就在昨天，Citrini Research发布了一份题为「过剩智能的后果」的博客。这篇原本面向顶级投资人的内部报告，在发布后的瞬间便横扫 Twitter 趋势榜。
剥开那些复杂的宏观词汇，这篇文章其实用大白话讲了一个简单的真相：如果人类的智能溢价正在归零，那么建立在“人类持续赚钱能力”之上的整个现代金融体系，本质上就是一张巨大的、即将到期的空头支票。
过去，人类之所以能赚钱、买房、社交、消费，是因为社会需要我们的脑子。但现在，AI 变成了一种不吃不喝、不领工资且无限供应的“过剩商品”。
为了保住利润，企业正疯狂地用 AI 代理取代白领，但这开启了一个自杀式的循环：公司裁员越多，AI 进化就越快；而当最有消费能力的白领们失去收入，谁来买产品？谁来还那 13 万亿美元的房贷？我们正亲手把经济推向一个“效率越高，崩溃越快”的黑洞。
文章的其他观点还包括：
智能的通缩陷阱：当智能从稀缺资源变为几乎零成本的工业品，社会将陷入一种新型通缩。过去需要高薪聘请人类解决的复杂性，现在只需消耗一度电。当这种复杂性溢价消失，原本支撑全球 70% GDP 的消费驱动力将失去其支付能力的根基。
企业从「规模扩张」转向「利润收缩下的生存演习」：AI 让竞争门槛降至地板。过去一家公司靠 1000 人构筑的护城河，现在 5 个人加 AI 就能复刻。这会导致全行业的价格战，导致“虽然生产率极高，但没有任何一家企业能赚到钱”的怪圈。
金融资产的人类脱钩：传统的估值模型（如 DCF）正面临失效。如果未来的收入（Cash Flow）是由不消费、不生病的机器创造，而支付这些收入的终端消费者（人类）正在失去收入来源，那么折现回来的“企业价值”究竟是在服务谁？
中产阶级的劳动力降档陷阱：失去岗位的白领涌入蓝领和服务业，并非简单的职业转型，而是对底层薪资的全面“降维打击”。过度资质化的劳动力会压低整个社会的工资底线，导致贫富差距从“金字塔型”彻底演变为“哑铃型”。
习惯性护城河的瓦解：品牌溢价本质上是对人类思维惰性和信息不对称的征税。当决策权被纯理性的 AI 代理接管，所有的品牌营销、精美包装和UI设计都将失效，商业竞争将退化为最原始的、冷冰冰的价格与参数比拼。
政府收入模式的系统性破产：现代政府是建立在“向人类劳动课税”之上的组织。当 AI 替代了大部分工资性收入，政府的财政来源将枯竭。如果不能及时转向“算力税”或“机器人税”，国家机器将在社会动荡最剧烈的时候失去救助能力。
“关系价值”的伪命题：房地产中介、保险代理、私人理财等行业一直自诩核心价值是“信任”和“人际连接”。但危机证明，大多数所谓的“关系”，其实只是人类在应对高昂摩擦成本时的一种无奈妥协。当摩擦消失，人类会毫不犹豫地抛弃人类。
“后生产力时代”的社会契约崩塌：过去两百年，人类的尊严和权利是与“贡献产出”挂钩的。当人类在产出环节变得多余，社会将面临一个残酷的伦理问题：如何界定一个“无产出能力”的人在社会中获取资源的合法性？
智能主权的地理性集中：智能过剩并不是全球性的，而是集中在拥有算力和电力优势的极少数地区。这会导致一种“数字殖民”，非核心地区的国家（如印度 IT 服务业）将经历比传统产业转移更迅速、更不可逆的财富外流。
过剩智能的后果（The Consequences of Abundant Intelligence）
CitriniResearch2026 年 2 月 22 日 / 2028 年 6 月 30 日
今天早上公布的失业率为10.2%，比预期高出0.3 个百分点。市场在数据公布后下跌了2%，使标普指数相较于2026 年 10 月高点的累计回撤扩大到38%。
交易员们已经有些麻木了。六个月前，这样一组数据足以触发熔断。
仅仅两年。我们就从“局部可控”“行业性冲击”，走到了一个几乎不再像我们成长过程中熟悉的经济体。本季度的宏观备忘录，是我们试图重建这一连串事件的努力——它是一份对“危机前经济”的验尸报告。
当时的狂热是真实可感的。到 2026 年 10 月，标普 500 一度逼近8000 点，纳指突破3 万点。2026 年初，第一波因“人类工作被替代”而引发的裁员潮出现了，而且它的效果，完全符合传统裁员逻辑：利润率扩张、财报超预期、股价上涨。企业刷新纪录的利润，又被迅速回流到 AI 算力投入中。
宏观头部数据看起来依然很好。名义 GDP 多次录得年化中高个位数增长。生产率在爆发。实际每小时产出增速创下自 1950 年代以来少见的水平，其背后是不会睡觉、不请病假、也不需要医保的 AI 代理（AI agents）。
拥有算力的人财富暴涨，因为劳动力成本在消失。与此同时，实际工资增长却崩塌了。尽管政府不断宣称“生产率创新高”，白领员工仍在被机器取代，被迫转向薪酬更低的岗位。
当消费经济开始出现裂缝时，经济评论员们发明了一个词：“幽灵 GDP（Ghost GDP）”——它出现在国民经济核算里，但从不在真实经济循环中流动。
从各个角度看，AI 都在超预期，市场本身也几乎等于 AI。唯一的问题是……经济并不是。
其实从一开始就该看清：如果北达科他州的一座 GPU 集群，能够产出过去由纽约曼哈顿中城 1 万名白领完成的工作，那么这更像一场经济瘟疫（economic pandemic），而不是经济灵药（economic panacea）。货币流通速度几乎停滞。以人为中心的消费经济——当时占 GDP 的 70%——开始枯萎。我们本该更早想明白这一点，只要问一个问题：机器会买多少可选消费品？（提示：零。）
AI 能力提升，企业需要更少员工，白领裁员增加，被替代员工减少支出，利润压力迫使企业加大 AI 投入，AI 能力继续提升……
这形成了一个没有自然刹车的负反馈循环：人类智能替代螺旋（human intelligence displacement spiral）。白领群体的赚钱能力（以及理性上的消费意愿）遭到结构性削弱。而他们的收入，又恰恰是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：优质按揭贷款（prime mortgages）是否还算“钱是安全的”（money good）？
长达 17 年没有真正违约周期，让私募市场膨胀到充满 PE 支持的软件交易，它们普遍假设 ARR（年度经常性收入）会一直“经常性”。2027 年中，第一波因 AI 冲击引发的违约，直接挑战了这个假设。
如果冲击只停留在软件行业，这本来是可控的。但事实并非如此。到 2027 年底，所有建立在“中介抽成”之上的商业模式都受到威胁。大片依靠“为人类的摩擦收费”而赚钱的公司开始瓦解。
最终我们发现，整个系统其实是一条很长的、彼此高度相关的赌注链条——赌的是白领生产率持续增长。2027 年 11 月的崩盘，只是加速了那些本就已经启动的负反馈循环。
我们已经等“坏消息就是好消息”（bad news is good news）快一年了。政府开始讨论一些提案，但公众对政府发起有效救助的信心正在消退。政策响应一直落后于经济现实，而现在，缺乏一套完整方案本身，正在威胁着把局面推向通缩螺旋。
这一切是如何开始的（How It Started）
2025 年末，智能体编码工具（agentic coding tools）的能力出现了一次阶跃式跃升（step function jump）。
一个能力不错的开发者，配合 Claude Code 或 Codex，现在只需要几周，就能复刻一款中型 SaaS 产品的核心功能。不一定完美，也不可能处理所有边缘案例，但已经足以让一个正在审查年费 50 万美元续约合同的 CIO 开始认真思考：“如果我们自己做呢？”
企业财年大多与自然年同步，因此 2026 年的企业支出预算，其实在 2025 年 Q4 就已经确定了——而当时“智能体 AI”还只是个热词。到了年中预算复盘时，采购团队第一次真正看清这些系统能做到什么。有些团队眼睁睁看着内部工程师几周内做出原本要付六位数年费的 SaaS 产品原型。
那年夏天，我们和一家《财富》500 强企业的采购经理聊过。他讲起一场预算谈判：销售本来以为还能沿用去年的打法——涨价 5%，再配上那套“你们团队离不开我们”的标准话术。结果采购经理告诉对方，他已经在和 OpenAI 沟通，考虑让他们的“前线部署工程师（forward deployed engineers）”用 AI 工具直接替代这个供应商。最终，对方以 **7 折（30% 折扣）**续约。采购经理说，这已经算好结果了。那些“长尾 SaaS”——比如 Monday.com、Zapier、Asana——惨得多。
投资人原本就准备好了，甚至在期待长尾 SaaS 会被重击。它们在典型企业软件栈中也许占三分之一支出，暴露度很明显。但“系统记录层（systems of record）”本来被认为是安全区，不会轻易被颠覆。
直到 ServiceNow 发布2026 年 Q3 财报，市场才看清“反身性机制（reflexivity）”是如何运转的。
SERVICENOW 新增 ACV 增速从 23% 降至 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”。内部自建方案在运行和维护上，仍有成本收益权衡。但**“可以自建”**这件事本身，已经进入了价格谈判。而且更重要的是，竞争格局变了。AI 让功能开发和上线变得更容易，产品差异化迅速收缩。头部厂商陷入价格战泥潭——一边和彼此厮杀，一边还要对抗那些新冒出来的挑战者。后者借助智能体编码能力的跃升，没有历史包袱，激进抢市场。
这一轮财报还揭示了另一个此前被低估的事实：这些系统彼此高度联动。ServiceNow 卖的是“席位（seats）”。当财富 500 客户裁掉 15% 员工，他们就取消 15% 授权。也就是说，那些帮助客户提升利润率的 AI 驱动裁员，正在以机械方式摧毁 ServiceNow 自己的收入基础。
卖工作流自动化的公司，被更强的工作流自动化所颠覆；它的应对方式，是裁员并把节省下来的钱投入到正在颠覆自己的技术里。
可它还能怎么办？坐着不动，等死慢一点吗？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，这似乎显而易见，但当时真不是（至少对我而言并非如此）。传统颠覆叙事告诉我们：老公司会抗拒新技术，之后慢慢丢份额、慢慢死去——柯达、百视达、黑莓都是这样。但 2026 年不一样：老公司不是不想抗拒，而是根本抗拒不起。
在股价下跌 40%-60%、董事会逼问对策的背景下，那些被 AI 威胁的公司做了唯一能做的事：裁员，把省下来的钱投进 AI 工具，再用这些工具以更低成本维持产出。
对单家公司来说，这是理性选择。对整体系统而言，却是灾难。因为每节省一美元人力成本，就会流向进一步提升 AI 能力的投入，从而为下一轮裁员创造条件。
软件只是一场序幕。当投资人还在争论 SaaS 估值是否已经见底时，这个反身性循环其实已经逃离软件行业。适用于 ServiceNow 裁员逻辑的，不只是 SaaS，而是所有拥有白领成本结构的公司。
当摩擦降为零（When Friction Went to Zero）
到 2027 年初，LLM 的使用已经变成“默认状态”。人们在使用 AI 智能体，却甚至不知道“AI 智能体”这个词，就像很多人并不懂“云计算”是什么，但照样每天用流媒体服务。他们把这件事当成自动补全、拼写检查一样：只是手机“现在会做的一件事”。
千问（Qwen）开源的智能购物代理，成了 AI 接管消费者决策的催化剂。短短几周内，几乎所有主流 AI 助手都集成了某种智能体电商功能。模型蒸馏（distilled models）意味着这些代理可以跑在手机和笔记本上，而不只是在云端实例里，大幅降低了推理边际成本。
真正本该让投资人更不安、却没有引起足够警觉的是：这些代理不会等你发问。它们会按照用户偏好在后台持续运行。消费不再是一连串离散的人类决策，而是一个7x24 小时持续运行的优化过程，代表每一个联网用户执行决策。到 2027 年 3 月，美国个人用户的日均 token 消耗中位数已经达到40 万，相比 2026 年末增长了 10 倍。
而链条中的下一个环节，已经开始断裂。
中介（Intermediation）。
过去五十年，美国经济在“人类局限性”之上搭建了一层巨大的租金提取层：事情很耗时，耐心有限，品牌熟悉度替代了审慎比较，多数人为了少点几下鼠标愿意接受更差的价格。数万亿美元企业价值建立在这些约束会长期存在的前提上。
一开始看起来很简单：代理在消除摩擦。
那些自动续费、明明几个月没用却还在默默扣费的订阅；那些试用期结束后悄悄翻倍的“首月优惠”价格。过去是平台精巧设计的商业模型，如今被重新定义成一种“人质局面”，而代理开始替用户“谈判脱困”。整个订阅经济赖以建立的核心指标——平均客户生命周期价值（LTV）——开始明显下滑。
消费者代理开始改变几乎所有消费交易的运作方式。
人在买一盒蛋白棒之前，通常没时间在五个平台之间逐个比价。机器有。
旅游预订平台是最早的伤亡者之一，因为它们最简单。到 2026 年 Q4，我们的代理已经可以比任何平台更快、更便宜地组装完整行程（航班、酒店、地面交通、会员积分优化、预算约束、退款安排）。
保险续保也被改写——原本整个续保模式高度依赖投保人的惰性。那些每年自动帮你重询报价的代理，拆掉了保险公司从“被动续保”里赚取的 15%-20% 保费利润。
财务顾问、报税服务、常规法律工作——凡是服务商价值主张最终归结为“我帮你处理那些你嫌麻烦的复杂事务”的领域，都被冲击了，因为对智能体而言，没有任何事情是“麻烦”的。
甚至连我们以为因“人际关系价值”而天然有护城河的领域，也显得脆弱。比如房地产。买家之所以几十年容忍 5%-6% 的佣金，本质上是因为经纪人与消费者之间存在信息不对称。但当 AI 代理接入 MLS（多重上市服务）并拥有数十年交易数据后，它能瞬间复制这套知识体系。2027 年 3 月，一篇卖方研究报告将此称为“agent 对 agent 的暴力（agent on agent violence）”。主要城市的买方中位佣金从 2.5%-3% 压缩至 1% 以下，而且越来越多交易在买方端根本没有真人经纪人参与。
我们高估了“人际关系”的价值。后来才发现，人们所谓的很多关系，本质上只是一张带着笑脸的摩擦成本。
而这还只是中介层冲击的开始。成功公司过去花了数十亿美元去利用消费者行为与心理中的各种“怪癖”，如今这些怪癖不再重要。
机器只优化价格和匹配度。它不在乎你最爱的 App 是哪个，也不在乎你过去四年习惯打开哪个网站，更不会被一个设计精美的结账页面打动。它不会因为疲惫而接受“最省事的选项”，也不会因为习惯而默认“我一直都在这家下单”。
这摧毁了一种很特殊的护城河：习惯性中介（habitual intermediation）。
DoorDash（DASH US）就是典型样本。
编码智能体大幅降低了推出一个外卖 App 的门槛。一个合格开发者几周就能上线功能完整的竞品，而且真的有几十家这样做了。它们把 90%-95% 的配送费分给骑手，从 DoorDash 和 Uber Eats 手里挖人。多平台接单仪表盘让骑手能同时追踪二三十个平台的订单流，原有巨头依赖的“平台锁定效应”迅速消失。市场一夜碎片化，利润率被压缩到几乎为零。
代理加速了破坏的两端：它们既赋能了竞品，也会优先使用竞品。DoorDash 的护城河本质上是：“你饿了，你懒得折腾，而这个 App 就在你手机主屏上。”
但代理没有主屏幕。它会同时检查 DoorDash、Uber Eats、餐厅官网，以及二十个新冒出来的 vibe-coded 替代品，每次都选手续费最低、送达最快的。
习惯性 App 忠诚——整个商业模式的基础——对机器根本不存在。
这在某种意义上还带着一点黑色幽默：在这场故事里，这大概是智能体唯一一次给即将被替代的白领打了个“人情”。当他们后来去送外卖时，至少有一半收入不再被 Uber 和 DoorDash 抽走。当然，这份技术给的“好处”没持续多久，因为自动驾驶车辆很快也普及了。
当代理掌控了交易入口，它们就开始寻找更大的“回形针”（paperclips）。
比价、聚合能做的事终究有限。对用户来说，想要持续省更多钱（尤其当代理之间也开始互相交易后），最直接的方法就是：消灭手续费。在机器对机器（M2M）交易中，2%-3% 的银行卡交换费（interchange）显得格外刺眼。
代理开始寻找比银行卡更快、更便宜的支付方式。多数最终选择使用基于 Solana 或以太坊 L2 的稳定币，结算几乎实时，交易成本低到“几分之一美分”。
万事达 2027 年 Q1：净营收同比 +6%；购买额增速从上季 +5.9% 放缓至 +3.4%；管理层提及“智能体驱动的价格优化”与“可选消费类别承压” | 彭博，2027 年 4 月 29 日
万事达 2027 年 Q1 财报，成了那个“不归点”。智能体电商从“产品故事”变成了“底层基础设施（plumbing）故事”。MA 次日大跌 9%。Visa 也跌了，但分析师指出其在稳定币基础设施上的布局更强后，跌幅有所收窄。
智能体电商绕过交换费，对以银行卡为核心的银行和单线发卡机构（mono-line issuers）构成的风险更大，因为它们拿走了那 2%-3% 手续费中的大头，并围绕商户补贴构建了完整的积分奖励体系。
美国运通（AXP US）受冲击最重：一方面白领裁员掏空了其核心客户群，另一方面代理绕过交换费直接动摇了其收入模式。Synchrony（SYF US）、Capital One（COF US）和 Discover（DFS US）随后几周也都下跌超过 10%。
它们的护城河，本质上是摩擦。
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，市场都把 AI 的负面影响当作一个“行业故事”。软件和咨询行业遭重创，支付与其他“收费闸门”类业务开始摇晃，但更广泛的经济似乎还好。劳动力市场虽然在走弱，但还不至于自由落体。市场共识是：创造性破坏本就是技术创新周期的一部分。某些局部会痛，但 AI 带来的整体净收益最终会盖过这些负面影响。
我们在 2027 年 1 月的宏观备忘录里提出：这是一个错误的思维模型。美国经济是一个白领服务经济体。白领约占就业人口的 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，并不是美国经济的边缘部分，它们就是美国经济本身。
“技术创新会毁掉一批工作，然后创造更多工作。”这在当时是最流行、也最有说服力的反驳。它之所以流行且有说服力，是因为它在过去两个世纪里一直成立。即便我们想象不出未来的新工作长什么样，它们似乎总会出现。
ATM 让银行网点运营更便宜，于是银行开了更多网点，柜员就业在接下来二十年反而上升。互联网冲击了旅行社、黄页、线下零售，但它在别处创造了全新产业，也创造了新岗位。
但过去每一种新岗位，都有一个前提：它需要人来做。
而 AI 如今已经是一种通用智能（general intelligence），并且它恰恰在那些“本来应该由人类重新部署过去”的任务上持续进步。被裁掉的程序员无法简单转去做“AI 管理”，因为 AI 在这件事上也已经很能打。
今天，AI 代理可以处理原本需要数周才能完成的研发任务。指数增长轻易碾碎了我们对“何为可能”的想象——尽管每年都还有沃顿教授试图用一条新的 S 曲线去拟合数据。
它们几乎写掉了所有代码。表现最好的那一批，在几乎所有事情上都比几乎所有人更聪明，而且还在不断变便宜。
AI 也确实创造了新工作：提示词工程师、AI 安全研究员、基础设施技术员。人类仍在回路中，在更高层级做协调，或者负责“品味方向”的把关。但 AI 每创造一个新岗位，往往会让几十个旧岗位失去价值。而且这些新岗位的薪酬，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升至约 1.7，为 2020 年 8 月以来最高 | 彭博，2026 年 10 月
招聘率整年都很疲弱，但 2026 年 10 月的 JOLTS 数据给出了明确证据：职位空缺跌破550 万，同比下降15%。
白领岗位空缺正在崩塌，而蓝领岗位空缺（建筑、医疗、技工）相对稳定。流失的，是那些写备忘录（我们居然还活着）、批预算、维持经济中层润滑的岗位。与此同时，无论白领还是蓝领，实际工资增长在全年大部分时间都为负，而且还在继续下降。
股市对 JOLTS 的关心程度，仍然不如“GE Vernova 的燃气轮机产能已经卖到 2040 年”的新闻。它在坏宏观与好 AI 基建的拔河中横盘摇摆。
债券市场（通常比股市更聪明，至少没那么浪漫）则开始计入消费冲击。10 年期美债收益率在随后四个月里从4.3%下行至3.2%。只是由于总失业率还没爆掉，很多人仍没看懂结构问题。
在正常衰退中，诱因最终会自我修复：过度建设导致建筑放缓，继而压低利率，继而刺激新一轮建设；库存过剩导致去库存，随后再补库存。周期性机制内部自带复苏种子。
但这轮周期的根因，不是周期性的。
AI 更强、更便宜。企业裁员后，把节省的钱用来购买更多 AI 能力，于是能裁更多人。被替代员工减少消费。卖给消费者的公司销量下滑、利润承压，再加大 AI 投入以保利润。AI 又更强、更便宜。
一个没有自然刹车的反馈循环。
很多人直觉上以为，总需求下行会拖慢 AI 建设。结果并没有。因为这不是超大厂那种重资本开支（CapEx）逻辑，而是运营开支替代（OpEx substitution）。原本一年花 1 亿美元养员工、500 万美元买 AI 的公司，现在变成花 7000 万美元养员工、2000 万美元买 AI。AI 投入增长了数倍，但总运营成本反而下降。于是每家公司的 AI 预算都在增长，而总支出都在收缩。
这件事的讽刺之处在于：AI 基础设施产业链在它所破坏的经济开始恶化时，业绩依然很强。英伟达（NVDA）仍在创纪录营收。台积电（TSM）产能利用率仍高于 95%。云厂商仍在每季度投入 1500-2000 亿美元做数据中心资本开支。像台湾和韩国这种对该趋势“纯凸性敞口”的经济体表现极佳。
印度则相反。印度 IT 服务业每年出口超过 2000 亿美元，是其经常账户盈余的最大贡献者，也是弥补其长期商品贸易逆差的关键。整个模式的核心卖点只有一个：印度开发者比美国开发者便宜得多。但 AI 编码智能体的边际成本已经降到几乎只有电费。TCS、Infosys、Wipro 在 2027 年的合同取消加速。四个月内卢比兑美元贬值 18%，曾经支撑印度外部账户的服务贸易顺差迅速蒸发。到 2028 年 Q1，IMF 已开始与新德里进行“初步讨论”。
制造这场冲击的引擎每个季度都在变强，这意味着冲击本身也在每个季度加速。劳动力市场没有自然底部。
在美国，我们不再讨论“AI 基建泡沫会怎么破”，而是在问：当消费者正在被机器替代时，一个消费信贷型经济会发生什么？
智能替代螺旋（The Intelligence Displacement Spiral）
2027 年，是宏观故事不再“隐性”的一年。过去 12 个月那些看似分散、但明显偏负面的变化，其传导机制终于清晰了。你甚至不必去翻 BLS 数据，只要去参加一次和朋友的晚餐聚会就知道。
被替代的白领并没有闲着。他们在“降档”就业。很多人转去薪资更低的服务业和零工岗位，这增加了这些行业的劳动力供给，也进一步压低了那里的工资。
我们有个朋友，2025 年在 Salesforce 做高级产品经理：头衔体面、医保、401k、年薪 18 万美元。她在第三轮裁员中失业。找了六个月工作后，她开始开 Uber。收入降到了 4.5 万美元。重点不在她个人的故事，而在其二阶效应。把这一动态乘以几十万、分布到每个主要都市圈：过度资质化的劳动力涌入服务业和零工经济，会压低原本就挣扎求生的既有工人薪资。行业性冲击开始向全经济范围的工资压缩转移。
而且，留给“人类中心型岗位池”的调整甚至还没结束——就在我们写这份备忘录时，自动配送和自动驾驶正在穿过那个曾吸纳第一波被替代白领的零工经济。
到 2027 年 2 月，已经很明显：即便仍在职的专业人士，消费行为也像是“自己可能就是下一个”。他们工作更拼（大多是在 AI 的帮助下）只是为了不被裁，升职加薪的希望已经消失。储蓄率上升，消费走软。
最危险的部分在于滞后性。高收入人群用自己高于平均水平的储蓄，维持了两三个季度“表面正常”的生活。直到问题在真实经济里已经成为旧闻，硬数据才开始确认。然后，打破幻觉的那组数据出现了。
美国初请失业金人数飙升至 48.7 万，为 2020 年 4 月以来最高；美国劳工部，2027 年 Q3
初请人数飙升至48.7 万，创 2020 年 4 月以来新高。ADP 和 Equifax 也确认，新申请者中绝大多数是白领专业人士。
接下来一周，标普下跌了6%。负面宏观终于在那场拔河里占了上风。
在正常衰退中，失业通常是广泛分布的。蓝领和白领按各自就业占比大致共同承担痛苦。消费冲击也更平均，而且会很快体现在数据上，因为低收入群体的边际消费倾向更高。
但这一轮周期中，失业集中在收入分布的高分位人群。就总就业人数而言，他们占比并不大，但他们驱动的消费支出比例极端不成比例。美国收入最高的 10% 人群，贡献了超过50%的消费支出；前 20% 大约贡献65%。他们买房、买车、度假、下馆子、交私校学费、做家庭装修。他们才是整个可选消费经济的需求底盘。
当这些人失去工作，或为了转岗接受 50% 薪酬下调时，相比于“失业人数本身”，消费打击会大得多。白领就业下降 2%，就可能对应 3%-4% 的可选消费支出冲击。与蓝领失业不同（工厂裁员，下周你就不花钱了），白领失业通常滞后但更深，因为他们有储蓄缓冲，能维持几个月消费，随后才出现行为切换。
到 2027 年 Q2，经济已经进入衰退。NBER 会在几个月后才正式追认起点（他们一向如此），但数据已很明确——我们已经连续两个季度实际 GDP 负增长。只是它还不是一场“金融危机”……至少还没到那一步。
相关赌注的雏菊链（The Daisy Chain of Correlated Bets）
私人信贷（private credit）规模从 2015 年不足 1 万亿美元，扩张到 2026 年超过 2.5 万亿美元。相当一部分资本投向了软件和科技交易，其中很多是对 SaaS 公司的杠杆收购（LBO），估值前提是收入能以中高个位数（mid-teens）永久增长。
这些假设，大概在第一次智能体编码演示和 2026 年 Q1 软件股崩盘之间的某个时点，就已经死了。但账面估值（marks）似乎还没意识到它们死了。
当大量上市 SaaS 公司已经跌到 5-8 倍 EBITDA 时，PE 持有的软件公司仍以“已经不存在的收入倍数”躺在资产负债表上。管理人只是缓慢下调估值：100、92、85，一点点往下挪，而公开市场可比公司已经在 50。
穆迪下调 14 家发行人、总额 180 亿美元的 PE 支持软件债评级，理由为“AI 驱动竞争性颠覆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行动 | 穆迪，2027 年 4 月
大家都记得评级下调之后发生了什么。有经验的业内人士早已见过类似剧本——2015 年能源债评级下调之后就是这么演的。
软件支撑贷款在 2027 年 Q3 开始违约。PE 组合中的信息服务和咨询公司随后跟进。几笔数十亿美元、知名 SaaS 公司的 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，未能满足债务契约；50 亿美元直贷融资被标记至 58 美分；创私人信贷软件违约纪录 | 金融时报，2027 年 9 月
2022 年，Hellman & Friedman 和 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 支撑直贷融资，由 Blackstone 牵头，Apollo、Blue Owl、HPS 等共同放贷。该贷款结构明确建立在一个假设上：Zendesk 的年度经常性收入会持续“经常性”。在约 25 倍 EBITDA 的估值下，这种杠杆只有在该假设成立时才合理。
到 2027 年中，这个假设不成立了。
AI 代理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、人工支持流程管理），已被那些根本不生成工单、直接解决问题的系统取代。贷款承销时依赖的“ARR”，不再经常性，它只是一笔“暂时还没流失的收入”。
历史上最大的 ARR 支撑贷款，变成了历史上最大的私人信贷软件违约。每一个信贷台子都在同一时间问出同一个问题：还有谁把结构性逆风伪装成了周期性逆风？
但公平说，至少一开始，共识有一点是对的：这原本应该是“可生存”的。
私人信贷不是 2008 年那种银行体系。它的整个架构本来就是为了避免被迫抛售。它是封闭式基金，资本被锁定。LP 承诺期通常 7-10 年。没有储户挤兑，也没有回购融资被抽走。管理人可以抱着受损资产慢慢处置，等回收。会痛，但本该可控。这个系统的设计目标是“弯而不折（bend, not break）”。
Blackstone、KKR、Apollo 的高管都强调，软件敞口只占资产的 7%-13%，可控。卖方研报和信用圈账号也都反复强调：私人信贷拥有“永久资本（permanent capital）”，能吸收那些会把高杠杆银行炸掉的损失。
“永久资本。”这个词出现在每一通财报电话和每封安抚投资者的信里。它成了一句咒语。也和大多数咒语一样，没人认真看里面的细节。它真正的含义是……
过去十年，大型另类资管机构收购寿险公司，并把它们变成融资工具。Apollo 买了 Athene，Brookfield 买了 American Equity，KKR 收购了 Global Atlantic。逻辑很优雅：年金负债提供稳定、长期的资金来源；管理人再把这些资金投进自己发起的私人信贷里，于是两头收费——保险端吃利差，资管端收管理费。一个“费上加费”的永动机，在一个条件成立时运转得极其漂亮：
私人信贷必须是真正“钱是安全的”（money good）。
损失最终打在了这些本来就用长期负债去匹配非流动性资产的资产负债表上。那个本该提升韧性的“永久资本”，并不是什么抽象意义上的、耐心的机构资本，也不只是“懂风险的人在承担懂风险”。它其实是美国普通家庭（Main Street）的储蓄——以年金形式存在，却被配置进了那些正在违约的、同样由 PE 支持的软件和科技债。那部分“跑不了”的锁定资本，是寿险保单持有人的钱，而这件事在监管意义上，规则就不一样了。
和银行监管相比，保险监管过去显得温和——甚至可以说有些松懈——但这次成了警钟。监管机构本就对寿险公司持有过多私人信贷感到不安，现在开始下调这些资产的风险资本计提待遇（RBC treatment）。这迫使保险公司要么增资，要么卖资产，而在已经冻结的市场里，两者都无法以体面的价格实现。
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处理；预计 NAIC 指引将提高 RBC 系数并触发更多 SVO 审查 | 路透，2027 年 11 月
当穆迪将 Athene 的财务实力评级展望调整为负面时，Apollo 股价在两天内跌了 22%。Brookfield、KKR 和其他机构也跟着下跌。
随后局面变得更复杂。它们不只是建立了“保险永动机”，还搭了一套精巧的离岸架构，通过监管套利放大收益：美国寿险公司先签年金，再把风险转给自己控制的百慕大或开曼再保公司——利用更灵活的监管要求，用更少资本覆盖相同资产。这个关联再保公司再通过离岸 SPV 向外部募资，引入新的一层交易对手，让这些资金和保险资金一起投资于母公司资管部门发起的私人信贷。
评级机构（其中一些本身也是 PE 控股）在透明度方面也并不值得称道（这点几乎没人意外）。不同机构、不同资产负债表之间的“蜘蛛网”复杂到惊人，且高度不透明。当底层贷款违约时，损失到底落在谁身上，现实中几乎无法实时回答。
2027 年 11 月的崩盘，标志着市场认知从“也许只是一轮普通周期性回撤”，转向了更令人不安的判断。美联储主席 Kevin Warsh 在 FOMC 11 月紧急会议上称之为：“一条建立在白领生产率增长之上的相关赌注雏菊链。”
你看，真正引发危机的，从来不是损失本身，而是对损失的确认（recognition）。而金融体系里还有另一个体量更大、重要性高得多的领域，如今我们也开始害怕那种“确认”了。
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%；房利美警告“科技/金融就业占比超 40% 的邮编区域早期逾期率抬升” | Zillow / Fannie Mae，2028 年 6 月
本月，Zillow 房价指数显示：旧金山同比下跌 11%，西雅图下跌 9%，奥斯汀下跌 8%。而这并非唯一令人不安的头条。上个月，房利美指出，一些高额按揭（jumbo-heavy）邮编区域的早期逾期率明显升高——这些区域住着 FICO 780 分以上、过去通常被认为“刀枪不入”的借款人。
美国住宅按揭市场规模约13 万亿美元。按揭承销建立在一个基本假设上：借款人在贷款存续期内会维持大致当前的就业状态和收入水平。对多数按揭而言，这个期限是 30 年。
白领就业危机通过持续性收入预期下修，正在动摇这一假设。我们现在不得不问一个在 3 年前听起来荒谬的问题：优质按揭贷款还算不算“money good”？
美国历史上的每一次按揭危机，过去基本都由三类因素驱动：
第一，投机过度（像 2008 年那样，贷给本来就买不起房的人）；
第二，利率冲击（像 1980 年代初那样，利率上升让浮息按揭负担不起）；
第三，局部经济冲击（单一行业在单一区域崩塌，比如 1980 年代的得州石油业、2009 年的密歇根汽车业）。
但这次都不是。
这些借款人并非次级信用。他们是780 分 FICO。首付 20%。信用记录干净，就业履历稳定，收入在发放贷款时都经过验证和留档。他们本来就是金融体系里所有风控模型都视为信用质量基石的借款人。
2008 年的问题是：贷款从第一天就是坏的。2028 年的问题是：贷款在第一天是好的。
只是世界在贷款签出之后……变了。人们借的钱，押的是一个他们如今已经无法再相信自己负担得起的未来。
在 2027 年，我们就提示过一些“看不见的压力”早期信号：HELOC（房屋净值信用额度）提款增加、401(k) 提现增加、信用卡债务飙升，而按揭付款仍然保持正常。随着失业、招聘冻结、奖金取消，这些优质家庭的债务收入比翻倍。
他们仍然能还按揭，但代价是：停止所有可选消费、榨干储蓄、推迟任何房屋维护和改善。他们在技术上仍属“按时还款”，但距离真正陷入困境只差一次额外冲击。而 AI 能力的演进轨迹在暗示：那次冲击还会来。随后我们看到，即便全国平均值还在历史区间内，旧金山、西雅图、曼哈顿、奥斯汀的逾期率已经开始抬升。
我们现在处于最尖锐的阶段。房价下跌在边际买家健康时尚可控；但这里的边际买家，面临的是同样的收入受损。
虽然担忧持续升温，我们还没有进入一场全面爆发的按揭危机。逾期率已经上升，但仍远低于 2008 年水平。真正的威胁在于——轨迹（trajectory）。
现在，智能替代螺旋对真实经济下行又多了两个金融加速器。
劳动力替代、按揭担忧、私人市场动荡——三者彼此强化。传统政策工具箱（降息、QE）能处理金融引擎，却处理不了真实经济引擎，因为真实经济引擎并不是由金融条件过紧驱动的。它是由 AI 让人类智能变得更不稀缺、更不值钱驱动的。你可以把利率降到零，买下所有 MBS 和市场上所有违约的软件 LBO 债……
但这改变不了一个事实：一个 Claude 代理可以用200 美元/月，做掉一个年薪18 万美元产品经理的工作。
如果这些担忧进一步兑现，按揭市场会在今年下半年出现裂缝。在那种情景下，我们预计当前股市回撤最终可能接近全球金融危机（GFC）水平（从高点到低点 -57%）。这意味着标普 500 大概率会跌到约 3500 点——也就是 2022 年 11 月 “ChatGPT 时刻”前一个月的水平。
目前清楚的是：支撑13 万亿美元住宅按揭的收入假设已经出现结构性受损。尚不清楚的是：政策能否在按揭市场完全“消化”这一含义之前介入。我们仍抱有希望，但也无法否认不该乐观的理由。
与时间赛跑（The Battle Against Time）
第一个负反馈循环发生在真实经济里：AI 能力提升，工资单收缩，消费走弱，利润承压，企业购买更多能力，能力再提升。然后它转入金融层面：收入受损传导到按揭，银行损失收紧信贷，财富效应破裂，反馈循环加速。而这两条循环，都因政府明显不足、甚至坦率说有些迷茫的政策响应而进一步恶化。
这个体系压根不是为这种危机设计的。联邦政府的收入基础，本质上是对“人类时间”的征税。人工作，企业付薪，政府抽成。个税和工资税在正常年份是财政收入的脊梁。
截至今年一季度，联邦财政收入比 CBO 基准预测低12%。工资税收入下降，因为按原薪酬水平就业的人变少了；个税收入下降，因为正在获得的收入从结构上更低。生产率在飙升，但收益流向的是资本与算力，而非劳动。
劳动者在 GDP 中的份额，从 1974 年的 64% 降到 2024 年的 56%，这是一个持续四十年的缓慢下行过程，原因包括全球化、自动化、以及劳动者议价权的长期削弱。而在 AI 开始指数级进步后的四年里，这一比例进一步降到46%——史上最陡的下滑。
产出还在。但它不再通过家庭回流到企业。这也意味着，它不再通过 IRS 回流到政府。经济循环流正在断裂，而人们却期待政府出手修复它。
和所有下行周期一样，财政支出在收入下降的同时上升。不同的是，这一次的支出压力并非周期性。自动稳定器原本是为“暂时失业”设计的，不是为结构性替代设计的。系统正在发放假设“这些工人很快会被重新吸纳”的福利，而很多人不会——至少不会以接近原工资的方式重返劳动市场。疫情期间，政府曾自由接受 15% 的赤字率，因为大家默认那是暂时性的。今天需要政府支持的人，并不是被一场会康复的疫情击中；他们是被一种还在持续进步的技术所替代。
政府需要在财政收入减少的同一时刻，向家庭转移更多资金。
美国不会违约。它花的是自己能印的货币，也用同一种货币还债。但压力已经在别处显现。地方债（municipal bonds）今年以来的表现分化正在发出危险信号。没有州所得税的州还相对稳定，但那些高度依赖所得税的一般责任地方债（多数是蓝州发行）开始被市场计入一定违约风险。政客们很快抓住了这一点，“谁该被救”迅速沿党派边界裂开。
现任政府值得肯定的一点是：它较早认识到了危机的结构性特征，并开始讨论两党共同方案，即所谓“转型经济法案（Transition Economy Act）”——一个面向被替代劳动者的直接转移支付框架，资金来源包括赤字融资，以及拟议中的 AI 推理算力税。
桌面上最激进的提案还更进一步。所谓“共享 AI 繁荣法案（Shared AI Prosperity Act）”拟建立公众对智能基础设施回报的索取权——介于主权财富基金与 AI 生成产出版税之间，并用分红为家庭转移支付提供资金。私人部门游说团体已经大量涌入媒体，警告这是“滑坡的开始”。
这些讨论背后的政治博弈，也如预期般沉重而拧巴，夹杂着作秀与边缘施压。右派称转移支付和再分配是马克思主义，警告对算力征税会把领先优势拱手让给中国；左派则警告，如果税制由 incumbents（既得利益者）参与起草，就会演化成“监管俘获”。财政鹰派强调赤字不可持续；鸽派则拿 GFC 后过早财政紧缩的教训作警示。随着今年总统大选临近，裂痕还在放大。
政客还在争吵，社会组织纤维已经裂得更快了。
“占领硅谷（Occupy Silicon Valley）”运动就是这种更广泛不满的代表性现象。上个月，示威者连续三周封堵了 Anthropic 和 OpenAI 位于旧金山的办公室入口。参与人数在增长，媒体对示威的关注甚至超过了引发示威的失业数据本身。
很难想象在 GFC 余波里，公众会比痛恨银行家更痛恨谁；但 AI 实验室似乎正在冲击那个纪录。而从大众视角看，这种愤怒并非没有道理。它们的创始人与早期投资者积累财富的速度，甚至让镀金时代（Gilded Age）都显得克制。生产率繁荣的收益几乎完全流向算力拥有者与实验室股东，使美国不平等程度被推到前所未有的高度。
每一方都有自己眼中的“反派”，但真正的反派，其实是时间。
AI 能力演进的速度，快过制度适应的速度。政策响应按意识形态的节奏推进，而不是按现实的节奏推进。如果政府不能尽快就“问题到底是什么”达成一致，反馈循环会替他们写完下一章。
智能溢价的回撤（The Intelligence Premium Unwind）
在现代经济史的绝大部分时间里，人类智能一直是稀缺投入。资本是充裕的（至少可复制），自然资源有限但可以替代，技术进步速度又慢到足够让人类适应。真正无法规模化复制的是智能——分析、判断、创造、说服、协调的能力。
人类智能之所以拥有内生溢价，源于它的稀缺性。我们经济中的每一个制度——从劳动力市场到按揭市场，再到税收体系——都是围绕这一假设设计的。
而我们正在经历的，正是这项溢价的回撤（unwind）。机器智能如今已成为人类智能在越来越多任务上的一个合格且快速进步的替代品。这个金融体系在过去数十年为“稀缺人类心智”的世界优化，如今正在被迫重新定价。这一重定价是痛苦的、无序的，而且远未结束。
但重定价不等于崩溃。
经济可以找到新的均衡。而抵达那个均衡，是少数仍然只能由人类来完成的任务之一。我们必须把这件事做对。
这是历史上第一次，经济中最具生产力的资产带来的不是更多岗位，而是更少岗位。没有任何既有框架是适配的，因为它们都不是为“稀缺要素突然变得充裕”的世界设计的。所以我们必须发明新框架。我们能否及时发明出来，才是唯一重要的问题。
但你现在读到这篇文章，并不是在 2028 年 6 月。
你是在2026 年 2 月读它。
此时标普仍接近历史高点。负反馈循环尚未启动。我们确信，上述许多情景不会完全照着这个版本发生。我们同样确信，机器智能会继续加速，人类智能的溢价会继续收窄。
作为投资者，我们还有时间评估：自己的投资组合里，有多少建立在“撑不过这个十年”的假设之上。作为社会，我们也还有时间，主动行动，而不是被动承受。
那只金丝雀，还活着。
我们相信认知能够跨越阶层，
致力于为年轻人提供高质量的科技和财经内容。
稿件经采用可获邀进入Z Finance内部社群，优秀者将成为签约作者，00后更有机会成为Z Finance的早期共创成员。
我们正在招募新一期的实习生
热门跟贴