AI带来智能丰裕｜能否告别现代稀缺性？

这篇是《科技慢半拍》EP112：AI带来智能丰裕｜能否告别现代稀缺性？的文字稿整理版，将节目里的核心框架展开成完整的分析。

引言

我们这个时代，充满了各种拧巴的矛盾。其中有一个非常典型的现象：我们经历了200年工业化，创造了巨大的制造和生产能力，明明可以为地球上每一个人提供住房、食物、水这些基本保障，但无家可归、饥饿、看不起病，却依然像顽固的幽灵一样盘旋在社会上空。

以住房为例，我们的技术和建材完全可以支撑建造足够多的基础住房。但大量资本并没有流向最需要房子的人，而是涌入了高利润的豪华公寓和别墅。结果是房价被投机行为不断推高，普通人越来越买不起房。另一个例子是拉布布——按工厂的生产能力可以无限供应市场，但某些款式却表现出稀缺性，通过二手市场拉高价格。

我们可以把这种现象叫做**“丰裕中的稀缺”**。这跟过去几百年里理解的稀缺性不太一样。过去的稀缺是自然稀缺——黄金、钻石的地球储量很少；鱼子酱、人参、黑松露因食材稀缺而昂贵。但住房、医疗和拉布布，情况就不太一样了。

现代稀缺性的悖论

回顾过去至少两百年的历史，是一部波澜壮阔的”自动化”史诗。自动化就是用机器替代人力。从珍妮纺纱机、瓦特蒸汽机到电力，再到内燃机、半导体、计算机芯片，每一次技术飞跃都把人类从繁重的体力劳动中解放出来。

美国农业是一个教科书级别的例子：1910年到1960年，拖拉机系统性地取代了马匹和大量人力，农业生产效率极大提升。自动化，本质上是用资本（机器）去替代劳动力。随着技术发展，自动化开始渗透到更复杂的领域，甚至进入”新思想的生产”——学术论文的自动处理、从海量数据中寻找规律、基因测序、探索化学反应。

这就让今天的问题显得更加奇怪了。既然我们如此擅长用技术来克服稀缺，为什么在物质生产能力空前发达的今天，我们反而面对着一种全新的、看似矛盾的”丰裕中的稀缺”呢？

为了理解这个现象，我们需要引入一个新词：“现代稀缺性”，或者叫”系统性稀缺”、“人为稀缺”。

现代稀缺性，指的不是我们真的缺少物质或技术。恰恰相反，它描述的正是：在拥有充足生产能力来满足每个人基本需求的情况下，那些本不该存在的社会问题——无家可归、饥饿、医疗不足——却依然顽固存在的这种矛盾现象。

“现代稀缺性”的根源，不在于物质，而在于系统。 它是一种”协调失灵”。我们有能力生产，但没能有效地协调好生产和分配。更要命的是，我们的协调系统本身还在不断地制造和强化这种稀缺。

答案，藏在”利润动机”里。

我们今天依赖的市场协调机制，在工业时代取得了巨大成功。但它有一个内在要求：利润的实现，必须依赖于稀缺性的维持。

当一种商品变得过于廉价、供应过于充裕时，它的利润空间就会被急剧压缩。如果房子多到人人都能免费分一套，房地产的价值就会瞬间崩溃。所以，对于市场中的理性参与者来说，人为限制供应是一种非常理性的商业策略。

学者们把这种行为叫做**“人为稀缺工程”**：通过”专利”关口让仿制药很难生产从而维持高药价；通过”计划报废”故意让产品几年后就坏掉逼你买新的；通过”囤积供应”在关键时刻控制商品流向市场以抬高价格。

对于单个公司这些都是”理性”的，但从整个社会看是次优的，甚至是有害的。更深层的问题是：市场系统优化的是”有效需求”（有金钱支撑的需求），而不是真正的人类需求。 一个没有购买力的饥饿者，在市场的计算公式里几乎”等同于不存在”。

除了利润动机，市场协调机制还带来了其他系统性缺陷：

系统性不平等：市场根据有效需求配置资源，必然导致没有购买力的人被系统性排除在外
外部性：市场无法为没有价格的东西（干净的空气、生态可持续性）定价，工厂可以通过污染河流来降低成本，把代价附加到整个社会
短视的时间跨度：资本总是追求最快回报，导致需要长期投入的基础科学研究、跨代际基础设施建设很难获得足够支持

市场和计划双双失灵

我们人类这么聪明，难道就没人想过如何解决”现代稀缺性”问题吗？经济社会中，人类使用两个工具来试图解决有效协作和分配的问题：市场经济和计划经济。

市场最大的功劳，是用极其巧妙的办法解决了”计算问题”——要为整个城市的人提供早餐，需要协调农民种小麦、卡车司机运输、仓库储存、面包师烘焙、咖啡店采购……没有任何组织能实时掌握所有这些信息并做出最优安排。市场用”价格”解决了这个问题——一个极度浓缩的信息，让成千上万的生产者和消费者不需要开会，只需看着价格信号各自做出决策，整个系统就好像有一只看不见的手在引导。

哈耶克认为，市场的精妙不在于它有多高效，而在于它可以在大家对全局都一无所知的情况下依然良好运转。

然而，市场带来的，正是我们刚才谈到的”现代稀缺性”的背后原因。

那计划经济呢？20世纪的苏联搞了一场规模宏大的中央计划实验：不要价格信号了，直接通过官僚指令来协调全国的生产和分配。结果以”灾难性的失败”收场。

失败的根源，又回到了”计算问题”上。身在莫斯科的规划官员，不可能实时了解全国几亿人的具体需求和偏好，也不可能知道成千上万种商品的生产状况。就算拿到了这些信息，等处理完，情况早就变了。

更要命的是，官僚体系内部激励机制完全错乱。苏联官员的首要目标是职业晋升，而不是社会效益最大化。于是出现了”奖励黑客行为”：工厂厂长为完成生产指标，系统性谎报产能和资源需求——要10吨钢材报20吨，能生产80台拖拉机报100台。整个系统的信息都是腐败的，计划无法反映真实情况，最终导致系统性僵化和物资短缺。

计划经济的失败，揭示了人类智能在处理超大规模复杂系统时的局限性。市场之所以在当时胜出，是建立在一个没有明说的假设之上：人类的智能和计算能力，是一个固定的约束。

但随着人工智能的崛起，这个”固定约束”的假设，正在被从根本上动摇。

AI带来智能丰裕

在我们人类社会运行的所有成本里，有一项隐形但非常巨大的开销，叫做**“协调成本”**。小到组织一场聚会，大到管理国家经济，本质上都是在做协调：收集信息、分析情况、做出决策、传达下去。这个过程的瓶颈，就是人类有限的认知能力和信息处理速度。

现在，人工智能的出现，正在让智能、分析、决策这些过去极其昂贵的核心资源，变得前所未有的廉价和充足。这不只是效率提升，而是一种基础性的转变——就好比，过去水是按滴卖的，现在突然有了一条奔腾不息的大河。

支撑这个”智能丰裕”时代的有四个关键支柱：

第一：计算能力的爆炸。现代AI系统能处理的信息规模比人脑高出好几个数量级。几十个交通调度员呕心沥血也只能协调一个城市的交通，但AI可以同时协调数百万个生产节点，连续不断地优化，同时追求效率、可持续性和公平性。

第二：完美信息的获取。过去企业CEO或国家领导做决策，都依赖层层上报的信息，充满延迟、扭曲和谎言。现在，通过遍布各处的物联网设备，AI可以直接拿到”地面真相”数据——仓库里还剩多少货、哪条产线停了、哪个地区消费者突然开始喜欢某种口味……AI都能实时掌握。

第三：无价格的偏好推断。传统市场经济通过价格信号推断需求：你愿意花钱买，说明你需要。但这个系统只能听见有钱人的声音。AI不一样——它可以通过你在社交媒体上的抱怨、你免费观看的内容、你家的居住环境、你的健康状况等无数渠道，推断出你”真正”的需求，而不仅仅是你的”购买力”。资源分配的目标，从满足”购买力”，转向了满足”真实需求”。

第四：适应性学习。传统计划一旦制定就非常僵化，很难应对突发状况。AI系统是动态的——任何意外（供应链中断、消费者口味突变），对AI来说都不是灾难，而是学习机会。它把意外作为新数据输入，迅速调整整个系统运行。协调周期从几年缩短到几天甚至几个小时。

这四项能力共同克服了传统协调的所有核心挑战：信息失真、算力有限、需求误判和反应迟钝。它们的协同作用，使”智能”的成本趋近于零成为可能。

随着这些能力的成熟，“市场经济 vs 计划经济”的经典辩论变得过时了。在纯粹的市场和僵化的计划之外，我们面前出现了第三种选择：通过算法优化实现去中心化协调。

基于这种可能性，学者们提出了三种有趣的新型社会架构：

算法丰裕管理：在住房、食物、医疗这些标准化的基本服务领域，用AI优化完全取代市场协调。目标不是追求利润最大化，而是直接优化”足够性”——确保每个人都能获得足够的基本物资，消除人为制造的稀缺性。

混合计划-市场系统与民主治理：在战略层面，由人类通过民主审议的方式设定长远的文明目标；在技术层面，AI负责动态模拟可行路径并进行实时运营协调。这实现了一种”手段上的技术官僚，目标上的民主”。当然，这面临深刻挑战：谁来定义”文明目标”？AI决策如何保持透明无偏见？如果AI的”最优解”与人类短期价值观冲突，权力如何平衡？

演化稳定丰裕架构：不替换现有市场，而是利用AI改造市场。核心武器是用AI消除信息不对称，从而改变整个市场的博弈论均衡。在完全透明的市场里，如果一家公司想通过限制供应来抬高价格，AI会让所有消费者瞬间知道并立刻匹配到更便宜的替代品——搞垄断、搞信息差就变得无利可图。最终可能实现一个理想状态：利润最大化，就等于丰裕最大化。

丰裕工程学

那我们是不是直接就会进入那个任何问题都能被超级AI解决的美好未来呢？

现实是，我们正站在一个文明的十字路口，面临着一个极其深刻，甚至有点残酷的选择。这个选择不是关于技术本身，而是关于我们自己：

我们是打算用这种几乎免费的、充裕的智能，来精心协调和创造一个所有人都能繁荣丰裕的社会？还是用这种强大的智能，去设计一个更加复杂、更加难以撼动的人为稀缺性系统？

这个选择之所以紧迫，是因为AI正在从根本上改变游戏规则。它标志着一个经济学范式的巨大转变：

过去几千年的历史上，人类社会所有经济活动几乎都围绕着”稀缺性”展开。资源是有限的，机会是有限的，所以我们需要市场、价格、竞争来决定谁能得到什么。这套逻辑——“稀缺经济学”——已经深深刻在了我们的文化和制度里。

但现在，AI提供了一种近乎无限的协调能力和计算能力。我们第一次在技术上拥有了实现”普遍丰裕”的手段。这时候，我们面临的不再是如何分配稀缺资源的问题，而是一个全新的工程学问题：如何设计一个系统，去管理和分配这种丰裕。 这就是从”稀缺经济学”到**“丰裕工程学”**的转变。

如果继续沿着”稀缺经济学”这条老路走下去，可能出现一个相当黯淡的景象：AI这个强大的工具，非但没有成为解放人类、促进普遍福祉的引擎，反而可能变成一个极其高效和精密的”稀缺性工程机器”——更精准地计算如何维持某种资源的稀缺性以让利润最大化；更高效地把人分为”有价值的”和”无价值的”，并固化这种分割。最终导向的，可能不是充满战争和混乱的反乌托邦，而是一个秩序井然、技术高度发达，但道德上极度贫瘠的冰冷世界。

所以我们需要一场深刻的制度和价值观重构：

制度目标的改变：从用价格信号排斥穷人，转向用算法和数据优化协调、把所有人都包含进来
消除人为稀缺：对于最基本的生活必需品，应该考虑彻底移除利润的要求
规划视野的延伸：从只看季度财报，转向能够进行跨越世代并适应变化的长远规划
内置外部性成本：把环境破坏的代价、社会不平等的长期影响重新计算并内置到经济决策中

当然，技术上也不是一帆风顺的。“鲍莫尔效应”指出，即使AI再强大，整个经济的增长速度仍可能被那些很难被技术改进的领域拖后腿——护士的关怀、老师的启发、手工艺人的创造。面对这种挑战，思路不应该是放弃这些”薄弱环节”，而是利用AI强大的协调能力，去更好地管理和支持这些领域，确保基础的、人性化的服务能够得到保障。

总结

归根结底，实现丰裕未来的关键，已经不在于AI技术本身了。AI已经帮我们解决了最困难的计算和协调难题。我们真正缺乏的，是那种愿意去构建新制度架构的政治意愿，是那种敢于把现有的生产能力、AI的协调智能和庞大的传感器网络整合起来，去服务于人类共同繁荣而不是持续剥削的集体意志。

这变成了一种道德上的必然。这，才是我们这个时代最伟大的工程挑战：

不是AI能做什么，而是我们选择让AI去做什么。

当我们拥有提供普遍丰裕的一切手段时，为什么我们选择了继续维护人为的稀缺？这个选择，将定义我们是谁，也将决定文明的走向。