作者：Citrini、阿拉普・沙阿（CitriniResearch）
2026 年 2 月 23 日
原文《THE 2028 GLOBAL INTELLIGENCE CRISIS》链接 >>>
序言
倘若我们对人工智能的乐观判断始终成立…… 可如果这份乐观，最终竟酿成利空呢？
下文所呈现的是一种情景推演，而非精准预测。这并非博取眼球的熊市噱头，也不是人工智能末日迷思式的臆想。本文的唯一初衷，是为一种尚未被充分探讨的场景建立模型。这一问题由我们的友人阿拉普・沙阿提出，我们共同头脑风暴得出了答案。本文为系列推演的其中一部分，另外两篇由他执笔，可通过相关链接查阅。
希望本文能让你做好更充分的准备，应对人工智能令经济愈发不可预测时，可能出现的左尾风险。
本文为 2028 年 6 月 CitriniResearch 发布的宏观备忘录，详细阐述了全球智能危机的发展脉络与后续影响。
宏观备忘录：智能过剩的代价
2026年2月22日 / 2028年6月30日
今日公布的失业率达 10.2%，较预期高出 0.3 个百分点，意外走高。受该数据影响，市场大跌 2%，标普 500 指数较 2026 年 10 月的高点累计跌幅达 38%。
交易员们早已麻木。放在六个月前，这样的经济数据足以触发市场熔断机制。
短短两年，一切都变了。从最初 "影响可控"、"仅波及特定行业"，到如今的经济格局，早已不复我们成长中熟悉的模样。本期宏观备忘录，我们将还原这场危机的发展脉络 —— 为危机前的经济状况做一次 "事后复盘"。
曾经的市场狂热历历在目。2026 年 10 月，标普 500 指数逼近 8000 点，纳斯达克指数突破 3 万点。2026 年初，首轮因人类劳动力被替代引发的裁员潮来袭，而这场裁员也完全达到了企业预期：利润率提升、业绩超预期、股市应声上涨。企业创纪录的利润，又被尽数投入人工智能算力研发。
彼时的核心经济数据依旧亮眼：名义国内生产总值（GDP）年化增速持续维持在中高个位数，生产率激增。在无需休息、无需病假、无需医保的人工智能智能体推动下，每小时实际产出增速创下 20 世纪 50 年代以来的新高。
算力持有者的财富随着劳动力成本的消失暴增，而实际工资增长却陷入崩塌。尽管政府一再吹嘘生产率创下历史纪录，白领阶层却不断被机器取代，被迫转入薪资更低的岗位。
当消费经济出现裂痕，经济评论界催生了一个新名词 ——幽灵GDP：即体现在国民经济账户中，却从未在实体经济中流通的产出。
人工智能在各方面都超出预期，资本市场也成了人工智能的天下。可唯一的问题是…… 实体经济并未随之回暖。
我们本应早有察觉：北达科他州一个图形处理器（GPU）集群所创造的产出，便能匹敌曼哈顿中城 1 万名白领的工作成果，这绝非经济良药，而是一场经济 "大流行病"。货币流通速度陷入停滞，占当时 GDP70% 的、以人类为核心的消费经济日渐萎靡。倘若我们早一点思考 "机器会为非必需品花费多少资金"，或许就能更早发现问题 —— 答案显而易见：零。
人类智能
替代螺旋
循环增强效应 ↺
能力提升
需求减少
规模扩大
消费缩减
持续承压
投资规模
人工智能能力提升 → 企业用工需求减少 → 白领裁员规模扩大 → 失业者消费缩减 → 企业利润率承压 → 加大人工智能投资 → 人工智能能力进一步提升……
这是一个没有自然刹车的负反馈循环，一场人类智能替代螺旋。白领阶层的赚钱能力（以及理性层面的消费能力）遭受结构性损害，而他们的收入，正是 13 万亿美元抵押贷款市场的基石 —— 这迫使信贷审核机构重新评估，优质抵押贷款是否仍具备偿付能力。
长达 17 年的无实质违约周期，让私募市场充斥着私募股权支持的软件行业交易，这些交易均建立在 "年度经常性收入（ARR）将持续稳定" 的假设之上。2027 年年中，人工智能引发的首轮违约潮，彻底打破了这一幻想。
倘若这场冲击仅局限于软件行业，尚且可控，但事实并非如此。2027 年底，所有以中介服务为核心的商业模式均受到威胁，大批依靠挖掘人类交易摩擦盈利的企业轰然崩塌。
最终发现，整个经济体系，本就是一场围绕白领生产率增长构建的、环环相扣的关联赌注。2027 年 11 月的市场崩盘，不过是让所有已存在的负反馈循环进一步加速。
近一年来，我们始终在等待 "利空出尽是利好" 的时刻到来。政府虽已开始审议各类应对提案，但公众对政府救市能力的信心已荡然无存。政策制定向来滞后于经济现实，而如今，缺乏全面应对方案的现状，正可能加剧通缩螺旋。
危机缘起
2025 年末，智能体编程工具的能力出现阶跃式提升。
一名熟练的开发者借助 Claude Code 或 Codex 工具，只需数周就能复刻出中端市场软件即服务（SaaS）产品的核心功能。尽管并非尽善尽美，也无法覆盖所有极端场景，但已足以让审核 50 万美元年度续约合同的首席信息官（CIO）产生疑问："我们为何不自己开发？"
企业财年基本与日历年一致，因此 2026 年的企业支出早已在 2025 年第四季度敲定，彼时 "智能体人工智能" 还只是一个热门概念。而 2026 年年中复盘时，采购团队首次得以依据这类系统的实际能力做出决策，部分企业甚至亲眼见证，内部团队仅用数周就做出了复刻六位数 SaaS 合同功能的原型产品。
那年夏天，我们与一位财富 500 强企业的采购经理交流，他向我们讲述了一次预算谈判的经历。供应商销售本想沿用去年的套路：年费上涨 5%，再搬出 "贵司团队离不开我们的服务" 这套惯用说辞。而这位采购经理直接告知对方，自己正与 OpenAI 洽谈，计划让其 "前沿部署工程师" 借助人工智能工具彻底替代该供应商。最终，双方以供应商降价 30% 达成续约。采购经理表示，这已是较好的结果，而Monday.com、Zapier、Asana 这类 "长尾 SaaS 企业" 的处境，要糟糕得多。
投资者早已做好准备 —— 甚至可以说早有预期 —— 长尾 SaaS 企业将遭受重挫。尽管这类企业的支出约占典型企业技术栈总支出的三分之一，但其风险敞口显而易见。市场曾认为，核心业务系统不会受到人工智能的冲击。
直到 2026 年第三季度 ServiceNow 发布财报，这一自我强化的传导机制才逐渐清晰。
彭博社 2026 年 10 月消息：ServiceNow 新增年度合同价值（ACV）增速从 23% 降至 14%；宣布裁员 15% 并启动 "结构性效率提升计划"；股价大跌 18%。
SaaS 行业并未 "消亡"，自主开发并维护系统仍需进行成本收益分析，但 "自主开发" 这一选项的出现，彻底改变了定价谈判的格局。更重要的是，行业竞争格局已被改写：
人工智能让新功能的开发与落地变得轻而易举，产品差异化优势荡然无存。行业龙头陷入价格战的恶性循环，不仅彼此厮杀，还要直面大批新兴挑战者。这些新玩家凭借智能体编程工具的技术飞跃，且无需承担传统成本结构的压力，大肆抢占市场份额。
这份财报也让市场充分意识到，各类企业系统之间存在高度的关联性。ServiceNow 以按席位收费为主，当财富 500 强客户裁员 15%，就会取消 15% 的软件授权。那些为客户提升利润率的人工智能驱动型裁员，正从根本上摧毁 ServiceNow 自身的收入基础。
这家靠工作流自动化起家的企业，正被更先进的工作流自动化技术颠覆；而它的应对方式，却是裁员并将节省的资金投入到这场颠覆自身的技术研发中。
除此之外，他们别无选择。难道坐以待毙吗？最终，那些受人工智能威胁最大的企业，反而成了人工智能最激进的采用者。
如今看来，这一结果显而易见，但在当时并非如此（至少我未曾预见）。过往的技术颠覆模型显示，行业龙头会抵制新技术，最终被灵活的新进入者抢占市场，逐步走向消亡 —— 柯达、百视达、黑莓均是如此。但 2026 年的情况截然不同：行业龙头并非不愿抵制，而是根本无力抵制。
在股价暴跌 40% 至 60%、董事会追责的压力下，受人工智能威胁的企业只能做出唯一选择：裁员，将节省的资金投入人工智能工具，借助这些工具以更低成本维持产出。
单个企业的决策看似理性，但其集体后果却是灾难性的。从裁员中节省的每一分钱，都被投入到人工智能研发中，而这又让下一轮裁员成为可能。
软件行业的危机，不过是序幕。当投资者还在争论 SaaS 企业估值倍数是否触底时，却忽略了这一自我强化循环早已突破软件行业的边界。ServiceNow 裁员的底层逻辑，适用于所有存在白领成本结构的企业。
当交易摩擦归于虚无
2027 年初，大语言模型（LLM）的使用已成为常态。人们在使用人工智能智能体，却甚至不知道其为何物 —— 就像那些从未了解 "云计算" 的人，却一直在使用流媒体服务一样。在人们眼中，人工智能智能体就像自动补全或拼写检查功能，只是手机的一个常规功能而已。
通义千问（Qwen）推出的开源智能体购物工具，成为人工智能接管消费者决策的催化剂。短短数周内，各大人工智能助手均集成了智能体商务功能。模型蒸馏技术的应用，让这些智能体无需依托云端，即可在手机和电脑上运行，推理的边际成本大幅降低。
最该让投资者警惕的一点是：这些智能体无需用户主动指令，就能根据用户偏好在后台自动运行。商业交易不再是人类一系列独立的决策行为，而是变成了为每位联网消费者全天候运转的持续优化过程。2027 年 3 月，美国民众日均使用智能体的交互令牌数达 40 万个，较 2026 年底增长 9 倍。
此时，经济链条的下一环已开始断裂：中介服务。
过去 50 年，美国经济在人类的能力局限之上，构建起了一个庞大的 "抽成层"：人们做事需要时间、耐心有限、用品牌熟悉度替代细致调研，且大多数人为了减少操作步骤，愿意接受不合理的价格。数万亿美元的企业价值，都建立在这些人类局限持续存在的基础上。
而人工智能智能体的出现，率先打破了这一现状 —— 消除交易摩擦。
那些数月未使用却自动续费的订阅服务、试用期后悄然涨价一倍的入门定价，在智能体面前，都成了可协商的变相 "绑架" 行为。而作为整个订阅经济核心指标的客户终身价值，出现显著下滑。
消费者智能体开始改变几乎所有消费交易的模式。
人类没有时间在五个竞争平台上比价后再买一盒蛋白棒，但机器可以。
旅游预订平台成为最早的受害者，因为其业务模式最为简单。2026 年第四季度，人工智能智能体制作的完整行程规划（含机票、酒店、地面交通、会员权益优化、预算控制、退款条款），比任何平台都更快、更划算。
依托投保人惰性的保险续约模式，也被彻底改写。每年为用户重新筛选保险产品的智能体，让保险公司依靠自动续约获得的 15%-20% 保费收益化为乌有。
金融咨询、税务申报、常规法律业务 —— 所有以 "为你处理繁琐的复杂事务" 为核心价值的服务领域，均遭受冲击，因为在智能体眼中，不存在 "繁琐" 一说。
甚至那些我们认为靠 "人际关系价值" 筑起护城河的行业，也不堪一击。房地产行业中，买家数十年来因经纪人与消费者之间的信息不对称，被迫接受 5%-6% 的佣金；而当接入多重上市服务系统（MLS）、掌握数十年交易数据的人工智能智能体，能瞬间复刻经纪人的知识体系时，这一格局彻底崩塌。2027 年 3 月，一份卖方研报将这一现象称为"智能体对垒"。在各大城市，房地产买方中介的平均佣金从 2.5%-3% 压缩至 1% 以下，且越来越多的交易，全程没有人类买方中介参与。
我们高估了 "人际关系" 的价值。事实证明，人们口中的许多 "关系"，不过是带着友好面孔的交易摩擦。
这只是中介服务层遭受颠覆的开始。那些成功的企业曾斥资数十亿美元，精准挖掘消费者行为与人类心理的弱点，而如今，这些弱点已毫无意义。
以价格和适配性为优化目标的机器，不会在意你喜欢的应用程序，也不会留恋四年来习惯性打开的网站，更不会被设计精良的结账页面吸引。它们不会疲惫，不会选择最轻松的选项，也不会习惯性地 "一直在这里下单"。
这彻底摧毁了一种特殊的企业护城河：习惯性中介依赖。
达美乐外送（DoorDash，美股代码 DASH）就是典型案例。
智能体编程工具大幅降低了外卖应用的进入门槛，一名熟练的开发者数周就能推出一款可用的竞品。数十家竞品接连涌现，将 90%-95% 的配送费直接给到骑手，吸引了大批 DoorDash 和优步外卖（Uber Eats）的骑手。多平台管理面板让零工骑手能同时查看二三十个平台的订单，彻底打破了行业龙头的用户锁定优势。外卖市场一夜之间碎片化，企业利润率压缩至近乎为零。
人工智能智能体从两端加速了这场颠覆：既催生了大量竞品，又成为这些竞品的使用者。DoorDash 的护城河本质上是 "你饿了、懒得动，而它就在你的手机主屏上"，但智能体没有 "主屏"
—— 它会同时查看 DoorDash、优步外卖、餐厅官网，以及 20 家新晋的个性化外卖平台，每次都选择配送费最低、速度最快的选项。
对机器而言，支撑 DoorDash 商业模式的核心 ——习惯性的应用忠诚度，根本不存在。
颇具讽刺意味的是，这或许是整个智能危机中，人工智能智能体唯一一次为即将被替代的白领阶层带来好处：当这些白领转行成为骑手时，至少一半的收入不会被优步和 DoorDash 抽成。当然，随着自动驾驶车辆的普及，这份技术带来的 "福利" 也转瞬即逝。
当智能体掌控交易后，便开始追求更高的成本优化目标。
比价和聚合信息的操作空间终究有限，而能持续为用户省钱的最大方式（尤其是当智能体之间开始进行交易时），是取消各类手续费。在机器对机器的交易中，2%-3% 的信用卡交换费率，显然成了首要优化目标。
智能体开始寻找比信用卡更快、更便宜的支付方式，最终大多选择通过索拉纳（Solana）或以太坊二层网络（Ethereum L2s）进行稳定币交易 —— 这类交易结算近乎即时，手续费仅为几美分。
彭博社 2027 年 4 月 29 日消息：万事达卡 2027 年第一季度净收入同比增长 6%；交易额增速从上一季度的 5.9% 放缓至 3.4%；管理层称受 "智能体驱动的价格优化" 和 "非必需品领域需求承压" 影响。
万事达卡 2027 年第一季度的财报，成为行业的转折点：智能体商务从一场产品革新，演变为对底层支付基础设施的重构。财报发布次日，万事达卡股价大跌 9%，维萨（Visa）也同步下跌，但分析师指出维萨在稳定币基础设施领域布局更优，其跌幅随后收窄。
支付体系的变革：传统交易 vs 智能体 / 稳定币交易（当前）
传统交易（100 美元消费）
消费者消费→发卡行（收取返现、利息、运营费，约 1.7%-2.0%）→商户手续费总计 2.5%（2.5 美元），其中：卡组织（维萨 / 万事达）约 0.15%，收单行 / 支付服务商约 0.3%-0.5%→商户最终到账约 97.5 美元。
智能体 / 稳定币交易（100 美元消费）
消费者消费→智能体通过索拉纳 / 以太坊二层网络进行美元稳定币（USDC）交易→总手续费固定约 0.01 美元→商户最终到账约 99.99 美元。
智能体商务绕开信用卡交换费的模式，对以信用卡业务为核心的银行和专业发卡机构构成了远更大的风险 —— 这些机构占据了 2%-3% 交换费的大部分收益，且整个业务板块均建立在由商户补贴支撑的返现计划之上。
美国运通（AXP，美股代码）受冲击最为严重：白领裁员导致其核心客户群体萎缩，智能体绕开交换费又重创其收入模式。随后数周，同步金融（SYF，美股代码）、第一资本金融（COF，美股代码）、发现金融（DFS，美股代码）股价均大跌超 10%。
它们的护城河，由交易摩擦筑成；而如今，摩擦正归于虚无。
从行业风险到系统性风险
2026 年全年，市场仍将人工智能的负面影响视为行业性事件：软件和咨询行业遭受重挫，支付等 "收费站式" 行业摇摇欲坠，但整体经济看似无恙。劳动力市场虽有所疲软，但并未崩盘。市场共识认为，创造性破坏是技术创新周期的必然环节，虽会让部分领域承受阵痛，但人工智能带来的整体净收益将超过负面影响。
而我们在 2027 年 1 月发布的宏观备忘录中指出，这一认知模型存在根本错误。美国经济本质上是白领服务型经济：白领阶层占就业人口的 50%，却贡献了约 75% 的非必需品消费支出。人工智能所冲击的企业和岗位，并非美国经济的边缘部分，而是其核心。
"技术创新会摧毁工作岗位，但最终会创造更多就业机会。" 这是当时最流行、也最具说服力的反驳观点。其合理性源于过去两个世纪的历史经验：即便我们无法想象未来的工作形态，新的就业机会终究会出现。
自动柜员机（ATM）让银行网点的运营成本降低，银行因此开设了更多网点，柜员岗位在随后 20 年里不跌反增；互联网颠覆了旅行社、黄页、实体零售，但也催生了全新的行业，创造了大量新岗位。
但过往的所有新岗位，都有一个前提：需要人类来完成。
如今的人工智能，是一种通用智能，其能力提升的领域，恰恰是人类本可以转向的工作领域。被替代的程序员无法简单转行做 "人工智能管理"，因为人工智能本身已能胜任这一工作。
时至今日，人工智能智能体已能独立完成耗时数周的研发任务。其能力的指数级增长，彻底颠覆了我们对 "技术可能性" 的认知 —— 即便沃顿商学院的教授们每年都试图用新的 S 型曲线模型来拟合这些数据。
人工智能智能体几乎能编写所有代码，其中性能最顶尖的智能体，在几乎所有领域的能力都远超绝大多数人类，且其使用成本还在持续降低。
人工智能确实创造了新岗位：提示词工程师、人工智能安全研究员、基础设施技术人员。人类仍在产业链中，负责最高层面的协调，或基于主观偏好进行决策。但人工智能每创造一个新岗位，就会让数十个原有岗位被淘汰，且新岗位的薪资，仅为原有岗位的零头。
彭博社 2026 年 10 月消息：美国职位空缺与劳动力流动调查（JOLTS）显示，职位空缺数跌破 550 万个；失业人数与职位空缺数之比升至约 1.7，创 2020 年 8 月以来新高。
2026 年全年，企业招聘意愿持续低迷，而 10 月的 JOLTS 数据给出了明确答案：职位空缺数同比下降 15%，跌破 550 万个。
Indeed 招聘实验室 2026 年 11-12 月消息：受 "生产率提升计划" 普及影响，软件、金融、咨询行业招聘职位数大幅下滑。
白领岗位空缺数暴跌，而蓝领岗位（建筑、医疗、手工业）空缺数相对稳定。受冲击的主要是那些撰写备忘录、审批预算、维系经济中层运转的岗位。但无论是白领还是蓝领，2026 年大部分时间实际工资增长均为负值，且持续走低。
股市对 JOLTS 数据的关注度，甚至不及通用电气维诺瓦（GE Vernova）涡轮机产能售罄至 2040 年的消息。在利空宏观数据与利好人工智能基础设施消息的拉扯下，股市横盘震荡。
而债券市场（向来比股市更理性，或至少更少盲目乐观），已开始为消费下滑定价：10 年期国债收益率在随后四个月里，从 4.3% 降至 3.2%。尽管整体失业率尚未大幅飙升，但部分市场参与者仍未意识到就业结构的深层变化。
在常规的经济衰退中，引发衰退的原因最终会自我修正：过度建设导致建筑业放缓，进而推动利率下调，最终刺激新的建设需求；库存过高引发去库存，而后迎来补库存周期。这种周期性机制，本身就蕴含着复苏的种子。
但本轮经济衰退的根源，并非周期性因素。
人工智能负反馈循环：非周期性的颠覆
市场曾直观地认为，总需求下滑会放缓人工智能的发展步伐，但事实并非如此 —— 因为人工智能投资并非超大规模的资本支出（CapEx），而是运营支出（OpEx）的替代。一家原本每年投入 1 亿美元用于员工薪酬、500 万美元用于人工智能的企业，如今将员工薪酬支出降至 7000 万美元，人工智能支出提升至 2000 万美元。人工智能投资呈数倍增长，但其本质是总运营成本的降低：企业的人工智能预算持续增加，整体支出却在收缩。
极具讽刺的是，在人工智能颠覆实体经济的同时，人工智能基础设施产业链却持续繁荣：英伟达（NVDA）营收屡创纪录，台积电（TSM）产能利用率维持在 95% 以上，超大规模云计算厂商每季度仍投入 1500-2000 亿美元用于数据中心资本支出。台湾、韩国等高度受益于这一趋势的经济体，表现大幅跑赢全球市场。
印度则走向了反面。印度 IT 服务行业年出口额超 2000 亿美元，是其经常账户盈余的最大贡献者，也弥补了其持续的商品贸易逆差。这一商业模式的核心价值，在于 "印度开发者的薪资仅为美国同行的零头"。但人工智能编程智能体的边际成本，最终降至近乎电费的水平。2027 年，塔塔咨询服务（TCS）、印孚瑟斯（Infosys）、威普罗（Wipro）的合同取消率大幅攀升。随着支撑印度国际收支的服务贸易盈余消失，印度卢比兑美元在四个月内贬值 18%。2028 年第一季度，国际货币基金组织（IMF）已开始与印度政府进行 "初步磋商"。
这场颠覆的 "发动机"—— 人工智能，每一季度都在变得更强大，这意味着颠覆本身也在不断加速，劳动力市场已无自然底部可言。
在美国，市场的问题早已不是 "人工智能基础设施的泡沫何时破裂"，而是当消费者被机器取代时，依赖消费信贷的经济将走向何方。
人类智能替代螺旋
2027 年，宏观经济的颓势已无需深究数据即可察觉。过去 12 个月里那些看似零散、却明显利空的事件，其传导机制已清晰可见。你无需翻看美国劳工统计局（BLS）的数据，只需参加一次朋友的晚宴，就能感受到这种变化。
被替代的白领阶层并未坐以待毙，而是被迫向下转型：许多人进入薪资更低的服务行业和零工经济，导致这些领域的劳动力供给激增，薪资也随之被压缩。
我们有一位友人，2025 年担任赛富时（Salesforce）的高级产品经理，拥有正式头衔、医保、401k 养老金计划，年薪 18 万美元。在第三轮裁员中，她失去了工作。六个月求职无果后，她开始做优步骑手，年薪降至 4.5 万美元。这个案例的意义，不在于个人遭遇，而在于其背后的连锁效应：将这一情况放大到全美各大城市的数十万白领身上，结果可想而知。大量超资格的劳动力涌入服务行业和零工经济，让本就处境艰难的原有从业者薪资进一步走低。行业性的颠覆，最终演变为全经济层面的薪资压缩。
在我们撰写本文时，这一以人类为核心的就业市场，还将迎来另一重冲击：自动驾驶配送和自动驾驶车辆的普及，正逐步替代那些吸纳了首轮失业白领的零工经济岗位。
2027 年 2 月，一个明显的趋势出现：仍在职的专业人士开始紧缩消费，因为他们担心自己会成为下一个被裁员的人。为了保住工作，他们付出双倍的努力（大多借助人工智能），晋升和涨薪的希望彻底破灭，储蓄率小幅上升，消费则持续疲软。
这一趋势中，最危险的是滞后性：高收入者依靠高于平均水平的储蓄，在两到三个季度里维持着正常消费的表象，直到实体经济的问题已成为既定事实，硬性经济数据才会印证这一趋势。而最终，一份数据打破了这份假象。
美国劳工部 2027 年第三季度消息：首次申领失业金人数飙升至 48.7 万人，创 2020 年 4 月以来新高。
首次申领失业金人数突破 48.7 万，创 2020 年 4 月以来新高。自动数据处理公司（ADP）和益博睿（Equifax）的数据证实，新增失业申领者绝大多数为白领专业人士。
受此影响，标普 500 指数在随后一周大跌 6%，宏观利空开始主导市场走势。
在常规经济衰退中，失业是广泛分布的：蓝领和白领的失业比例，大致与其就业人口占比相当，消费下滑也呈广泛分布状态。且由于低收入者的边际消费倾向更高，消费下滑会快速体现在数据中。
而本轮经济衰退中，失业高度集中在高收入群体：他们虽仅占就业人口的一小部分，却贡献了绝大部分的消费支出。在美国，收入前 10% 的人群贡献了超 50% 的消费支出，收入前 20% 的人群贡献了约 65%。正是这一群体，支撑着房地产、汽车、旅游、餐饮、私立教育、房屋翻新等行业的需求，是整个非必需品消费经济的核心需求基础。
当这些高收入者失业，或为了找到工作接受薪资腰斩时，其引发的消费下滑，与失业人数完全不成正比：白领就业人口下降 2%，可能导致非必需品消费支出下滑 3%-4%。与蓝领失业的即时影响不同（工厂裁员后，下周就会停止消费），白领失业的影响滞后但更深远—— 他们有储蓄缓冲，能在数月内维持消费，而后才会出现消费行为的根本性转变。
2027 年第二季度，美国经济正式陷入衰退。尽管美国国家经济研究局（NBER）在数月后才会正式确认衰退起点（其向来如此），但数据已十分明确：实际 GDP 连续两个季度负增长。但彼时，这还不是一场 "金融危机"—— 至少尚未成为。
环环相扣的关联赌注
2015 年至 2026 年，全球私人信贷规模从不足 1 万亿美元，飙升至 2.5 万亿美元以上。其中很大一部分资金，流入了软件和科技行业交易，包括多笔对 SaaS 企业的杠杆收购（LBO），这些交易的估值均建立在 "营收将长期维持中双位数增长" 的假设之上。
从首个智能体编程工具演示，到 2026 年第一季度软件行业崩盘，这一假设早已不成立，但市场估值却迟迟未反映这一变化。
当上市 SaaS 企业的估值跌至税息折旧及摊销前利润（EBITDA）的 5-8 倍时，私募股权支持的 SaaS 企业，其资产负债表上的估值仍基于早已不复存在的营收倍数。基金经理们只是缓慢下调估值：从 100 美分降至 92 美分，再到 85 美分，而同期上市对标企业的估值仅为 50 美分。
穆迪投资者服务公司 2027 年 4 月消息：因 "人工智能驱动的行业竞争颠覆引发长期性营收逆风"，下调 14 家发行方合计 180 亿美元的私募股权支持软件行业债务评级；为 2015 年能源行业后，单行业最大规模评级下调行动。
所有人都记得此次评级下调后的后果，行业资深人士早已熟悉 2015 年能源行业评级下调后的剧本。
2027 年第三季度，软件行业相关信贷开始出现违约，随后，私募股权组合中的信息服务和咨询企业也相继违约，数笔知名 SaaS 企业的数十亿美元杠杆收购交易进入重组程序。
Zendesk 成为标志性的违约案例。
《金融时报》2027 年 9 月消息：受人工智能驱动的客户服务自动化冲击，年度经常性收入（ARR）下滑，Zendesk 未能满足债务契约要求；50 亿美元直接贷款工具估值跌至 58 美分；创私人信贷行业软件领域最大规模违约纪录。
2022 年，赫尔曼・弗里德曼（Hellman & Friedman）和珀米拉（Permira）以 102 亿美元将 Zendesk 私有化，其债务包中包含 50 亿美元直接贷款 —— 这是当时全球最大的以年度经常性收入为抵押的信贷工具，由黑石（Blackstone）牵头，阿波罗（Apollo）、蓝猫头鹰（Blue Owl）、HPS 均参与放贷。这笔贷款的结构设计，完全建立在 "Zendesk 的年度经常性收入将持续稳定" 的假设之上，其近 25 倍 EBITDA 的杠杆率，也只有在这一假设成立时才合理。
而到 2027 年年中，这一假设已彻底失效。
人工智能智能体已自主处理客户服务业务近一年，Zendesk 所定义的行业赛道（工单处理、服务路由、人工客服交互管理），已被无需生成工单就能解决问题的系统彻底替代。这笔贷款赖以定价的 "年度经常性收入"，早已不再 "经常性"，只是尚未流失的收入而已。
全球最大的以年度经常性收入为抵押的贷款，最终成为私人信贷行业软件领域最大规模的违约案例。一时间，所有信贷部门都在问同一个问题：还有哪些企业，将长期性逆风伪装成了周期性波动？
但市场共识至少在初期是正确的：这场危机本应是可控的。
私人信贷行业并非 2008 年的银行业，其整个架构的设计初衷，就是避免被迫抛售资产：这类产品多为封闭式基金，资金锁定周期长，有限合伙人（LP）的出资承诺期限为 7-10 年，没有挤兑的储户，也没有可被撤回的回购协议。基金经理可以持有受损资产，逐步进行债务重组，等待资产复苏。过程虽痛苦，但尚在可控范围。这套体系的设计，本就是为了 "抗压"，而非 "崩塌"。
黑石、KKR、阿波罗的高管均表示，其资产中软件行业的敞口仅为 7%-13%，处于可控范围。所有卖方研报和金融社交平台的信贷分析账号，都在传递同一个观点：私人信贷拥有永久资本，能够承受那些足以让杠杆型银行破产的损失。
"永久资本"—— 这一短语出现在每一份用于安抚投资者的财报电话会议和投资者信中，成为一句口头禅。而如同大多数口头禅一样，无人关注其背后的细节。其真正的含义是……
过去十年，大型另类资产管理公司纷纷收购人寿保险公司，将其改造为融资平台：阿波罗收购了雅典娜（Athene），布鲁克菲尔德（Brookfield）收购了美国股权保险公司（American Equity），KKR 收购了全球大西洋金融集团（Global Atlantic）。这一模式的逻辑看似完美：年金存款提供了稳定、长期的负债基础，资管公司将这些存款投入自己发行的私人信贷产品，从而实现双重收益 —— 在保险板块赚取利差，在资管板块收取管理费。这是一个 "费上加费" 的永动模型，而其正常运转的唯一前提是：私人信贷资产具备偿付能力。
当这些缺乏流动性的资产，遭遇长期负债端的压力，损失开始体现在资产负债表上。那些本应让体系具备抗风险能力的 "永久资本"，并非抽象的、有耐心的机构资金，也不是承担复杂风险的资深投资者，而是美国普通家庭的储蓄—— 即 "普通大众" 的钱，以年金的形式，投入到如今出现违约的、私募股权支持的软件和科技行业信贷产品中。这些无法被挤兑的 "锁定资本"，本质是人寿保险投保人的资金，而这一领域的规则，与银行业截然不同。
相较于银行监管机构，保险监管机构向来温和 —— 甚至可以说懈怠，而此次危机，成了一记警钟。监管机构本就对人寿保险公司集中持有私人信贷资产的行为心存担忧，如今更是下调了这类资产的风险基础资本（RBC） 计提标准。这迫使保险公司要么增资，要么抛售资产，而在早已陷入流动性枯竭的市场中，这两个选项都无法以合理价格实现。
路透社 2027 年 11 月消息：纽约州、艾奥瓦州监管机构收紧人寿保险公司持有特定私人评级信贷资产的资本计提标准；美国全国保险监督官协会（NAIC）拟上调相关风险基础资本系数，并启动证券估值办公室（SVO）的额外审查。
当穆迪将雅典娜的财务实力评级列入负面观察名单后，阿波罗的股价在两个交易日内大跌 22%，布鲁克菲尔德、KKR 等企业也同步大跌。
事态从此变得更加复杂。这些资管公司不仅打造了保险平台的永动模型，还构建了复杂的离岸架构，通过监管套利最大化收益：美国的保险公司发行年金产品，而后将风险转移至其旗下位于百慕大或开曼群岛的再保险公司 —— 这些地区监管更宽松，对同类资产的资本计提要求更低。这些离岸再保险公司又通过特殊目的载体（SPV）募集外部资金，形成新的交易对手层，与保险公司一同投资于同一母公司资管部门发行的私人信贷产品。
部分评级机构本身就为私募股权所有，其透明度本就不佳（这一点几乎无人感到意外）。不同企业关联不同资产负债表所形成的 "蜘蛛网"，其不透明程度令人震惊。当底层信贷资产出现违约时，谁才是实际的损失承担者，在实时层面根本无法确定。
2027 年 11 月的市场崩盘，让市场认知发生了根本性转变：这场危机不再是普通的周期性下跌，而是一场更棘手的系统性风险。美联储主席凯文・沃什（Kevin Warsh）在 11 月联邦公开市场委员会（FOMC）紧急会议中，将其形容为"一场围绕白领生产率增长的、环环相扣的关联赌注"。
要知道，引发危机的从来都不是损失本身，而是市场对损失的认知。而如今，我们开始为另一个规模更大、也更重要的金融领域感到担忧 —— 市场尚未意识到其潜在损失。
抵押贷款的终极拷问
Zillow / 房利美（Fannie Mae）2028 年 6 月消息：Zillow 房价指数显示，旧金山房价同比下跌 11%，西雅图下跌 9%，奥斯汀下跌 8%；房利美警示，科技 / 金融就业人口占比超 40% 的邮编区域，大额抵押贷款早期逾期率居高不下。
本月，Zillow 房价指数显示旧金山房价同比大跌 11%，西雅图下跌 9%，奥斯汀下跌 8%。这并非唯一的利空消息：上月，房利美发布警示，大额抵押贷款高度集中的邮编区域，早期逾期率大幅上升 —— 而这些区域的借款人，多为费埃哲（FICO）信用评分 780 分以上的优质客户，向来被认为是 "坚不可摧" 的。
美国住宅抵押贷款市场规模约 13 万亿美元，其信贷审核的核心假设是：借款人在贷款期限内，能维持当前的就业状态和收入水平—— 对于大多数 30 年期抵押贷款而言，这意味着三十年的稳定。
而白领就业危机，让这一假设因收入预期的结构性转变而摇摇欲坠。如今，我们不得不提出一个三年前看似荒谬的问题：优质抵押贷款，真的还具备偿付能力吗？
美国历史上的历次抵押贷款危机，均源于三大原因之一：投机过度（如 2008 年，向无力购房的人群放贷）、利率冲击（如 20 世纪 80 年代初，利率飙升导致可调整利率抵押贷款还款压力剧增）、区域性经济冲击（如 20 世纪 80 年代德克萨斯州的石油危机、2009 年密歇根州的汽车行业危机，单一行业崩盘引发区域性经济衰退）。
而本次危机，与上述三者均无关。涉事借款人并非次级贷群体，而是 FICO 评分 780 分以上的优质客户：他们支付了 20% 的首付，信用记录良好，就业经历稳定，贷款发放时的收入经过核实与备案。他们是金融体系所有风险模型中，信贷质量的基石。
2008 年的抵押贷款，从发放之初就存在问题；而 2028 年的抵押贷款，发放时完全合规，只是在发放后，世界变了。人们为一个自己如今已无力企及的未来，背上了债务。
2027 年，我们就发现了隐性压力的早期信号：抵押贷款还款仍正常，但房屋净值信贷额度提取、401k 养老金取出、信用卡负债规模均大幅飙升。随着失业潮来临、企业冻结招聘、奖金取消，这些优质家庭的债务收入比翻倍。
他们仍能偿还抵押贷款，但代价是：停止所有非必需品消费、耗尽储蓄、推迟房屋维护与翻新。从技术层面看，他们的抵押贷款还款仍处于正常状态，但只需再一次冲击，就会陷入违约。而人工智能的能力演进轨迹表明，这场冲击已近在眼前。随后，旧金山、西雅图、曼哈顿、奥斯汀的抵押贷款逾期率开始飙升，而全国平均水平仍处于历史正常区间。
如今，我们已进入危机的最严峻阶段：当潜在买家财务状况良好时，房价下跌尚且可控；但本轮危机中，潜在买家也正遭遇同样的收入损害。
尽管担忧情绪持续升温，美国尚未陷入全面的抵押贷款危机：逾期率虽有所上升，但仍远低于 2008 年水平。真正的威胁，在于趋势本身。
如今，人类智能替代螺旋已拥有两大金融加速器，推动实体经济持续衰退：
劳动力替代、抵押贷款担忧、私人市场动荡，三者相互强化。
而传统的政策工具（降息、量化宽松），仅能作用于金融体系，却无法拯救实体经济 —— 因为实体经济的衰退，并非由金融环境收紧引发，而是由人工智能导致人类智能的稀缺性和价值大幅下降引发。即便将利率降至零，买下市场上所有的住房抵押贷款支持证券（MBS）和违约的软件行业杠杆收购债务……
也无法改变一个事实：一个 Claude 智能体每月仅需 200 美元，就能完成一名年薪 18 万美元的产品经理的工作。
倘若这些担忧成为现实，抵押贷款市场将在今年下半年崩盘。在这一场景下，股市当前的下跌最终将与 2008 年全球金融危机（GFC）持平 —— 从高点到低点跌幅达 57%，标普 500 指数将跌至约 3500 点，回到 2022 年 11 月 ChatGPT 推出前的水平。
明确的是，支撑 13 万亿美元住宅抵押贷款的收入假设，已遭受结构性损害；而不确定的是，政策制定者能否在抵押贷款市场完全消化这一事实前，采取有效干预措施。我们仍抱有希望，但也无法否认利空因素的存在。
与时间的赛跑
首轮负反馈循环出现在实体经济：人工智能能力提升→企业裁员→消费疲软→利润率承压→加大人工智能投资→能力进一步提升。随后，循环蔓延至金融体系：收入受损冲击抵押贷款→银行损失引发信贷收紧→财富效应崩塌→负反馈循环加速。而政府乏力且滞后的政策应对，让这两大循环进一步恶化 —— 坦率地说，政府对此似乎也陷入了迷茫。
- 实体经济：人工智能能力提升→收入遭受永久性损害→企业用工需求减少→白领裁员加剧→失业者消费缩减→企业利润率承压→进一步加大人工智能投资；
- 金融体系：收入受损→抵押贷款与信贷压力加剧→私人信贷违约、保险行业损失→信贷收紧→被迫在流动性枯竭的市场中抛售资产→金融体系崩塌；
- 政策应对：经济结构性变革→税收收入下滑→财政赤字突破 10%→党派争论与游说干预→政策应对不足、转移支付缺位→无法缓解实体经济与金融体系的压力。
危机时间线
- 实体经济颠覆：2025 年 – 2026 年第三季度；
- 金融体系传染：2026 年第四季度 – 2028 年第一季度；
- 政策瘫痪与财政风险：2028 年第一季度至今。
当前的经济体系，本就不是为应对这类危机而设计的。联邦政府的税收基础，本质上是对人类劳动时间的征税：人们工作，企业支付薪酬，政府从中征税。在正常年份，个人所得税和工资税，是政府税收收入的核心。
今年第一季度，联邦政府税收收入较美国国会预算办公室（CBO）的基线预测低 12%：工资税收入下滑，因为就业人数减少且薪酬水平下降；个人所得税收入下滑，因为居民收入遭受结构性损害。生产率虽大幅飙升，但收益全部流向了资本和算力持有者，而非劳动力。
1974 年至 2024 年，劳动力在 GDP 中的占比从 64% 降至 56%—— 在全球化、自动化、劳动者议价能力持续弱化的背景下，这一下降趋势持续了四十年。而在人工智能开启指数级增长的四年里，这一比例进一步跌至 46%，创下历史最大跌幅。
产出依然存在，但不再通过家庭流向企业，这意味着也不再通过美国国税局（IRS）流向政府。经济的循环流正在断裂，而人们期望政府出手修复这一裂痕。
经济循环流示意图：超智能时代前 vs 超智能时代后
与历次经济衰退一样，政府税收收入下滑的同时，支出却在上升。而本次危机的不同之处在于，支出压力并非周期性的：经济自动稳定器的设计初衷，是应对暂时性失业，而非结构性的劳动力替代。
这套体系支付福利的前提，是假设失业者能重新被劳动力市场吸纳，但如今，许多人已无法重返职场 —— 至少无法回到原有薪资水平的岗位。新冠疫情期间，政府曾坦然接受 15% 的财政赤字，但当时所有人都认为这是暂时性的。而如今需要政府支持的人群，并非遭遇一场终将恢复的疫情，而是被持续进化的技术永久替代。
政府正处于一个矛盾的节点：需要向家庭转移更多资金，却同时从家庭获得更少的税收收入。
美国不会发生债务违约 —— 其发行的货币，正是自身的支付手段。但这场压力，已在其他领域显现：市政债券的年内表现出现令人担忧的分化，无所得税的州表现尚可，而依赖所得税的州（多为民主党执政的蓝州）发行的一般责任债券，已开始反映违约风险。政客们迅速察觉到这一趋势，关于 "谁该获得救助" 的争论，已彻底陷入党派对立。
值得肯定的是，政府较早意识到了这场危机的结构性本质，并开始审议两党联合提出的《转型经济法案》（Transition Economy Act）：这一框架计划通过财政赤字和拟议的人工智能推理算力税，为被替代的劳动者提供直接转移支付。
而目前最激进的提案，是《人工智能繁荣共享法案》（Shared AI Prosperity Act）：该法案提议，将智能基础设施的收益纳入公共所有 —— 这一模式介于主权财富基金和人工智能产出特许权使用费之间，其分红将用于向家庭转移支付。而私营部门的说客已向媒体大肆警告，称这一做法将引发 "滑坡效应"。
这场讨论背后的政治博弈，早已在预料之中，而哗众取宠的政治作秀与边缘政策，更是让局势雪上加霜：右翼将转移支付和财富再分配称为 "马克思主义"，并警告对算力征税将让中国抢占技术领先地位；左翼则警示，由行业龙头参与制定的算力税，本质上是另一种形式的 "监管俘获"；财政鹰派强调赤字的不可持续性；鸽派则以全球金融危机后过早实施的财政紧缩为戒。在今年总统大选的背景下，这一分歧正进一步扩大。
当政客们争论不休时，社会结构的撕裂速度，已远超立法进程。
"占领硅谷" 运动，成为民众广泛不满的缩影。上月，示威者连续三周封锁了 Anthropic 和 OpenAI 在旧金山的办公室，高举标语控诉 "智能为王，人类为奴""算法创造财富，却不属于创造者"。警方多次清场，却无法平息民众的怒火 —— 人们并非反对技术进步，而是愤怒于技术红利被极少数人垄断，普通家庭却要承担失业、薪资缩水、资产贬值的全部代价。
很难想象，公众曾对全球金融危机后的银行家恨之入骨，而如今人工智能实验室正试图 "赶超" 这一待遇。而在普通民众看来，这并非毫无缘由。这些实验室的创始人和早期投资者积累财富的速度，令镀金时代都显得相形见绌。生产率激增带来的收益几乎全部流向算力持有者与人工智能实验室的股东，这让美国的贫富差距被放大到了前所未有的水平。
各方都有自己认定的 "反派"，但真正的元凶是时间。
人工智能能力的迭代速度，远超各类社会机构的适应能力。政策应对的节奏受制于意识形态，而非现实。如果政府无法尽快就问题本质达成共识，这场负反馈循环将替他们写下历史的下一章。
智能溢价的消退
纵览整部现代经济史，人类智能始终是稀缺的生产要素。资本向来充裕（至少具备可复制性），自然资源虽有限却可替代，技术迭代的速度也足够缓慢，人类能够从容适应。而智能 —— 分析、决策、创造、说服与协同的能力 —— 是唯一无法被大规模复制的核心要素。
人类智能的固有溢价，正源于其稀缺性。我们经济体系中的每一项制度，从劳动力市场、抵押贷款市场到税收法规，均是为这一前提成立的世界所设计。
如今，我们正亲历这一溢价的逐步消退。在越来越多的工作领域中，机器智能已成为人类智能高效、且持续快速进化的替代品。数十年来，金融体系始终围绕 "人类智能稀缺" 的格局优化适配，如今正迎来全面的价值重估。这场重估过程痛苦、无序，且远未结束。
但价值重估，并不等同于体系崩塌。
经济能够找到新的均衡状态。而抵达这一均衡，是仅剩的少数唯有人类能完成的使命。我们必须做出正确的抉择。
这是历史上首次，经济体系中最高产的核心资产，带来的是就业岗位减少而非增加。现有所有理论框架都无法适配当下，因为没有任何框架是为 "稀缺要素变为充裕要素" 的世界而设计。因此我们必须构建全新的制度体系。能否及时完成构建，是当下唯一至关重要的问题。
但你并非在 2028 年 6 月读到本文，而是在 2026 年 2 月。
标普 500 指数正逼近历史高点，负反馈循环尚未启动。我们确信，部分极端情景未必会成为现实；但我们同样确定，机器智能的发展将持续加速，人类智能的溢价空间将持续收窄。
作为投资者，我们仍有时间评估：自身投资组合中，有多少底层假设，将无法在这十年中存续。
作为社会整体，我们仍有时间主动布局、未雨绸缪。
预警的金丝雀，尚且活着。