AGI将引发工业爆炸（23分钟阅读）

# AGI 将引发工业大爆发 来源：https://newsletter.ai-frontiers.org/p/agi-will-set-off-an-industrial-explosion **Damon Binder（https://ai-frontiers.org/author/damon-binder）**，Coefficient Giving 高级研究员——2026年8月11日 [](https://substackcdn.com/image/fetch/$s_!tU8F!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Ff2c7356f-e943-47a8-87d2-d6ac2f06d10b_4800x2400.jpeg) 如今，AI 系统已经能写出如此流畅的文章，以至于大学里利用 AI 作弊已变得无处不在（https://nymag.com/intelligencer/article/openai-chatgpt-ai-cheating-education-college-students-school.html），“AI 垃圾内容”正在互联网上取代人类写作（https://www.theatlantic.com/technology/2025/10/ai-slop-winning/684630/）。它们已经开始在数学领域为长期悬而未决的开放问题给出原创证明（https://openai.com/index/model-disproves-discrete-geometry-conjecture/）。前沿 AI 公司的研究人员在很大程度上已不再自己编写代码（https://www.anthropic.com/institute/recursive-self-improvement），而且这些模型的黑客能力已经强大到美国政府在其发布几天后便暂时对 Anthropic 的 Claude Fable 5 实施出口管制（https://www.anthropic.com/news/redeploying-fable-5）。十年前，本段中的每一个论断听起来都像是科幻小说。 人们很容易对这种进步变得麻木。如今的 AI 智能体仍然显得有些笨拙；看着 Claude 经营一家小店（https://www.anthropic.com/research/project-vend-1）有点像看小孩经营柠檬水摊。但我们不应让这种笨拙分散我们对趋势的注意力。这些系统在 10 年内从研究 curiosities 演变成了极其强大的经济引擎，而且看不到尽头。我想认真对待这一趋势，并问：如果 AI 确实发展到能够完成人类认知工作的阶段，经济会发生什么？ 除了少数显著的例外（https://www.nber.org/papers/w31815），经济学家大多回避回答这个问题；他们惯用的手法是否认前提，比如一位被广泛引用的诺贝尔奖得主的分析（https://www.nber.org/papers/w32487）将 AI 对未来十年美国 GDP 的贡献估计为约 1%，其本质是将 2023 年的能力冻结 10 年。但这个问题值得认真对待，因为自动化认知劳动将释放出始终制约实物生产的那个关键瓶颈：无论机器和工具变得多么便宜，你都无法制造出新的工人。在这篇文章中，我将假设没有额外的新技术，也没有递归式的自我改进通向超级智能。然而，即使在这些保守假设下，我也会表明经济仍将被深刻变革。历史上第一次，实物生产可能实现完全自动化。 本文其余部分将阐述这一论点并探讨其影响。我认为，能够完成认知工作的 AI 也能完成体力工作（因为建造它所需的机械相对简单），而且它的劳动力会很便宜。然后，我将借助投入产出表——美国政府关于每个行业从其他所有行业购买什么的账目——来询问一个完全自动化的经济体能够以多快的速度增长，结果发现实物产出大约每年翻一番，而不是像现在这样每几十年翻一番。最后，我会问是否有任何因素能阻止这样的工业大爆发，以及这对国内外权力格局意味着什么。 “通用人工智能”（AGI）一词已被无休止地使用和滥用（https://helentoner.substack.com/p/the-term-agi-is-almost-useless-at），但它指向一个清晰的核心概念：一个足够聪明、能以有竞争力的成本完成人类所能做工作的 AI。你可以像对待熟练员工或承包商那样把任务交给它，并期望它胜任地完成工作。当前系统尽管进步迅速，但距离 AGI 还很远；我自己尝试自动化自己工作的努力并未成功。然而，一旦 AGI 出现，我们应该预期它能够通过机器人技术从事体力工作。 **一个能完成所有远程工作的 AI 系统也能操作机器人。**AGI 的定义侧重于认知工作，但物理世界并没有什么特别之处会把智能体限制在数据中心内。远程认知工作是困难的：要完成所有这些工作，意味着要掌握实时控制、空间推理、物理预测和持续学习，这些能力对于机械工程和动画等各式任务都是必需的。一个具备这些技能的系统，如果配上执行器，就具备了操作机械所需的一切。 **AI 的进步已经在推动机器人技术向前发展。**那些破解了语言和视觉的通用方法，被证明同样擅长手动操作。大型语言模型越来越能提供高层控制：如今它们可以操控机械臂（https://arxiv.org/abs/2311.17842）、驾驶无人机（https://arxiv.org/abs/2312.14950），还能为机器狗编程（https://www.anthropic.com/research/project-fetch-phase-two）。爱好者甚至把它们接入自制机器人（https://www.youtube.com/watch?v=S67z2aekBrI）。与此同时，同样的训练方法应用于人类远程操作机器的录像，正在产生人类本能执行的那种低层灵巧控制；如今的系统已经可以用普通摄像头和简单夹爪折叠衣物、组装纸箱（https://www.pi.website/blog/pi0）。 **硬件并非机器人自动化的瓶颈。**半个多世纪以来，工业机械臂在精度和力量上已经超过任何人类手臂。但是，由于它们既不能看也不能思考，每一个动作都必须事先编程，成本极其高昂（https://ifr.org/post/advances-in-programming-lower-cost-of-adoption）。另一种变通办法是由人类操作员远程操控：远程操纵器自 1940 年代末以来就用于处理放射性物质（https://link.springer.com/book/9780850385885），通过遥控潜水器建造水下结构（https://www.oceaneering.com/rov-services/rov-systems/），并执行手术（https://link.springer.com/article/10.1007/s11701-025-02274-9）。这种远程控制只有在一个人类无法亲临现场时才值得采用。但它确实展示了我们几十年前就知道的事情：一台机器在胜任的控制下能够从事熟练的体力工作。一旦控制可以来自 AI 而非人类，建造通用机械就变得有价值了。 **机器人不一定长得像人。**虽然人类的手是一种非凡的工具（https://rodneybrooks.com/why-todays-humanoids-wont-learn-dexterity/），但机器人的手已经相当不错（https://itcanthink.substack.com/p/robot-hands-are-getting-better），而且肯定比截肢者用来务农、焊接和从事各种其他工作的分叉钩假肢（https://www.armdynamics.com/upper-limb-library/farming-with-an-upper-limb-prosthesis）——两根没有触觉、由缆绳连接的刚性手指——要好得多。有了 AI，简单的执行器也能发挥很大作用，而且 AGI 将拥有充裕的智慧和耐心。机器也不会永远在人类工作台上工作。如今生产需要灵巧性，是因为每个流程都是围绕有手的人类工人设计的。当工人变成机器时，新的可能性就会打开；正如今天的编程智能体不像人类程序员那样在键盘上打字一样，机器人工具也不必被手指抓握和触发——它们可以直接安装在机械臂上。 自动化劳动并非免费。但取代工人的计算机芯片和机器人执行器，不过是经济体需要生产的更多资本品——而且它们并不是特别昂贵的东西。大体上说，人形机器人使用的零部件与汽车类似：金属、电机、电池、电子设备和传感器。按汽车产量规模生产，其成本应该在数万美元；宇树科技已经以约 13,500 美元的价格出售其儿童尺寸的 G1 人形机器人（https://shop.unitree.com/products/unitree-g1），而据报道特斯拉的目标是让全尺寸 Optimus 售价达到 20,000 美元（https://www.notateslaapp.com/news/3314/tesla-eyes-20k-price-target-for-optimus-extremely-fast-production-ramp）。如果一个机器人售价 30,000 美元，并且全天候工作，可以替代一名时薪 30 美元的人类工人，那么它可以在六周内收回成本。 **AI 认知劳动通常比它取代的人类便宜得多。**很难为未来工业大爆发中涉及的 AI 认知劳动定价，因为它尚不存在。然而，在 AI 系统已经能够完成的任务上——比如转录、日常翻译或编写一次性脚本——它们每单位产出通常比所取代的人便宜得多（https://blog.redwoodresearch.org/p/ais-capability-improvements-havent），而且固定能力水平 AI 的成本逐年快速下降（https://epoch.ai/data-insights/llm-inference-price-trends）。即使第一个 AGI 最初只在与人类工人相比时具有成本竞争力，一年之内它的成本也会降到人类的一小部分。 一旦人类劳动被自动化，经济增长会有多快？乍一看，这个问题似乎很难回答。标准增长模型假设劳动和资本可以相互替代，把两者都视为以美元计价的单一总量——律师和砖瓦匠被合并为“劳动”，推土机和桥梁被合并为“资本”。这种抽象概念难以应对劳动不再必要、资本自我再生产的局面，而 GDP 这类经典概念可能会变得极具误导性（https://philiptrammell.com/static/utility.pdf）。 **投入产出分析有助于预测自动化经济体将如何增长。**投入产出分析采用了不同的方法，记录每个行业在实物层面需要从其他行业获得什么。该方法由瓦西里·列昂惕夫（Wassily Leontief）（https://www.thecrimson.com/article/1952/6/19/wassily-leontief-pone-of-the-most/）在 1930 年代提出，用于研究工业部门之间的关系。1945 年，列昂惕夫利用他的表格预测了美国 1950 年的钢铁需求（https://www.scientificamerican.com/article/input-output-economics/），误差在几个百分点以内。担心与苏联开战的军事规划者们采用了这种方法来研究工业能以多快速度重新动员。 **投入产出分析记录每个人从其他每个人那里购买什么。**基本思想很简单：询问每个企业购买了什么、从谁那里购买，然后将回答汇总成表格，追踪每个行业从其他行业购买了什么。铝冶炼的条目可能记录生产铝所需的电力、矿石和机加工，而飞机制造业的条目则记录需要多少铝。人口普查局每五年进行一次这项调查，经济分析局负责汇总结果。这些表格需要数年时间编制，所以最新一套覆盖的是 2017 年。配合表格还记录了每个行业拥有的设备和建筑物，从机床到芯片厂。条目以美元记录，但详细程度足以紧密追踪背后的千瓦时电力、吨钢和其他实物量。大部分产出最终被消费；其余部分被再投资，要么增加实物资本，要么替换已损耗的资本。 一旦机器人能够取代人类劳动，经济将不再受固定劳动力数量的束缚。它可以生产所需的一切投入，包括“工人”本身，因此产出可以反馈到建设更多产能中，增长会复利式加速。约翰·冯·诺依曼（https://academic.oup.com/restud/article-abstract/13/1/1/1569841）计算了这样一个经济体可能达到的最大扩张速度。将他的分析与表格中的生产数据结合起来，我们就能知道一个自主工业部门能以多快的速度增长。 **投入产出分析以实物产出而非价值来衡量经济增长。**这种预测增长的方法追踪的是能够生产出多少东西。我不试图将其转换为 GDP，因为工业大爆发会颠覆任何此类转换所依赖的价格：当机器生产一切，包括更多机器时，商品会呈指数级变得便宜。实物产出也更能说明问题的关键所在。军事力量、人类就业和物质丰裕程度都取决于建造了多少东西，而不是它的美元价格。 利用美国政府的 2017 年投入产出表（https://www.bea.gov/industry/input-output-accounts-data），其中追踪了 402 个行业，我发现一个采用美国生产方法的完全自动化经济体大约每年就能让产出翻一番；其他发达经济体的投入产出表也给出了类似结果（https://defensesindepth.bio/ai-industrial-takeoff-part-1-maximum-growth-rates-with-current-technology/#appendix-b-von-neumann-growth-rates-are-similar-across-industrial-economies）。实现自动化生产所需的机器人和计算机芯片只占总产出的一小部分；即使它们的成本增加十倍，也不会显著影响增长率。建筑延期也可以纳入考虑（https://defensesindepth.bio/ai-industrial-takeoff-part-1-maximum-growth-rates-with-current-technology/）；即使把这些延迟算进去，经济仍远在两年内翻一番。 [](https://substackcdn.com/image/fetch/$s_!xRIM!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Fc85a0e91-eb43-4f12-8f47-7b0228388274_2048x1588.png)*AGI 到来后几年内四个关键工业部门的实物产出预测，相对于当前水平。每个情景假设新产能需要零、六个月或一年时间建成并开始产出。实线将人类消费维持在今天的水平，并把该水平以上的所有产出再投资于工业；虚线将这些产出在工业和人类消费之间五五分成。实际的扩张会与这些预测有所不同：一开始会较慢，因为 AI 能力在整个经济中扩散，但之后会加速，因为生产方法会适应机器人工人。来源：作者根据 2017 年美国投入产出表（https://www.bea.gov/industry/input-output-accounts-data）的计算，详见作者备忘录系列的第 2 部分（http://defensesindepth.bio/the-ai-industrial-explosion-part-2-transition-dynamics/）。* **为什么完全自动化的经济体比当前经济体加速快得多？**主要区别在于，自动化经济体可以将其产出的更大份额再投资。如今建造更多工厂并无用处；因为没有工人来运营它们，也没有工人来使用它们生产的额外机器和工具。因此，我们消费掉大约五分之四（https://www.bea.gov/data/gdp/gross-domestic-product）的产出，而大多数再投资用于替换已损耗的资本而非增加资本。AGI 将消除这一障碍，允许机器人工人与其他实物商品一起被制造出来，从而打破人类劳动与实物生产之间的联系。增长速度随后取决于机器经济体复制自身的速度，而投入产出分析表明，这个速度很快。 **自动化经济体的真实增长率很可能更高。**我们对此最大增长率的估计使用了 2017 年美国的生产方法；因此它是保守的。这些方法是为人类工人和人类工资而设计的，不适合机器人经济体；让生产方法发生变化会使增长显著加快（https://defensesindepth.bio/the-ai-industrial-explosion-part-3-going-faster/）。假设 2017 年的方法也