AI降本之后，需求谁来接？增长飞轮面临空转风险

核心判断

AI降本提升生产率后，关键在于需求能否接住效率红利。若成本下降不能带来足够的需求扩张，或被替代的劳动收入无法通过新岗位承接，技术进步就难以转化为社会层面的繁荣。

关键数据

• 亚特兰大联储调查显示，2026年美国私人部门计划投入约2800亿美元用于AI；平均到每名员工，相关支出将从2025年的1358美元提高到2068美元，增幅超过50%。
• 一项覆盖美国、英国、德国和澳大利亚近6000名企业高管的调查显示，企业预计未来三年AI将使生产率提高1.4%，产出提高0.8%，就业减少0.7%。
• 国际劳工组织2025年测算，全球约四分之一的劳动者从事的职业中，至少有一部分任务会受生成式AI影响；处于最高暴露区间的劳动者约占3.3%。

生产率上升更快、产出扩张较慢、就业可能收缩，这三个指标方向不一致，是当前AI增长叙事中最值得关注的风险信号。

增长飞轮的四处断点

1. 中高收入岗位先承压，需求冲击更集中。 AI第一轮真正有压力的岗位集中于程序员、设计师、翻译、初级律师、分析师、编辑等中高收入脑力职业。斯坦福数字经济实验室利用美国薪酬高频数据发现，在AI暴露度最高的职业中，22至25岁劳动者的就业规模相对下降16%。北京大学团队分析2018—2024年约125万条招聘信息发现，会计、编辑、销售、程序员等白领职业AI暴露度越高，招聘需求和工资增长越弱，学历与经验门槛反而更高。

2. 专业服务降价，需求弹性不高。 律师费、诊断成本下降不会同步放大消费需求。一项针对美国客服人员的研究显示，接入生成式AI助手后，员工平均生产率提高14%，新手和低技能员工提升达34%。但如果企业只是用更少的人完成原有订单，微观降本不会自动等于宏观增长。

3. AI原生需求已出现，但尚未完成接力。 到2026年2月，ChatGPT周活跃用户已超过9亿，付费个人用户超过5000万。但大量AI应用仍是既有服务的低成本替代，AI支出更多替代原有软件、外包和人工预算，未必增加社会总需求。

4. 新岗位不等于收入承接。 AI产品经理、模型工程师、数据标注、智能体运维等岗位确实会出现，但高收入岗位集中在少数核心研发和平台公司，外围岗位的数量和收入未必能承接原有白领岗位的消费能力。丹麦行政数据研究显示，截至2024年，聊天机器人对收入、工时和就业的平均影响仍很小；Anthropic观察显示，在许多高价值任务上人仍深度参与，AI更多表现为增强工具，但面向编程的智能体产品中，机器自主完成任务的比例明显更高。

企业理性为什么可能形成需求缺口

文章给出了一笔说明性测算：100名程序员中50人被AI替代，假设被替代前每人对应30万元年收入与消费能力，替代后收入消费能力降至10万元，则年度消费能力减少约1000万元；企业少支付1500万元薪酬，但采购AI服务、算力和软件花费500万元，净节约1000万元。这1000万元未必以同等速度回到消费端，更可能沉淀为企业利润或流向高财富人群，而高财富人群的边际消费倾向低于普通劳动者。若新增需求只有200万元，消费端仍有800万元缺口。

2026年的理论论文《AI Layoff Trap》将这种现象称为“需求外部性”：单家企业裁员能获得完整成本收益，却只承担总需求损失中的很小一部分；当所有企业同时做出理性选择，可能出现自动化过度、需求不足，反噬企业自身。

最有力的反驳与新需求验证

更便宜的智能可能像电力和互联网一样，成为通用投入，催生现在还无法想象的产品、公司和职业。支持这一判断的现实依据包括：AI原生消费已经形成；AI可以降低技能门槛，让更多人完成过去做不了的工作；大规模算力、数据中心、电力和应用投资会创造资本开支与配套就业。

真正的问题不在AI会不会创造需求，而在于新需求形成的速度和规模能否覆盖旧收入退出的速度和规模。需要持续观察四个结果：AI企业之外的产出是否同步扩张；新产品是否带来原有预算之外的增量付费；被替代劳动者能否进入收入相近的新岗位；生产率红利是否通过工资、分红、降价或公共服务回到多数人购买力中。

分配机制：增长飞轮的传动结构

效率提升回答如何更便宜、更快地生产，分配机制回答生产成果如何回流为社会总需求。机制分两层：

• 生产过程内部：企业是选择用AI裁撤岗位，还是用于扩大业务、降低技能门槛和增强员工；员工能否通过利润分享、股权或工资增长获得生产率红利；工作时间能否随效率提升而缩短。
• 生产过程外部：如果AI收益高度集中，税收、社会保障、公共服务和公共基金需要承担回流功能。全民基本收入、机器人税、转型保险、公共基金全民分红等方案都有各自约束，但核心问题只有一个：AI创造的资产收益由谁拥有，通过什么渠道回到社会需求。

阿拉斯加永久基金的经验只能提供有限参照：长期普惠现金分红没有显著降低总就业，但不能直接证明AI分红方案可行。

未来值得跟踪的五个指标

• 年轻人的白领入口岗位是否恢复；
• 劳动收入和中位数工资能否跟上生产率；
• AI原生收入有多少来自真正的新增预算；
• 企业产出增速能否追上生产率增速；
• AI资产收益是否从少数公司和股东扩散到更广泛的居民部门。

AI越重要，越需要把它放回真实经济循环中观察：不能只看模型能力、算力投入、企业降本和利润改善，也要看劳动收入、消费能力、需求弹性和制度再分配。