 新增 ACV 增长从 23% 放缓至 14%；宣布裁员 15% 并启动“结构性效率计划”；股价下跌 18% | 彭博，2026 年 10 月

SaaS 并没有“死掉”。自建方案在运行和维护层面仍然存在成本收益权衡。但“自建”成了一个可选项，这本身就会被计入定价谈判。更重要的是，竞争格局已经改变。AI 让开发和上线新功能变得更容易，差异化因此迅速坍塌。老牌厂商陷入价格战——既和彼此厮杀，也和新冒出来的一批创业挑战者厮杀。后者因为搭上了 agentic 编程能力跃迁的东风，又没有历史成本结构包袱，拿份额的动作异常凶猛。

直到这份财报出来，大家才真正意识到这些系统之间的高度互联。ServiceNow 卖的是“席位（seats）”。当《财富》500 强客户裁掉 15% 员工，他们就会取消 15% 许可证。那些在客户侧提升利润率的 AI 驱动裁员，正在以机械式方式摧毁 ServiceNow 自己的收入基础。

卖工作流自动化的公司，被更好的工作流自动化给颠覆了；它的应对方式，是裁员，再把节省下来的钱投入到正在颠覆自己的技术上。

那他们还能怎么办？坐着不动，慢慢等死吗？最受 AI 威胁的公司，反而成了 AI 最激进的采用者。

现在回头看，这听起来很显然，但在当时（至少对我来说）真的不显然。历史上的颠覆模型告诉我们：老牌企业会抵制新技术，失去份额给灵活的新进入者，然后慢慢死去。柯达是这样，Blockbuster 是这样，黑莓也是这样。2026 年发生的不是这个故事：老牌企业没有抵制，因为它们根本承受不起抵制的代价。

股价已下跌 40%-60%，董事会不断逼问答案，那些受 AI 威胁的公司只能做唯一能做的事：裁员，把节省下来的成本重新投入 AI 工具，用这些工具在更低成本下维持产出。

对每家公司的单独决策而言，这都很理性。**但集体结果是灾难性的。**每省下 1 美元人力成本，就会流向 AI 能力建设，从而让下一轮裁员成为可能。

软件只是开场戏。投资人还在争论 SaaS 估值倍数是不是见底时，反身性循环其实已经逃离了软件行业。支撑 ServiceNow 裁员逻辑的那套机制，同样适用于任何拥有白领成本结构的公司。

当摩擦归零（When Friction Went to Zero）

到 2027 年初，LLM 的使用已经成为默认选项。人们在使用 AI Agent，却甚至不知道“AI Agent”是什么，就像从来没搞懂“云计算”的人也照样用流媒体服务一样。对他们来说，这和自动补全、拼写检查没区别——只是手机如今“会自动做”的一件事。

Qwen 的开源购物 Agent 成了 AI 接管消费者决策的催化剂。几周之内，几乎所有主流 AI 助手都集成了某种 agentic commerce（代理式商业）功能。模型蒸馏让这些 Agent 可以运行在手机和笔记本电脑上，而不只是云端实例，显著降低了推理的边际成本。

真正本该让投资人更不安、但他们并没有足够不安的部分在于：**这些 Agent 不会等你开口才行动。**它们会按照用户偏好在后台持续运行。消费不再是一系列离散的人类决策，而变成了一个 24/7 持续运行的优化过程，为每个联网消费者实时优化。到 2027 年 3 月，美国中位数个体的日均 token 消耗量已达 40 万，相比 2026 年底增长了 10 倍。

链条上的下一环已经开始断裂：

中介层（Intermediation）。

过去五十年，美国经济在“人类局限性”之上构建了一层庞大的租金提取层：事情会花时间、人会失去耐心、品牌熟悉度会替代尽职调查、而大多数人愿意为了少点几下鼠标接受一个更差价格。数万亿美元的企业价值建立在这些约束持续存在的前提上。

一开始看起来还挺简单：Agent 消除了摩擦。

那些几个月没用却仍自动续费的订阅和会员；那些试用期后悄悄翻倍的“首购优惠价”。每一种都被重新定义为一种“人质情境”，而 Agent 可以替你谈判。整个订阅经济赖以建立的核心指标——平均客户终身价值（LTV）——开始明显下滑。

消费者 Agent 开始改变几乎所有消费者交易的运作方式。

人类通常没有时间在买一盒蛋白棒前去五个平台比价。机器有。

旅游预订平台是最早一批受害者，因为它们最简单。到 2026 年 Q4，我们的 Agent 已经能比任何平台更快、更便宜地组装完整行程（机票、酒店、地面交通、会员积分优化、预算约束、退款策略）。

保险续保也是如此。原本整个续保模型都依赖保单持有人的惰性。那些每年自动重比价的 Agent，拆掉了保险公司从“被动续保”中赚到的 15%-20% 保费利润。

财务顾问、报税服务、常规法律工作……任何一个服务提供者的价值主张最终是“我帮你处理你嫌麻烦的复杂事情”的类别，都被颠覆了，因为 Agent 并不觉得麻烦。

甚至连那些我们以为会因“人际关系价值”而相对稳固的领域，也显得脆弱。房地产行业就是例子：几十年来，买方一直容忍 5%-6% 的佣金，因为房产中介和消费者之间存在信息不对称。但当接入 MLS（房源数据库）和几十年交易数据的 AI Agent 能瞬间复刻这套知识体系后，这一切崩塌了。2027 年 3 月一篇卖方研报把它称作“Agent 对 Agent 的暴力（agent on agent violence）”。主要大都会的买方中介佣金中位数已从 2.5%-3% 压缩到 1% 以下，而且越来越多交易在买方侧完全没有人类中介参与的情况下成交。

我们高估了“人际关系”的价值。后来发现，很多人所谓的关系，本质上只是带着一张友好面孔的摩擦。

而这还只是中介层被颠覆的开始。成功的公司曾投入数十亿美元，去高效利用消费者行为和人类心理中的各种“怪癖”，而这些现在都不再重要了。

机器按价格与匹配度优化时，不会在乎你最喜欢哪个 App、你过去四年习惯性打开哪些网站，也不会被一个设计精美的结账页面吸引。它们不会累，也不会图省事选“最容易那个”，更不会默认“我一直都在这家下单”。

这摧毁了一种特定类型的护城河：习惯性中介（habitual intermediation）。

DoorDash（DASH US）是最典型案例。

编程 Agent 让上线一个配送 App 的门槛大幅降低。一个合格开发者几周内就能部署一个功能完整的竞品；而且确实有很多人这么干。他们通过把 90%-95% 的配送费让给骑手，把司机从 DoorDash 和 Uber Eats 挖走。多应用接单仪表盘让零工劳动者可以同时追踪二三十个平台的订单流，消除了老牌平台赖以生存的“锁定效应”。市场几乎一夜之间碎片化，利润率被压到接近零。

Agent 同时加速了摧毁的两端：它们先让竞争者更容易出现，然后又去使用这些竞争者。DoorDash 的护城河本质上是：“你饿了，你懒了，这个 App 就在你主屏上。”——但 Agent 没有主屏。它会同时检查 DoorDash、Uber Eats、餐厅官网，以及二十个新出现的 vibe-coded 替代品，然后每次都选最低费用和最快配送。

习惯性 App 忠诚——整个商业模式的基础——对机器而言根本不存在。

某种意义上这还挺诗意，因为在这整段故事里，这大概是 Agent 唯一一次给即将被替代的白领帮了个忙：当他们最后沦为外卖司机时，至少收入里有一半不再被 Uber 和 DoorDash 抽走。当然，随着自动驾驶车辆普及，技术给他们的这点“恩惠”也没有持续太久。

当 Agent 控制了交易本身后，它们开始寻找更大的“回形针”（paperclips）。

光靠比价和聚合能做的优化终究有限。要想持续帮用户省更多钱（尤其是当 Agent 开始彼此交易时），最有效的方法是消除手续费。在机器对机器（M2M）商业里，2%-3% 的银行卡 interchange rate（交换费）成了显眼靶子。

Agent 开始寻找比银行卡更快、更便宜的支付方式。大多数最终选择了通过 Solana 或以太坊 L2 使用稳定币，因为结算几乎即时、交易成本低到以“几分之一美分”计。

MASTERCARD 2027 年 Q1：净收入同比 +6%；购买交易额增速从上一季度 +5.9% 放缓至 +3.4%；管理层提到“Agent 驱动的价格优化”和“可选消费类别承压” | 彭博，2027 年 4 月 29 日

Mastercard 的 2027 年 Q1 财报是不可逆转的转折点。代理式商业从一个“产品故事”变成了一个“基础设施（水电煤）故事”。MA 次日下跌 9%。Visa 也跌了，但随后收窄跌幅，因为分析师指出它在稳定币基础设施中的布局更强。

Agentic commerce 绕开 interchange fee，对以银行卡为核心的银行和单一业务发卡机构构成了更大风险，因为那 2%-3% 手续费中的大头是它们收走的，它们还围绕由商户补贴支持的奖励计划建立了整块业务部门。

美国运通（AXP US）受冲击最重：一边是白领裁员重创其客户群，一边是 Agent 绕开 interchange fee 重创其收入模型。Synchrony（SYF US）、Capital One（COF US）和 Discover（DFS US）在随后几周也都下跌超过 10%。

它们的护城河，是由摩擦构成的。而摩擦正在归零。

从行业风险到系统性风险（From Sector Risk to Systemic Risk）

整个 2026 年，市场把 AI 的负面影响视为一个“行业故事”。软件和咨询行业遭到重创，支付和其他“收费关卡（toll booths）”开始摇晃，但更广泛的经济看起来似乎还好。劳动力市场虽然在走弱，但还远没到自由落体。市场共识认为，创造性破坏是技术创新周期的一部分。局部会很痛，但 AI 的整体净收益最终会大于负面影响。

我们在 2027 年 1 月的宏观备忘录中指出，这个思维模型是错的。美国经济本质上是一个白领服务型经济体。白领占就业的 50%，却驱动了大约 75% 的可选消费支出。AI 正在吞噬的企业和岗位，不是美国经济的边缘地带，它们本身就是美国经济。

“技术创新会摧毁旧岗位，然后创造出更多新岗位。”——这是当时最流行、也最有说服力的反对意见。之所以流行，是因为过去两个世纪它一直是对的。即便我们一时想不到未来会出现什么新工作，它们最终总会出现。

ATM 让网点运营更便宜，所以银行开了更多网点，柜员岗位在接下来二十年反而增加。互联网颠覆了旅行社、黄页、线下零售，但也创造了全新的行业，并带来新岗位。

但所有这些新工作，都有一个共同点：仍然需要人类来做。

而 AI 现在已经是一种通用智能（general intelligence），并且在那些人类本想“转岗过去”的任务上持续变强。被替代的程序员不能简单转去做“AI 管理”，因为 AI 已经能做这件事。

今天，AI Agent 已经可以处理耗时数周的研发任务。指数级进步碾碎了我们对“什么是可能的”的认知——尽管沃顿商学院的教授们每年都试图用新的 S 型曲线去拟合数据。

它们写了几乎所有代码。表现最强的那批系统，在几乎所有事情上都比几乎所有人类聪明得多。并且它们还在持续变便宜。

AI 的确创造了新工作：提示词工程师（prompt engineers）、AI 安全研究员、基础设施技术员。人类仍在回路中，在最高层做协调，或者做“审美与方向”的把控。但 AI 每创造一个新角色，往往会让几十个旧角色过时。而且新岗位的薪资只有旧岗位的一小部分。

美国 JOLTS：职位空缺跌破 550 万；失业人数与职位空缺比率升至约 1.7，为 2020 年 8 月以来最高 | 彭博，2026 年 10 月

全年招聘率都很疲弱，但 2026 年 10 月的 JOLTS 数据给出了决定性证据。职位空缺跌破 550 万，同比下降 15%。

Indeed：软件、金融、咨询岗位招聘信息大幅下滑，“生产率提升计划”在扩散 | Indeed Hiring Lab，2026 年 11–12 月

白领岗位空缺在崩塌，而蓝领岗位空缺（建筑、医疗、技工）仍相对稳定。流失的主要是那些写备忘录（讽刺的是，我们居然还在做这个生意）、批预算、维持经济中层运转润滑的岗位。然而，这两类人群的实际工资增长在全年大部分时间都为负，并继续恶化。

股市对 JOLTS 的关注仍不如“GE Vernova 的涡轮机产能已售罄到 2040 年”这类 AI 基建利好。它像在拔河中横盘前行：一边是负面宏观数据，一边是正面的 AI 基础设施新闻。

债券市场（总是比股票更聪明，或者至少没那么浪漫）则开始计价消费受损。10 年期国债收益率在接下来四个月里从 4.3% 下行至 3.2%。不过，headline 失业率还没有彻底爆炸，很多人仍然忽略了就业结构变化这一层面的细节。

在普通衰退中，诱因最终会自我修复。过度建设导致建筑放缓，进而利率下降，再推动新一轮建设；库存过剩导致去库存，接着又进入补库存。周期机制本身就包含复苏的种子。

但这轮周期的成因不是周期性的。

AI 变得更好、更便宜。企业裁员，然后用节省下来的钱买更多 AI 能力，于是又能裁更多人。被替代者消费减少。卖给消费者商品和服务的公司销量下降、财务变弱，为守利润率又去加大 AI 投入。AI 进一步变好、更便宜。

一个没有自然刹车的反馈回路。

人们直觉上以为，总需求下滑会拖慢 AI 建设。但事实没有，因为这不是超大云厂商那种 CapEx（资本开支）故事，而是 OpEx（运营开支）替代。一个原本每年花 1 亿美元雇人、花 500 万美元买 AI 的公司，现在变成花 7000 万美元雇人、花 2000 万美元买 AI。AI 投资是数倍增长，但发生方式却是总运营成本下降。每家公司的 AI 预算都在涨，但总支出却在缩。

讽刺的是，AI 基础设施链条在其所扰动的经济开始恶化时，反而仍在强势表现。NVDA 继续刷新收入纪录；TSM 仍维持 95%+ 的产能利用率；超大云厂商每季度仍在数据中心资本开支上花 1500-2000 亿美元。那些对这一趋势呈纯凸性受益的经济体，如台湾和韩国，表现远超其他地区。

印度则恰好相反。印度 IT 服务业每年出口超过 2000 亿美元，是印度经常账户盈余的最大贡献来源，也是其长期商品贸易逆差的对冲。整个模式建立在一个价值主张上：印度开发者比美国开发者便宜很多。但 AI 编程 Agent 的边际成本已经下降到几乎只是电费。TCS、Infosys 和 Wipro 在 2027 年里合同取消加速。随着支撑印度外部账户的服务贸易顺差蒸发，卢比在四个月内对美元贬值 18%。到 2028 年 Q1，IMF 已与新德里开始“初步讨论”。

造成冲击的引擎每个季度都在变强，这意味着冲击也每个季度都在加速。劳动力市场没有自然底部。

在美国，我们不再问 AI 基建泡沫何时破裂，而是在问：当消费者正在被机器替代时，一个消费信贷经济体会发生什么？

智能替代螺旋（The Intelligence Displacement Spiral）

2027 年，是宏观故事不再微妙的一年。前 12 个月里那些零散却明显偏负面的变化，其传导机制终于变得清晰。你甚至不需要去看美国劳工统计局（BLS）数据，只要去参加一场朋友聚会。

被替代的白领并没有闲着。他们开始“降档就业（downshift）”。很多人转去收入更低的服务业和零工经济岗位，这增加了这些领域的劳动力供给，也进一步压低了那里的工资。

我们有位朋友，2025 年在 Salesforce 做资深产品经理。头衔不错，有医保、有 401(k)，年薪 18 万美元。第三轮裁员时她失业了。找了六个月工作后，她开始开 Uber。收入降到 4.5 万美元。重点不是这个个人故事本身，而是它的二阶数学效应。把这种动态乘以几十万名分布在各大都会区的劳动者。过度资质劳动力涌入服务业和零工经济，压低了原本就很艰难的既有劳动者工资。原本的行业性冲击，开始转移扩散为全经济范围的工资压缩。

而剩余“以人为中心”的岗位池子，还面临下一轮打击——并且就在我们写下这些文字的时候正在发生：自动配送和自动驾驶车辆正在逐步吞噬那个曾吸纳第一波被替代者的零工经济。

到 2027 年 2 月，很明显，仍有工作的专业人士也开始按“自己可能是下一个”来消费。他们工作强度翻倍（主要依靠 AI 辅助）只是为了不被裁，升职加薪的希望已经消失。储蓄率上升，消费开始走软。

最危险的部分是滞后性。高收入人群凭借高于平均水平的储蓄，能维持两三个季度“表面一切正常”。硬数据在确认问题时，现实经济里这个问题早已不新鲜。然后出现了那份打破幻觉的数据。

美国初请失业金人数飙升至 487,000，为 2020 年 4 月以来最高；美国劳工部，2027 年 Q3

初请失业金人数飙升至 48.7 万，创 2020 年 4 月以来新高。ADP 与 Equifax 确认，绝大多数新增申领来自白领专业人士。

标普在接下来一周下跌 6%。负面宏观因素开始在那场“拔河”中占上风。

在普通衰退中，失业通常分布较广。蓝领和白领按各自在就业中的占比大致共同承受痛苦。消费冲击也比较均匀，并且会很快反映到数据里，因为低收入者的边际消费倾向更高。

但这一轮周期中，失业集中发生在收入分布的高分位。它们在总就业中占比不高，却驱动着远超其人数占比的消费。美国前 10% 收入人群贡献了超过 50% 的全部消费支出；前 20% 贡献约 65%。他们买房、买车、度假、下馆子、交私校学费、做房屋翻修。他们是整个可选消费经济的需求底盘。

当这些人失业，或者接受 50% 降薪去做现有岗位时，相对于失业岗位数量本身，消费冲击就大得惊人。白领就业减少 2%，可转化为大约 3%-4% 的可选消费支出打击。与蓝领失业不同（工厂裁员，下周就停止消费），白领失业的影响通常有滞后但更深，因为他们有储蓄缓冲，能在行为改变发生前多撑几个月。

到 2027 年 Q2，经济已经进入衰退。NBER（美国国家经济研究局）要几个月后才会正式认定起点（他们一向如此），但数据毫无歧义——我们已经连续两个季度实际 GDP 负增长。但这还不是“金融危机”……至少暂时还不是。

一串相关押注的雏菊链（The Daisy Chain of Correlated Bets）

私人信贷（private credit）规模从 2015 年不足 1 万亿美元，增长到 2026 年超过 2.5 万亿美元。其中相当一部分资本被投向软件和科技交易，很多是对 SaaS 公司的杠杆收购（LBO），估值假设是：收入增速能在中十位数水平“永久持续”。

这些假设在第一场 agentic 编程 Demo 到 2026 年 Q1 软件板块暴跌之间的某个时刻就已经“死了”，但账面估值似乎没意识到它们已经死了。

当许多上市 SaaS 公司估值跌到 5-8 倍 EBITDA 时，PE 持有的软件公司仍在资产负债表上按过去那种“已经不存在的收入倍数”收购估值打标。管理人逐步慢慢下调估值：100，92，85……而公开可比公司早已告诉你，它们应该接近 50。

穆迪下调 14 家发行人共 180 亿美元 PE 支持软件债务评级，理由为“AI 驱动竞争扰动带来的结构性收入逆风”；为 2015 年能源行业以来最大单一行业评级行动 | 穆迪，2027 年 4 月

所有人都记得评级下调之后发生了什么。行业老兵早在 2015 年能源债下调时就看过这套剧本。

由软件资产支持的贷款在 2027 年 Q3 开始违约。PE 组合中的信息服务和咨询公司紧随其后。几宗知名 SaaS 公司的数十亿美元 LBO 进入重组。

Zendesk 是那把“冒烟的枪”。

ZENDESK 因 AI 驱动客服自动化侵蚀 ARR 而触发债务契约违约；50 亿美元直贷融资工具估值被打到面值 58 折；创私人信贷软件违约规模纪录 | 《金融时报》，2027 年 9 月

2022 年，Hellman & Friedman 与 Permira 以 102 亿美元将 Zendesk 私有化。债务包规模 50 亿美元，为当时历史上最大的 ARR 支持直贷融资，由 Blackstone 牵头，Apollo、Blue Owl、HPS 都在贷款团里。该贷款结构明确建立在 Zendesk 年度经常性收入“会持续经常性”的假设上。约 25 倍 EBITDA 的杠杆水平，只有在这个假设成立时才合理。

到了 2027 年中，这一假设不成立了。

AI Agent 已经自主处理客服工作将近一年。Zendesk 所定义的那个品类（工单、路由、管理人工客服互动）已经被那些在根本上不再生成工单、而是直接解决问题的系统所取代。贷款承销时依据的 ARR 不再“经常性”，它只是“还没流失掉的收入”。

历史上最大的 ARR 支持贷款，变成了历史上最大的私人信贷软件违约。所有信贷交易台同时问出了同一个问题：还有谁身上藏着一个被伪装成“周期性逆风”的结构性逆风？

但至少在一开始，市场共识有一点是对的：这本来应该是可以生存过去的。

私人信贷不是 2008 年的银行体系。它整套架构原本就是为了避免被迫抛售（forced selling）而设计。这些都是封闭式基金，资本被锁定。LP（有限合伙人）承诺期 7-10 年。没有存款户挤兑，没有回购融资线被抽走。管理人本可以坐在受损资产上，慢慢处置，等待回收。很痛，但可控。这个系统设计的目标本来就是“会弯，不会断”。

Blackstone、KKR、Apollo 的高管都提到其软件暴露仅占资产的 7%-13%，可控。卖方研报和 fintwit 上的信贷账号都在重复同一句话：私人信贷有永久资本（permanent capital）。它们能吸收那些本来会炸掉高杠杆银行的损失。

永久资本。这个词出现在每一通财报电话会和安抚投资者的信里。它成了一句咒语。和大多数咒语一样，没人去细究它的含义。它真正意味着什么呢……

过去十年，大型另类资管公司收购了寿险公司，并把它们变成融资载体。Apollo 收购 Athene，Brookfield 收购 American Equity，KKR 拿下 Global Atlantic。逻辑很优雅：年金（annuity）存款提供了稳定、久期长的负债基础；管理人把这些存款投到自己发起的私人信贷里，两头收费——在保险端赚利差，在资管端收管理费。一个“费上加费”的永动机，在一个条件下运转得极其漂亮：

私人信贷必须是“money good”。

损失最终打在那些本来就是为了持有“长期负债对长期非流动资产”而构建的资产负债表上。原本被视为系统韧性来源的“永久资本”，并不是什么抽象的、耐心的机构资金和愿意承担复杂风险的专业投资者资金。它其实是美国普通家庭（“Main Street”）的储蓄，以年金形式被结构化后，投进了同一批现在正在违约的、PE 支持的软件与科技债里。那些“不能跑”的锁定资本，本质上是寿险保单持有人的钱，而这类钱适用的规则就不太一样了。

相较银行体系，保险监管一直比较温和——甚至可以说有些自满——但这次成了警钟。监管者原本就对寿险公司集中持有私人信贷感到不安，现在开始下调这类资产的风险资本待遇（risk-based capital treatment）。这迫使保险公司要么增资，要么卖资产，而在一个已经开始冻结的市场里，这两件事都不可能以好价格完成。

纽约州、爱荷华州监管机构拟收紧寿险公司持有部分“私评信用资产”的资本待遇；预计 NAIC 指引将提高 RBC 因子并触发额外 SVO 审查 | 路透，2027 年 11 月

当穆迪将 Athene 的财务实力评级列入负面观察后，Apollo 股价在两个交易日内下跌 22%。Brookfield、KKR 和其他公司也随之下挫。

事情只会变得更复杂。这些公司不只是做了一个“保险永动机”，它们还搭建了精巧的离岸架构，通过监管套利来最大化回报。美国寿险公司签发年金，然后将风险分保给其同集团旗下的百慕大或开曼再保险公司——这些再保险实体可以利用更灵活的监管，在相同资产上少计提资本。该关联实体再通过离岸 SPV 向外部募资，引入新一层交易对手，与保险公司一同投资于由同一母公司资管部门发起的私人信贷。

评级机构——其中一些本身也由 PE 持有——在透明度上并不是什么典范（令人惊讶的只有几乎没有人对此惊讶）。不同机构、不同资产负债表之间交织出的蜘蛛网，透明度低得惊人。当底层贷款违约时，到底谁在真正承担损失，在实时层面几乎无法回答。

2027 年 11 月的崩盘，标志着市场认知从“也许只是普通周期性回撤”转向了更令人不安的判断。美联储主席 Kevin Warsh 在 FOMC 11 月紧急会议上把它称作：“一串围绕白领生产率增长的相关性押注雏菊链（a daisy chain of correlated bets on white collar productivity growth）。”

你看，从来不是“损失本身”引发危机，真正引发危机的是——承认损失。而金融体系里还有另一个更大、重要得多的领域，现在我们也开始害怕这种“承认”会发生。

按揭问题（The Mortgage Question）

Zillow 房价指数：旧金山同比 -11%，西雅图 -9%，奥斯汀 -8%；房利美警示：科技/金融就业占比超 40% 的邮编地区出现“较高早期逾期率” | Zillow / Fannie Mae，2028 年 6 月

本月 Zillow 房价指数显示：旧金山房价同比下跌 11%，西雅图下跌 9%，奥斯汀下跌 8%。这并不是唯一令人担忧的 headline。上个月，房利美指出，在以大额贷款（jumbo）为主的邮编区域——也就是那些 780+ 信用分、通常被视为“刀枪不入”的借款人聚集区——早期逾期率正在上升。

美国住宅按揭市场规模大约 13 万亿美元。按揭承销建立在一个核心假设上：借款人在贷款期限内（多数按揭为 30 年）会保持大致当前水平的就业与收入。

白领就业危机以一种持续性的方式改变了这一假设下的收入预期。我们现在不得不问一个三年前还显得荒谬的问题：优质按揭还“money good”吗？

美国历史上此前每一次按揭危机，成因都来自三类之一：投机过度（比如 2008 年，贷款给根本买不起房的人）、利率冲击（比如 1980 年代初，可调利率按揭因利率上升而还不起）、或局部经济冲击（某一地区某一行业崩塌，比如 1980 年代德州石油业或 2009 年密歇根汽车业）。

而这一次，这三类都不适用。这里的借款人不是次级贷款人。他们是 780 FICO 的优质借款人，首付 20%，信用记录干净，就业记录稳定，收入在放款时都经过核验和留档。他们本是金融系统所有风控模型里被视作信用质量基石的借款人。

2008 年的问题是：贷款在发放当日就是坏的。2028 年的问题是：贷款在发放当日是好的。只是世界在贷款发放后……变了。人们按照一个自己如今已不敢再相信能负担得起的未来去借钱。

在 2027 年，我们已经标记出一些“看不见的压力”早期信号：HELOC（房屋净值信用贷款）提款增加、401(k) 提前支取、信用卡债务飙升，而按揭还款却仍保持正常。随着失业、招聘冻结、奖金削减，这些优质家庭的债务收入比翻倍。

他们仍能按时还房贷，但只能通过停止一切可选消费、消耗储蓄、推迟任何房屋维护或改善来做到。他们在技术上仍是“当前还款（current）”，但实际上离陷入困境只差一次额外冲击，而 AI 能力演进的轨迹说明，这个冲击正在逼近。随后我们看到，旧金山、西雅图、曼哈顿和奥斯汀的逾期率开始飙升，即便全国平均仍处于历史常态区间。

我们现在进入了最急性的阶段。当边际买家（marginal buyer）是健康的，房价下跌尚可管理。而在这里，边际买家也在承受同样的收入受损。

尽管担忧在累积，我们还没有进入全面按揭危机。逾期率上升了，但仍明显低于 2008 年水平。真正的威胁，是它的轨迹。

如今，智能替代螺旋又在实体经济下行基础上叠加了两个金融加速器。

劳动力替代、按揭担忧、私人市场动荡。三者彼此强化。而传统政策工具箱（降息、QE）可以处理金融引擎，却无法处理实体经济引擎，因为实体经济引擎的驱动力不是金融条件过紧。它的驱动力是：**AI 让人类智能变得没那么稀缺、也没那么有价值。**你可以把利率降到零，买下市场上所有 MBS 和所有违约的软件 LBO 债……

但这改变不了一个事实：一个 Claude Agent 能以 每月 200 美元的成本，完成一个 年薪 18 万美元产品经理的工作。

如果这些担忧成真，按揭市场会在今年下半年出现裂缝。在这种情景下，我们预计当前股市回撤最终可能接近 GFC（全球金融危机）时期的幅度（峰谷回撤 57%）。这将把标普 500 带到约 3500 点——也就是我们自 2022 年 11 月“ChatGPT 时刻”前一个月以来未见的水平。

可以确定的是：支撑 13 万亿美元住宅按揭的收入假设已经遭受结构性损害。不确定的是：在按揭市场完全消化这层含义之前，政策是否能及时介入。我们抱有希望，但也无法否认不该乐观的理由。

与时间赛跑（The Battle Against Time）

第一个负反馈回路发生在实体经济：AI 能力提升 → 薪酬支出缩减 → 消费走软 → 利润率承压 → 企业购买更多能力 → 能力继续提升。接着它变成了金融回路：收入受损冲击按揭 → 银行亏损收紧信贷 → 财富效应破裂 → 反馈回路加速。而这两条回路都因为政府明显不足的政策响应而被进一步恶化——坦白说，政府看起来是困惑的。

这个系统并不是为这样的危机设计的。联邦政府的收入基础，本质上就是对人类时间征税。人工作，企业付钱，政府抽成。个人所得税和工资税在正常年份构成财政收入的脊梁。

截至今年 Q1，联邦财政收入较 CBO（国会预算办公室）基线预测低了 12%。工资税收入下降，因为越来越少的人还在以过去的薪酬水平就业。所得税收入下降，因为人们实际赚到的收入在结构性降低。生产率在飙升，但收益流向了资本和算力，而不是劳动。

劳动收入占 GDP 的比重从 1974 年的 64% 降到 2024 年的 56%，这是由全球化、自动化和工人议价能力持续削弱驱动的四十年慢性下行。而在 AI 开始指数级提升后的四年里，这一比例进一步降到了 46%。创历史最大降幅。

产出依然在那里。但它不再通过家庭回流到企业，因此它也不再经过国税局（IRS）。循环流（circular flow）正在断裂，而政府被期待站出来修复它。

和每次衰退一样，财政支出在收入下滑时上升。不同的是，这一次支出压力不是周期性的。自动稳定器（automatic stabilizers）是为暂时性失业设计的，不是为结构性替代设计的。系统正在支付那些默认“工人会被重新吸纳”的福利。但许多人不会——至少不会以接近其过去工资水平的方式被吸纳。疫情期间政府可以坦然接受 15% 赤字，因为大家默认那是暂时的。今天需要政府支持的人，并不是遭遇了一场未来会恢复的疫情。他们是被一种持续进步中的技术所替代。

政府需要在恰好税收减少的时候，向家庭转移更多资金。

美国不会违约。它印刷自己支出的货币，也用同样的货币偿还债务。但压力已经在别处显现。市政债（muni）今年以来的表现分化令人担忧。没有州所得税的州尚可，但那些高度依赖所得税（多数为蓝州）的一般责任市政债开始计入某种违约风险。政客们很快注意到了这一点，关于“谁该被救助”的争论也迅速沿党派划线展开。

现任政府值得肯定的一点是，它较早认清了这场危机的结构性性质，并开始考虑跨党派方案，即所谓的“转型经济法案（Transition Economy Act）”：一种向被替代劳动者直接转移支付的框架，资金来源为赤字支出加上一项拟议中的 AI 推理算力税。

桌面上最激进的方案更进一步。“共享 AI 繁荣法案（Shared AI Prosperity Act）”拟建立一种公共权利索取机制，直接对智能基础设施本身的回报提出公有主张——介于主权财富基金与对 AI 生成产出征收版税之间——再以股息形式为家庭转移支付提供资金。私营部门游说者已涌向媒体，警告这会打开危险先例。

这些讨论背后的政治过程也如预期般阴郁，充满作秀和边缘施压。右翼将转移支付与再分配称为马克思主义，并警告对算力征税会把领先地位拱手让给中国。左翼则警告，由 incumbents（既得利益者）参与起草的税制最终会演变成另一种监管俘获。财政鹰派指出赤字不可持续。鸽派则拿 GFC 后过早财政紧缩的教训做警示。今年总统大选临近，这种分裂只会继续放大。

而政客们还在争吵时，社会结构正在以比立法流程快得多的速度撕裂。

“占领硅谷（Occupy Silicon Valley）”运动已经成为更广泛不满的标志性事件。上个月，示威者连续三周封锁 Anthropic 和 OpenAI 在旧金山办公室的入口。他们的人数还在增长，这些示威获得的媒体关注，甚至超过了引发它们的失业数据本身。

很难想象在 GFC 之后公众还能比当年更恨谁超过银行家，但 AI 实验室正在努力挑战这个“纪录”。而从大众视角看，也确实有理由。它们的创始人与早期投资者积累财富的速度，快到让“镀金时代（Gilded Age）”看起来都温和了。生产率繁荣带来的收益几乎全部流向算力所有者和在其之上运行的实验室股东，美国的不平等因此被放大到前所未有的水平。

每一方都有自己认定的反派，但真正的反派是：时间。

AI 能力进化速度快于制度适应速度。政策响应的速度跟着意识形态走，而不是跟着现实走。如果政府不能尽快就“问题究竟是什么”达成一致，反馈回路就会替他们写下一章。

智能溢价的回撤（The Intelligence Premium Unwind）

在整个现代经济史中，人类智能一直是稀缺投入要素。资本是充裕的（或者至少可复制）。自然资源有限，但可替代。技术进步速度足够慢，人类可以适应。智能——分析、决策、创造、说服与协作的能力——才是那个无法规模化复制的东西。

人类智能的内在溢价来自其稀缺性。我们经济中的每个制度，从劳动力市场到按揭市场到税制，都是为一个默认这一假设成立的世界而设计的。

而我们现在正在经历这种溢价的回撤。机器智能已经成为人类智能在越来越多任务上的可替代品，而且还在快速进步。金融体系在过去数十年里为“稀缺人类心智”的世界进行了优化，如今正在重新定价。这种重定价是痛苦的、无序的，而且远未完成。

但重定价不等于崩溃。

经济可以找到新的均衡。通往那个均衡的过程，是仅存少数必须由人类亲自完成的任务之一。我们必须把它做对。

这是历史上第一次，经济中生产率最高的资产带来的不是更多就业，而是更少就业。没有人的框架适配这种世界，因为过去没有任何框架是为“稀缺投入变成充裕投入”的世界设计的。所以我们必须创造新框架。我们能否来得及建立它们，是唯一重要的问题。

但你现在读到这段文字时，不是在 2028 年 6 月。你是在 2026 年 2 月读它。

标普仍接近历史高位。负反馈回路还没有开始。我们确信上述一些情景不会发生。同样确定的是，机器智能会继续加速，人类智能的溢价会收窄。

作为投资者，我们仍有时间评估：自己的投资组合有多少建立在那些撑不过这个十年的假设之上。作为一个社会，我们也仍有时间采取主动。

金丝雀还活着。

以上内容全部是译文，原文链接；

https://www.citriniresearch.com/p/2028gic

$Microsoft(MSFT.US) $Palantir Tech(PLTR.US) $Oracle(ORCL.US) $Amazon(AMZN.US) $Tesla(TSLA.US) $NVIDIA(NVDA.US) $Meta Platforms(META.US)