凱因斯算對了財富，算錯了人性：AI 時代的經濟可能性
1930 年大蕭條中，凱因斯預言百年後人類每週只需工作 15 小時。96 年過去，GDP 遠超預測，工時卻幾乎沒降。史丹佛博士後研究員 Gabriel Unger 在《數位主義者文集》向凱因斯致敬，重新追問：如果 AI 讓生產力再次飆升，我們會做出不同的選擇嗎？他的答案出人意料：問題不在工作太多，而在矽谷的 AI 願景讓所有人害怕。
本文為 AINEXT「數位主義者文集」導讀系列 #V2-13。原文為 Gabriel Unger 發表於 The Digitalist Papers Volume 2 的〈Economic Possibilities for Artificial Intelligence〉。
96 年前的預言
1930 年，全球正陷入大蕭條的泥沼。失業率飆升，銀行接連倒閉，經濟學家們忙著計算損失的規模。但約翰．梅納德．凱因斯（John Maynard Keynes）做了一件出人意料的事：他寫了一篇關於樂觀的文章。那篇文章叫〈我們孫輩的經濟可能性〉（Economic Possibilities for our Grandchildren），預測百年後的 2030 年，人類的物質生活水準將提高四到八倍，每個人每週只需要工作十五個小時。在當時那個黑暗的年代，這聽起來像天方夜譚。但凱因斯的信心來自對複利的理解：只要技術進步持續推動生產力成長，財富的累積會呈指數級加速。
96 年過去了。凱因斯對財富的預測基本應驗：美國的人均 GDP 大約成長了五到六倍，落在他預測的四到八倍區間內。但他對工時的預測徹底失敗了。美國人的平均每週工時從 1930 年代的約 47 小時降到了今天的約 38 小時，降幅大約兩成，離十五小時差了一整個宇宙。我們比凱因斯想像的更富有，卻幾乎沒有因此少工作。
這個預測的一半精準、一半落空，構成了經濟史上最耐人尋味的謎題之一。凱因斯搞錯了什麼？答案似乎指向人性。學者們歸納了幾個原因：消費偏好戰勝了休閒偏好（人們賺更多之後不是買時間，是買更多東西）、位置性競爭（你繼續工作不是為了生存，是為了在社會階梯上不滑下去）、以及深植西方文化的工作倫理（閒著不做事會讓人焦慮，不管帳戶裡有多少錢）。凱因斯算對了技術進步的速度，卻低估了人類對工作的執念。
Gabriel Unger 在《數位主義者文集》（The Digitalist Papers）第二卷發表的文章，標題就叫〈Economic Possibilities for Artificial Intelligence〉，一字不差地致敬凱因斯。他把同樣的問題搬到 AI 時代重新追問：如果 AI 讓生產力再次飆升，這次會不同嗎？但他的答案比你想像的更有意思。他不覺得問題出在「工作太多」，而是出在矽谷正在推銷的那個 AI 願景，讓絕大多數人感到害怕而非興奮。
哈佛博士加耶魯法學博士
Unger 是史丹佛大學數位經濟實驗室（Stanford Digital Economy Lab）的博士後研究員，也就是艾瑞克．布林優夫森（Erik Brynjolfsson）創辦並主持的那個實驗室。他在哈佛大學拿了經濟學博士學位（2023 年），同時擁有耶魯法學院的法學博士，大學也在哈佛念。他的研究聚焦在總體經濟學，特別是技術變遷如何改變生產力成長的機制、產業集中度的上升，以及商業週期的轉型。
在《數位主義者文集》的作者群中，Unger 大概是最年輕也最不知名的一位。沒有諾貝爾獎光環，沒有科技公司 CEO 的頭銜，沒有病毒式傳播的爆款文章。但他的學術履歷比年齡暗示的更扎實。他是 De Loecker、Eeckhout 和 Unger（2020）那篇刊登在《經濟學季刊》的論文的共同作者，那篇文章記錄了美國企業加價率從 1980 年的高於邊際成本 21% 攀升到 61%，是過去十年產業組織領域被引用最多的論文之一。他也跟布林優夫森合著了 2023 年刊登在 IMF《金融與發展》雜誌的〈The Macroeconomics of Artificial Intelligence〉。他是布林優夫森團隊的核心成員，而整個《數位主義者文集》計畫正是由這個實驗室主導。某種程度上，這篇文章可以被理解為整個論文集的「後設論述」：其他作者各自處理具體問題（勞動市場、安全網、全球治理），Unger 退後一步問：我們到底想要什麼？
他的雙重訓練也讓這篇文章有一種其他作者少有的質感。經濟學讓他關心效率（成長怎麼來），法學讓他關心正當性（這個成長對普通人意味著什麼）。這篇文章不是典型的經濟學論文，更接近一份社會願景宣言，而且是帶著經濟學家的結構感寫出來的。
「每部科幻片現在都是恐怖片」
Unger 的核心論點分三層。第一層最尖銳，也最容易引起共鳴：矽谷自認為的「樂觀願景」，在多數人眼裡其實是反烏托邦。
他用了一個毫不留情的概括。如果從批評的角度描述矽谷推銷的 AI 未來，大概長這樣：你失業了，靠全民基本收入待在家裡。在家裡跟十二個 AI 伙伴互動，戴上 VR 頭盔看 AI 生成的短影片。你的小孩用 AI 寫作業，老師的 AI 批改。更多時間滑影片！（你大概不會有小孩。）讓人不安的是，只要把措辭調整得正面一些，這段描述跟很多自稱「AI 樂觀派」的科技人士公開倡議的東西幾乎一模一樣。政策論文討論全民基本收入，思想文章歌頌「後工作意義」，執行長推廣 AI 友誼。他們似乎沒有意識到，自己的烏托邦就是別人的噩夢。
民調數據佐證了這個判斷：只有 13% 的美國人認為 AI 會「利大於弊」，只有 17% 預期未來二十年 AI 會帶來正面影響。但這不是因為人們天生恐懼技術。Unger 回顧了一段被遺忘的歷史：從工業革命到 1970 年代初，西方社會對科技進步充滿熱情。1851 年倫敦世博會上，阿爾伯特親王宣告「我們正活在最奇妙的轉型時期」。1968 年，九萬名美國人花一美元報名泛美航空的「月球航班」候補名單。迪士尼 1965 年紐約世博會的「進步旋轉木馬」用口號「明天會更美好」吸引了數百萬家庭。更讓人驚訝的是，那個年代的科技樂觀主義甚至與核武軍備競賽並存。
那種樂觀去了哪裡？Unger 的答案直指核心：不是人們變得悲觀了，而是科技業端出來的願景在兩個根本維度上失敗了。有意義的工作，以及與其他人類的深度連結。這兩樣東西恰恰是多數人最在乎的。
不要更多假期，要更好的工作
第二層論點回到凱因斯，但角度完全不同。凱因斯和馬克思都曾預言，自動化和經濟成長會把人類從勞動中解放出來，讓人有時間畫畫、釣魚。後人常聚焦在這些預測的「經驗性錯誤」（工時沒降那麼多），Unger 卻指出一個更根本的問題：這些預測在道德上也是錯的。把永恆的休閒當作理想目標，本身就搞反了方向。他觀察到一個耐人尋味的現象。六十年前，經濟學教科書還在談「後彎勞動供給曲線」，假設最高收入者會選擇用薪水換休閒。今天這個概念幾乎消失了。在美國這個高度競爭的偽精英社會裡，收入最高的那群人反而休假最少、工時最長。他們追求的不是閒暇，而是位置性商品：地位、精英職位、名校教育。凱因斯和馬克思也許誤把當時普遍存在的卑微勞動，當成了勞動的唯一可能形態。
所以 Unger 提出的 AI 願景不是「讓人不用工作」，而是「讓所有人都能做精英才能做的那種工作」。他的觀察相當精彩：在目前美國的專業菁英圈裡，人們每天面對需要創意解決方案的困難問題。神經外科醫師處理複雜病例，律師處理前所未見的高風險訴訟，學者追求有野心的研究。這些知識工作者從事的是「在地創新」。但在這個圈子之外，工作通常是例行公事，甚至是許多人暗地裡稱為「假電子郵件工作」的苦差事：重複、無聊、本來就該被自動化的任務。AI 的工作願景應該是把菁英才有的那種創意問題解決經驗，民主化地擴展給所有人。AI 自動化掉苦差事，同時把技術能力下放，讓普通工人實質上變成知識工作者。
Anthropic 的 Dario Amodei 曾說 AI 可以提供「一個資料中心裡的天才國度」。Unger 把這句話翻轉：目標不是虛擬的天才國度，而是讓真實世界裡的普通人更接近「天才」的工作體驗。在工作和居家生活中，AI 代理人讓每個人實質上指揮一支高效能的虛擬團隊，這在人類歷史上是第一次把過去只有貴族和億萬富翁才能享有的體驗擴展給所有人。
美國經濟的「雙元性」問題
第三層論點進入經濟學的結構面。Unger 指出，矽谷常從狹窄的技術基準測試直接跳到宏大的 GDP 預測，中間省略了二十個步驟。經濟成長不是換一個更好的工具那麼簡單，它需要生產組織的全面結構性變革。要講一個令人信服的「技術帶動成長」故事，你得說清楚哪些產業、哪些類型的公司會使用這項技術，以及怎麼使用。
過去幾十年的數據揭示了美國經濟的根本「雙元化」：一小群頂尖企業、頂尖人才、集中在頂尖城市（紐約、舊金山、波士頓），另一邊是占據經濟大部分的低生產力長尾。麻省和康乃狄克州的人均收入大約十萬美元，密西西比和西維吉尼亞只有五萬。過去幾十年的 IT 革命主要讓前者變得更有生產力，對後者的幫助有限。Unger 直言：靠少數精彩的企業和員工，無法維持高水準的整體生產力成長，整個經濟都得參與進來。
所以 AI 對經濟成長的決定性問題在於：它會繼續只幫助頂端，還是能惠及那條長尾？Unger 保持審慎樂觀。也許堪薩斯州的學生能透過 AI 獲得真正一流的教育。也許堪薩斯州小公司的員工能擁有一支虛擬的強力同事團隊。也許堪薩斯州的創業者可以用 AI 代理人當作最初的十名員工。但這不會自動發生。經濟學家、AI 公司和各級決策者，都需要刻意確保商業化的 AI 利益不只集中在經濟的一小部分。在勞動市場政策上，他建議參考北歐的「彈性安全」模式：企業容易僱人也容易裁人，但勞工有極為慷慨的失業保險和積極的再就業支援。美國目前在失業保險上只花 GDP 的 0.3%，北歐國家花 1% 到 2.5%，是美國的將近十倍。
觀點碰撞：從個人求生到制度設計
把 Unger 的文章放回《數位主義者文集》的脈絡裡，他跟其他作者形成了幾組值得細看的對話。
我們在導讀奧特（David Autor）那篇時談過，奧特的「專業知識框架」分析了 AI 如何重新定價不同類型的專業。AI 自動化掉高門檻任務的職業（如醫師的診斷能力），專業溢價下降；自動化掉低門檻任務的職業（如會計的計算工作），專業反而更值錢。這套框架精確而有力，但它處理的是微觀層面的問題。Unger 的切入點更宏觀：他問的不是「哪些專業會升值、哪些會貶值」，而是「如果 AI 能民主化所有專業知識，整個社會應該長什麼樣」。奧特提供了分析工具，Unger 提供的是方向感。沒有方向感，工具再精確也不知道該往哪裡使。
跟 Balwit 的對話更尖銳。Balwit 在那篇轟動矽谷的文章裡寫道，她可能正在經歷人類最後一代需要工作的時期。她從 Anthropic 內部觀察到的 AI 能力曲線讓她得出結論：認知工作即將被大規模取代。Unger 的回應不是否認 AI 的能力，而是質疑這個結論背後的價值預設。Balwit 把「不需要工作」當成一個需要適應的事實，Unger 把它當成一個需要抵抗的前景。在他看來，正確的目標不是「讓人適應沒有工作的世界」，而是「用 AI 讓每個人都有更好的工作」。兩個人都在 AI 的最前線，卻對「好的未來」有截然不同的想像。
這種分歧延伸到政策層面。伯格魯恩（Nicolas Berggruen）和 Gardels 提出「全民基本資本」，讓人民成為 AI 生產力的股東。Marinescu 設計了「雙層安全網」，一層處理過渡期失業，一層提供全民基本收入。兩套方案都建立在一個前提上：AI 會大規模減少對人類勞動的需求。Unger 挑戰的正是這個前提。他認為需求不應該減少，而應該轉型。如果他描繪的「全民知識工作者」願景成真，全民基本資本和安全網仍然有價值，但它們的角色會從「永久制度」變成「過渡機制」。問題在於，過渡期有多長。如果是五年，Marinescu 的設計就夠用。如果是五十年，伯格魯恩的所有權重構就變成必要條件。如果 Unger 的願景根本無法實現，那 Balwit 說的就是對的，我們需要的是徹底重新想像工作的意義。
台灣：高工時文化準備好了嗎？
Unger 的文章讓人忍不住對照台灣的現實。凱因斯預言的「每週十五小時」在全球都沒有實現，但在台灣更是天方夜譚。台灣的年總工時長期在 OECD 國家中名列前茅，2023 年為 2,008 小時，比日本和韓國都高。過勞的新聞不時出現。台灣人不是不想少工作，而是整個社會的制度設計預設了「一輩子全職工作」的前提。
退休制度就是最明顯的例子。勞工退休金新制要求持續工作、持續提撥，退休金的多寡直接綁定你工作了幾年、薪水多少。如果 AI 讓某些行業的工作時數大幅縮減（翻譯、會計、客服都是高風險領域），這些勞工的退休金帳戶會嚴重縮水，不是因為他們不努力，而是因為制度假設了他們會全職工作到六十五歲。教育制度的邏輯同樣如此。台灣從小學到大學的十六年教育，核心目標是「訓練你成為一個全職勞動者」。如果 Unger 描述的方向是對的，AI 應該讓所有人變成知識工作者，那台灣的教育體系教的到底是創意問題解決和自主研究，還是標準化考試和服從指令？
但台灣也有一個 Unger 文章裡沒有觸及的特殊條件。台積電的先進製程工程師做的恰恰就是 Unger 描述的「菁英知識工作」：每天面對需要深度物理直覺和製程經驗的困難問題，沒有兩天是重複的。AI 可以自動化其中的例行部分（模擬、分析、報告），讓工程師更專注在真正需要人類判斷的環節。從這個角度看，竹科的工作模式就是 Unger 願景的原型。問題在於，這種工作經驗能不能從竹科擴散到台灣經濟的其他六成？台灣有沒有自己版本的「雙元化」問題：一邊是全球頂尖的半導體產業，一邊是大量低薪、例行化的服務業工作？如果有，Unger 對美國的診斷對我們同樣適用。
牙醫診間之外
凱因斯在那篇文章的結尾呼籲經濟學家把自己當成「謙遜、稱職的專業人士，跟牙醫差不多」，安靜地看管著未來一百年的經濟成長。Unger 認為這個自我定位太低了。面對 AI 可能帶來的社會重組，經濟學家和社會科學家面前有巨大的知識機會：不是預測五年後的失業率或三年後的股市泡沫，而是思考未來五十到一百年，社會該怎麼重新組織。
在《數位主義者文集》的眾多作者中，Unger 是少數退後一步問「我們到底想要什麼」的人。其他人忙著回答具體問題：AI 會取代多少工作（奧特）、個人該怎麼準備（Balwit）、安全網怎麼設計（Marinescu）、資本怎麼分（伯格魯恩）。這些都很重要。但如果連願景都沒有，再精密的政策工具也不知道該往哪裡打。凱因斯在大蕭條最黑暗的時刻敢於想像百年後的繁榮。九十六年後的今天，我們面對的不是經濟崩潰，而是一項可能比蒸汽機更具變革性的技術。也許現在最需要的，不是更多的風險分析，而是一個讓普通人聽了會願意興奮起來的未來圖像。
📚 「數位主義者文集」導讀系列