有一篇 39 頁的論文,從 3 月底開始就靜悄悄地在 arXiv 上流傳。4 月 29 日週三上午,BusinessToday 的科技版 把它推上了財星 500 大每一個 HR 群組的置頂。論文叫做 《The AI Layoff Trap》,作者是賓州大學的 Brett Hemenway Falk 和波士頓大學的 Gerry Tsoukalas。結論用白話翻譯,是這十年間企業董事會讀到過最難受的一句話。
每一個以「AI 提效」名義裁員的 CEO,同時也在解雇自家公司的客戶。每一個 CEO 都私下獨吞了成本節約的 100%。沒有任何一個 CEO 私下承擔超過滄海一粟的需求損失,因為損失會被攤平到所有同業的營收上。論文的數學告訴你:這是一個納許均衡;論文的數學告訴你:理性的企業即使知道這個機制也停不下來;論文的數學告訴你:只有一根政策槓桿能闔上這個破口。
那根槓桿是稅。
模型,三句話講清楚
Falk 和 Tsoukalas 搭了一個 基於任務的競爭均衡模型。企業自行決定把多少任務交給 AI;AI 以更低的成本替代部分人力;被替代的勞動者收入無法完全恢復——失業保險加上後續再就業的工資替代率永遠小於 1。問題是:這些被替代掉的勞動者也是消費者。他們消費下降,反饋到的是 所有企業 的總營收。
某一家 CEO 的最適決策很簡單:只要 AI 替代帶來的成本節約高於 他自己承受的 那一份需求損失,就該自動化。但是「他自己承受的那一份需求損失」是 總體衝擊的邊際份額——大概等於他公司在全社會消費支出裡占的比重。一家典型的財星 500 大企業,這個比重不到一個百分點;一家峰值時期的大型科技公司,可能也就兩三個百分點。剩下 98–99% 的需求損失,全部砸到同業的損益表上。
把這個動作 乘以 所有同業也都在打同樣算盤的事實,均衡就是論文裡那句被反覆轉發的原話:「企業一路自動化到無限的生產力與歸零的需求。」
為什麼叫「陷阱」而不是「軍備競賽」
軍備競賽你可以選擇退出,陷阱你退不出。
Falk 和 Tsoukalas 把經濟學家對付協調失敗慣用的幾種工具一個一個拆開,結論是乾乾淨淨的全軍覆沒:
- 減薪自我調整: 工資的確會隨著勞動需求崩塌而下降,但下降幅度永遠追不上 AI 邊際成本繼續下降的速度。這個棘輪只往一個方向走。
- 新企業自由進入: 新進入者按同樣的速率自動化,放大外部性而不是吸收外部性。
- 資本所得稅: 你課的是 AI 投資的資本端,但外部性發生在 勞動替代決策 上,不是資本部署上。打錯靶。
- 員工股權參與: 員工持股給被裁員工分了一點公司層面的上行,但 需求側回饋 是總體層面的不是公司層面的。無效。
- 無條件基本收入(UBI): 補上被裁員工的收入缺口,確實能挽回一部分需求。但是做自動化決策的企業不會把 UBI 的成本內部化——那是別人的稅單。比賽繼續。
- 寇斯式協商: 數百萬家企業的自動化決策合起來抽乾了勞動市場,工人和誰談?
- 再訓練 / 升級訓練: 幫到了邊際工人,但完全沒有改變最初觸發裁員的那個「單任務成本差」。
模型裡唯一存活下來的工具是 庇古式自動化稅——在替代發生的當下,讓企業按它實際造成的需求損失付費。設到合適的水平,自動化的私人成本就等於自動化的社會成本。比賽結束,因為獎金沒了。
論文最優雅的一筆在於這條稅的 自我消解性:把稅收用來給被替代勞動者補收入、做訓練,工資替代率往上抬,外部性自然縮小,最適稅率往零靠攏。這套機制連同自己的退場時程一起設計好了。
論文引用的實證錨點
Falk 和 Tsoukalas 拿來當經驗背景的幾個數字,基本就是 LostJobs 首頁:
- 2025 年全業界超過 10 萬人被裁,AI 被點名為超過一半案例的原因。
- 2026 年至今 98 家公司累計裁員超過 9.2 萬人。
- 4 月 28 日 Tom’s Hardware 記下來的 Q1 AI 歸因比 47.9%——這是把這篇論文從「學術抽象」變成「現實承重牆」的那一個數字。三週以前,論文裡那個一階條件還只是數學練習;在微軟史上首次買斷、甲骨文那封凌晨 6 點的郵件、Meta 5 月 20 日開刀日之後,它現在描述的是 正在發生 的事。
論文 第 5 節 的金句:「更多的競爭和『更好的』 AI 會放大過度自動化。」 給非經濟學家翻一下就是:AI 越好,陷阱越緊,而不是越鬆。昨天 GR00T N1.7 開源發布——開放、免費、規模律已發表——正是模型預言的那種「更好的 AI」。
這篇論文反駁的對象
本週還有兩個能見度極高的反向敘事,都來自靠飯碗賭正確率的人:
- Box 執行長 Aaron Levie 4 月 28 日 Fortune 上的「科技業是個獨立現象」論。 Levie 的論點是 AI 裁員被框死在科技業,因為美國其他企業的回饋環更慢、監管更多、還有 1998 年的大型主機。Falk 和 Tsoukalas 的回應是:需求外部性不在乎是哪個行業先動手自動化的,它只在乎 任何一個行業 的自動化速度有沒有超過工資替代率。Q1 一個行業 47.9% 的 AI 歸因比,已經夠把外部性級聯推到全經濟層面。
- 阿波羅首席經濟學家 Torsten Slok 同一天的 Jevons 悖論文章。 Slok 的論點是 AI 讓單任務變便宜,反而擴大了任務總需求,把被替代的勞動力重新吸收回去。在 任務 層面,Jevons 視角和 Falk-Tsoukalas 視角並不互相否定;真正衝突的層面是 收入——就算任務總數膨脹,新任務必須 也 被人來執行,而且工資替代率得高到能撐住總需求,這件事的開放問題在於:當邊際新任務是「監督 AI agent」、薪水只有原來的零頭時,這個條件還成不成立。
最善意的讀法:Levie 在 跨業擴散的速度 這件事上是對的;Slok 在 部分被替代的人 找到新任務這件事上是對的;Falk-Tsoukalas 在沒有一道明確的庇古干預下 最終均衡仍然落進陷阱 這件事上是對的。三家可以同時正確。
LostJobs 後續盯什麼
- 未來四個季度內有沒有 G7 哪一國財政部拋出「自動化稅」試探氣球。法國 2017 年提過類似想法(被否決);南韓 2018 年起把 機器人投資減稅 的優惠 縮減——布魯金斯研究所 把這個動作叫做最接近現存的「自動化稅」工具。但 Falk-Tsoukalas 是第一次以 需求外部性 而不是公平性來論證這件事。這套論證比較難被財政部委員會一句話打回票。
- Hacker News 頭條 這週內會不會被 FT 或 WSJ 翻成社論版頭條。一旦那兩家寫過,達沃斯圈就有了引用空間。
- Q2 BLS 失業率/職位空缺率會不會越過 1.0。論文把工資替代率當作外生量;勞動市場如果重新收緊,外部性會自然縮小;如果鬆動,模型說陷阱會進一步收緊。第一組 BLS 數據 5 月 2 日公布。
乾燥的尾聲:週三轉發量第二高的截圖是論文第 12 頁底部那一行,Falk 和 Tsoukalas 在評論那些做裁員決定的企業時寫道——「我們證明的是,知道這件事並不足以讓企業停下來。」 這篇論文 3 月 2 日上 arXiv,同一週 SSRN 也掛出來。八個禮拜裡,每一個讀經濟學部落格的 CFO 都已經能讀到這篇,都已經知道自己手上那個自動化決策對總體會做什麼,然後繼續做出同一個決策。還沒看公式,論文的核心論點就已經被實證確認過了。