算力通缩与人力通胀，AI 正在重写现代经济的价值体系

Editor’s Note

🗓️ 2025.12.10 | Issue#326

AI 正在重新分配社会的价值结构。算力迅速通缩，看似让所有行业都能「变得更便宜」；但事实正在反向展开——凡是必须由人承担的责任与在场，正在成为新的稀缺资源。本期 AI Insider 探讨为什么算力越便宜，人力越昂贵，以及这种剪刀差将如何重塑岗位定价、商业模式和投资方向。

如果你想理解未来十年哪些行业会被 AI 拉低成本、哪些岗位会因「含人量」稀缺而走向高薪，这篇分析值得完整阅读。

在美国，如果你不小心在墙上撞了一个洞，买台平板电视挡住它，通常比请个杂工来修石膏板还要便宜。

这个由 Marc Andreessen 观察到的荒谬现象，被 a16z 的 Alex Danco 用来揭示 AI 超级周期下的经济暗流。这不仅是美国的特例，在中国的一线城市，我们同样能感受到这种温差：电子产品和数字服务的价格不断下探，但家政、装修等「非标」服务的价格却依然坚挺。

这背后是两个经济学力量的激烈博弈：杰文斯悖论（Jevons Paradox）负责把 AI 变得极度廉价，而鲍莫尔效应（Baumol Effect）则负责把「人」变得极度昂贵。

算力溢出：效率越高，需求越猛

我们首先看到的是杰文斯悖论在 AI 基础设施上的重演。1865 年，William Stanley Jevons 发现煤炭利用效率的提高并未减少消耗，反而引发了需求激增。

这一逻辑完美复刻于今天的算力市场。摩尔定律将晶体管成本推向了百万分之一美分，结果并非计算支出的减少，而是计算总量的指数级爆发。Google Cloud 的 AI 负责人 Amin Vahdat 曾表示，即使是 7 年前的 TPU 芯片，在 Google 内部依然保持着 100% 的利用率。

在中国市场，这种趋势同样明显。随着大模型价格战的打响，推理成本呈数量级下降，这非但没有缩减市场规模，反而让 AI 像电力一样被「过度」接入各种应用场景。这种对生产力的极度渴求驱动了大规模的资本支出。而在这种供给过剩的背景下，所有能被算力覆盖的环节，其价格都将面临通缩压力。

劳动力底价：AI 带来的隐性工资通胀

然而，生产力的爆发并未局限在科技行业内部，它溢出到了更广泛的经济体，这正是鲍莫尔效应的体现。

Alex Danco 指出，当数据中心建设热潮让暖通空调（HVAC）技工的时薪涨至 150 美元时，它实际上设定了劳动力市场的价格底线。为了留住人，那些并未被 AI 赋能的行业，比如家庭维修或餐饮服务，也被迫提高工资。

这解释了为什么在数字经济高度发达的今天，服务业成本不降反升。在中国，尽管外卖算法（AI）极度优化了配送路径，但骑手（人）的成本依然是刚性的。因为社会整体财富因技术进步而增加，其他高薪行业（如数据标注、芯片制造）在争夺劳动力，迫使低效部门必须涨薪。

结论是反直觉的：算力越廉价，社会越富裕，我们反而越要为那些「低效」的人工服务支付高价。

岗位重写：那 1% 的责任如何变为高价值

当这种宏观剪刀差传导至微观岗位，AI 并不是简单地消灭工作，而是在重塑工作的价值锚点。这里出现了一种岗位内部的鲍莫尔效应。

AI 资深专家 Andrej Karpathy 在一档播客里提出了一个精准的观察：当一个岗位 99% 的工作被 AI 自动化后，剩下那 1% 必须由人完成的部分，其价值将暴涨。

以自动驾驶为例，即便 Waymo 实现了高度自动化，依然保留了人类安全员。同理，在医疗领域，如果放射科医生 99% 的阅片工作被 AI 接管，人类医生的价值将集中在最后的「兜底责任」与「复杂决策」。

这 1% 的工作往往涉及法律责任、道德判断或极端的物理干预。它们无法被算力稀释，因此变成了岗位的核心护城河。未来的高薪逻辑将发生倒转：价值不再取决于你能处理多少数据（这是 AI 的事），而取决于你那 1% 的「含人量」是否具有不可替代的瓶颈效应。

产业规律：什么会变便宜，什么会变昂贵

这一趋势揭示了 AI 时代的产业新规律：凡是能被计算的，终将免费；凡是必须在场的，终将昂贵。

对于中国的科技创业者和投资人而言，这提供了一个审视商业模式的新视角：

1. 做多「杰文斯」：利用 AI 的极低边际成本，在内容生成、代码编写等领域提供海量服务，以量取胜。
2. 做多「鲍莫尔」：寻找那些算力无法触达的物理世界服务，或是必须由人承担责任的「关键 1%」。在算力通缩的时代，真实的物理陪伴、线下的复杂服务、以及承担最终责任的能力，正在成为新型的奢侈品。

尾巴

电视机比修墙便宜不是笑话，而是未来经济的隐喻。AI 正在制造一种剧烈的价值分化：算力如水般廉价且充沛，而人性——哪怕只是作为安全员坐在那里，或是作为保姆走进家门——将如金子般昂贵。