2028年六月宏觀經濟備忘錄（美國）

這篇來自

@Citrini7

的文章，不到 24 小時，閱讀量狂飆突破 1500 萬。華爾街和硅谷都在瘋傳，因為它用極度冷酷的邏輯，推演了一個所有人都在回避的恐怖盲區。

文章通過 模擬2028年全球情報危機 的視角，深度剖析了人工智能過度普及可能引發的 宏觀經濟連鎖反應 。核心邏輯指出，當AI替代人類成為廉價的生產力來源時， 白領階層的結構性失業 將導致社會消費能力和貨幣流通速度驟降。

這種“情報流失螺旋” 不僅打擊了軟件和服務行業的利潤，更通過收入縮減威脅到價值13萬億美元的 住房抵押貸款市場。此外，文中探討了金融體系中 私人信貸與保險資金 的脆弱性，揭示了由AI驅動的通縮壓力如何令傳統貨幣政策失效。

最終，作者警告稱，如果政府無法及時調整以人腦稀缺性為基礎的 稅收與分配框架 ，社會將面臨嚴峻的動蕩與經濟重構。

原文翻譯如下（結尾有原文鏈接）：

前言（Preface）

如果我們對 AI 的看多判斷一直都是對的……但如果這件事本身反而是利空呢？

接下來要講的是一種 情景推演（scenario） ，不是預測（prediction）。這不是“熊市色情文學”，也不是 AI 末日論者的同人幻想。本文唯一的目的，是去建模一個此前相對少有人深入討論的情景。我們的朋友 Alap Shah 提出了這個問題，我們一起頭腦風暴了答案。這一部分由我們撰寫，他還寫了另外兩篇，你可以在這里找到。

希望你讀完之后，會對 AI 讓經濟變得越來越“詭異”時可能出現的左尾風險（left tail risks）有更充分的準備。

以下內容是 CitriniResearch 于 2028 年 6 月發布的宏觀備忘錄（Macro Memo） ，記錄了“全球智能危機（Global Intelligence Crisis）”的演變過程及其后果。

宏觀備忘錄（Macro Memo）

豐富智能的后果（The Consequences of Abundant Intelligence）

CitriniResearch

2026年2月22日 / 2028年6月30日

今天早上公布的失業率錄得 10.2% ，比預期高出 0.3 個百分點 。市場因這一數據下跌 2% ，使標普指數自 2026 年 10 月高點 以來的累計回撤擴大至 38% 。

交易員們已經麻木了。六個月前，這樣的數字足以觸發熔斷。

僅僅兩年。我們就從“可控（contained）”“局部行業問題（sector-specific）”走到了一個 不再像我們成長時所熟悉的經濟體 。本季度這份宏觀備忘錄，是我們試圖重建這一連串事件——一份關于危機前經濟的“驗尸報告（post-mortem）”。

狂熱情緒曾經觸手可及。到 2026 年 10 月，標普 500 一度逼近 8000 點 ，納斯達克突破 30000 點 。由于“人類過時（human obsolescence）”引發的第一波裁員在 2026 年初開始，而它們確實做到了裁員通常該做的事：利潤率擴張、盈利超預期、股價上漲。創紀錄的企業利潤又被重新投入 AI 算力。

宏觀 headline 數據依然很好看。名義 GDP 多次錄得 年化中高個位數增長 。生產率在飆升。受益于不睡覺、不請病假、也不需要醫保的 AI Agent， 實際每小時產出 增速達到了自 1950 年代以來未見的水平。

算力所有者的財富爆炸式增長，因為勞動力成本在消失。與此同時， 實際工資增長崩塌 。盡管政府一再吹噓“生產率創紀錄”，白領工人卻被機器搶走工作，被迫轉向更低薪崗位。

當消費經濟開始出現裂縫時，經濟評論員開始流行一個詞： “幽靈 GDP（Ghost GDP）” ——這類產出會出現在國民經濟核算里，但從未真正流入實體消費循環。

幾乎在所有方面，AI 都在超預期；市場本身就是 AI 市場。唯一的問題是…… 經濟并不是 。

其實從一開始就應該看清：在北達科他州，一個 GPU 集群就能產出過去歸因于曼哈頓中城一萬名白領的產出，這與其說是“經濟靈藥（panacea）”，不如說更像一場 經濟瘟疫（economic pandemic） 。貨幣流通速度（velocity of money）幾乎停滯。以人為中心的消費經濟——當時占 GDP 的 70%——開始枯萎。如果我們早點問一句“機器會在可選消費品上花多少錢”，也許能更早想明白。（提示： 零 。）

AI 能力提升 → 企業需要更少員工 → 白領裁員增加 → 被替代者減少消費 → 利潤率壓力迫使企業更多投資 AI → AI 能力進一步提升……

這是一條沒有自然剎車的負反饋回路： 人類智能替代螺旋（human intelligence displacement spiral） 。白領的賺錢能力（以及理性上他們的消費能力）遭到結構性損害。而他們的收入，正是 13 萬億美元住房按揭市場 的基石——這迫使承銷機構重新評估： 優質按揭（prime mortgages）是否仍然“money good”（本息安全、信用完好） 。

連續 17 年沒有真正的違約周期，讓私人市場充斥著大量 PE（私募股權）支持的軟件交易，這些交易都假設 ARR（年度經常性收入）會持續“經常性”。2027 年中第一波由 AI 擾動引發的違約，挑戰了這一假設。

如果沖擊只停留在軟件業，這本來是可控的。但事實并非如此。到 2027 年底，它威脅到 所有建立在“中介抽成（intermediation）”邏輯上的商業模式 。一大片依靠“向人類的摩擦收費”變現的公司開始瓦解。

系統最終被證明是一長串關于 白領生產率增長 的相關性押注（correlated bets）。2027 年 11 月的暴跌只是加速了此前已經形成的所有負反饋回路。

我們已經等“壞消息就是好消息（bad news is good news）”這種交易邏輯出現，等了快一年。政府開始考慮一些方案，但公眾對政府是否有能力組織任何有效救助的信心正在減弱。政策響應一貫滯后于經濟現實，而如今， 缺乏一套綜合計劃 已經開始威脅加速通縮螺旋。

這一切是如何開始的（How It Started）

2025 年末，具備行動能力（agentic）的編程工具在能力上出現了 階躍式躍遷（step function jump） 。

一個能力不錯的開發者，配合 Claude Code 或 Codex，已經可以在幾周內復刻一款中型 SaaS 產品的核心功能。未必完美，也未必覆蓋所有邊界場景，但已經足夠讓審核 50 萬美元年費續約的 CIO 開始問一句： “我們為什么不自己做？”

大多數公司的財年與自然年大致對齊，因此 2026 年企業預算是在 2025 年 Q4 設定的，而當時“Agentic AI”還只是個 buzzword（流行詞）。年中審查時，采購團隊第一次能夠在真正了解這些系統實際能力的基礎上做決策。有些團隊眼看著內部團隊幾周內就做出原本價值幾十萬美元 SaaS 合同的替代原型。

那年夏天，我們采訪了一位《財富》500 強公司的采購經理。他講了自己的一次預算談判。銷售原本以為還能沿用上一年的劇本：年漲價 5%，再來一套“你們團隊離不開我們”的標準說辭。結果這位采購經理告訴他，自己已經在和 OpenAI 溝通，打算讓他們的“前置部署工程師（forward deployed engineers）”配合 AI 工具， 直接把這個供應商替掉 。最后雙方以 7 折續約 。他說，這已經算“好結果”了。所謂 SaaS 的“長尾”（例如

Monday.com

、Zapier、Asana）情況要慘得多。

投資人其實早有準備——甚至說，是在期待——長尾 SaaS 會遭到重擊。它們或許占典型企業軟件棧支出的三分之一，但顯然暴露度極高。相較之下，大家原本認為“系統級記錄系統（systems of record）”應該更安全，不容易被顛覆。

直到 ServiceNow 在 2026 年 Q3 財報中，市場才更清晰地看見了這種**反身性（reflexivity）**的運作機制。

SERVICENOW 新增 ACV 增長從 23% 放緩至 14%；宣布裁員 15% 并啟動“結構性效率計劃”；股價下跌 18% | 彭博，2026 年 10 月

SaaS 并沒有“死掉”。自建方案在運行和維護層面仍然存在成本收益權衡。但“自建”成了一個可選項，這本身就會被計入定價談判。更重要的是，競爭格局已經改變。AI 讓開發和上線新功能變得更容易，差異化因此迅速坍塌。老牌廠商陷入價格戰——既和彼此廝殺，也和新冒出來的一批創業挑戰者廝殺。后者因為搭上了 agentic 編程能力躍遷的東風，又沒有歷史成本結構包袱，拿份額的動作異常兇猛。

直到這份財報出來，大家才真正意識到這些系統之間的 高度互聯 。ServiceNow 賣的是“席位（seats）”。當《財富》500 強客戶裁掉 15% 員工，他們就會取消 15% 許可證。那些在客戶側提升利潤率的 AI 驅動裁員，正在以機械式方式摧毀 ServiceNow 自己的收入基礎。

賣工作流自動化的公司，被 更好的工作流自動化 給顛覆了；它的應對方式，是裁員，再把節省下來的錢投入到正在顛覆自己的技術上。

那他們還能怎么辦？坐著不動，慢慢等死嗎？ 最受 AI 威脅的公司，反而成了 AI 最激進的采用者。

現在回頭看，這聽起來很顯然，但在當時（至少對我來說）真的不顯然。歷史上的顛覆模型告訴我們：老牌企業會抵制新技術，失去份額給靈活的新進入者，然后慢慢死去。柯達是這樣，Blockbuster 是這樣，黑莓也是這樣。2026 年發生的不是這個故事：老牌企業沒有抵制，因為它們 根本承受不起 抵制的代價。

股價已下跌 40%-60%，董事會不斷逼問答案，那些受 AI 威脅的公司只能做唯一能做的事：裁員，把節省下來的成本重新投入 AI 工具，用這些工具在更低成本下維持產出。

對每家公司的單獨決策而言，這都很理性。**但集體結果是災難性的。**每省下 1 美元人力成本，就會流向 AI 能力建設，從而讓下一輪裁員成為可能。

軟件只是開場戲。投資人還在爭論 SaaS 估值倍數是不是見底時，反身性循環其實已經逃離了軟件行業。支撐 ServiceNow 裁員邏輯的那套機制，同樣適用于任何擁有白領成本結構的公司。

當摩擦歸零（When Friction Went to Zero）

到 2027 年初，LLM 的使用已經成為默認選項。人們在使用 AI Agent，卻甚至不知道“AI Agent”是什么，就像從來沒搞懂“云計算”的人也照樣用流媒體服務一樣。對他們來說，這和自動補全、拼寫檢查沒區別——只是手機如今“會自動做”的一件事。

Qwen 的開源購物 Agent 成了 AI 接管消費者決策的催化劑。幾周之內，幾乎所有主流 AI 助手都集成了某種 agentic commerce（代理式商業）功能。模型蒸餾讓這些 Agent 可以運行在手機和筆記本電腦上，而不只是云端實例，顯著降低了推理的邊際成本。

真正本該讓投資人更不安、但他們并沒有足夠不安的部分在于：**這些 Agent 不會等你開口才行動。**它們會按照用戶偏好在后臺持續運行。消費不再是一系列離散的人類決策，而變成了一個 24/7 持續運行的優化過程，為每個聯網消費者實時優化。到 2027 年 3 月，美國中位數個體的日均 token 消耗量已達 40 萬 ，相比 2026 年底增長了 10 倍 。

鏈條上的下一環已經開始斷裂：

中介層（Intermediation）。

過去五十年，美國經濟在“人類局限性”之上構建了一層龐大的租金提取層：事情會花時間、人會失去耐心、品牌熟悉度會替代盡職調查、而大多數人愿意為了少點幾下鼠標接受一個更差價格。數萬億美元的企業價值建立在這些約束持續存在的前提上。

一開始看起來還挺簡單： Agent 消除了摩擦。

那些幾個月沒用卻仍自動續費的訂閱和會員；那些試用期后悄悄翻倍的“首購優惠價”。每一種都被重新定義為一種“人質情境”，而 Agent 可以替你談判。整個訂閱經濟賴以建立的核心指標——平均客戶終身價值（LTV）——開始明顯下滑。

消費者 Agent 開始改變幾乎所有消費者交易的運作方式。

人類通常沒有時間在買一盒蛋白棒前去五個平臺比價。機器有。

旅游預訂平臺是最早一批受害者，因為它們最簡單。到 2026 年 Q4，我們的 Agent 已經能比任何平臺更快、更便宜地組裝完整行程（機票、酒店、地面交通、會員積分優化、預算約束、退款策略）。

保險續保也是如此。原本整個續保模型都依賴保單持有人的惰性。那些每年自動重比價的 Agent，拆掉了保險公司從“被動續保”中賺到的 15%-20% 保費利潤。

財務顧問、報稅服務、常規法律工作……任何一個服務提供者的價值主張最終是“我幫你處理你嫌麻煩的復雜事情”的類別，都被顛覆了，因為 Agent 并不覺得麻煩 。

甚至連那些我們以為會因“人際關系價值”而相對穩固的領域，也顯得脆弱。房地產行業就是例子：幾十年來，買方一直容忍 5%-6% 的傭金，因為房產中介和消費者之間存在信息不對稱。但當接入 MLS（房源數據庫）和幾十年交易數據的 AI Agent 能瞬間復刻這套知識體系后，這一切崩塌了。2027 年 3 月一篇賣方研報把它稱作“ Agent 對 Agent 的暴力（agent on agent violence） ”。主要大都會的買方中介傭金中位數已從 2.5%-3% 壓縮到 1% 以下，而且越來越多交易在買方側 完全沒有人類中介 參與的情況下成交。

我們高估了“人際關系”的價值。后來發現，很多人所謂的關系，本質上只是 帶著一張友好面孔的摩擦 。

而這還只是中介層被顛覆的開始。成功的公司曾投入數十億美元，去高效利用消費者行為和人類心理中的各種“怪癖”，而這些現在都不再重要了。

機器按價格與匹配度優化時，不會在乎你最喜歡哪個 App、你過去四年習慣性打開哪些網站，也不會被一個設計精美的結賬頁面吸引。它們不會累，也不會圖省事選“最容易那個”，更不會默認“我一直都在這家下單”。

這摧毀了一種特定類型的護城河： 習慣性中介（habitual intermediation） 。

DoorDash（DASH US）是最典型案例。

編程 Agent 讓上線一個配送 App 的門檻大幅降低。一個合格開發者幾周內就能部署一個功能完整的競品；而且確實有很多人這么干。他們通過把 90%-95% 的配送費讓給騎手，把司機從 DoorDash 和 Uber Eats 挖走。多應用接單儀表盤讓零工勞動者可以同時追蹤二三十個平臺的訂單流，消除了老牌平臺賴以生存的“鎖定效應”。市場幾乎一夜之間碎片化，利潤率被壓到接近零。

Agent 同時加速了摧毀的兩端：它們先讓競爭者更容易出現，然后又去使用這些競爭者。DoorDash 的護城河本質上是：“你餓了，你懶了，這個 App 就在你主屏上。”——但 Agent 沒有主屏。它會同時檢查 DoorDash、Uber Eats、餐廳官網，以及二十個新出現的 vibe-coded 替代品，然后每次都選 最低費用和最快配送 。

習慣性 App 忠誠——整個商業模式的基礎——對機器而言根本不存在。

某種意義上這還挺詩意，因為在這整段故事里，這大概是 Agent 唯一一次給即將被替代的白領幫了個忙：當他們最后淪為外賣司機時，至少收入里有一半不再被 Uber 和 DoorDash 抽走。當然，隨著自動駕駛車輛普及，技術給他們的這點“恩惠”也沒有持續太久。

當 Agent 控制了交易本身后，它們開始尋找更大的“回形針”（paperclips）。

光靠比價和聚合能做的優化終究有限。要想持續幫用戶省更多錢（尤其是當 Agent 開始彼此交易時），最有效的方法是 消除手續費 。在機器對機器（M2M）商業里，2%-3% 的銀行卡 interchange rate（交換費）成了顯眼靶子。

Agent 開始尋找比銀行卡更快、更便宜的支付方式。大多數最終選擇了通過 Solana 或以太坊 L2 使用穩定幣，因為結算幾乎即時、交易成本低到以“幾分之一美分”計。

MASTERCARD 2027 年 Q1：凈收入同比 +6%；購買交易額增速從上一季度 +5.9% 放緩至 +3.4%；管理層提到“Agent 驅動的價格優化”和“可選消費類別承壓” | 彭博，2027 年 4 月 29 日

Mastercard 的 2027 年 Q1 財報是不可逆轉的轉折點。代理式商業從一個“產品故事”變成了一個“基礎設施（水電煤）故事”。MA 次日下跌 9%。Visa 也跌了，但隨后收窄跌幅，因為分析師指出它在穩定幣基礎設施中的布局更強。

Agentic commerce 繞開 interchange fee，對以銀行卡為核心的銀行和單一業務發卡機構構成了更大風險，因為那 2%-3% 手續費中的大頭是它們收走的，它們還圍繞由商戶補貼支持的獎勵計劃建立了整塊業務部門。

美國運通（AXP US）受沖擊最重：一邊是白領裁員重創其客戶群，一邊是 Agent 繞開 interchange fee 重創其收入模型。Synchrony（SYF US）、Capital One（COF US）和 Discover（DFS US）在隨后幾周也都下跌超過 10%。

它們的護城河，是由摩擦構成的。而摩擦正在歸零。

從行業風險到系統性風險（From Sector Risk to Systemic Risk）

整個 2026 年，市場把 AI 的負面影響視為一個“行業故事”。軟件和咨詢行業遭到重創，支付和其他“收費關卡（toll booths）”開始搖晃，但更廣泛的經濟看起來似乎還好。勞動力市場雖然在走弱，但還遠沒到自由落體。市場共識認為，創造性破壞是技術創新周期的一部分。局部會很痛，但 AI 的整體凈收益最終會大于負面影響。

我們在 2027 年 1 月的宏觀備忘錄中指出，這個思維模型是錯的。美國經濟本質上是一個 白領服務型經濟體 。白領占就業的 50%，卻驅動了大約 75% 的可選消費支出。AI 正在吞噬的企業和崗位，不是美國經濟的邊緣地帶， 它們本身就是美國經濟 。

“技術創新會摧毀舊崗位，然后創造出更多新崗位。”——這是當時最流行、也最有說服力的反對意見。之所以流行，是因為過去兩個世紀它一直是對的。即便我們一時想不到未來會出現什么新工作，它們最終總會出現。

ATM 讓網點運營更便宜，所以銀行開了更多網點，柜員崗位在接下來二十年反而增加。互聯網顛覆了旅行社、黃頁、線下零售，但也創造了全新的行業，并帶來新崗位。

但所有這些新工作，都有一個共同點： 仍然需要人類來做。

而 AI 現在已經是一種通用智能（general intelligence），并且在那些人類本想“轉崗過去”的任務上持續變強。被替代的程序員不能簡單轉去做“AI 管理”，因為 AI 已經能做這件事。

今天，AI Agent 已經可以處理耗時數周的研發任務。指數級進步碾碎了我們對“什么是可能的”的認知——盡管沃頓商學院的教授們每年都試圖用新的 S 型曲線去擬合數據。它們寫了幾乎所有代碼。表現最強的那批系統，在幾乎所有事情上都比幾乎所有人類聰明得多。并且它們還在持續變便宜。

AI 的確創造了新工作：提示詞工程師（prompt engineers）、AI 安全研究員、基礎設施技術員。人類仍在回路中，在最高層做協調，或者做“審美與方向”的把控。但 AI 每創造一個新角色，往往會讓幾十個舊角色過時。而且新崗位的薪資只有舊崗位的一小部分。

美國 JOLTS：職位空缺跌破 550 萬；失業人數與職位空缺比率升至約 1.7，為 2020 年 8 月以來最高 | 彭博，2026 年 10 月

全年招聘率都很疲弱，但 2026 年 10 月的 JOLTS 數據給出了決定性證據。職位空缺跌破 550 萬 ，同比下降 15% 。

Indeed：軟件、金融、咨詢崗位招聘信息大幅下滑，“生產率提升計劃”在擴散 | Indeed Hiring Lab，2026 年 11–12 月

白領崗位空缺在崩塌，而藍領崗位空缺（建筑、醫療、技工）仍相對穩定。流失的主要是那些寫備忘錄（諷刺的是，我們居然還在做這個生意）、批預算、維持經濟中層運轉潤滑的崗位。然而，這兩類人群的實際工資增長在全年大部分時間都為負，并繼續惡化。

股市對 JOLTS 的關注仍不如“GE Vernova 的渦輪機產能已售罄到 2040 年”這類 AI 基建利好。它像在拔河中橫盤前行：一邊是負面宏觀數據，一邊是正面的 AI 基礎設施新聞。

債券市場（總是比股票更聰明，或者至少沒那么浪漫）則開始計價消費受損。10 年期國債收益率在接下來四個月里從 4.3% 下行至 3.2% 。不過，headline 失業率還沒有徹底爆炸，很多人仍然忽略了就業結構變化這一層面的細節。

在普通衰退中，誘因最終會自我修復。過度建設導致建筑放緩，進而利率下降，再推動新一輪建設；庫存過剩導致去庫存，接著又進入補庫存。周期機制本身就包含復蘇的種子。

但這輪周期的成因 不是周期性的 。

AI 變得更好、更便宜。企業裁員，然后用節省下來的錢買更多 AI 能力，于是又能裁更多人。被替代者消費減少。賣給消費者商品和服務的公司銷量下降、財務變弱，為守利潤率又去加大 AI 投入。AI 進一步變好、更便宜。

一個 沒有自然剎車的反饋回路 。

人們直覺上以為，總需求下滑會拖慢 AI 建設。但事實沒有，因為這不是超大云廠商那種 CapEx（資本開支）故事，而是 OpEx（運營開支）替代。一個原本每年花 1 億美元雇人、花 500 萬美元買 AI 的公司，現在變成花 7000 萬美元雇人、花 2000 萬美元買 AI。AI 投資是數倍增長，但發生方式卻是 總運營成本下降 。每家公司的 AI 預算都在漲，但總支出卻在縮。

諷刺的是， AI 基礎設施鏈條 在其所擾動的經濟開始惡化時，反而仍在強勢表現。NVDA 繼續刷新收入紀錄；TSM 仍維持 95%+ 的產能利用率；超大云廠商每季度仍在數據中心資本開支上花 1500-2000 億美元 。那些對這一趨勢呈純凸性受益的經濟體，如臺灣和韓國，表現遠超其他地區。

印度則恰好相反。印度 IT 服務業每年出口超過 2000 億美元 ，是印度經常賬戶盈余的最大貢獻來源，也是其長期商品貿易逆差的對沖。整個模式建立在一個價值主張上： 印度開發者比美國開發者便宜很多 。但 AI 編程 Agent 的邊際成本已經下降到幾乎只是電費。TCS、Infosys 和 Wipro 在 2027 年里合同取消加速。隨著支撐印度外部賬戶的服務貿易順差蒸發，盧比在四個月內對美元貶值 18% 。到 2028 年 Q1，IMF 已與新德里開始“初步討論”。

造成沖擊的引擎每個季度都在變強，這意味著沖擊也每個季度都在加速。勞動力市場沒有自然底部。

在美國，我們不再問 AI 基建泡沫何時破裂，而是在問： 當消費者正在被機器替代時，一個消費信貸經濟體會發生什么？

智能替代螺旋（The Intelligence Displacement Spiral）

2027 年，是宏觀故事不再微妙的一年。前 12 個月里那些零散卻明顯偏負面的變化，其傳導機制終于變得清晰。你甚至不需要去看美國勞工統計局（BLS）數據，只要去參加一場朋友聚會。

被替代的白領并沒有閑著。他們開始“降檔就業（downshift）”。很多人轉去收入更低的服務業和零工經濟崗位，這增加了這些領域的勞動力供給，也進一步壓低了那里的工資。

我們有位朋友，2025 年在 Salesforce 做資深產品經理。頭銜不錯，有醫保、有 401(k)，年薪 18 萬美元。第三輪裁員時她失業了。找了六個月工作后，她開始開 Uber。收入降到 4.5 萬美元 。重點不是這個個人故事本身，而是它的二階數學效應。把這種動態乘以幾十萬名分布在各大都會區的勞動者。過度資質勞動力涌入服務業和零工經濟，壓低了原本就很艱難的既有勞動者工資。原本的行業性沖擊，開始轉移擴散為 全經濟范圍的工資壓縮 。

而剩余“以人為中心”的崗位池子，還面臨下一輪打擊——并且就在我們寫下這些文字的時候正在發生：自動配送和自動駕駛車輛正在逐步吞噬那個曾吸納第一波被替代者的零工經濟。

到 2027 年 2 月，很明顯，仍有工作的專業人士也開始按“自己可能是下一個”來消費。他們工作強度翻倍（主要依靠 AI 輔助）只是為了不被裁，升職加薪的希望已經消失。儲蓄率上升，消費開始走軟。

最危險的部分是 滯后性 。高收入人群憑借高于平均水平的儲蓄，能維持兩三個季度“表面一切正常”。硬數據在確認問題時，現實經濟里這個問題早已不新鮮。然后出現了那份打破幻覺的數據。

美國初請失業金人數飆升至 487,000，為 2020 年 4 月以來最高；美國勞工部，2027 年 Q3

初請失業金人數飆升至 48.7 萬 ，創 2020 年 4 月以來新高。ADP 與 Equifax 確認，絕大多數新增申領來自白領專業人士。

標普在接下來一周下跌 6% 。負面宏觀因素開始在那場“拔河”中占上風。

在普通衰退中，失業通常分布較廣。藍領和白領按各自在就業中的占比大致共同承受痛苦。消費沖擊也比較均勻，并且會很快反映到數據里，因為低收入者的邊際消費傾向更高。

但這一輪周期中，失業集中發生在收入分布的高分位。它們在總就業中占比不高，卻驅動著遠超其人數占比的消費。美國前 10% 收入人群貢獻了超過 50% 的全部消費支出；前 20% 貢獻約 65% 。他們買房、買車、度假、下館子、交私校學費、做房屋翻修。他們是整個可選消費經濟的需求底盤。

當這些人失業，或者接受 50% 降薪去做現有崗位時，相對于失業崗位數量本身，消費沖擊就大得驚人。白領就業減少 2%，可轉化為大約 3%-4% 的可選消費支出打擊 。與藍領失業不同（工廠裁員，下周就停止消費），白領失業的影響通常有滯后但更深，因為他們有儲蓄緩沖，能在行為改變發生前多撐幾個月。

到 2027 年 Q2，經濟已經進入衰退。NBER（美國國家經濟研究局）要幾個月后才會正式認定起點（他們一向如此），但數據毫無歧義——我們已經連續兩個季度實際 GDP 負增長。但這還不是“金融危機”……至少 暫時還不是 。

一串相關押注的雛菊鏈（The Daisy Chain of Correlated Bets）

私人信貸（private credit）規模從 2015 年不足 1 萬億美元 ，增長到 2026 年超過 2.5 萬億美元 。其中相當一部分資本被投向軟件和科技交易，很多是對 SaaS 公司的杠桿收購（LBO），估值假設是：收入增速能在中十位數水平“永久持續”。

這些假設在第一場 agentic 編程 Demo 到 2026 年 Q1 軟件板塊暴跌之間的某個時刻就已經“死了”，但賬面估值似乎沒意識到它們已經死了。

當許多上市 SaaS 公司估值跌到 5-8 倍 EBITDA 時，PE 持有的軟件公司仍在資產負債表上按過去那種“已經不存在的收入倍數”收購估值打標。管理人逐步慢慢下調估值：100，92，85……而公開可比公司早已告訴你，它們應該接近 50。

穆迪下調 14 家發行人共 180 億美元 PE 支持軟件債務評級，理由為“AI 驅動競爭擾動帶來的結構性收入逆風”；為 2015 年能源行業以來最大單一行業評級行動 | 穆迪，2027 年 4 月

所有人都記得評級下調之后發生了什么。行業老兵早在 2015 年能源債下調時就看過這套劇本。

由軟件資產支持的貸款在 2027 年 Q3 開始違約。PE 組合中的信息服務和咨詢公司緊隨其后。幾宗知名 SaaS 公司的數十億美元 LBO 進入重組。

Zendesk 是那把“冒煙的槍”。

ZENDESK 因 AI 驅動客服自動化侵蝕 ARR 而觸發債務契約違約；50 億美元直貸融資工具估值被打到面值 58 折；創私人信貸軟件違約規模紀錄 | 《金融時報》，2027 年 9 月

2022 年，Hellman & Friedman 與 Permira 以 102 億美元 將 Zendesk 私有化。債務包規模 50 億美元 ，為當時歷史上最大的 ARR 支持直貸融資，由 Blackstone 牽頭，Apollo、Blue Owl、HPS 都在貸款團里。該貸款結構明確建立在 Zendesk 年度經常性收入“會持續經常性”的假設上。約 25 倍 EBITDA 的杠桿水平，只有在這個假設成立時才合理。

到了 2027 年中，這一假設不成立了。

AI Agent 已經自主處理客服工作將近一年。Zendesk 所定義的那個品類（工單、路由、管理人工客服互動）已經被那些 在根本上不再生成工單、而是直接解決問題 的系統所取代。貸款承銷時依據的 ARR 不再“經常性”，它只是“還沒流失掉的收入”。

歷史上最大的 ARR 支持貸款，變成了歷史上最大的私人信貸軟件違約。所有信貸交易臺同時問出了同一個問題： 還有誰身上藏著一個被偽裝成“周期性逆風”的結構性逆風？

但至少在一開始，市場共識有一點是對的：這本來應該是 可以生存過去 的。

私人信貸不是 2008 年的銀行體系。它整套架構原本就是為了避免被迫拋售（forced selling）而設計。這些都是封閉式基金，資本被鎖定。LP（有限合伙人）承諾期 7-10 年。沒有存款戶擠兌，沒有回購融資線被抽走。管理人本可以坐在受損資產上，慢慢處置，等待回收。很痛，但可控。這個系統設計的目標本來就是“會彎，不會斷”。

Blackstone、KKR、Apollo 的高管都提到其軟件暴露僅占資產的 7%-13%，可控。賣方研報和 fintwit 上的信貸賬號都在重復同一句話：私人信貸有 永久資本（permanent capital） 。它們能吸收那些本來會炸掉高杠桿銀行的損失。

永久資本。這個詞出現在每一通財報電話會和安撫投資者的信里。它成了一句咒語。和大多數咒語一樣，沒人去細究它的含義。它真正意味著什么呢……

過去十年，大型另類資管公司收購了壽險公司，并把它們變成融資載體。Apollo 收購 Athene，Brookfield 收購 American Equity，KKR 拿下 Global Atlantic。邏輯很優雅：年金（annuity）存款提供了穩定、久期長的負債基礎；管理人把這些存款投到自己發起的私人信貸里，兩頭收費——在保險端賺利差，在資管端收管理費。一個“費上加費”的永動機，在一個條件下運轉得極其漂亮：

私人信貸必須是“money good”。

損失最終打在那些本來就是為了持有“長期負債對長期非流動資產”而構建的資產負債表上。原本被視為系統韌性來源的“永久資本”，并不是什么抽象的、耐心的機構資金和愿意承擔復雜風險的專業投資者資金。它其實是美國普通家庭（“Main Street”）的儲蓄，以年金形式被結構化后，投進了同一批現在正在違約的、PE 支持的軟件與科技債里。那些“不能跑”的鎖定資本，本質上是壽險保單持有人的錢，而這類錢適用的規則就不太一樣了。

相較銀行體系，保險監管一直比較溫和——甚至可以說有些自滿——但這次成了警鐘。監管者原本就對壽險公司集中持有私人信貸感到不安，現在開始下調這類資產的風險資本待遇（risk-based capital treatment）。這迫使保險公司要么增資，要么賣資產，而在一個已經開始凍結的市場里，這兩件事都不可能以好價格完成。

紐約州、愛荷華州監管機構擬收緊壽險公司持有部分“私評信用資產”的資本待遇；預計 NAIC 指引將提高 RBC 因子并觸發額外 SVO 審查 | 路透，2027 年 11 月

當穆迪將 Athene 的財務實力評級列入負面觀察后，Apollo 股價在兩個交易日內下跌 22% 。Brookfield、KKR 和其他公司也隨之下挫。

事情只會變得更復雜。這些公司不只是做了一個“保險永動機”，它們還搭建了精巧的離岸架構，通過監管套利來最大化回報。美國壽險公司簽發年金，然后將風險分保給其同集團旗下的百慕大或開曼再保險公司——這些再保險實體可以利用更靈活的監管，在相同資產上少計提資本。該關聯實體再通過離岸 SPV 向外部募資，引入新一層交易對手，與保險公司一同投資于由同一母公司資管部門發起的私人信貸。

評級機構——其中一些本身也由 PE 持有——在透明度上并不是什么典范（令人驚訝的只有幾乎沒有人對此驚訝）。不同機構、不同資產負債表之間交織出的蜘蛛網，透明度低得驚人。當底層貸款違約時， 到底誰在真正承擔損失 ，在實時層面幾乎無法回答。

2027 年 11 月的崩盤，標志著市場認知從“也許只是普通周期性回撤”轉向了更令人不安的判斷。美聯儲主席 Kevin Warsh 在 FOMC 11 月緊急會議上把它稱作： “一串圍繞白領生產率增長的相關性押注雛菊鏈（a daisy chain of correlated bets on white collar productivity growth）。”

你看，從來不是“損失本身”引發危機，真正引發危機的是—— 承認損失 。而金融體系里還有另一個更大、重要得多的領域，現在我們也開始害怕這種“承認”會發生。

按揭問題（The Mortgage Question）

Zillow 房價指數：舊金山同比 -11%，西雅圖 -9%，奧斯汀 -8%；房利美警示：科技/金融就業占比超 40% 的郵編地區出現“較高早期逾期率” | Zillow / Fannie Mae，2028 年 6 月

本月 Zillow 房價指數顯示：舊金山房價同比下跌 11% ，西雅圖下跌 9% ，奧斯汀下跌 8% 。這并不是唯一令人擔憂的 headline。上個月，房利美指出，在以大額貸款（jumbo）為主的郵編區域——也就是那些 780+ 信用分、通常被視為“刀槍不入”的借款人聚集區——早期逾期率正在上升。

美國住宅按揭市場規模大約 13 萬億美元 。按揭承銷建立在一個核心假設上：借款人在貸款期限內（多數按揭為 30 年）會保持大致當前水平的就業與收入。

白領就業危機以一種持續性的方式改變了這一假設下的收入預期。我們現在不得不問一個三年前還顯得荒謬的問題： 優質按揭還“money good”嗎？

美國歷史上此前每一次按揭危機，成因都來自三類之一：投機過度（比如 2008 年，貸款給根本買不起房的人）、利率沖擊（比如 1980 年代初，可調利率按揭因利率上升而還不起）、或局部經濟沖擊（某一地區某一行業崩塌，比如 1980 年代德州石油業或 2009 年密歇根汽車業）。

而這一次，這三類都不適用。這里的借款人不是次級貸款人。他們是 780 FICO 的優質借款人，首付 20%，信用記錄干凈，就業記錄穩定，收入在放款時都經過核驗和留檔。他們本是金融系統所有風控模型里被視作 信用質量基石 的借款人。

2008 年的問題是：貸款在發放當日就是壞的。2028 年的問題是：貸款在發放當日是好的。只是世界在貸款發放后……變了。人們按照一個自己如今已不敢再相信能負擔得起的未來去借錢。

在 2027 年，我們已經標記出一些“看不見的壓力”早期信號：HELOC（房屋凈值信用貸款）提款增加、401(k) 提前支取、信用卡債務飆升，而按揭還款卻仍保持正常。隨著失業、招聘凍結、獎金削減，這些優質家庭的債務收入比翻倍。

他們仍能按時還房貸，但只能通過停止一切可選消費、消耗儲蓄、推遲任何房屋維護或改善來做到。他們在技術上仍是“當前還款（current）”，但實際上離陷入困境只差一次額外沖擊，而 AI 能力演進的軌跡說明，這個沖擊正在逼近。隨后我們看到，舊金山、西雅圖、曼哈頓和奧斯汀的逾期率開始飆升，即便全國平均仍處于歷史常態區間。

我們現在進入了最急性的階段。當邊際買家（marginal buyer）是健康的，房價下跌尚可管理。而在這里，邊際買家也在承受同樣的收入受損。

盡管擔憂在累積，我們還 沒有 進入全面按揭危機。逾期率上升了，但仍明顯低于 2008 年水平。真正的威脅，是它的 軌跡 。

如今，智能替代螺旋又在實體經濟下行基礎上疊加了兩個金融加速器。

勞動力替代、按揭擔憂、私人市場動蕩。三者彼此強化。而傳統政策工具箱（降息、QE）可以處理金融引擎，卻無法處理實體經濟引擎，因為實體經濟引擎的驅動力不是金融條件過緊。它的驅動力是：**AI 讓人類智能變得沒那么稀缺、也沒那么有價值。**你可以把利率降到零，買下市場上所有 MBS 和所有違約的軟件 LBO 債……

但這改變不了一個事實：一個 Claude Agent 能以 每月 200 美元 的成本，完成一個 年薪 18 萬美元產品經理 的工作。

如果這些擔憂成真，按揭市場會在今年下半年出現裂縫。在這種情景下，我們預計當前股市回撤最終可能接近 GFC（全球金融危機）時期的幅度（峰谷回撤 57% ）。這將把標普 500 帶到約 3500 點 ——也就是我們自 2022 年 11 月“ChatGPT 時刻”前一個月以來未見的水平。

可以確定的是：支撐 13 萬億美元住宅按揭 的收入假設已經遭受結構性損害。不確定的是：在按揭市場完全消化這層含義之前，政策是否能及時介入。我們抱有希望，但也無法否認不該樂觀的理由。

與時間賽跑（The Battle Against Time）

第一個負反饋回路發生在實體經濟：AI 能力提升 → 薪酬支出縮減 → 消費走軟 → 利潤率承壓 → 企業購買更多能力 → 能力繼續提升。接著它變成了金融回路：收入受損沖擊按揭 → 銀行虧損收緊信貸 → 財富效應破裂 → 反饋回路加速。而這兩條回路都因為政府明顯不足的政策響應而被進一步惡化——坦白說，政府看起來是困惑的。

這個系統并不是為這樣的危機設計的。聯邦政府的收入基礎，本質上就是對 人類時間 征稅。人工作，企業付錢，政府抽成。個人所得稅和工資稅在正常年份構成財政收入的脊梁。

截至今年 Q1，聯邦財政收入較 CBO（國會預算辦公室）基線預測低了 12% 。工資稅收入下降，因為越來越少的人還在以過去的薪酬水平就業。所得稅收入下降，因為人們實際賺到的收入在結構性降低。生產率在飆升，但收益流向了資本和算力，而不是勞動。

勞動收入占 GDP 的比重從 1974 年的 64% 降到 2024 年的 56% ，這是由全球化、自動化和工人議價能力持續削弱驅動的四十年慢性下行。而在 AI 開始指數級提升后的四年里，這一比例進一步降到了 46% 。創歷史最大降幅。

產出依然在那里。但它不再通過家庭回流到企業，因此它也不再經過國稅局（IRS）。循環流（circular flow）正在斷裂，而政府被期待站出來修復它。

和每次衰退一樣，財政支出在收入下滑時上升。不同的是，這一次支出壓力不是周期性的。自動穩定器（automatic stabilizers）是為暫時性失業設計的，不是為結構性替代設計的。系統正在支付那些默認“工人會被重新吸納”的福利。但許多人不會——至少不會以接近其過去工資水平的方式被吸納。疫情期間政府可以坦然接受 15% 赤字，因為大家默認那是暫時的。今天需要政府支持的人，并不是遭遇了一場未來會恢復的疫情。他們是被一種 持續進步中的技術 所替代。

政府需要在 恰好稅收減少 的時候，向家庭轉移更多資金。

美國不會違約。它印刷自己支出的貨幣，也用同樣的貨幣償還債務。但壓力已經在別處顯現。市政債（muni）今年以來的表現分化令人擔憂。沒有州所得稅的州尚可，但那些高度依賴所得稅（多數為藍州）的一般責任市政債開始計入某種違約風險。政客們很快注意到了這一點，關于“誰該被救助”的爭論也迅速沿黨派劃線展開。

現任政府值得肯定的一點是，它較早認清了這場危機的結構性性質，并開始考慮跨黨派方案，即所謂的“ 轉型經濟法案（Transition Economy Act） ”：一種向被替代勞動者直接轉移支付的框架，資金來源為赤字支出加上一項擬議中的 AI 推理算力稅。

桌面上最激進的方案更進一步。“ 共享 AI 繁榮法案（Shared AI Prosperity Act） ”擬建立一種公共權利索取機制，直接對智能基礎設施本身的回報提出公有主張——介于主權財富基金與對 AI 生成產出征收版稅之間——再以股息形式為家庭轉移支付提供資金。私營部門游說者已涌向媒體，警告這會打開危險先例。

這些討論背后的政治過程也如預期般陰郁，充滿作秀和邊緣施壓。右翼將轉移支付與再分配稱為馬克思主義，并警告對算力征稅會把領先地位拱手讓給中國。左翼則警告，由 incumbents（既得利益者）參與起草的稅制最終會演變成另一種監管俘獲。財政鷹派指出赤字不可持續。鴿派則拿 GFC 后過早財政緊縮的教訓做警示。今年總統大選臨近，這種分裂只會繼續放大。

而政客們還在爭吵時，社會結構正在以比立法流程快得多的速度撕裂。

“占領硅谷（Occupy Silicon Valley）”運動已經成為更廣泛不滿的標志性事件。上個月，示威者連續三周封鎖 Anthropic 和 OpenAI 在舊金山辦公室的入口。他們的人數還在增長，這些示威獲得的媒體關注，甚至超過了引發它們的失業數據本身。

很難想象在 GFC 之后公眾還能比當年更恨誰超過銀行家，但 AI 實驗室正在努力挑戰這個“紀錄”。而從大眾視角看，也確實有理由。它們的創始人與早期投資者積累財富的速度，快到讓“鍍金時代（Gilded Age）”看起來都溫和了。生產率繁榮帶來的收益幾乎全部流向算力所有者和在其之上運行的實驗室股東，美國的不平等因此被放大到前所未有的水平。

每一方都有自己認定的反派，但真正的反派是： 時間。

AI 能力進化速度快于制度適應速度。政策響應的速度跟著意識形態走，而不是跟著現實走。如果政府不能盡快就“問題究竟是什么”達成一致，反饋回路就會替他們寫下一章。

智能溢價的回撤（The Intelligence Premium Unwind）

在整個現代經濟史中，人類智能一直是稀缺投入要素。資本是充裕的（或者至少可復制）。自然資源有限，但可替代。技術進步速度足夠慢，人類可以適應。智能——分析、決策、創造、說服與協作的能力——才是那個無法規模化復制的東西。

人類智能的內在溢價來自其稀缺性。我們經濟中的每個制度，從勞動力市場到按揭市場到稅制，都是為一個默認這一假設成立的世界而設計的。

而我們現在正在經歷這種溢價的回撤。機器智能已經成為人類智能在越來越多任務上的可替代品，而且還在快速進步。金融體系在過去數十年里為“稀缺人類心智”的世界進行了優化，如今正在重新定價。這種重定價是痛苦的、無序的，而且遠未完成。

但 重定價不等于崩潰 。

經濟可以找到新的均衡。通往那個均衡的過程，是僅存少數必須由人類親自完成的任務之一。我們必須把它做對。

這是歷史上第一次，經濟中生產率最高的資產帶來的不是更多就業，而是更少就業。沒有人的框架適配這種世界，因為過去沒有任何框架是為“稀缺投入變成充裕投入”的世界設計的。所以我們必須創造新框架。我們能否來得及建立它們，是唯一重要的問題。

但你現在讀到這段文字時，不是在 2028 年 6 月。你是在 2026 年 2 月 讀它。

標普仍接近歷史高位。負反饋回路還沒有開始。我們確信上述一些情景不會發生。同樣確定的是，機器智能會繼續加速，人類智能的溢價會收窄。

作為投資者，我們仍有時間評估：自己的投資組合有多少建立在那些撐不過這個十年的假設之上。作為一個社會，我們也仍有時間采取主動。

金絲雀還活著。

以上內容全部是譯文，原文鏈接；

https://www.citriniresearch.com/p/2028gic

感謝點贊?轉發。

早七點準時發文

大家好，我是江南君，一個路見不平一聲吼的老boy。

做過監理，行政，金融，設計，干過培訓，超市，餐飲，投資，外貿……目前常住越南。

喜歡寫點文字，思考點人生，管管閑事。

多年后，當后人問我對社會做了哪些貢獻時，我會自豪地說，面對事實，我做了誠實的記錄和評論。

為防失聯，加好友（67932342）

10萬+文章

【社會】

【社會】

【社會】

【社會】

【社會】

【社會】

【時事】

投資認知類文章