AI Disruption: Doomsday Scenario or Fizzle?
- 所属系列：专题更新 · 2026 年
- 视频：YouTube · 时长 28:51
- 讲义 / 资料：讲义 PDF · 博客原文
- 发布日期：2026-03-04
- 数据截至：Citrini 报告发布于录制前一周（2026 年 2 月底）；圣路易斯联储 AI 采用调查覆盖 2024 年 8 月至 2025 年 11 月
- 学习日期：2026-10-28
- 状态：已提炼
视频总结
时间戳取自 YouTube 转录稿，标题中的时间区间可点击跳转。
00:00–03:22 Citrini 的末日情景
- 过去两三年，AI 的故事主要由推销者和支持者讲述，强调好的一面；最近几个月开始出现裂缝（00:00）：
- 大型科技公司在财报中宣布数百亿美元的 AI 投资，一年半前这是利好，现在股价下跌；
- 上周初，宏观与个股研究机构 Citrini Research 发布了一份 AI 末日情景报告（00:31）。
- 报告的设定（01:04）：时间点是 2028-06-30，距今两年多；失业率超过 10%，股市下跌 40%，经济一片狼藉，驱动力是 AI。
- 与以往的不同（01:31）：以往的 AI 末日情景通常假设 AI 不管用，投资者被迫减记投资；Citrini 假设 AI 很管用、见效很快，迅速取代律师、银行家、咨询顾问等大量白领，失去工作和收入的人减少支出，经济失速，股市和就业下跌（02:03）。
- 讲者对这个情景有保留，但认为它的功劳在于打开了“AI 对整个经济意味着什么”的讨论（02:38）。他一直担心本世纪对颠覆的顶礼膜拜：他认同熊彼特“创造性破坏”的资本主义描述，经济需要颠覆才能保持活力，但颠覆有代价，有被颠覆者，也有在被颠覆企业工作的人（02:38）。
03:22–06:24 反方情景与它们的共同问题
- Citrini 把 AI 支持者“取代白领”的推销话术推到底，再问“然后呢”，显然触动了神经（03:22）。高盛、穆迪、摩根大通纷纷发布反方情景；讲者意外的是 Citadel 也公开参战，直接反驳 Citrini。
- Citadel 的三根支柱（03:22）：
- 当前裁员与就业数据（04:10）：即使是被 AI 直接瞄准的软件业，也没有断崖式下跌。过去两三年软件业岗位减少约 6%，可能只是招聘过度后的正常流失。
- 历史：个人电脑、互联网等以往的颠覆都需要时间，进三步退两步，从未像 Citrini 设想的那样压缩发生（04:10）。
- 宏观经济学（04:49）：取代现有工人会带来生产率收益，从来没有哪次带来如此巨大生产率收益的颠覆，会让经济和市场像 Citrini 设想的那样受损。讲者认为这可能是短期与长期的区别，但论点成立。
- 这些情景的共同问题（04:49）：都只拿一个情景充分展开，当作基准情景。
- 讲者一直在想 Citrini 的报告是最坏情景、低概率情景还是可能情景，因为应对方式完全不同（05:24）：
- 若是可能情景，白领就麻烦了：工作有风险，失业时组合也可能下跌 30%，短期内还没有别的工作可找；
- 若是低概率情景，可以采取一些风险保护措施（05:56）；
- 若是最坏情景，除了震撼效果，讲者从未发现最坏情景对投资行动有什么用。
06:24–10:30 情景分析与 3P 测试
- 金融和经济学多用点估计（06:24）：估值时对增长、利润率、再投资和风险做最佳判断，得出一个价值，但“百分之百会错”。概率方法迟迟没有普及的三个原因：
- 过去数据和工具不足，模拟和情景分析成本高，这个借口已不存在；
- 很多从业者对统计不自在，除了正态分布记不住别的分布（07:11）；
- 心理原因：担心向客户展示不确定性会被视为软弱或缺乏确信，所以只给点估计，装作据此决策。
- 讲者偏爱蒙特卡洛模拟，这里聚焦情景分析（07:46）。最草率的形式是“最好、基准、最坏”三种情景，他不知道这能用来做什么（08:13）：没有哪项风险投资在最坏情景下还表现好，也没有哪项投资在最好情景下不好看。
- 做对的情景分析（08:43）：列出覆盖所有可能结果的情景（世界是连续的，要把连续结果归并成若干情景），为每个情景赋予概率，计算期望值。AI 还处在早期，赋概率很难。
- 讲者的替代方案：借用他在估值故事中用的 3P 测试，逐级提高门槛（09:15）：
- 可能（possible）：会发生，不是童话；
- 合理（plausible）：需要更多信息支撑，有人做过类似的事，可以参考以往的颠覆（09:53）；
- 很可能（probable）：基于 AI 现在实际在做什么的数据做判断。
- 面对越来越多的 AI 情景，应先把它们放到这个谱系上。
10:30–13:46 两个关键问题与 AI 采用的现状
- 任何 AI 情景都要回答两个问题（10:30）：
- AI 是取代人，还是给人更强大的工具？不完全是二选一，工具更强也可能最终取代人，问题是“现在就取代”还是“只是工具”。最积极的支持者如 Dario Amodei 认为 AI 能在许多行业取代白领；Citrini 假设大范围取代，Citadel 认为取代范围窄得多（11:18）。
- 颠覆多快发生？乐观者认为工具已就绪、很快铺开，其他人认为需要时间。Citrini 假设很快，Citadel 认为慢得多。各情景之间最大的分歧就在这两个问题上（11:18）。
- 圣路易斯联储的 AI 采用数据（11:59），按行业统计采用率、节省的时间和生产率效应，调查数据噪声大，要打折看：
- 使用 AI 的人在增加，但不是指数级：2024 年 8 月至 2025 年 11 月有所上升，没有翻倍（12:30）；
- 个人生活中用 AI 的比工作中多；
- 自称节省的时间比例，最高的是“企业管理”（讲者不明白这指什么），其次是科技；各行业都还很有限（12:30）。
13:46–17:29 收益与代价：2 × 2 矩阵
AI 的收益来自生产率提升，既可以靠取代人，也可以靠给人工具（13:46）。讲者的两个假说：
- 取代人的生产率收益大于提供工具，听起来不人道，但从产出与劳动的比值看确实如此；
- 颠覆来得快，生产率收益大于来得慢（14:35）。
AI 的代价来自被取代的人：失去工作和收入，消费下降，无法投资。代价同样取决于两个问题：大范围取代、来得快，代价都更大（14:35）。
不幸的是，带来高收益的力量同样带来高代价（15:23）。讲者据此画出矩阵（15:51）：
快 慢 取代人 颠覆核弹（disruption nuke）：短期收益高，但代价更高，系统来不及调整；长期或许受益，但“长期来看我们都死了”（凯恩斯） 延迟引爆（delayed detonation）：短期收益较小但逐步上升，早期代价低得多，长期代价可能变大（16:30） 提供工具 收益和代价都较小，但大于右下格（17:01） 颠覆哑火（disruption fizzle）：慢且多为低影响的工具，生产率差别不大 几乎每个 AI 情景都能放进这个矩阵（17:29）。
17:29–19:53 五个情景的 3P 评级
| 情景 | 取代范围 | 工具威力 | 速度 | 短期净收益 | 讲者评级 |
|---|---|---|---|---|---|
| 1. Citrini 式 | 多数行业大规模取代 | 颠覆性 | 快 | 为负 | 可能，但不合理（17:29） |
| 2 | 多数行业取代 | 部分行业颠覆性 | 需要时间 | 为正且大 | 合理（18:06） |
| 3 | 部分行业取代 | 部分颠覆性 | 慢 | 为正，居中 | 很可能（18:37） |
| 4 | 部分行业取代 | 渐进式 | 快 | 小幅为正 | 合理（19:06） |
| 5. 哑火 | 极少或没有行业 | 渐进式 | 慢 | 收益与代价都很小 | 未单独评级 |
19:53–24:02 讲者为何判断“部分行业、多数渐进、较慢”
为什么比 Citrini 的两年更慢（19:06）：
- 讲者对很多 AI 产品印象深刻，但它们仍有很多故障要解决，还不能自主运行，不能直接替代人（19:53）。
- 历史：他一生经历了个人电脑、互联网、社交媒体和现在的 AI 四次颠覆，没有一次是线性、顺利的。互联网颠覆在 2001 年泡沫破裂时几乎夭折，后来恢复但花了时间（19:53）。
- 人性：人说自己会很快适应，但对改变的抗拒很深，年纪越大、企业越成熟越是如此（20:35）。
为什么不会哑火（20:35）：很多人把 AI 当作“打了类固醇的 ChatGPT”，觉得它做不了什么；但 AI 远不止于此，它不是深蓝那样机械的东西，能做的类人之事令人害怕。问题不在于人不聪明，而在于企业设计的岗位本来就不怎么用人的直觉和智力：因为厌恶风险、不喜欢犯错，岗位被做成规则驱动，所以很多岗位会被 AI 取代（21:14）。
AI 最可能先取代员工的地方（21:46）：
更可能 更不可能 年轻公司、年轻员工（惯性小） 老公司、员工老龄化 高毛利行业（利润空间大） 低毛利行业 机械、基于规则的产品与服务 涉及人际、人脉的工作 缺乏制度保护（监管、法律） 有强制度保护 例子（22:42）：
- 软件：四项全中，年轻行业、员工年轻、高毛利、按规则运行，几乎没有专利等制度保护，“AI 看到软件业眼睛都亮了”。
- 评估（23:13）：本身机械、基于规则（公允价值会计），但它服务于会计准则制定者，制度可能被改写来保护从业者，例如规定“只有人做的公允价值评估才算数”。人们工作受威胁时会游说保护自己。
- 投行与并购（23:13）：请银行家出公平意见（fairness opinion）不是为了那份估值，而是为了在法庭上得到保护，而法庭需要人。
24:02–25:47 净收益之下的赢家与输家
- 各情景都有净收益，但净收益之下仍有赢家和输家（24:02）：
- AI 公司与其他经济部门的利益会分化：收益最大的“快速、大规模颠覆”情景对 AI 公司最好，对其他经济部门却不好；
- 最近几次颠覆都让竞争格局向大公司倾斜，AI 可能更甚（24:44）；
- 强烈的 AI 颠覆可能加剧财富和收入不平等。
- 工作不只是收入，也是自尊和价值的来源（24:44）。告诉一个人他一生精进、自以为专精的事机器能轻易做到，会造成心理伤害。前几次颠覆中蓝领工人遭遇过同样的事，我们没太在意；银行家、评估师和律师被裁时也许有人幸灾乐祸，但心理代价依然存在（25:33）。
25:47–28:51 个人后记：如何不被自己的机器人取代
- 讲者在 Stern 的朋友 Vasant Dhar 开发了“Damodaran 机器人”，喂入讲者全部公开的写作、教学和 YouTube 视频，试图取代他（25:47）。讲者一直努力跑在它前面，总结了四件机器人暂时做不到的事（26:02）：
- 做通才：跨学科涉猎，在奖励专业化的世界里曾是弱点，现在可能成为优势；
- 左右脑并用（26:35）：左脑管逻辑，右脑管讲故事，人们常被鼓励只发挥长处，两边都用会让 AI 更难取代你，不是不可能，但更难；
- 锻炼推理肌肉：答案在 Google 或 ChatGPT 上唾手可得时，坚持自己推理；
- 留出闲暇：讲者大部分思考和写作都在头脑放空时完成，他的博客“东一篇西一篇”就是这么来的（26:35）。
- 他看得到这个机器人两年来学了多少，所以自己也要不断进步（27:24）。
- 帕斯卡赌注（27:24）：帕斯卡用期望值矩阵说明，信上帝比不信好：信而上帝存在，上天堂；信而上帝不存在，代价很小；不信而上帝存在，下地狱。讲者认为 AI 也一样：无论 AI 是否成功，假装它会成功都会让你在本职上做得更好（27:58）。成功了，你至少部分准备好了；没成功，你也成了更好的银行家或律师。“假装有个机器人在你肩后看着你，做该做的事把它挡在门外”（28:26）。
提炼
核心结论
- AI 情景之间的分歧主要来自两个问题：取代人还是提供工具、快还是慢；任何情景都可以放进这个 2 × 2 矩阵。
- 带来高收益的力量（大范围取代、快速发生）同样带来高代价，这正是 Citrini 末日情景的逻辑：AI 越成功、越快，短期对经济的冲击越大。
- 最好、基准、最坏三情景对决策没什么用；应覆盖所有结果并赋概率，或至少用 3P 测试（可能、合理、很可能）给情景分级。
- 讲者判断“部分行业取代、部分工具颠覆、较慢发生”是很可能的情景：AI 产品仍有故障，历史上的颠覆都不是线性的，人对改变有惯性。
- AI 最先取代的是年轻、高毛利、规则化、缺乏制度保护的行业，软件业首当其冲；有监管或法律需求托底的白领工作会存续更久。
概念与公式
| 概念 | 含义 |
|---|---|
| 点估计（point estimate） | 只给一个最佳估计值；“百分之百会错” |
| 情景分析（scenario analysis） | 列出覆盖所有结果的情景、赋概率、算期望值 |
| 3P 测试 | 可能（不是童话）→ 合理（有先例或类比）→ 很可能（有当前数据支撑） |
| 颠覆核弹 / 延迟引爆 / 哑火 | 快速取代 / 缓慢取代 / 缓慢且只是渐进工具，三种典型 AI 情景 |
| 创造性破坏（creative destruction） | 熊彼特对资本主义的描述，颠覆带来活力，也带来代价 |
| 帕斯卡赌注（Pascal's wager） | 用期望值说明在不确定时如何选择行动 |
情景分析的期望值：
方法与判断依据
- 读任何 AI 情景报告时先问：它假设的取代范围和速度是什么？它是作者眼中的最坏、低概率还是可能情景？它通过了 3P 测试的哪一级？
- 判断一个行业被 AI 取代的风险：员工年龄与公司年龄、毛利率、产品是否规则化、有无监管或法律保护；四项都偏向“是”的，风险最高。
- 制度保护的作用：服务于监管、法庭或会计准则的岗位（评估、公平意见），即使技术上可被取代，制度也可能被改写来保护从业者。
- 区分总收益与分配：净收益为正的情景仍会有输家；AI 公司偏好的情景（快且大）不一定是社会最优。
- 个人应对：做通才、左右脑并用、坚持推理、留出闲暇；按帕斯卡赌注的逻辑，为 AI 做准备的成本低、收益不对称。
复算与实操
情景期望值的演示（概率为我的假设，用来说明讲者框架的用法）：设五个情景的概率依次为 5%、20%、45%、20%、10%，并假设某白领岗位在 2028 年被取代的概率依次为 60%、40%、15%、10%、2%。
- 期望的被取代概率 = 0.05 × 60% + 0.20 × 40% + 0.45 × 15% + 0.20 × 10% + 0.10 × 2% ≈ 3% + 8% + 6.75% + 2% + 0.2% ≈ 20%。
- 若只看 Citrini 情景，会得出 60%；只看哑火情景，会得出 2%。把一个情景当作基准，结论会偏到天上或地下。
帕斯卡赌注的 AI 版（收益为示意值）：
AI 真的会取代很多工作 AI 不会 现在就为 AI 做准备 大幅减少损失（+10） 付出一些努力，但本职能力提高（+1） 不做准备 大幅损失（−10） 没有变化（0） 无论 AI 成功的概率是多少，“做准备”这一行的结果都不差于“不做准备”，这就是讲者主张“假装有机器人在肩后”的原因。
关联
- AI's Bar Mitzvah Moment（2026-08-20）：讲者在那一期回顾本期的 Citrini 讨论，并把“速度 × 幅度”的矩阵用来推导 AI 的 TAM：替代员工的市场最大，但对社会代价也最大。
- Lessons from Leo（2026-08-10）：Aschenbrenner 的基金押注的正是“AI 快速、大规模颠覆”的情景，讲者在那一期批评其确信过强。
- The Market's Narrative: How Investors are pricing in the Iran War!（2026-04-01）：同样用三个问题构建情景、判断自己处于“淡定 / 担忧 / 恐慌”的哪一档，是本期情景框架的另一次应用。
- 估值：3P 测试与蒙特卡洛模拟在估值课中的原始出处。