已经在轨道上的七件事，以及哪几件其实是赌注

「资本变形记」系列第二篇。趋势清单的通病是把争议最大的判断伪装成背景事实。本篇的七条逐一标注性质：延长线（观察的外推，置信度高）还是强判断（含因果推断，需要举证），并写明主要反方。

一、AI 冲击白领 —— 强判断，全系列最大的赌注

判断：这次自动化先替代认知型中间层（文书、初级分析、客服、基础编程），劳动市场极化，中间塌陷。

为什么是强判断而非观察：入门岗位收缩是事实，但归因不是。目前最强的早期证据是斯坦福数字经济实验室的“矿井金丝雀”研究（Brynjolfsson 等，用 ADP 工资单数据按 AI 暴露度分组）：2022 年 11 月到 2026 年 6 月，22-25 岁在最高暴露职业的就业绝对下降约 11%，同龄低暴露职业反而增长约 10%，相对差距约 19 个百分点——而年长组稳定，没有全经济范围的替代。但归因仍有实质争议：EIG 的反驳指出高暴露职业恰好集中在利率敏感行业、招聘下滑始于 ChatGPT 发布之前，作者自己也承认 2024 年之前的下滑可能另有原因。同期美国应届毕业生失业率与全体劳动力的差距拉大到约 1.4 个百分点，是有记录以来最大（注意不是“历史上首次倒挂”，2010 年代也发生过）。

而且这条判断其实押了两注，对应决策树的前两问：一注押 AI 兑现出生产率（问1），一注押兑现方式是替代而非增强（问2）。主要反方“增强论”——AI 先提高在职者产出、创造互补岗位，过去每轮自动化恐慌都这么收场——反的只是第二注：那是“问1是、问2否”的世界，红利走工资扩散，不是“什么都没发生”。值得诚实记录的是，问1 目前也没有宏观确认：美国 TFP 增速 2024 年 +1.5%、2025 年反而放缓到 +0.8%（BLS），“AI 已带来生产率加速”在数据上还看不见，看得见的只有企业级的初步证据。问1 不兑现，全系列降级为条件未触发。观察哨分开配：问1 看官方生产率统计，问2 看高暴露职业就业差值与入门岗失业率。

二、AI 资本开支撑起需求 —— 一半延长线，一半强判断

延长线的一半是可查的事实：微软、Alphabet、Meta、亚马逊四家 2025 年资本开支合计约 4,000 亿美元，2026 年指引在 6,300 到 7,250 亿美元区间（注意是指引非实际值）；高盛估计美国 AI 资本开支约相当于 GDP 的 1.8%（2026）。对增长的贡献：哈佛 Furman 测算信息处理设备与软件投资只占 GDP 的 4%，却贡献了 2025 年上半年 GDP 增长的九成以上（该类别含非 AI 投资，不能直接读作“AI 贡献九成”）；更严格的联储口径是 AI 相关支出对 2026 年一季度增长贡献约 0.73 个百分点——当季 2.0% 增长的四分之三。机器产出尚未回流为工资时，造机器的开支先顶上了需求，这是第一篇说的投资通道在满负荷运转。

强判断的一半：“回报不兑现则开支见顶回落、触发断裂”。要成立先扣两笔账：净贡献要扣进口——联储测算计算机及零部件净进口单项就拖累同季增长 0.45 个百分点，毛贡献近半被进口抵销，科技进口两年翻了三倍；“回报不兑现”也要有口径，企业财报回报不等于社会生产率。方向上这是本系列最近端的危机触发器，量级以扣除后的净贡献计。

三、利润租金化 —— 强判断，且必须先给操作定义

判断：利润中来自占据位置的部分上升，来自扩大生产的部分下降。

平台、IP、数据、牌照收入不能一并计为租金。高利润至少有七种来源：垄断租金、创新的暂时收益、风险补偿、规模经济、网络效应、会计分类变化、资本深化——账面上长得一样，性质完全不同。无形资产投资本身也可以是生产性积累。

现有证据本身就带着争议：主流估计（De Loecker-Eeckhout-Unger，QJE 2020）算出美国上市公司平均加成率从 1980 年的约 1.21 升到 2016 年的约 1.61，且上升集中在头部企业、中位数基本不变；但 Traina 把销售管理费用加回可变成本后趋势基本消失，Basu 指出 1.61 的加成率在宏观上隐含利润占增加值七成、不可信，疫情期间跳升的加成率到 2022 年也已回落到疫情前水平。所以“租金化”必须用操作定义：加成率高企多年、而新企业进入率与投资响应都不动的部分，才计为租金（创新准租会引来进入，利润会转投资，垄断租金不会）。用这个定义去测，租金化是待检验假说——而且现有数据下它尚未被证实。

四、需求靠债务支撑——但要分清家庭端与政府端

这条要按数据修正常见叙事。家庭端并不紧张：美国剔除房贷的消费信贷约占可支配收入的 22-23%，美联储金融稳定报告（2025-11）明确这一比率处于 22 年数据区间的低端，近十年平稳偏降——“家庭借债越借越重”在美国总量数据上不成立。真正收窄的是政府端：2025 财年联邦净利息支出约 9,700 亿美元，占财政收入 18.5%，是 1940 年有数据以来最高（超过 1991 年的 18.4%），CBO 测算政策不变则 2056 年达 37%。低利率加温和通胀侵蚀存量债务的“金融抑制”再分配是四十年趋势的延长，但代偿的主力已经从家庭信贷换成了政府资产负债表——第一篇把两条通道分开计，就是为了看见这个换手。

五、人口收缩对冲 AI 替代 —— 人口是延长线，对冲是判断

东亚和欧洲 2030-2040 年代的劳动年龄人口收缩，是本清单里置信度最高的一条——人已经出生或没出生了。含判断的是交互：老龄化制造劳动稀缺、AI 制造劳动过剩，两股力量的净额决定“延续现状”与“重谈分配”的分野。若老龄化缺口大体吸收替代量，缺口压力不显性化，分红政治没有燃料。日本是这个交互的预演：机器人密度全球领先，失业率长期极低。

六、绿色成本曲线下探 —— 延长线，但降级为背景变量

光伏、储能、输电的度电成本下探不可逆，能源正从“地质彩票”变成“制造业能力”。但这条几乎不改变情景分岔——它进入主模型的接口只有一个：电力成本约束 AI 资本开支的扩张（影响决策树第一问的兑现速度）。这个接口的量级：IEA 测算全球数据中心用电 2024 年约 415 TWh（占全球电力需求约 1.5%），到 2030 年翻倍至约 945 TWh（约 3%），其中 AI 专用部分增长最快；美国数据中心当前占全国用电 4% 以上，到 2030 年将贡献美国电力需求增长的近一半。另留一个教训：成本交叉早已发生而预言中的地缘剧变没有跟着来——成本交叉不等于体系瓦解，存量基础设施和电网才是时滞。

七、地缘集团化 —— 延长线，同样降级为背景变量

金融中心与工业中心分叉、供应链区域化、通胀波动加大。进入主模型的接口：税收协调的难度与资本流动，即候选国比较里的“外部约束”维度。除此之外作为世界背景，不参与格子分岔。

这一阶段的政治特征

再分配从边缘道德议题升格为主流选举议题——AI 税、机器人税、数据分红进入立法讨论，但尚未有主要经济体落地大规模机制。2026 年的实况：纽约州的机器人税法案（A03719，对因技术替代裁员的企业加征附加税）仍在审；同州 2026 年 6 月议会通过了 AI 就业信息法（强制企业年报 AI 对雇佣的影响——从直接征税退到先建报告制度，这个退法本身就是政治阻力的读数）；联邦层面 Sanders 与众院民主党人各有征税提案，通过前景都低；OpenAI 自己的政策蓝图（2026-04）反而明确提出机器人税与以阿拉斯加基金为模板的全民 AI 财富基金。同时留意反向信号：美国州级 AI 法案 2025 年约 1,200 项、2026 年前三个月已 1,561 项，其中职业牌照与使用限制类持续增多——这是“防御性限制”叶的早期读数。两类立法的相对速度，比任何单条趋势都更能预示政治方向。

主要来源

正文数字的出处如下，逐项登记（数值、年份、置信度）见系列番外篇末尾的来源表。

下一篇：《回流的菜单：类型、门槛与候选人》——如果缺口压力真的显性化，制度菜单上有什么、门槛在哪、谁先动。