当技术让某些东西越来越便宜时，奇怪的事情发生了，其他东西反而越来越贵。AI正在重演这种“经济错觉”，让我们既能享受廉价奇迹，又要为人类劳动付出天价。
在美国，如果你不小心在墙上打了个洞，找人来修补石膏板的价格，可能比直接买一台平板电视放在前面还贵。这不是笑话，而是经济学的奇景。
当一个产业的生产效率暴涨时，事情会变得很奇怪。成本下降、质量提升，消费者自然会买得更多，行业繁荣、就业激增，一片欣欣向荣。但与此同时，其他行业的工资也会被间接抬高。毕竟，所有工人都生活在同一个劳动力市场里。如果一个人能靠网络营销赚每小时30美元，他就不会再去端盘子。如果为数据中心装空调的技术员能拿到150美元每小时，他就不会愿意为普通家庭修冷气。
于是出现了一个荒谬而迷人的对比。经济学里有两个术语能解释这种现象：Jevons悖论和Baumol效应。前者指越高效，我们反而用得越多；后者则意味着越低效，我们反而付得越多。这两个看似矛盾的规律，正在AI时代的浪潮里同时上演。
当AI带来一轮生产力爆发时，有两件事会同时发生。
一些被AI深度改变的商品和服务，比如内容生成、数据分析、客服自动化，会变得极度廉价，甚至便宜到令人发笑。
另一些AI几乎触及不到的服务，比如理发、护理、清洁、遛狗，则会变得越来越昂贵。而更奇妙的是，我们依然会为它们买单。
甚至在同一份工作里，也可能出现分裂。AI能让工作的部分环节速度提高十倍、质量提升十倍；但剩下那一点点必须由人完成的部分，反而会成为薪酬最高、最受保护的环节。
早在19世纪，经济学家William Jevons就发现了这个悖论。煤炭生产效率越高，人们并没有因此节省能源，反而烧了更多煤，催生了第二次工业革命。
到了现代，摩尔定律成了Jevons悖论的最佳例证。晶体管价格从1美元降到百万分之一美分，计算变得廉价到极致，反而让我们在一切事物中都嵌入了芯片：从恒温器到贺卡，从手机到运输标签。效率带来的不是节制，而是疯狂的增长。
如今，AI计算的成本也在经历类似的坍塌。Google Cloud的Amin Vahdat提到，即使是七年前的TPU芯片，在内部依然满负荷运转。这就是Jevons效应的体现：当新技术的潜力爆发时，需求永远能找到新的方向去扩张。
故事的另一半，则由Baumol讲述。
英国作家Agatha Christie曾说，她从未想过自己会富到买车，却穷到请不起佣人。一个世纪过去，美国的中产阶级可以轻松每两年换一辆新车，却要与邻居合请保姆。
经济学家William Baumol在1965年研究乐团破产的原因时发现，问题不在于艺术，而在于生产力。一个弦乐四重奏在过去一百年间演奏一首曲子的时间没有变短，而其他行业的生产效率却翻了几十倍。于是音乐家的工资不得不跟着全社会一起上涨，虽然他们的工作产出并没有增加。
这就是Baumol成本病。它解释了为什么理发、护理、教育、医疗这些人力密集型服务越来越贵。因为当科技行业的工资飙升时，其他行业也必须抬高薪水，才能吸引劳动力。换句话说，Jevons创造了财富，而Baumol让财富扩散。
当AI推动社会整体变得更富裕，我们理应看到这样的连锁反应。
AI让数据中心需求暴增，于是HVAC(空调工程)技师收入翻倍；他们涨价修家用空调，消费者仍然付得起；学徒们看到HVAC收入高，也纷纷转行，于是管道工又变得稀缺，价格再次上涨。
这就是为什么在一个高科技社会里，你会发现修空调比买空调贵，遛狗要一周100美元，但大家都心安理得地付钱。
接下来，更奇怪的事要来了。
政府为了保护就业，往往会规定某些工作必须由人类执行，比如AI诊断影像必须由医生签字、自动驾驶必须配安全员。于是，一个职业内部也可能出现Baumol效应。AI可以自动化掉99%的任务，但那剩下的1%，却成了黄金价值的瓶颈。
就像早期自动驾驶汽车必须配一个安全员一样，如果放射科医生只需要做最后那1%的确认，他们的工资反而可能飙升，因为整个系统都卡在他们身上。
于是我们可能会看到一个怪诞的世界，每个行业里都有那最后1%的人类，他们的工作看似微不足道，却成了最昂贵、最受保护的部分。那时的就业市场，或许像个拼图，技术铺满大地，而人类的岗位成了那些奇形怪状的空隙。
归根结底，Jevons让我们更富，Baumol让我们更贵。
AI的浪潮会让这种对比更加鲜明。
我们会用几乎免费的智能模型生成万物，却为人类的陪伴、温度与责任付出前所未有的代价。
这也许正是现代社会的诗意讽刺。
在机器的效率与人的尊严之间，我们用金钱划出了那条越来越细的界线。
本文译自 Alex Danco，由 BALI 编辑发布。
星速配资提示：文章来自网络，不代表本站观点。
