Fable 5 经济学工作
摘要
本文描述了利用 Opus 和 Fable 等 AI 工具开发新的工资决定经济理论的过程,该理论在一篇论文中形式化,扩展了 Acemoglu 和 Restrepo 的基于任务的模型。
暂无内容
查看缓存全文
缓存时间: 2026/09/08 00:34
# 使用Fable 5探索经济学——威尔逊博客
原文链接:https://wilsoniumite.com/2026/08/03/working-on-economics-with-fable-5/
过去几个月,我一直致力于构建一个理论体系。最初这只是一个有趣的数据实验——通过分析不同类型的税收与福利,探究它们如何影响消费与就业决策。在此过程中,我借助Opus和后续的Fable工具获取数据,而Opus时常会指出我的假设矛盾或援引结论相反的论文。这种反复推敲持续良久,最终凝结成一套完整理论。随后我开始与斯德哥尔摩经济学院的合作者共同推进理论的规范化表述。
我的初版文章(https://wilsoniumite.com/2026/07/31/a-new-theory-of-economics/)采用个人化叙述风格,以可视化案例和轶事为主,未涉及大量数学公式或技术细节。
而正式论文(https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7226858)则对该理论进行了形式化呈现。该框架与诺贝尔经济学奖得主达龙·阿西莫格鲁与帕斯卡尔·雷斯特雷普共同开发的模型高度契合,我们沿用了他们的任务型模型,并融入古典经济学逻辑与投入产出递归方法,从而实现对“工资水平”的精确定位。这一突破意义重大——当前主流经济学尚未解决总体工资定价问题。尽管这听起来令人惊讶,但现有工资模型本质上均为估算模型,或包含可调整的自由参数,亦需依赖外部变量输入。我们的研究仅基于一个假设:“古典经济学家或许是正确的,他们只是未曾考虑技术因素对工资的影响机制。”因此,我们只需整合古典经济学的稀缺性模型,引入阿西莫格鲁与雷斯特雷普提出的边际任务工资水平,便得到了一个与历史数据高度吻合的理论模型。以下展示核心数学推导:
根据阿西莫格鲁、奥托及雷斯特雷普的研究,技术对工资的影响体现为:
w = c · γ(x*)
其中c代表机器租赁价格,γ(x*)表示“边际人类任务的优势系数”——即人类在可自动化任务中相对机器的效率差值。γ(x*)可理解为“技术水平”,其数值随技术创新类型动态变化:工业革命时期物理自动化技术(蒸汽机等)导致γ(x*)上升,而计算机技术则以特定方式推动γ(x*)下降——这可能是导致“大停滞”的关键因素,未来人工智能或将引发γ(x*)更广泛的下行趋势。
关于c的定义,论文中表述为:
c = a · c + λ · w + b · r
a·c代表制造机器的物料成本,λ·w对应制造机器的人力成本,b·r则涵盖土地、能源、矿产等固定要素投入。由于定义中存在自我指涉,我们将函数递归展开(并代入工资定义),最终得到:
c = b r / (1 – a – λγ(x*))
代入工资函数可得:
w = γ(x*)· b r / (1 – a – λγ(x*))
这一公式的直观含义是:工资由技术水平与物理稀缺资源(以土地为例,亦可纳入其他稀缺要素)共同决定,并通过机器生产效率(a)及制造机器所需的劳动力比例(λ)进行调节。需要说明的是,本文所用数学方法均非创新——递归分析源于1936年列昂惕夫与斯拉法的研究,土地租金理论可追溯至李嘉图(1817),本人仅将既有理论进行了创造性整合。
该理论的核心启示包括:其一,住房价格与租金相对其他商品上涨并非偶然,模型显示当γ(x*)下降时(约发生于1970年代,互联网普及后加速),此现象必然出现;其二,人工智能可能导致γ(x*)显著降低。但!模型自然推导出解决方案——这同样非新观点,即亨利·乔治(1879年)倡导的土地价值税。我们需要对稀缺资源征税,并将税收转化为全民消费基金。除土地税外,我建议增设主权财富基金,因为持有股票可捕捉网络效应等新型稀缺性收益,且该模式具有跨国可行性:无法征税他国土地,但可投资其企业。挪威的成功实践已验证该模式效力。
尽管直接征收稀缺资源税尚非“完美”方案,各国未来或可通过贸易差异调节土地租金分配,但这属于远期议题。下图展示了租金税基的演变趋势,基本反映“土地/稀缺资源税可征收的合理范围”:
(阴影区域表明这是估算值,图表输入数据涵盖不同分类标准,部分指标是否代表稀缺要素存在争议,但整体趋势明确。)
以下是美国不同时期消费结构变化图表:
此图对比了无需大量土地(稀缺要素)的商品与相关商品的通胀率变化。
模型推论的更多延伸思考(尚未实证检验):
《新经济学理论的预测》——威尔逊博客(https://wilsoniumite.com/2026/08/04/things-that-a-new-ish-theory-of-economics-predicts/)
上述两种理论(个人见解与学术论文)本质相同,仅呈现方式有别。欢迎阅读并反馈意见(https://news.ycombinator.com/item?id=49296258)。
以下是曾收录于论文但最终删除的致谢辞(论文历经多次重写修订):
> 截至目前,您阅读的文字均来自Anthropic公司的Claude,具体为Fable 5模型。部分原因是这篇文字确实难以由我独立完成——我与亨利·乔治类似,缺乏正式经济学训练,且两年前提出这个构想时甚至不知晓乔治的学术遗产。或许这种理论认知早在童年时期便已埋下:当我在人口增长背景下追问粮食是否终将耗尽时,父母用“马尔萨斯陷阱”解答了我的疑问。真正重要的思想往往自发涌现,无需刻意教导。尽管可能显得突兀,但我认为刻意用机器模仿人类声调是不妥的——理查德·萨顿的“苦涩教训”同样佐证此点。因此我保留了模型的独特声纹,或许对某些读者而言略显生涩,但这种坚持本身具有价值。我仅提供写作建议,帮助弥合机器理解与读者认知之间的鸿沟。不可否认的是,这台机器的内部表征承载着人类文明浩如烟海的文字遗产。在此语境下,“站在巨人肩上”的比喻显得尤为贴切。然而仍有一个我当下无法回答的问题:今天的我是否也站在某种全新存在的肩上?
## 更多文章
相似文章
Fable 与免费午餐的终结
文章反思了像 Fable 这样的高成本 AI 模型的发布,如何结束软件开发中的 '免费午餐' 时代,迫使开发者基于成本和性能在模型之间进行策略性选择以实现优化,类似于 Moore's Law 放缓的影响。
@EXM7777: https://x.com/EXM7777/status/2074158459545854232
文章概述了五种工作流程,用于在Fable 5(前沿AI模型)从订阅制转向按Token计费之前,从中提取智能信息,重点捕捉廉价模型无法复制的判断力和知识。
在智能体时代,谁来为认知劳动定价?关于“计算锚定工资”的观点
本观点论文认为,AI 智能体是一种生产技术,而非劳动投入,并提出“计算锚定工资”界限,即人类工资由计算资本成本决定,而非由劳动供给弹性决定。
全球首位万亿富翁和首款下一代模型,又名劳动终结者
Fable 5是一款比之前任何模型强大数倍的新AI模型,可根据文本提示在一小时内生成3D世界,将维基百科文章转化为模拟,引发了对失业和经济不平等加剧的担忧。
AI经济学 第二部分(11分钟阅读)
本文分析了AI的经济学,聚焦于GPU资源的争夺战,将人类推理的尖峰负载与智能体连续工作负载进行对比,并认为当前基础设施是为人类使用而优化的,而非要求更高的智能体推理。