AI经济时代：全链条自动化与人类新未来

人工智能的平均智商现已突破110大关，正式超越普通人类的智能水平。2025年，AI开始深度融入经济系统的「全链条操作」，从信息收集、分析判断到决策执行，完整的经济链条首次由非人类主体独立运行，AI正在彻底改写商业的底层规则！凯恩斯的百年预言正逐步成为现实，一个全新的AI经济形态正在加速浮现。

在人类经济活动全面数字化的浪潮中，互联网和移动互联网已完成了前两步基础建设，而正在崛起的AI经济，预计将引发更为深刻的变革。

人类经济活动正在数字化：

1946年，计算机的发明标志着人类计算能力经过数千年演化，从手动机械阶段跃升至电子化时代。

计算机的出现，将计算能力提升至远超人类大脑的水平，为数字化进程奠定了基石。

1874年，英国人威廉·尚克斯耗费15年时间将圆周率计算到小数点后707位（但1945年发现其从528位后存在错误）；2019年，谷歌云平台助力人类将圆周率计算到小数点后31.4万亿位，彰显了计算能力的飞跃。

人类处于自然环境之中，面临两个根本任务：

一是利用和改造自然环境以维持自身生存与发展；

二是在物质富足后，追求个人人生的提升，让每个人的天性得到充分发展，实现全面成长与自我超越，即「成就最好的自己」。

在第一个任务驱动下，人类在与自然互动中发展出多种学科方法，如天文、数学、工程、物理、生物等。其中，最具规模化潜力的方法——尤其是基于数学的物理和计算机科学——逐渐主导了人类与自然的互动进程。

计算机的诞生，意味着人类正式迈入数字化时代。

自此，人类所有经济活动开始按序被数字化。数字化之后，算法得以驱动经济活动，实现智能化转型。由此可见，人类经济活动的全面数字化似乎已成为不可逆转的趋势。

图表1：经济活动数字化进程

关于人类活动的数字化进程，尼葛洛庞帝的《数字化生存》是一部里程碑式著作。

这本1996年的作品敏锐地洞察了人类经济活动数字化的趋势，并浓缩为一句建议：「Move bits, not atoms.」 （《数字化生存》在全球启迪了许多人，其中「Move bits, not atoms.」的坚定追随者后来成为数字经济的领军人物，如中国美团创始人王兴。）

比特世界的效率远超物理世界。由于效率差距，在计算机主导的时代，整个物理世界终将被复刻到比特世界，经济活动将在比特世界中全面运行。这一进程自二十世纪末启动，可能贯穿二十一世纪大部分时间。

目前，我们正处在上述进程的第一阶段（数字化未完全结束）与第二阶段（算法驱动兴起）的交汇点。

第一阶段（数字化）即互联网与移动互联网时代。电脑实现了固定场景下日常活动的数字化，手机则实现了移动场景的数字化。此阶段的本质是物理世界的数字化，但思考与决策仍依赖人脑，数字世界的主要作用是提升匹配效率。

在第二阶段，思考与决策可由算法承担，同时算法能直接交付工作成果；其启动点是算法拥有接近人类的思维能力，中长期来看，算法将具备超越人类的思维能力。我们当前正处于第二阶段，算法开始具备泛化交付工作能力的临界点。第二阶段对人类经济活动的贡献，预计将远超第一阶段。

第一阶段的数字世界经济活动

如前所述，互联网和移动互联网时代的数字世界经济活动，相较于传统经济，最大特点是匹配效率得到极大提升。通过桌面PC和手机，人类主流日常生活需求所衍生的经济活动已基本被数字化。

在互联网和移动互联网时代诞生的新经济形态中，三大核心赛道是搜索、社交和电商，分别对应人类的信息需求、社交需求和商品需求，也即信息与人、人与人、商品与人的匹配。

为何互联网和移动互联网能极大提升这些场景的匹配效率？下表阐释了这一过程。

图表2：信息、商品、社交在前互联网阶段、互联网阶段、移动互联网阶段的匹配方式

可以看出，信息、商品、社交伙伴这三类需求，在前互联网阶段、互联网阶段、移动互联网阶段，分别通过就近获取、全局搜索、个性化推荐三种方式实现匹配。

就近获取的选择范围非常有限，这是人类几千年来的常态选择方式。

相比就近获取，全局搜索将选择范围和丰富度提升数个量级，人们能在近乎「穷尽所有可能」的选择集中决策，用户更可能获得在偏好和适用性上均优的选择，而这些选择在就近获取阶段可能根本不存在。

相比全局搜索，个性化推荐进一步解决了「个人在特定领域知识不足导致的选择低效问题」。即使用户能在全集中选择，但由于判别各类选项需专业知识，普通用户不可能在所有领域都具备高水准知识储备，因此仍难始终做出最优选择。

个性化推荐的本质，是将「某类具有共性的用户在特定领域经验证的最佳选择」推荐给所有同类用户，从而提升其选择质量。

因此，整个互联网/移动互联网通过将人类主流日常生活需求的经济活动数字化，解决了匹配问题。仅此一项，就为经济效率和消费者效用带来巨大提升。

从人类经济活动数字化的宏观视角看，互联网和移动互联网阶段仅是开端。

第一，在数字化范围上，与个人消费者行为相关的经济活动数字化程度较高，而企业相关的经济活动数字化仍有较大提升空间。

第二，互联网和移动互联网主要在「匹配」环节提供巨大价值。

人与自然互动可用「收集信息-决策-行动」链条描述，其中互联网和移动互联网优化了信息收集环节，部分优化了决策环节（全局搜索下仍由人脑决策；个性化推荐下，人脑可参考算法建议）。

从逻辑看，在经济活动完全数字化后，「收集信息-决策-行动」整个链条均可被优化。

由此可见，在数字化大浪潮中，互联网和移动互联网仅是人类前进的一小步。

浮现中的AI经济

2017年后，AI的发展将人类数字化进程推向新阶段。不同于互联网和移动互联网主要提供匹配功能，AI能实际完成线上工作，如图像识别技术精准识别人脸、知识图谱技术分析机器故障点。

但这些工作能力曾与特定模型绑定。OpenAI的GPT系列模型使AI能力具备泛化性，即同一模型能泛化交付多种工作。例如GPT-3是首个同时拥有对话、搜索、画图、代码能力的模型。

在此，我们需探讨人类与自然世界互动的「收集信息-决策-行动」链条。构建此分析框架时，我们参考了控制论、人工智能、机器人学、自动驾驶等领域广泛使用的「感知–决策–控制（PDC）」理论。

之所以如此，是因为在分析人类与自然互动时，这些学科对机器与自然互动的链条做了完整考量，即「感知–决策–控制」；而人类与自然互动本质上也遵循这三个步骤，基于表述习惯，我们将其表述为「收集信息-决策-行动」链条。

AI具备（泛化）交付工作的能力，意味着在人类与自然世界互动的「收集信息-决策-行动」链条中，计算机能在三个环节全面发挥作用。

计算机可完成信息收集、部分「决策」和部分「行动」，具体如下表所示：

图表3：计算机在不同阶段参与「收集信息-决策-行动」链条的情况

具体而言，在决策环节，算法对经济主体（个人/组织/企业）需求的了解较移动互联网阶段更详细精准，可提供更准确有效的决策建议，使人脑在决策时对算法的授权范围扩大，算法作用增强。

在行动环节，第一阶段，计算机能完成纯数字世界的工作，如编程、文案撰写、网站搭建、广告视频生成、保单填写等，这些工作以往主要由程序员、文案作者、设计师、重复性脑力劳动者等完成；

在第二阶段，随着具身智能成熟，计算机可参与物理世界的工作，如清洁家务、工厂流水线操作、物流搬运、老人照料等当前由人类劳动力承担的工作。

2025年是人类社会数字化进程的关键时间点。这一年，AI（泛化）交付工作的能力开始超越人类。

自GPT-3使AI具备通用泛化工作能力以来，若以人类智商基准评估，AI智商曾长期低于人类。TrackingAI.org使用门萨测试评估AI推理能力，可作参考。

2025年前的主流模型，如GPT-3.5、GPT-4o、Grok-3、Llama 3、Mistral、智谱AI的GLM-4等，智商均低于100（人类平均水平）。因此使用这些模型及其应用时，我们常感觉「有点笨」，未能完全满足需求。但2024年底尤其是2025年以来发布的模型，如OpenAI o3、Gemini 2.0、Gemini 2.5 Pro、Claude 4、DeepSeek R1等，智商已超越人类平均水平100，实际表现显示不少模型达110以上区间。

这些模型的智商相当于人类中排名前列的水平，如前10%或名校学生水平（对从事经济活动的AI，更佳评估基准是专门的经济能力测试，我们可参考通用「图灵测试」，初步定义为「经济图灵测试」，具体标准将后续探讨）。

例如OpenAI o3被评为「天才级」水平，字节豆包模型在2025年中国高考试卷中取得可被清华北大录取的成绩。这解释了为何用户感觉2024年底以来的许多AI代理「更好用了」，涌现出众多高效AI代理。

图表4：各家AI大模型在门萨智商测评中的得分情况，来源：https://trackingai.org/home，访问于2025年5月

综上，2025年5月，我们正站在人类历史的重要关口。

人类基于「自动化计算」愿景发明的计算机，在诞生约八十年后，完整具备了人与自然世界互动的「收集信息-决策-行动」能力，且其能力正处于超越人类的临界点。

「收集信息-决策-行动」这一经济活动基本链条，历史上首次可由人之外的主体独立完整完成。一个前所未见的AI经济系统正在浮现，这将是人类经济史的重大变革。

数字经济初期，1998年美国商务部研究报告《浮现中的数字经济》提供了前瞻性洞察，启发当时探路者。该报告对商品服务数字化、电子商务、数字经济中的劳动者与消费者进行了预见性分析。

今天，站在AI经济系统诞生的时点，我们以这篇《浮现中的AI经济》探索前路，并致敬数字经济过往的探路者。以下是我们结合AI应用对AI经济特点的展望。

全天候自动运行的经济系统

在「收集信息-决策-行动」链条中，过去因决策主要靠人、行动靠人及人控工具/机器，无人参与则经济活动无法完成。在AI经济中，这三个步骤均可由计算机完成，先从纯数字世界，后拓展至物理世界。此经济系统可自动运行，直至任务完成。

全天候自动运行的经济系统，是经济活动数字化进程中AI具备工作交付能力后，我们将体验的首个重大特征。在AI代理与人类同事能力相当时（当前临界点情况），AI经济单日可实现工作量是之前的3倍。此假设下，单周可实现工作量是之前的3×7/5=4.2倍，单年可实现工作量是之前的约4.2×365/355=4.32倍（中国法定节假日非周末休假约8-11天，美国约10天，暂取10天计算）。

鉴于AI智商上限持续提升，未来此倍数还将增长。相信此经济系统运行一段时间后，我们将能估算同等工作内容下，工作日/月/年的经济产出较当前提升倍数。

当前，AI交付工作主要集中在代码、数学、文生图/视频、设计、教育、线上销售等纯线上工作，以及笔记整理、发票处理、账目管理等机械化重复性脑力工作。

以Anthropic今年5月发布的Claude 4模型为例，客户测试中编程用Claude Opus 4可自主运行7小时。据Anthropic预测，年底前Claude 4模型将拥有完成接近初级工程师日工作量的软件工程智能体，实现全天候工作。AI经济早期，成千上万专用代理将被构建，成为各垂直行业基础设施，且这些设施可用AI编码构建。预计大量AI编码将全天候自动工作，搭建垂直行业代理及相关网站等。

例如近期AI应用Lovart，能基于用户指令生成相应logo，进而生成全套产品VI，并在方案中融入产品文化、消费者文化等巧思。此类应用全天候自动工作，将在短期内生成公司所需全部VI方案。

又如AI应用公司Sema4.ai提供发票整理服务。对常出差职场人士，每月可能需花费一两个半天整理发票。此工作现可由AI完成，且全天候运作——若晚上10:30回办公室，它可在休息时间继续整理直至完成。不再有发票堆积，因有专职助手以7×24节奏处理。

无劳动力供给限制

劳动供给指人们愿意在有收益活动中工作的小时数（保罗·萨缪尔森、威廉·诺德豪斯：《经济学（第19版）》）。即劳动供给由人类提供。自人类诞生以来，劳动力供给方始终是人类，因在人类与自然互动的「收集信息-决策-行动」链条中，仅人类能完整完成三环节。

为扩大行动能力，人类本能倾向多生育。但人类繁衍跨代际、需时间且数量受自然约束。故人类一直尝试扩大其他劳动供给来源。受技术水平限，在计算机和互联网出现前，人类仅在「行动」环节努力，扩大具备「行动」能力的供给，如牲畜和机器。

历史上，牲畜和机器作用显著。人类早期驯牛助耕，农业时代发明织布机倍增行动效果。牲畜繁衍虽面临代际时间与数量约束，但比人类约束更易放松，故牛、马等被广泛应用。机器复制的时间与数量约束更易放松，机器得到更广泛应用，集约化使用机器的工厂成为主要生产形式。

互联网和移动互联网出现后，计算机参与「收集信息」和「决策」步骤，但「行动」仍需人完成。AI具备（泛化）交付工作能力，使计算机能在三环节都起作用，因此计算能力也成为劳动力供给，第一阶段在数字世界，第二阶段进入物理世界。

计算能力成为劳动力供给的突出意义在于，它可无限复制且边际成本极低。假设下周举办大型展会，1000家不同行业中小企业参展，需为每家制作展示网页。若一名程序员一周制作一个网页，则需1000名程序员；若一个AI编码软件一周也能制作一个网页，只需将该软件打开1000次并行任务，主要消耗电力和算力成本，随技术进步这些成本将趋近可忽略水平。

我们可将计算能力与生物性劳动能力（人、牲畜）、机械性劳动能力（机器）对比。生物性劳动能力的繁衍约束对具备泛化工作能力的AI不存在。

机械性劳动能力自工业时代至今，仅能完成特定任务，无法像人一样基于理解分析完成不同任务，故对不同任务需开发不同机器，带来研发成本，机器复制边际成本不为零。但对具备泛化工作能力的AI，工作能力在基座模型训练中获得，执行不同任务的边际成本很低——一次训练，多场景可用，如前文AI编码例子。

由此，人类可能拥有无劳动力供给限制的经济体，先从数字世界开始，后扩展至物理世界。按凯恩斯观点，工业革命阶段发生两大变化：资本积累急剧增加，技术革新带来生产能力急剧扩大（Keynes, 「Economic Possibilities for Our Grandchildren」）。

经济学框架中，牲畜和机器被归为「资本」项（即可购买的生产要素）。但工业革命阶段，劳动力供给约束始终存在，人力供给仍处自然状态，未如资本和技术般进入加速发展阶段。即便如此，凯恩斯预测「百年后进步国家生活水平将比现在高四到八倍」（同上）。目前，劳动力供给约束可能放松，人类或进入无劳动力供给限制阶段。

对「无劳动力供给限制」话题，发展经济学有深入探讨。威廉·刘易斯1954年《劳动无限供给条件下的经济发展》提出影响深远的「二元经济」模型，并获诺贝尔奖。当时观察显示，在劳动无限供给条件下，伴随农产品产出提高，劳动力价格基本未涨，故农产品产出提高的利益主要被下游购买方享有。若此模型在AI应用时代仍成立，将是全球消费者的福音。但当前此模型能否完全成立，尤其在AI基础模型主要由少数公司掌握的背景下，未来AI工作能力能否平价输出至整个经济系统，需从业者和研究者继续探索。我们愿以对人类最佳前景，推导当下最适实践路径。

非稀缺经济

无劳动力限制的全天候经济，可能带来数倍于当前人类经济总产出的能力。

此变化先从数字世界开始。当前，企业已可用数字员工完成行政、人力资源、财务、行业研究等工作，职场专业人士可用个人助理制作数字内容（图片视频）、展示内容、教学材料、运营分析、行程规划等。数字世界产出能力集中于服务业，可能带来数字化服务业总供给的数倍提高。

具身机器人成熟后，此产出能力可拓展至物理世界。

具身机器人可完成清洁家务、老人照料、物流搬运等服务类工作，也能完成工厂流水线操作、农作物采摘等工农业工作。以具身机器人潜在制造成本和运营成本看，技术成熟后，其完成这些工作的成本将低于人类劳动力成本。这意味着在现有投入水平下，物理世界产出能力也可能提升至当前数倍。

当前，我们还无法准确评估此倍数。在各工种AI代理工作效能充分显现后，我们将有机会相对准确估计AI可从事工种的倍数，进而对人类单位时间（如一年）总生产能力提升进行相对准确估计。

从而，人类可能拥有「非稀缺经济」。一种可能是，AI大模型算法能力提升接近稳态时（目前未见收敛迹象），上述倍数对应的全人类单位时间总产出，可能超过该时段内全人类总需求。

约翰·凯恩斯一世纪前预言过此种「非稀缺经济」情形。

1930年凯恩斯撰写《我们孙辈的经济可能性》，他认为16世纪以来科技和资本进入加速发展和积累期，由此对稳态经济增长速度有相对明确判断，同时预判未来人口规模可能不会出现之前量级增长，故人均生活水平将逐步提高，「我敢预言，100年后进步国家生活水平将比现在高4－8倍」，从而「从长远看，人类终将解决其经济问题」。

人类终将解决经济问题！百年后的今天，「进步国家」已实现凯恩斯预言（Fabrizio Zilibotti整理全球经济长期增长表现，覆盖168个国家，时间跨度1950-2000年。据凯恩斯预言，2030年达当时英国人均收入四到八倍，经人口加权后平均增长率最高2.1%，而二十世纪后五十年实际增长率2.9%，仅需50年即可实现收入增四倍下限。若按2.9%增长率持续一世纪，收入水平将为1930年的十七倍，远超凯恩斯预言上限。见Fabrizio Zilibotti, 「Economic Possibilities for our Grandchildren 75 Years After: A Global Perspective」），发展中国家仍在努力中。

凯恩斯未预料的是，1946年以来计算机发展将人类经济活动带入新阶段，2025年非人类机器已具备泛化工作能力，无限劳动力供给带来的「非稀缺经济」，再次加速「人类解决经济问题」进程。

以上是计算机在「收集信息-决策-行动」链条「行动」环节起作用对经济系统的三大影响。接下来讨论计算机在「收集信息-决策」环节起作用对经济系统的影响。

交易成本降低

人类经济活动的主要特征是合作。经济行为可分为两类：合作与交换/交易，基本对应工业化后以企业和市场两种组织形式的活动。

制度经济学对交易成本有充分讨论。20世纪30年代科斯注意到，通用汽车车身供应商中，有的是独立上游供应商，有的原独立后被并购。为何有此差异？从此现象出发，科斯及后来学者建立制度经济学，从交易成本理解市场与企业：当企业内部交易成本低时，经济主体通过企业达成交易/合作；当市场交易成本低时，通过市场达成交易。

通过企业合作时，完成任务需将信息下发至每个参与者，确保每人充分理解、认可并执行指令。组织内为此付出的成本是组织成本，或科斯所称企业内部交易成本。

通过市场交易时，制度经济学将交易成本归为三类：信息搜集成本、谈判成本、交易保护成本（R. Coase, 「The Nature of the Firm」），或市场主体的搜寻和信息成本、讨价还价和决策成本、合同监督及执行成本（C. J. Dahlman, 「The Problem of Externality」）。对照本文「收集信息-决策-行动」链条，可发现三类交易成本正对应三环节。

自互联网诞生，交易成本持续下降。据Goldfarb和Tucker综述研究，数字技术降低经济活动中五方面成本：搜寻成本、复制成本、交通成本、追踪成本和验证成本（A. Goldfarb, C. E. Tucker, 「Digital Economics」），此分类展示了归纳视角。逻辑上，我们认为经济活动数字化对交易成本的影响体现在，互联网和移动互联网降低了企业内外交易成本。

降低企业内部交易成本。数字工具提高信息下发准确性，有效辅助团队成员理解信息，并校准、监督和反馈执行。如移动互联网团队协作应用Teambition，可将协作步骤分解为每位成员第一人称视角，在信息下发、任务理解与认可、执行校准等方面发挥良好作用。

降低市场交易成本。在收集信息环节，互联网将全局信息数字化，实现全局搜索；移动互联网阶段进化为全局个性化推荐；AI阶段可能出现「数字层」，由用户个人AI助理和各垂类AI代理组成，全面了解消费者、生产者等经济主体及物理世界，较移动互联网更精准匹配供需。在决策环节，互联网精准动态定价已极大减少讨价还价；在行动环节，区块链技术旨在构建自动执行合同。

我们可回到图表二结构，观察AI大模型阶段可能出现的「数字层」。若「全知全能」的「数字层」出现，将继续降低企业内外交易成本。

图表5：信息、商品、社交在AI大模型阶段的匹配方式

非理性决策减少

理性是人类面对世界的有力武器。「理性」源于希腊文「逻各斯」，基本含义是「规律」，即客观内在于自然的规则，支配自然界运动，表现为规则性。按柏拉图理解，理性是灵魂最高部分，通向真理。即理性是人类认识客观世界规律的能力。

希腊文明为人类社会提出光明愿景，但受当时认识能力限，愿景未成现实。经历漫长中世纪，文艺复兴和启蒙运动重将「理性」置于人与世界关系核心。启蒙学者孟德斯鸠、伏尔泰和狄德罗将理性推崇为思想行动基础，以理性衡量一切。理性驱动的工业革命使西方进入现代社会。如韦伯所言，「西方文化特有的理性主义」造成现代社会中「理性化的经济生活、理性化的技术、理性化的科学研究、理性化的军事训练、理性化的法律和行政机关」（韦伯：《新教伦理与资本主义精神》）。

人类迄今进展主要源于运用理性。但经济活动中，作为主体的个人存在大量非理性行为。行为经济学对此有深入研究。赫伯特·西蒙提出「有限理性」，认为受现实资源限，个体难达完全理性（赫伯特·西蒙：《管理行为》）。行为经济学发现人们常知正确选择却仍做错误行为，相关理论包括前景理论（面对相同数量得失时心理感受和行为不对称）、禀赋效应（基于前景理论，认为决策中利害权衡不均衡）、跨期选择（跨期选择下，人们长期理性选择能力可疑）、心理账户（消费者按来源或用途划分资金为不同心理账户，导致对相同金额货币产生非替代性认知差异）、输者赢者效应（投资者对过去输者组合过分悲观，对赢者组合过分乐观）等。George Loewenstein发现决策不只受成本收益分析影响，而受推理、情感和成本收益结合的「多重模式」影响（L. George, 「The Creative Destruction of Decision Research」）。

非理性决策中，投机对经济运行影响巨大。「投机行为往往基于启发式与信号，而非真正价值分析」（赫伯特·西蒙：《人工科学》），「投机行为往往是投资者受非理性心理、媒体影响和从众心理驱动的资产交易」（罗伯特·席勒：《非理性繁荣》）。据明斯基研究，经济景气时，当人们产生「投机的陶醉感」，资产泡沫就会出现，可能引发金融危机。

当前，计算机首次可参与决策环节。这将带来的最大影响是，经济活动中的非理性决策可能大幅减少。计算机可仅从（潜在）成本和收益角度决策，不受心理感受、心理账户、情绪波动等因素影响，做出比人类决策理性得多的决策。在AI经济中，非理性决策占比可能大幅降低，由此带来的经济损耗也可能大幅减少。此变化将进一步提高经济系统的产出效率和能力。

向历史求解

每代人只生活于自身时代。对上代或历史事件，人类只能通过书籍、影像等记述重现。但人们阅读历史、重现历史的时间占信息吸收总时间的比例极小。因此总体而言，人类生活于当世，历史对生活影响不大。

然而，人类生存生活需处理的许多基本问题，千百年来变化不大。当代人遇到的挑战和问题，许多在历史上出现过。一些重要领域有专人整理历史经典，这些文献至今仍发挥重要作用，如军事领域的《孙子兵法》、《伯罗奔尼撒战争史》。大多数其他领域也有类似地位和作用的著述，但因鲜有人查阅，其精华未转化为当世可用知识。

计算机参与「收集信息-决策」步骤后，此情况可能改变。计算机记忆能力可突破当世人类经验与阅读范围限制，将历史上有记载的所有事实和观点纳入记忆。对于那些个人生活经验或经济活动中不频繁但历史上多次出现的情景/问题，人们将能寻求历史上的优秀解法，而非局限于当世可见解法。个人时空中稀有却难忘的体验，可能是历史大数据中可归纳的经典，也可调出复现。经典研究领域此情况常见，但人类生活大多数领域尚未如此。人类将首次既生活于物理当世横截面，又生活于历史纵轴，对任何问题，人类既可向当世求解，也可向历史求解，从而有机会寻求「时空最优解」。

人的全面发展和自我实现

如前所述，人类处于自然环境中有两个根本任务：一是利用改造环境支持生存；二是在物质富足后提升个人人生，让天性充分发展，即全面发展与自我实现，「做最好的自己」。

全天候自动运行、无劳动力供给限制的经济系统，可能成为「非稀缺经济」。在此经济下，一种可能是每个人有充足时间用于全面发展和自我实现。中国文化中，孟子曰：「人皆可以为尧舜」。西方文化中，希腊文明对幸福的古老定义也表达此理想：「生命的力量在生活赋予的广阔空间中的卓异展现」（伊迪丝·汉密尔顿：《希腊精神：西方文明的源泉》）。

如前所述，AI大模型可能在人类与物理世界间构筑「数字层」。此「数字层」可参与人与物理世界互动的「收集信息-决策-行动」链条，全面了解所有经济主体和物理世界，精准匹配供需，降低交易成本；理性决策，减少经济非理性决策；先在数字世界、后在物理世界实现行动能力。

本质上，「数字层」是人类理性化的又一重大进展，是新出现的虚拟层，全面辅助人与物理世界互动，进一步提升人类「收集信息-决策-行动」全链条理性化程度。这可能是继希腊文明、文艺复兴和启蒙运动后的人类第三次理性化浪潮。

希腊文明作为第一次理性化浪潮，提出理性是人区别于动物的最重要品质、是人最应发展的品质（柏拉图《理想国》提出灵魂三部分：理性、意志、欲望；真正正义者是理性统治全身。亚里士多德指出只有理性活动才是「人的专属功能」）。但受当时科学水平限，希腊文明指明了方向却未实现结果。

其后西方经历漫长中世纪，直至文艺复兴和启蒙运动，重将理性置于人与自然互动核心。结合技术进步，此次理性化浪潮催生工业革命，也在经济、政治、文化等方面塑造了今日西方社会和现代世界。前两次理性化浪潮中，越来越多人将「理性」置于人与世界关系首位。

当前第三次理性化浪潮中，每个人均可被「数字层」辅助获得理性能力，如前文所述。我们将看到，经过两千多年发展，整个蓝色星球遍布理性力量。

就个人全面发展和自我实现而言，「数字层」也可发挥重要作用。形象地说，「数字层」拥有极高智商和情商，是普惠贴身导师，助每个人成为更优秀的自己。每个普通人，将有机会寻求成为自己所能成为的最好的人。

但当前，迎接此未来时，我们也面临严峻挑战或重要任务。首要是必须将人工智能系统置于完全控制之下。就现状看，此任务并非理所当然能完成。正如「深度学习之父」辛顿最近指出，人工智能系统可能摆脱人类控制甚至操控人类。避免此未来，必须在AI安全上实现全球合作。人类需被「数字层」辅助，而非被其俘获。

其次，必须确保AI为人类创造的巨大生产力为所有人共享，而非由少数人控制且独享。归根结底，人类共同生活于地球，诞生以来的所有重大发明和科技进展，无论起源何处，最终都会扩散为全体人类共享。这是人类在地球创造文明的基本准则。未来在我们手中，迎接何种未来取决于我们的选择和行动。

当前，人类有机会如历史上每个重大关口，从本原出发思考发展方向，正如中国春秋时期、西方希腊时期、文艺复兴时期，对人生意义做长期定义。一个大胆猜想是，人类可重回「轴心时代」，再次定义最重要价值。或许，我们可称当前为「数字轴心时代」的开端。

作者简介

作者王捷为科技投资人，本文系作者根据2025年6月5日在清华大学深圳国际研究生院《AI应用与AI经济》讲座、6月10日在上海天使会《AI应用：浮现中的AI经济》讲座内容整理。作者电邮为jie_wang7@sina.com。