19 min read

我算了算 OpenAI 的产业政策,发现根本算不过来

原文标题:I Did the Math on OpenAI’s Industrial Policy (None of it Adds Up)
原文链接:https://x.com/EMostaque/status/2041924947035963673
作者:Emad Mostaque
说明:以下为中文翻译整理版,尽量忠实原意,同时做了少量中文表达优化,方便阅读。

OpenAI 在 2026 年 4 月发布的政策文章《Industrial Policy for the Intelligence Age》,提出了一个正确的问题:当机器开始具备思考能力时,人类会发生什么?它指出的问题是真实的,它主张需要雄心勃勃的政策干预,这个直觉也是对的。

我同意这一点。两年前,我离开 Stability AI,不再做前沿模型本身,转而创办 Intelligent Internet,专门去思考这个问题的答案。《The Last Economy》已经给出过一个框架。但任何想认真应对这个转型的方案,都必须先把数学算清楚。

对于一家一向以技术严谨自居的公司来说,这篇政策文令人意外地缺乏任何真正的算术支撑。没有成本测算,没有融资机制,没有时间表。OpenAI 现在不是在做早期探索,它是在游说国会,在通过 Stargate 建设 5000 亿美元基础设施,并在向接近一万亿美元估值的 IPO 靠近。文章自己也点出了问题本身:“经济收益可能集中在少数几家像 OpenAI 这样的公司手中。” 可它给出的解法,却远远不足以应对这个问题。

Sam Altman 在 2025 年 7 月对美联储说,客服工作“会彻底、彻底消失”。Dario Amodei 也警告,AI 可能在五年内干掉一半的入门级白领岗位。但 Anthropic 在 2026 年 3 月的研究却说,AI 对就业的影响目前“几乎无法与零区分”。OpenAI 这篇文章一边强调冲击的紧迫性,一边又想用“整个经济增长带来的收益”去为方案买单。这两件事不能同时成立。

太长不看版

  • 岗位替代不是假设,而是正在发生。一个美国呼叫中心员工每年总成本约 6 万美元,GPT-5.4 Mini 做同样工作只需 675 美元。今天的成本比已经是 89:1,未来还可能走向 9000:1。Anthropic 自己的数据也表明,70% 到 96% 的认知型工作任务,在理论上都可被自动化。目标市场是美国每年 10 到 11 万亿美元 的知识工作者薪酬,也就是超过三分之一 GDP 的那部分。
  • 公共财富基金就算很乐观,也只能给到每个成年人每月 167 美元。一个要花 34 年 才能积累到 10 万亿美元 的基金,最后每个月发 167 美元,而岗位替代高峰大概率在第 7 年就到来。基金在第 34 年才成熟,这不是应对危机,而是在危机过后一代人发安慰奖。
  • 税基会塌。美国联邦财政收入中,84% 依赖劳动相关税收。如果想靠所谓 robot tax 补回来,税率得达到 AI 系统运行成本的 408% 到 1360%。而企业所得税也很难指望,因为像 OpenAI 这种刻意维持高额亏损、追求规模和权力而不是利润的公司,本来就不缴企业所得税。
  • 这些提案会集中权力,而不是分散繁荣。一个没有民选治理结构的 10 万亿美元基金,只会让公民成为那些正在替代他们工作的公司的小股东,却对这些公司没有治理权。

一、岗位替代的算术

那就按 Altman 自己的话来算。今天,用 OpenAI 自己的产品、按 OpenAI 自己的价格,替代一个人类到底要多少钱?

一个美国呼叫中心员工的年总成本,大概是 6 万美元,这里面包括工资、福利、工资税、管理成本、培训、流失成本和办公空间。OpenAI 的 GPT-5 在 Sierra Research 的 τ²-bench 客服基准上已经拿到大约 97%,而 2024 年 GPT-4o 还不到 50%。它不只是追平人类,而是在首次解决率、政策合规和一致性上都更强。

那替代成本是多少?

一个客服人员一年大约处理 12500 次交互,每次交互大概包含 3000 个输入 token、1500 个输出 token,以及 10000 个推理 token。总计大约 1.81 亿 token。

如果用 GPT-5.4 Standard:

  • 输入 3750 万 token × 每百万 2.5 美元 = 94 美元
  • 输出和推理 1.4375 亿 token × 每百万 15 美元 = 2156 美元

替代一个客服人员的年成本大约是 2250 美元。

也就是:

6 万美元 vs 2250 美元,成本比约 27:1。

而且 token 成本还是企业可抵税支出,没有工资税、没有福利、没有病假、没有 HR 管理。

如果换成主要处理标准化流程的 GPT-5.4 Mini:

  • 输入成本 28 美元
  • 输出和推理成本 647 美元
  • 年成本总计约 675 美元

也就是:

6 万美元 vs 675 美元,成本比 89:1。

Altman 自己还说,这只会继续恶化。2025 年 2 月他写过,AI 成本每年下降 10 倍。2026 年 1 月他又预测,到 2027 年底,GPT-5.2 级别的智能会便宜 100 倍。即使他只说对一半,Mini 的年成本也会掉到 7 美元以下。7 美元替代一个 6 万美元岗位,就是 9000:1。

客服并不是特例,它只是矿井里的金丝雀。

Anthropic 2026 年 3 月基于真实 Claude 使用数据做的劳动市场研究,覆盖 800 多种职业,发现客服岗位已经有 70% 的任务在现实工作流里被 AI 覆盖。程序员是 75%。但更重要的是,Across all cognitive work,AI “理论上能做的”和“现实中已经在做的”之间还存在巨大缺口。

这意味着,真正的大规模替代还没完全发生。

美国知识工作者每年的总薪酬大约在 10 万亿到 11 万亿美元,超过美国 GDP 的三分之一。而这些人,恰恰集中在那些 理论上 80% 到 96% 可被 AI 覆盖 的岗位里。与此同时,到 2025 年第四季度,美国劳动收入占总产出的比重已经跌到 53.8%,是 BLS 自上世纪 40 年代开始统计以来的最低值。这种下降从 90 年代后期开始,跨越多个经济周期都没有恢复。AI 不是在攻击边缘岗位,它攻击的是经济里最大、薪酬最高、纳税能力最强的那一块。

“护理经济”这个缓冲区,可能根本接不住人

OpenAI 的文章把护理经济当作大量被替代劳动者的“落脚点”。逻辑是:人类连接是机器无法复制的,所以护理和照护工作会保留价值。但这篇文章从头到尾都没有认真算过,这个落脚点到底能不能容纳这么多人。

现实数据大概是这样:

美国护理相关岗位总量大约 1100 万,包括托儿、家庭护理、护理助理、K-12 教师、社工等。而根据 OpenAI/UPenn 那篇著名研究,任务暴露度超过 50% 的岗位人群大约有 2500 万。就算只假设其中 30% 在十年内真的被替代,也意味着会有 750 万人 需要新的出路,相当于让整个护理经济规模一下子膨胀 69%。

问题来了:

  • 家庭护理类岗位年薪通常只有 3.5 万美元
  • 被替代的知识工作者年薪通常是 6.5 万到 8.5 万美元

如果要把这批人塞进护理经济,要么他们接受 46% 到 59% 的降薪,要么政府每年掏大约 3000 亿美元补贴 去填工资缺口。OpenAI 的文章只说要“鼓励雇主提高工资和改善条件”,但没有说钱从哪来,也没说机制怎么设计。

而更深的问题在于,护理经济本身也不是安全区。

护理工作里有大量行政性支撑环节:排班、文书、账单、合规、入院流程处理,这些往往占据护理工作者 30% 到 50% 的时间。AI 最先吞掉的,就是这些部分。于是剩下来的“纯护理”角色,不再是完整职业,而变成一个更零散、更兼职、更低薪的残余岗位。

如果你把人类工资降到 0,会发生什么?按作者的算法,一个客服岗位 6 万美元年成本里,大约 2 万美元其实不是工资,而是管理、培训、办公、流失、排班和纠错等 overhead。就算人一分钱不拿,这 2 万美元 overhead 依然存在,而 AI 成本只有 675 美元。

也就是说,哪怕免费劳动,在很多流程里也比 AI 贵 30 倍。

这不是“人类效率差一点”的问题,而是:在某些工作流里,人类的存在本身已经构成负价值。

作者认为,深度关系型照护暂时还没到这个阶段,比如安抚老人、识别儿童情绪、陪伴家庭处理哀伤等。但护理经济周边那层行政骨架已经非常脆弱。

如果再考虑供需关系,结论更残酷。几百万知识工作者涌入护理行业,工资自然会被压到最低工资附近。到 500 万新增进入者时,护理岗位工资可能已经被打到接近最低工资线;到 750 万时,甚至仍有 250 万人吸纳不进去,直接失业。

换句话说:

护理经济不能成为 AI 替代的安全阀,除非接受巨额工资补贴,或者接受所谓“转向以人为中心的工作”,本质上只是“转向贫困工资”。

二、效率红利和税基塌陷

OpenAI 的文章提出,AI 带来的效率提升可以换来更短工时、更好的福利,甚至推行 32 小时四天工作制、工资不降。

问题是,这需要什么前提?

32 小时拿 40 小时工资,意味着必须把 100% 的产出压缩进 80% 的工时里。也就是:

  • 单位工时产出需要达到现在的 1.25 倍
  • 隐含前提是整体劳动生产率要提升 25%

而现实是什么?

  • 美国 2007-2019 年劳动生产率年均增长约 1.4%
  • 2019-2025 年疫情后约 2.1%

按这种速度,要达到 25% 的提升,大约要 11 到 17 年。

Acemoglu 更悲观,他在 NBER 的论文里估算,AI 带来的特定生产率增幅大约每年只有 0.05%。按这个数,达到 25% 要 500 年。

更尴尬的是,OpenAI 自己拿来宣传的企业案例也不支持四天工作制。

它在 2025 年 12 月那份《企业 AI 现状报告》里,说 ChatGPT Enterprise 用户平均每天节省 40 到 60 分钟。放到 8 小时工作日里,也就是 8% 到 12% 的效率提升,连四天工作制需要的 25% 都差了一半。

所以这里的问题不是方向对不对,而是:

“效率红利”现在根本还没有大到足以分配。

更重要的是,AI 提升并不是均匀分布的。高度可替代的知识岗位,可能确实能实现 25% 以上的效率提升;但建筑、管道、育儿、农业、制造业一线等岗位,AI 带来的提升可能仍然只有个位数。

于是四天工作制最后可能变成什么?

变成高暴露知识工种的福利,而不是全社会共享繁荣的机制。

但作者认为,更深的问题是税基。

美国联邦收入里:

  • 个人所得税占 51%
  • 工资税(社保和医保)占 33%

合计下来,84% 的联邦收入都依赖劳动相关税收。

企业所得税只有 9%。所以,一旦 AI 替代劳动,大幅蒸发的不是一小块税基,而是联邦财政的五分之四。

OpenAI 的文章提到,可以提高资本利得税、企业所得税,或者对自动化劳动征税,也就是 robot tax。

问题是,robot tax 根本算不过来。

作者举例:一家公司替换 100 个呼叫中心员工。

  • 原先薪资税基:100 × 6 万 = 600 万美元
  • 工资税大约 15.3%,即 91.8 万美元
  • 如果改用 GPT-5.4 Standard,AI 年成本只要 22.5 万美元

那么,为了把失去的 91.8 万工资税收补回来,robot tax 需要达到:

91.8 万 / 22.5 万 = 408%

如果用更便宜的 GPT-5.4 Mini,这个税率甚至会高达 1360%。

也就是说:

仅仅为了补工资税缺口,机器人税就得是 AI 运行成本的 4 倍到 13 倍。

这在算术上是不可能成立的。

而企业所得税也没法救场。因为 AI 行业正在主动消灭“利润”这个概念。OpenAI 2025 年收入 130 亿美元,但烧掉了 80 亿现金;2026 年内部预测是收入 290 亿、亏损 140 亿;到 2029 年累计亏损预计 1150 亿美元。这种公司不会缴多少企业所得税,因为它们根本不以利润最大化为目标,而是把利润转成算力支出、基础设施投入和低价 token 销售,用来抢市场和扩大控制力。

作者的判断很狠:

智能时代,经济正在从追求利润转向追求权力,从 margin 转向 throughput,从可征税利润转向可抵税运营支出。

如果是这样,那你既失去劳动税基,也失去企业税基。

三、公共财富基金真的有用吗?

OpenAI 这篇文章最核心的提案,是建立一个 Public Wealth Fund,让每个公民都能分享 AI 带来的经济增长。

这个想法并不新,阿拉斯加永久基金、挪威主权财富基金、各种 sovereign wealth fund 方案都存在很多年了。真正的问题永远只有两个:

  1. 启动资金从哪来?
  2. 规模要多大,才真的有意义?

作者按美国成年人约 2.67 亿人 来算。如果希望每个成年人每年发 2000 美元,也就是大概阿拉斯加永久基金好年份的量级,那么每年就要分配 5340 亿美元。

按不同回报率推算:

  • 年化 7%:基金规模要 7.6 万亿美元
  • 年化 5%:基金规模要 10.7 万亿美元
  • 年化 4%:基金规模要 13.4 万亿美元

而挪威那个全球最大的主权基金,现在也只有约 2.2 万亿美元,而且是花了 30 年石油收入 才积累出来的。

也就是说,要给每个美国成年人每年发 2000 美元,美国需要一个规模是挪威基金 3.5 到 6 倍 的超级基金。

可就算你真建起来了,它每个月发多少?

167 美元。

半周杂货钱差不多。

更要命的是时间线。

如果每年往里注资:

  • 500 亿美元,需要 45 年 才到 10 万亿
  • 1000 亿美元,需要 34 年
  • 2000 亿美元,需要 24 年

而 AI 的岗位替代高峰,按 Anthropic 那些数据和 OpenAI 自己的紧迫感表述,大概率会在十年内到来。

这意味着,基金成熟是在 第 34 年,而危机发生在 第 7 到第 10 年。

所以作者说得很直接:

这不是给被替代者的方案,而是给他们孙辈准备的养老金。

而且,这个基金还有一个更深层的问题:它根本不改变权力结构。

如果基金投向 AI 公司,那要想做到 10 万亿规模,它必须持有当下整个 AI 生态大约 45% 的市值;如果只持有 14%,那就要求这些公司总市值膨胀到 71 万亿美元。无论哪种情况,真正控制技术基础设施的,依然是这些公司本身。

公民拿到的只是分红支票,而不是控制权。

智能时代真正的生产资料不是股票,而是:

  • 训练数据
  • 算力基础设施
  • 模型权重
  • 推理管线

这些东西的控制权并不通过股票证书体现,而通过访问权限、API 定价、服务条款、训练方向决定。一个公共基金就算持有一点股份,也无法决定模型价值观、无法限制 API 改价、无法控制哪些岗位被替代、无法决定哪些部署该被禁止。

所以作者说得很形象:

这看起来像“共享所有权”,实际上只是“拿着别人的发动机分一点股息”。发动机仍然在私人手里。

更糟糕的是,这个基金会变成一个陷阱:

  1. 它会被迫成为 AI 产业链的买方,推高那些正在替代劳动者的公司的估值。
  2. 一旦政府相关基金重仓这些公司,它们就变成“大到不能倒”,监管和拆分都更难。
  3. 基金依然是小股东,真正的控制权仍在原来的大股东和管理层手里。
  4. 连 OpenAI 自己那个专门为“人类利益优先”设计的 nonprofit 董事会,都没能阻止公司向 for-profit 转型,那你凭什么相信一个更庞大、更分散的 10 万亿美元基金治理结构能约束权力?

这套结构最后会导向什么?

作者的结论是,这不是共享繁荣,而是在搭建一种新的技术封建主义:

  • 少数 AI 公司控制“认知层”
  • 一个政府相关基金控制“资本层”
  • 审计体系负责监控两者之间的运行
  • 普通人拿到股息、也许拿到更短工时,但既不拥有核心资产,也不掌握治理权

社区承担数据中心的耗电和外部性,税收被减免,工作岗位却少得可怜。所谓“公众参与机制”,只是由被监管公司自己设计好的反馈通道。

于是,最终结构就变成:

  • 领主拥有智能
  • 王权拥有资本
  • 平民拿津贴换顺从

文件里反复说要“把人放在第一位”,但真实结构却是把人放在最后一位:最后知道,最后决定,最后受益。

最后的结论:善意目标,封建结构

作者最后的裁决很明确。

OpenAI 这篇政策文想要的是一个“AI 放大人的目的,而不是替代人”的未来,希望丰裕是 feature 而不是 bug。但按它现在的提案路径,最终建出来的更可能是另一套系统:

  • 少数公司掌控认知基础设施
  • 政府相关基金掌控资本层
  • 审计体系监控二者
  • 公民收到分红,但对系统没有治理权

这不是民主化的智能时代,而是:

Digital Feudalism with a welfare cheque。

一边发救济支票,一边把权力进一步集中。

作者认为,这篇文章里有些直觉是值得保留的,比如:

  • 可携带福利
  • 适应性安全网
  • 工人发声机制
  • 以及“AI 转型必须配套雄心政策”的总体判断

这些方向没有问题,问题在于它们现在没有结构性的牙齿。

真正需要修正的是:

  • 公共财富基金必须有民主治理结构
  • 不能只做少数股权持有,而应当追求控制性持股或源头性租金捕获
  • 税制应优先对累积财富存量而不是生产性流量征税
  • 护理经济根本吸纳不了 OpenAI 设想规模的被替代劳动者

作者最后提出了一个最重要的问题,所有提案都应拿它来检验:

谁拥有权力,以及他们如何被问责?

OpenAI 的价值观和它提出的制度设计之间之所以会出现巨大落差,不一定是虚伪,而更像是一个可预期后果:

如果你设计制度时不认真面对权力结构,制度最终就会自动服务于握有权力的人。

所以,修补方式不是简单否定这些提案,而是从底层重建:

不是把民主治理当成补丁,不是当成“公众意见输入”,而是当成整个架构真正承重的那一层。

未来的算术不会变,真正决定我们走向哪种未来的,是制度架构本身。