有一篇 39 页的论文,从 3 月底开始就静悄悄地在 arXiv 上传播。4 月 29 日周三上午,BusinessToday 的科技版 把它推到了财富 500 强每一个 HR 群的置顶。论文叫做 《The AI Layoff Trap》,作者是宾夕法尼亚大学的 Brett Hemenway Falk 和波士顿大学的 Gerry Tsoukalas。结论用人话翻一下,是这十年间企业董事会读到过最难受的一句话。
每一个以「AI 提效」名义裁员的 CEO,同时也在解雇自己公司的客户。每一个 CEO 都私下独吞了成本节约的 100%。没有任何一个 CEO 私下承担超过沧海一粟的需求损失,因为损失会被摊平到所有同行的营收上。论文的数学告诉你:这是一个纳什均衡;论文的数学告诉你:理性的企业即使知道这个机制也停不下来;论文的数学告诉你:只有一根政策杠杆能合上这个口子。
那根杠杆是税。
模型,三句话讲清楚
Falk 和 Tsoukalas 搭了一个 基于任务的竞争均衡模型。企业自行选择把多少任务交给 AI;AI 以更低成本替代一部分人力;被替代掉的劳动者收入不会满血恢复——失业保险加上之后再就业的工资替代率永远小于 1。问题是:这些被替代掉的劳动者也是消费者。他们消费下降,反馈到的是 所有企业 的总收入。
某一家 CEO 的最优决策很简单:只要 AI 替代带来的成本节约高于 他自己承受的 那一份需求损失,就该自动化。但是「他自己承受的那一份需求损失」是 宏观打击的边际份额——大概等于他公司在全社会消费支出里占的比重。一家典型的财富 500 强企业,这个比重不到一个百分点;一家峰值时期的大型科技公司,可能也就两三个百分点。剩下 98–99% 的需求损失,全部砸到同行的损益表上。
把这个动作 乘以 所有同行也都在做同样算盘的事实,均衡就是论文里那句被反复转发的原话:「企业一路自动化到无限的生产率和归零的需求。」
为什么叫「陷阱」而不是「军备竞赛」
军备竞赛你可以选择退出,陷阱你退不出。
Falk 和 Tsoukalas 把经济学家对付协调失败惯用的几种工具一个一个拆开,结论是干干净净的全军覆没:
- 降薪自适应: 工资是会随着劳动需求崩塌而下降,但下降幅度永远追不上 AI 边际成本继续下降的速度。这个棘轮只往一个方向走。
- 新企业自由进入: 新进入者按同样的速率自动化,放大外部性而不是吸收外部性。
- 资本所得税: 你课的是 AI 投资的资本端,但外部性发生在 劳动替代决策 上,不是资本部署上。打错靶。
- 员工股权参与: 员工持股给被裁员工分了一点公司层面的上行,但 需求侧反馈 是宏观层面的不是公司层面的。无效。
- 全民基本收入(UBI): 补上被裁员工的收入缺口,确实能挽回一部分需求。但是做自动化决策的企业不会把 UBI 的成本内部化——那是别人的税单。比赛继续。
- 科斯式协商: 数百万家企业的自动化决策合起来抽干了劳动力市场,工人和谁谈?
- 再培训 / 升级培训: 帮到了边际工人,但完全没有改变最初触发裁员的那个「单任务成本差」。
模型里唯一存活下来的工具是 庇古式自动化税——在替代发生的当下,让企业按它实际造成的需求损失付费。设到合适的水平,自动化的私人成本就等于自动化的社会成本。比赛结束,因为奖金没了。
论文最优雅的一笔在于这条税的 自我消解性:把税收用来给被替代劳动者补收入、做培训,工资替代率往上抬,外部性自然缩小,最优税率往零靠拢。这套机制连同自己的下岗时间一起设计好了。
论文引用的实证锚点
Falk 和 Tsoukalas 拿来当经验背景的几个数字,基本就是 LostJobs 首页:
- 2025 年全行业超过 10 万人被裁,AI 被点名为一半以上案例的原因。
- 2026 年至今 98 家公司累计裁员超过 9.2 万人。
- 4 月 28 日 Tom’s Hardware 记下来的 Q1 AI 归因比 47.9%——这是把这篇论文从「学术抽象」变成「现实负重墙」的那一个数字。三周以前,论文里那个一阶条件还只是数学练习;在微软史上首次买断、甲骨文那封凌晨 6 点的邮件、Meta 5 月 20 日开刀日之后,它现在描述的是 正在发生 的事。
论文 第 5 节 的金句:「更多的竞争和『更好的』 AI 会放大过度自动化。」 给非经济学家翻一下就是:AI 越好,陷阱越紧,而不是越松。昨天 GR00T N1.7 开源发布——开放、免费、规模律已发表——正是模型预言的那种「更好的 AI」。
这篇论文反驳的对象
本周还有两个曝光度极高的反向叙事,都来自靠饭碗赌正确率的人:
- Box CEO Aaron Levie 4 月 28 日 Fortune 上的「科技业是个独立现象」论。 Levie 的论点是 AI 裁员被框死在科技行业,因为美国其他企业的反馈环更慢、监管更多、还有 1998 年的大型机。Falk 和 Tsoukalas 的回应是:需求外部性不在乎是哪个行业先动手自动化的,它只在乎 任意一个行业 的自动化速度有没有超过工资替代率。Q1 一个行业 47.9% 的 AI 归因比,已经够把外部性级联推到全经济层面。
- 阿波罗首席经济学家 Torsten Slok 同一天的 Jevons 悖论文章。 Slok 的论点是 AI 让单任务变便宜,反而扩大了任务总需求,把被替代的劳动力重新吸收回去。在 任务 层面,Jevons 视角和 Falk-Tsoukalas 视角并不互相否定;真正打架的层面是 收入——就算任务总数膨胀,新任务必须 也 被人来执行,而且工资替代率得高到能撑住总需求,这件事的开放问题在于:当边际新任务是「监督 AI 智能体」、薪水只有原来的零头时,这个条件还成不成立。
最善意的读法:Levie 在 跨行业蔓延的速度 这件事上是对的;Slok 在 部分被替代的人 找到新任务这件事上是对的;Falk-Tsoukalas 在没有一道明确的庇古干预下 最终均衡仍然落进陷阱 这件事上是对的。三家可以同时正确。
LostJobs 后续盯什么
- 未来四个季度内有没有 G7 哪一国财政部抛出「自动化税」试探气球。法国 2017 年提过类似想法(被否);韩国 2018 年起把 机器人投资减税 的优惠 缩减——布鲁金斯 把这个动作叫做最接近现存的「自动化税」工具。但 Falk-Tsoukalas 是第一次以 需求外部性 而不是公平性来论证这件事。这套论证比较难被财政部委员会一句话怼回去。
- Hacker News 头条 这周内会不会被 FT 或 WSJ 翻成评论版头条。一旦那两家写过,达沃斯圈就有了引用空间。
- Q2 BLS 失业率/职位空缺率会不会越过 1.0。论文把工资替代率当作外生量;劳动力市场如果重新收紧,外部性会自然缩小;如果松动,模型说陷阱会进一步收紧。第一组 BLS 数据 5 月 2 日发布。
干燥的尾声:周三转发量第二高的截图是论文第 12 页底部那一行,Falk 和 Tsoukalas 在评论那些做裁员决定的企业时写道——「我们证明的是,知道这件事并不足以让企业停下来。」 这篇论文 3 月 2 日上 arXiv,同一周 SSRN 也挂出来。八个礼拜里,每一个读经济学博客的 CFO 都已经能读到这篇,都已经知道自己手上那个自动化决策对宏观会做什么,然后继续做出同一个决策。还没看公式,论文的核心论点就已经被实证确认过了。