人是AI的瓶颈：经济学家Jones谈弱环理论

Charles I. Jones 是美国经济学家，麻省理工学院经济学博士，现任斯坦福大学 STANCO 25 经济学讲席教授。他在 2026 年论文AI and Our Economic Future 里讨论的重点，不只是模型会不会更聪明。Jones 指出了一条更慢、更麻烦的链条：模型可以越来越强，经济却未必马上跟着起飞，因为很多环节仍然由人、组织、制度和物理世界完成。他在摘要里举了一个例子。今天桌面电脑里的晶体管数量，已经大约是 1970 年代最好电脑的一亿倍。可是没有因此变成一亿倍高产。 人只要还在生产链条里，增长就不会只按 AI 模型的速度走。Jones 这篇新文章接着他 2006 年的一篇旧论文The Weak Link Theory of Economic Development。那篇文章讨论的是为什么国家之间会出现巨大的收入差距。Jones 用互补性和产业链接来解释，不能只看某一个单点技术。他举了一个袜子工厂的例子。生产一双袜子，需要原材料、针织机器、健康且受过训练的工人、生产知识、厂房、电力、运输、安全、市场、许可证和贸易安排。任何一个环节出问题，产出都会掉下来。机器再好，没有电也开不了；工人再熟，货出不了港也变不成收入。弱环理论关心这种约束。一个经济体的产出，不只看平均能力，还看那些最低的环节。Jones 在 2006 年论文里写到，中间品在企业收入里的份额大约是二分之一，因此产业之间会形成很大的乘数；再加上传统资本积累的乘数，模型里的总乘数可以达到 2 × 3/2 = 3。小的底层差异，会被互补性和链接放大成大的收入差距。只把一个环节变得无限快，未必能让整条链条无限快。写代码的速度快了，产品定义、销售、合规、客服、组织流程、物理交付还在。研究快了，课题选择、实验设计、伦理审批、临床验证还在。Jones 在 2026 年文章里做了一个很简化的推演。假设弱环参数取 σ = 0.2，如果把今天软件已经承担的那些任务变成无限便宜、无限多，GDP 只会提高大约 2%。原因很简单：软件支出大约只占 GDP 的 2%。这个环节再快，链条里还有别的环节。下一步更反直觉。假设 AI 把所有能在电脑上完成的认知工作都无限自动化，粗略看相当于 GDP 的 50%。在这套弱环模型里，GDP 也只提高 19%。要让人均收入翻倍，需要把 94% 的 GDP 都变成无限自动化。AI 并非没有用，它最终可能非常大。Jones 也承认，如果 AI 和 AI 管理的机器人最后能自动化几乎全部经济活动，增长率可能升到 5% 甚至更高。只是前半段不会像模型能力曲线那样顺滑。模型跑得越快，人类环节就越显眼。软件工程容易让人误判。代码可以交给模型，测试可以让模型跑，补丁也可以让模型写。但真实公司不是一堆 GitHub issue。客户要不要买，生产能不能接，数据能不能用，法务敢不敢放行，预算谁签，出了事故谁负责，这些环节还在。Jones 用自动驾驶解释弱环。2004 年，DARPA Grand Challenge 有 15 辆无人车参赛，没有一辆跑完 142 英里的赛道。跑得最远的一辆，也只走了 7.5 英里。到了 2026 年，Waymo 的无人驾驶车已经在旧金山很容易看到，累计无安全员行驶里程达到 1.707 亿英里，记录显示它比多数人类司机更安全。可问题是，旧金山仍然是例外，不是规则。美国多数地方还叫不到稳定可用的无人车服务。这不是因为AI 自动驾驶不会开车。剩下的都是零碎的环节：天气、长尾场景、传感器成本、计算成本、监管、保险、城市道路、乘客接受度。Jones 写道，在让机器人管理幼儿园教室以前，我们需要很多个 9 的可靠性（ 99.99999999999% ）。2016 年，Geoffrey Hinton 曾说医学院应该停止培养放射科医生，因为 AI 很快会更擅长读片。将近十年后，放射科医生并没有减少，薪酬反而上升。原因在放射科医生做的不只是看影像。AI 自动化了其中一部分任务，剩下的诊断沟通、责任承担和临床协作反而更值钱。很多行业都会经历类似切分。一个岗位包含一束任务。AI 先拿走容易表述、容易评测、容易回滚的部分。留下来的部分，有时更像弱环：它不一定更高深，但更难标准化，更难失败后不付代价。AI 对工资和就业的影响不会是一条直线。有些岗位会被压低价格，有些岗位会因为剩下的弱环更稀缺而变贵。任务会被重新分割，价格会重新落在那些还不能被机器可靠承担的环节上。也有一类 AI 应用，弱环少得多。字节跳动 Seed 团队的 Seedance 是一个例子。按照官方介绍，Seedance 1.0 支持从文本和图片生成多镜头视频，可以输出 1080p 视频；技术报告里还写到，5 秒 1080p 视频的生成时间是 41.4 秒。Seedance 2.0 则把文本、图片、音频和视频都放进统一的音视频生成架构里。视频生成的链路短得多。用户给一句话或一张参考图，模型生成视频，用户决定要不要用。中间没有人参与的部分。越是数字化、可直接验收、失败可回滚、由用户自己承担取舍的任务，AI 越容易绕开人类瓶颈；越接近医疗、教育、交通、金融基础设施和实体生产，AI 越需要人和制度接住。要让整条链更强，需要把大多数弱环补起来；但让整条链断掉，只要切中一个环节。Jones 在结尾写到，软件工程的自动化短期未必带来巨大 GDP 收益，因为其他环节还在；但同样强大的软件能力，可能被用来攻击电网、金融系统，或者帮助坏人设计危险病原体。收益需要经过很多环节，风险却可能只从一个漏洞进入。人是 AI 的瓶颈。更准确地说，人所在的那些位置，是增长从模型世界进入现实世界时必须经过的环节。AI 的进步曲线可以很陡，经济的进步曲线却要经过人、组织和制度。关键在于 AI 能不能让一个原本由人承担的环节，从现实流程里可靠消失。