Anton Korinek on thinking like an economist about AI, labour markets, and AGI

• AI 用户数爆炸与经济影响之间存在巨大鸿沟：Korinek 指出，自1990年代数字经济以来，大量用户从未直接转化为 GDP 增长——社交媒体如此，AI 亦然。核心原因是 GDP 体系设计于1930年代大萧条后，只衡量市场交易价值，而 LLM、搜索引擎等免费数字产品根本不计入统计。
• 基准测试与真实世界之间的"扩散鸿沟"是理解 AI 经济影响的关键：2016年 Geoffrey Hinton 说"应该停止培训放射科医生"，但2025年放射科医生雇用量和薪资均创历史新高。即使今天冻结所有 AI 进步，仅扩散现有技术就需要5-10年，且会带来显著生产力提升。
• Jevons 悖论不能成为"不用担心 AI 劳动力冲击"的挡箭牌：更便宜的 AI 内容生产确实会刺激更多需求（正如工业革命中纺织品需求暴增），但历史表明手工匠人即使有工作可做，收入也大幅下降。认知劳动者可能面临同样命运。
• 比较优势理论的两个致命盲区：一是国家整体获益不代表个体工人不受损（正如葡萄牙整体受益于贸易但纺织工人失业）；二是极端情况下，人类劳动力可能贬值到无法维持基本生存——工业革命250年来劳动力作为稀缺要素被竞价抬升的格局可能逆转。
• 经济学学科自身正在被 AI 改变：Korinek 的 Journal of Economic Literature 持续项目显示，3年前 AI 只能编辑一句话，如今已接近"初级合著者"水平，且他认为 AI 独立撰写像样经济学论文的能力"可能在未来几年内实现"。

贯穿全场的核心线索：技术基准与经济现实之间的鸿沟——从放射科医生悖论到 GDP 统计盲区，从 Jevons 悖论的误用到比较优势的盲区，Korinek 反复在说同一件事：理解 AI 的真实影响需要经济学家的工具箱，而非计算机科学家的排行榜。

核心要点：Korinek 1990年代本科时就痴迷神经网络，但真正促使他全职转向 AI 经济学的是一个私人时刻——女儿的出生。

• Korinek 1990年代末在本科阶段就对人工神经网络和神经科学产生浓厚兴趣，但当时神经网络"做不了什么"，于是选择了经济学
• 2010年代图像识别领域的突破让他重新关注——他始终认为人脑的智能也基于神经网络，因此人工神经网络复制大脑功能的潜力是内在的
• 真正的转折点是女儿出生：他意识到"这些人工智能在我女儿的一生中会变得非常强大，我想思考这对她的世界意味着什么"。他从未预料到 AI 会如此快地影响到自己这一代人，而不仅是女儿那一代

"The birth of my first child made me think, 'Wow, these artificial intelligences are going to become more and more capable over time. And during the lifetime of my daughter, they're going to become probably very powerful, and I want to think about what that implies for her world.'" —— Anton Korinek

核心要点：数以亿计的 AI 用户不代表经济影响——GDP 在1930年代为衡量工业产出而设计，免费数字产品（搜索、社交媒体、LLM）在统计上根本不存在。

• 自1990年代数字经济起步以来，大量拥有海量用户的产品对 GDP 几乎没有可测量的影响——社交媒体就是典型例子
• GDP 设计于1930年代大萧条后，核心目标是衡量工业经济（"能生产多少小零件"），二战期间用来追踪坦克产量。它不是为衡量数字经济设计的，也从未旨在衡量人类福祉
• 第一个缺陷：免费或近乎免费的数字产品（搜索、社交媒体、LLM）不计入 GDP，因为 GDP 只衡量市场交易的价值
• 第二个缺陷：GDP 与主观幸福脱节。癌症患者花几十万美元治疗，GDP 记录为正向产出，但患者的实际福祉远低于从未患癌的人
• Korinek 强调，尽管 GDP 数据上看不到 AI 的影响，但"在座每个人的生活体验是——随时可用的智能确实在革命性地改变我们的工作方式"

"Our economic statistics were designed in the 1930s after the Great Depression to measure an industrial economy... They were really not made for a digital economy and also they were never really meant to perfectly track human well-being." —— Anton Korinek

核心要点：技术基准上的突破需要数年甚至数十年才能转化为经济影响，而这个"扩散鸿沟"才是经济学家关注的核心。

• 2016年 Geoffrey Hinton 宣称"应该停止培训放射科医生"，因为算法在胸片气胸检测的基准测试中已超越专家医生
• 但到2025年，医院雇用的放射科医生比以往任何时候都多，薪资也创历史新高——"算法在基准上表现出色，但还无法替代人类"
• Korinek 解释：技术的经济影响存在内在的扩散延迟。从纺织机到电力到神经网络，每项技术从突破到广泛采用都需要数年到数十年
• 关键判断：即使今天冻结所有 AI 进步，仅用5-10年时间把现有系统扩散到整个经济体，就会看到非常显著的生产力提升——这纯粹是因为扩散需要时间
• 计算机科学家关注基准测试是有道理的——"你衡量什么就能优化什么"。但经济学家关注 GDP 等更广泛指标，因为"实验室里的基准不影响人们的生活，而所有办公室工作者提高10%、20%、50%的生产力才会"

"Even if we stopped all progress in artificial intelligence today, and we spent the next 5 or 10 years figuring out how can we use the systems that we have right now throughout our economy in a productive way, we would probably experience very significant productivity gains." —— Anton Korinek

核心要点：对大多数日常使用场景，模型能力已饱和约半年，但在需要极限推理的任务中进步仍然明显。

• Oliver 问如何判断每次新模型发布的实际意义。Korinek 直言：对日常用例（写邮件、给女儿写晚安故事），模型过去半年已经饱和，很难察觉到额外进步
• 作为学术经济学家，他在两类极限任务中仍能看到持续进步：一是求解非常复杂的动态经济模型，二是长时间独立编程
• 他的判断框架：日常基准趋于饱和 → 进步集中在前沿任务 → 这些前沿任务恰恰是未来经济影响最大的领域

核心要点：媒体倾向于把就业市场的趋势归因于 AI，但目前缺乏确凿的因果证据——唯一有确凿证据的是狭窄的自由编辑职业。

• "AI 导致新毕业生找不到工作"是近期媒体热门话题。Korinek 认为多数报道其实相当准确——"我们都有直觉感觉 AI 在某种程度上影响了就业格局，但目前没有确凿证据"
• 唯一有确凿证据的领域是非常狭窄的职业类别：以编辑工作为生的自由职业者确实受到了影响
• 宏观层面，Korinek 认为更大的驱动力可能是不确定性本身：企业在想"我该真的投资培训一个新毕业生一两年吗？还是等一年看看 AI 能否替代？"——这种等待心态可能比 AI 的实际替代效应更大

核心要点：与外界"CEO 在炒作 AI 以便融资"的假设相反，Korinek 与实验室一线技术人员交流后认为，他们对 AI 前景的判断与领导者基本一致——而且他们真的很害怕。

• 外界常见叙事：Dario Amodei 等实验室领导者夸大 AI 能力是为了抬高估值、方便融资
• Korinek 的亲身经历颠覆了这个假设：他与实验室中"更 nerdy、做实际工作的人"交流后发现，一线技术人员对 AI 快速进步的判断与领导者完全一致，他们看不到智能提升的天花板
• 更令人不安的是：无论实验室内外，没有人对"这对人类意味着什么"有好的答案
• Korinek 将当前时刻比作曼哈顿计划："这些人知道自己在做的东西非常强大，而且他们对自己正在开发的力量感到害怕。"不同之处在于，曼哈顿计划的参与者不能公开谈论，而 AI 实验室的人可以——"理论上这应该让社会有机会准备，但坦率说我不知道我们利用这个机会做得有多好"

"People are scared about what this will imply for us humans, what this will imply for our societies. And nobody, neither inside nor outside of the lab, has a good answer to these questions." —— Anton Korinek

"I think it must be similar to people who have been working on the Manhattan Project, and they know that what they're working on is something really big, and they're scared of the power of what they're developing." —— Anton Korinek

核心要点：Jevons 悖论（生产变便宜 → 需求暴增）确实会在 AI 时代重演，但从中推导出"不用担心劳动力冲击"是逻辑跳跃——工业革命中手工匠人即使有活干，收入也大幅下降。

• Jevons 悖论：商品生产成本下降 → 人们需求更多 → 可能抵消劳动力需求下降。这在每次技术革命中都上演过，从纺织品开始
• 在 AI 语境下：AI 能极其廉价地生产大量内容 → 人们对内容需求增加 → 一定程度上创造新工作
• 但 Korinek 认为从"Jevons 悖论会发生"跳到"所以不用担心 AI 劳动力冲击"是逻辑上的一步太远
• 历史教训：工业革命中自动织布机出现后，纺织品需求确实暴增，但如果你是手工匠人，你的技能变得毫无价值——即使工厂里有工作给你，你的收入也远不如从前
• 短期内 AI 的情况类似：失去认知工作的人会转向其他工作，前提是还有 AI 做不了的人类专属工作。Korinek 呼吁建立"AI 调适计划"（类似贸易调适计划），提供失业保险和转岗支持

核心要点：比较优势理论保证整体获益，但不保证个体不受损；极端情况下，人类劳动力可能贬值到无法维持基本生存——工业革命250年来劳动力稀缺带来的红利可能逆转。

• 短期来看，AI 在认知任务上领先，机器人技术滞后 → 人类在体力任务和认知+体力结合任务（如护理）中有比较优势
• 盲区一：再分配问题。Ricardo 经典案例：英国出口纺织品、葡萄牙出口葡萄酒，两国整体获益，但葡萄牙纺织工人明显受损。同理，AI 时代"认知工作者将失去大量市场价值"——Korinek 说如果要赌，他会赌靠大脑谋生的人将遭受严重收入冲击
• 盲区二：生存线风险。这是更令人不安的可能性：如果 AI 和机器人能极其廉价地生产一切，与之竞争的人类劳动力可能无法赚到维持基本生存的收入。工业革命250年来，劳动力一直是经济中最稀缺的要素，稀缺性把工资竞价推高——"我们今天比工业革命前富裕约20倍，原因之一就是劳动力的稀缺价值被竞标抬升"。AI 可能逆转这一进程
• Korinek 强调他"非常希望这不是我们正在走向的世界"，但作为经济学家必须指出这个经济学意义上的可能性

"It could happen that labor becomes so devalued that we are back at subsistence level or worse." —— Anton Korinek

核心要点：经济学家厌恶推测，但 AGI 的可能性要求推测——Korinek 呼吁以情景规划方法严谨地评估不同技术进步路径下的经济后果。

• Korinek 先回补乐观面：AI 可能带来科学、医学的空前突破，如果应对好劳动力冲击，"几年内、至多十年内我们都可以过得好得多"
• 经济学学科的结构性障碍：经济学家以严谨著称，擅长用正确的数据和方法区分相关性与因果关系，但讨论 AGI 本质上是推测性的——"你我都不知道是否会到达 AGI，也不知道是否其实已经到了"
• Korinek 推动的方向：情景规划——严谨地评估不同技术进步速度、不同扩散路径、不同劳动力市场影响的组合情景。"我们经济学家有非常严谨且信息丰富的社会经济问题分析工具箱，我们真的需要把它应用到 AI 快速推进的问题上"

核心要点：Korinek 在 Journal of Economic Literature 的持续项目让他亲身见证——3年间 AI 从只能编辑一句话发展到可作为"初级合著者"，他认为 AI 独立写出像样经济学论文的能力可能在未来几年内实现。

• Korinek 与 Journal of Economic Literature 有一个持续项目，记录如何在经济研究中使用 AI 系统，每半年更新一次
• 3年前的 ChatGPT 只能帮编辑一句话或一段话，"完全无法替代我一直雇用的研究生助理"
• 如今有很多任务他会说"3年前我会把这个交给研究生，但现在我让 AI 来做，它做得更快"
• 当前阶段：AI 系统可以作为"初级合著者"，让研究者的工作更高效。研究者仍然负责识别好的研究问题，AI 擅长执行
• Korinek 的前瞻判断：AI 已经非常接近能独立写出连贯且相当不错的经济学论文。"我们不确定它们多快能发展到提出更好问题的程度，但我绝不排除这可能在未来几年内发生"
• 他呼吁所有经济学家同行"认真对待这些快速进步"，利用经济学家对社会经济系统的专业知识，帮助社会应对转型，最终"让 AI 实现那些让所有人更富裕、更幸福的乌托邦承诺，同时避免严重动荡"

"I can also see the writings on the wall that these systems are very close to being able to write coherent and also fairly decent economic papers on their own." —— Anton Korinek