人工智能三问：生成式大模型不是唯一路径，警惕少数人掌控AI形成新压迫

1. 生成式大模型并非通往AGI的唯一正确路径

生成式大模型的核心原理是基于海量语料和概率算法生成内容，不具备真正独立的思考与因果推断能力，其所谓的“深度思考”也是算法预设的结果。由此带来三个后果：

• 答案只是概率组合，而非真正的因果推理；
• 生成内容通常只有行业平均水平，难以达到顶尖水平，尤其在突发情景下表现欠佳；
• 多家公司竞争导致算力军备竞赛，推高GPU和算力租用成本，英伟达、甲骨文等“卖铲子”公司获益。

通用人工智能需要独立的因果推断能力，因此生成式大模型未必是正确道路。机器深度思考，以及搭载深度思考系统的具身智能，可能是更具可持续应用前景的方向。

2. 人工智能浪潮为何未显著推动经济增长

当前AI对经济的推动主要体现为资本开支（数据中心建设），对多数行业盈利、消费和颠覆式创新作用不明显。潜在原因有三：

• GDP统计体系落后：现行统计框架建立于二战后，难以捕捉AI对经济社会的全面促进作用，类似信息技术革命的“索洛剩余”问题；
• 改造深度不及前两次工业革命：AI革命对人类生产生活方式的变革程度，或不及蒸汽机和电力革命，例如当前流行的工作流工具只是把普通人力工作用程序加速，并未改变工作流程本质；
• “极化”特征明显：AI技术进步呈现“赢家通吃”格局，极少数主体获益，大多数主体福利未提升甚至恶化，美国股市“七姐妹”抱团上涨即是例证。

3. 人类不会被AI替代或奴役

机器在速度、简单学习、重复劳动等方面优于人类，但在复杂因果推断、直觉、质疑能力和好奇心方面难以替代人类。AI系统即使能组合出新方案，也只是快速“试错”和迭代，并未生成全新思维方式。

复杂的人际互动、复杂情绪（如嫉妒、爱慕、忧愁）以及文学作品中的人性深度，AI很难理解与体验。例如，AI难以真正读懂陀思妥耶夫斯基的《罪与罚》。宏观经济研究中，AI可写出参考文献多、数据“充分”但缺乏特色的中等水平报告，却无法写出高手报告中的揶揄、反讽和神来之笔，也无法在演讲中即兴发挥、根据听众反应调整内容。

因此，人类很难被AI整体奴役。但需警惕另一种黑暗情景：大多数普通人可能被极少数掌握高性能AI工具的人类奴役。考虑到AI的极化特征，必须对AI技术的极少数受益者征税，向多数人进行转移支付；在AI大量替代普通工作、且新技能尚未普及前，为普通人提供转移支付是必要的。在生产力足够丰富的前提下，实施一定程度的普惠式最低收入安排（UPI）既有必要也有基础。