01、从翻译家的悖论 ，到现实的摩擦
今天 ，AI 也许只需几极度钟 ，就能把一部上百万字的英文著述译成中文？善婀值氖 ，翻译出版并没有因而爆炸。书店里没有忽然多出一千倍的译著 ，读者也没有多出一千倍的阅读功夫。这个事实提醒我们：经济增长不是由最快的机械决定的 ，而是由最慢的人类、造杜纂市场环节共同决定的。
翻译家的悖论 ，是 AI 时期一个极好的入口。它让我们看到 ，单点工作的效能暴涨 ，并不蹬宗最终产品的数量暴涨；一种技术能力的指数级进取 ，也不蹬宗宏观经济增长率会随之垂直腾飞。AI 能够把某些认知工作的价值迅快压低 ，却不能同时取缔版权、编纂、责任、信赖、渠路、消费者把稳力与市场风险。
在上一篇文章里 ，我曾试图注明一件事：AI 真正的意思 ，并不写在旧工业的那张表格上 ，不是“减员增效”四个字所能包容的。若我们只问一个部门能否少雇几幼我、一路流程能否快上几分钟、一个岗位会不会被机械顶替 ，便依然站在旧世界的坐标里 ，去设想一项本应改写坐标的技术。
AI 更深的意思 ，在于它把人类出产与消费的可行集中向表推开。那些从前做不到、想不到、算不起、也组织不起来的活动 ，第一次被纳入可能性的天堑之内。被代替的岗位有名字 ，被创造的活动却大多还没有名字。旧账本上写着“翻译”“案牍”“客服”“法式员” ，而新世界里将要成长出怎么的进建、陪同、医疗、审美与组织方式 ，我们眼下尚无言以名之。
这正是价值理论最朴素的智慧：增长从来不是既定菜单上数量的放大 ，而是可行集的表扩、相对价值的沉排、活动天堑的沉组 ，以及人在部门知识中不休试错。
然而 ，认可 AI 推开了可行集的天堑 ，并不蹬宗接受技术乌托国主义。近几年 ，一种设想越来越盛行：既然模型能力能够指数级攀升 ，参数、算力、推理与自动化水平都在节节上行 ，那么宏观经济增长率也会随之垂直上升。有人甚至设想 ，AI 会让蓬勃经济体从每年百分之二高低的增长 ，一跃而至百分之十、百分之二十 ，甚至更惊人的快率。
这既是对技术能力的崇拜 ，也是对经济学的忘却。现实世界并不是一条单毕出产函数。一个经济体由产权、组织、信赖、责任、肉身、家庭、教育、健全、造杜纂功夫共同组成。一个环节快了 ，整个系统不定随着快；一项工作免费了 ，最终产品不定随着免费；一种能力发作了 ，宏观总量也不定随之发作。
因而 ，AI 时期最要紧的问题之一 ，便不再是“机械能不能做” ，而是“整个社会系统能不能把它吸收、沉组、定价 ，并扩散开来”。为什么在微观沉组已经如此剧烈的今天 ，宏观数据看上去仍旧沉静？为什么技术似乎踏上指数曲线 ，经济总量却仍被某种“沉力”拉回地面？又为什么 ，将来三十年里真正会扩张的部门 ，也许既不是传统意思上的商品出产 ，也不是狭义的数字出产 ，而是人类对自身的再出产？
02、刺破技术乌托国：宏观经济的 “百分之二沉力”
在动笔之前 ，须先把会商对象界定明显。下面所说的“和善增长”也好 ，“百分之二的沉力”也好 ，指的是站在世界技术最前沿的领头羊经济体——在今天 ，最典型的样本就是美国。前沿经济体的增长 ，必须靠自己在无人之境里启发新路 ，而不能靠沉走别人已经走熟的旧途。至于那些尚在追赶途中的经济体 ，它们在一段不短的功夫里正本就能够高快增长 ，由于增长的源头是收敛与扩散 ，而不是前沿推动。那是另一篇文章的标题 ，此处按下不表。
回到前沿。推算机时期曾有过驰名的“索洛悖论”：推算机四处可见 ，唯独在出产率统计里看不见它。今天的 AI ，也正站在一个类似渡口。万卡集群、奠基模型、创业公司估值、本钱开支、芯片需要与数据中心建设 ，无一不在狂奔；而宏观全身分出产率 ，却并没有随着抬升到同样的高度。
眼下很多所谓的 AI 繁华 ，在现阶段首先阐发为本钱深入。企业买进更多芯片 ，建起更无数据中心 ，雇来更多工程师 ，支出更多云端成本。这天然会掀起投资热潮 ，也会沉估本钱市场对将来现金流的设想５ ，本钱深入并不蹬宗全身分出产率的底子跃迁。本钱堆得更高 ，固然能抬高部门产出；但真正的出产率革命 ，必须阐发为同样的劳动、本钱与组织 ，可能不变地产出更多价值。
从蒸汽机、电力、内燃机 ，到推算机与互联网 ，通用主张技术的扩散从来不是一挥而就。技术问世只是第一步 ，尔后还有漫长得多的路：流程要沉写 ，造度要适配 ，人力本钱要再训练 ，司法责任要沉新划界 ，行业尺度要慢慢成形 ，消费者习惯也要一点点扭转。一项新技术在最初甚至往往会压低被观察到的出产率 ，由于整个社会要耗费大量资源去试错、迁徙与沉组。
这就是宏观经济的“百分之二沉力”。
这里的“百分之二” ，不是一个神秘常数 ，而是一段汗青经验：站在前沿的经济体 ，在足够长的时段里 ，很难持续大幅冲出和善增长的轨路。技术革命能够掀起部门海潮 ，能够改写产业格局 ，能够缔造重大的企业与财富 ，也能够在某些年份里带来出产率加快；但它很少能让整个前沿经济体悠久挣脱由教育、健全、组织、司法、家庭、城市与肉身共同组成的现实约束。
AI 当然可能让将来增长率比从前略高一些。美国在将来三十年里 ，若能从百分之二升到百分之三 ，甚至在某些阶段触及百分之四 ，那已经是极其沉大的汗青变动。但若把这样的变动设想成二十倍的增快 ，那就是把模型能力曲线错认成了宏观经济曲线。
何以如此？一个要紧缘由 ，是鲍莫尔的成本病会以新的大局 ，在 AI 时期沉新登场。
当 AI 让文本、逻辑、编码、检索、翻译、推算、图像天生这一类认知工作的边际成本迅快跌落时 ，那些无法被算法齐全代替的部门 ，反而会变得更贵。深度医疗、生理陪同、教育中的人格塑造、儿童成长、老人照护、组织辅导、公共责任、复杂交涉、审美判断、信赖背书 ，都不只是信息处置。它们蕴含身段在场、感情共识、社会承诺 ，以及最终必须由人承担的责任。
在一个高度自动化的经济里 ，真正昂贵的器材 ，慢慢不再是算力 ，而是人自身。凡是容易自动化的环节 ，其相对价值趋于着落；凡是难以自动化而需要又不随之消退的环节 ，其相对价值便趋于上扬。了局是 ，高摩擦部门在经济中的支出占比被动抬升 ，成为宏观增快的阻尼器。
这不是技术的失败 ，这正是通常平衡。
03、翻译家的悖论：最快的机械 ，最慢的系统
把翻译与出版放到出产函数里看 ，问题会越创造显。
在技术的那一端 ，AI 翻译已近乎事业。今天 ，要把一部上百万字的英文著述译成中文 ，机械也许只有几极度钟；而在从前 ，一位杰出译者或许要耗去两三年。单看“文本转换」剽一项工作 ，效能提升不是百分之二十 ，不是百分之二百 ，而是千倍、万倍。
但是 ，现事凤我们并没有看见翻译出版的书籍以同样快率爆炸式涌出。中国市场上从英文、法文、德文、日文译介而来的高质量书籍 ，并没有由于有了 AI 而平添千倍。
原因在于 ，一本书的面世从来不是“翻译」剽一桩工作 ，而是一路列昂惕夫式的、固定比例的出产过程。最终产品必要很多互补环节同时到位：选题、版权、合同、翻译、校对、编纂、审校、装帧、发杏注营销、渠路、读者定位、学术背书、司法责任 ，以及对市场风险的承担。AI 抹去或大幅压低了其中一个环节的成本 ，却没有抹去其余环节。
倘若一个出产系统是固定比例的 ，那么它的效能便不取决于跑得最快的那个环节 ，而取决于最慢的瓶颈。AI 的翻译越快 ，瓶颈也就被照得越亮。
其一 ，是产权与合规的摩擦？绻嫒ń簧娌换嵊捎诨狄氲酶炀妥远赋。出版社仍要找出权势人 ，议定价值 ，签下合同 ，处置授权领域、电子版权、衍生权势、地域限杜纂司法责任。一段文本能够在半幼时里译完 ，一纸版权合同却可能要谈上半年。
其二 ，是信赖与质量的把关。读者所买的 ，并不是一堆中词句子 ，而是一个能够信任的文本。谁来担保译得正确？谁来措置概想、语境、术语、文化转换与作者风格？谁来承担犯错之后的名誉损失？AI 能够天生初稿 ，最终质量却仍要倚仗专家、编纂与译者背书——机械越强 ，人所担的责任反而越贵。
其三 ，是市场风险的发现。一本书到底值不值得译 ，从来不是机械说了算。读者要不要它 ，市场容不容得下它 ，渠路愿不愿推它 ，评论界谈不谈它 ，学堂、媒体与知识社群认不认它 ，都是高度不确定的发现过程。AI 能压低出产成本 ，却消不去需要的不确定。
其四 ，是把稳力与功夫的约束。纵使全国的书都在一瞬间被译出来 ，读者也不会因而多出千倍的阅读时光。知识产品的瓶颈时时不在出产端 ，而在接受端；人确把稳、耐心、理解与心智结构 ，步崆最终稀缺。
这就是所谓“翻译家的悖论”：翻译作为一项技术工作 ，已被暴击；翻译出版作为一路社会出产过程 ，却并未同步爆炸。
这个例子要说的是：AI 之于经济的影响 ，不能只盯着单点工作效能。经济学所关切的 ，是最终产品、系统互补 ，以及通常平衡。一项工作的边际成本归零 ，并不蹬宗一个产业的边际成本归零；的芄慌艿眉 ，社会系统却仍要经过造度、组织与人这些节点。
物质出产如此 ，数字出产如此 ，医疗、教育、文化、司法、金融、科研与当局治理 ，更是如此。
04、将来三十年的转轨：从商品的沉组 ，到人对自身的再出产
短期来看 ，AI 带来的重要景象 ，并不是宏观总量的爆炸 ，而是出产身分的剧烈沉组。
企业内部的工作流将被沉写。岗位会消亡 ，也会变形。很多原先倚赖规定遵循、文本处置、尺度化分析与考试型认知的工作 ，会迅快贬值；与此同时 ，新的活动、新的流程、新的职业还没有安稳的名字。这个阶段必将充斥摩擦成本：员工要沉新受训 ，组织要沉新分工 ，治理层要沉新界定责任 ，司法要沉新划线 ，消费者也要沉新进建信赖。
所以在短期里 ，我们也许会看到一种古怪组合：微观层面已经天翻地覆 ，宏观层面却相对沉静。企衣凤的每幼我都感触 AI 扭转了自己的工作 ，可统计表上的出产率增快仍旧不算惊人。这并非矛盾 ，而是转型期的典型状态——技术盈利被沉组成本偷偷抵销。
中期来看 ，真正深刻的变动 ，会产生在人类能力结构之上。
从前几十年里 ，现代教育与劳动力市场所嘉奖的 ，是一套相当特殊的能力：考试能力、规定遵循能力、文本理解能力、尺度化推算能力、组织内提升能力、不变执行能力。而 AI 最先冲击的 ，刚好正是这一套。凡是能够被明显描述、能够被规定化、能够被训练数据覆盖、能够由说话模型仿照的能力 ，都将经历相对价值着落。
那么 ，什么会变贵？
健全、体力、形貌、表白、习染力、辅导力、风险担任、审美判断、同理心、生理韧性、责任赣注可信赖品质、现场临在、组织带头能力、跨界创造能力。这些能力 ，从前常被经济学归入“非认知能力”或“软技术” ，可在 AI 时期 ，它们会越来越“硬”。由于当机械可能包揽越来越多认知工作时 ，人与人之间的差距 ，便会更多落在身段、情赣注品质、风格、信赖与组织之上。
由此能够引出一个更大的判断：将来三十年 ，全社会规模最大、也最为主题的出产部门 ，或许会是“提升人类自身”。
所谓“提升人类自身” ，不是狭义的教育 ，也不是传统意思上的人力本钱投资。它不是把人训练成机械的补充 ，而是把人塑造成更齐全、更有活力、更可信任、也更富创造力的性命。
若把人类自身的再出产拆开看 ，至少有三个档次。第一层是生物性再出产 ，蕴含健全、体力、营养、寿命、慢病治理与儿童发育。第二层是生理与人格再出产 ，蕴含韧性、自控、责任赣注信赖能力与感情不变。第三层是社会机能力再出产 ，蕴含表白、审美、辅导、习染、合作与组织带头。AI 越是降低尺度化认知工作的价值 ，这三类能力的影子价值就越会上升。
因而 ，儿童早期发展、家庭陪同、体育训练、营养、医疗、生理健全、审美教育、表白训练、社交能力、人格塑造、风险教育、辅导力造就、老年照护、慢病治理、亲切关系、社区生涯与心灵秩序 ，将越来越不像边缘消费 ，而更像将来经济的主题出产活动。
工业时期 ，第一大的出产部门是物质出产；信息时期 ，数字与认知处置迅快扩张；到了 AI 时期 ，当寻常认知工作被大规模自动化之后 ，边际收益最高的那片区域 ，便会沉新回到人类自身。
这听起来像一句人文主义标语 ，可它其实不外是价值理论的推论。哪一种能力变得相对稀缺、相对昂贵 ，资源、致力与才智便会被吸引到那里去。AI 让某些认知劳动变得便宜 ，因而人身上那些不成自动化、不成压缩、不成复造的属性 ，就变得昂贵起来。经济增长的沉心 ，或将由此慢慢地 ，从“出产更多的物” ，移向“养成更好的人”。05.统计口径的沉构 ，与成本法的回归
倘若这个判断站得住 ，那么传统 GDP 核算系统将接受越来越大的压力。
现行国民经济核算本是工业时期的产品。它长于纪录商品、服务、工资、投资与市场买卖 ，却拙于纪录家庭内部的人之发展、未被钱币化的履历、人格能力的提升、健全质量的改善、生理韧性的堆集 ，以及社会信赖的形成。很多真正要紧的出产活动 ，要么产生在市场买卖之表 ，要么被低估为一笔消费支出。
譬如 ，一个家庭花大量功夫陪孩子想书、活动、表白、社交、索求 ，这在传统 GDP 里险些看不见？纱咏淳玫难酃饪 ，这或许正是在出产最稀缺的资产。一个社会若能系统性地抬高孩子的健全、生理韧性、表白与创造之力 ，它所创造的将来出产能力 ，将远远超过很多被齐全纪录在册的短期商品买卖。
更奥妙的是 ，随着 AI 把传统数字商品、文本产品与一部门服务的边际成本压低 ，旧口径之下的经济规模 ，甚至可能被低估 ，甚至被扭曲。一个社会真实福利或许已大幅抬升 ，钱币买卖额增长却相当有限；它也可能把越来越多资源投到人的发展之上 ，却被统计成消费 ，而非投资。
正因如此 ，将来三十年 ，国民经济核算系统势必要把天堑扩大到人的能力上来。教育、健全、生理、家庭、照护、体育、审美与人格的发展 ，不该再只被算作福利部门或消费部门 ，而应被理解为人类对自身进行再出产的部门。
只是在这个领域里 ，价值核算会异常难题。一个“更健全、更有习染力、更有责任赣注也更敢于担任风险”的人 ，没法像一台机械、一套软件或一吨钢铁那样 ，被某个中心化算法精准标价。人的发展高度异质 ，价值时时要在很多年之后才显露 ，又受家庭、社区、文化与造度环境共同牵引。
也正因如此 ，成本法会沉新变得沉要。
当产出难以被直接定价时 ，怀抱一个系统为之耗费的真实资源投入 ，不失为一种求实的经济学法子。我们能够纪录：一个社会在儿童发展、教育质量、生理健全、体育活动、慢病治理、老人照护、家庭支持与社区建设之上 ，到底投下了几多功夫、劳动、本钱与组织。将来的经济增长 ，在很大水平上 ，将阐发为这个系统对人类自身发展投入的增长。
这样的增长 ，或许会让宏观经济比从前快上一些。由于人对自身的再出产本就有极大扩张空间 ，也正好能够承接 AI 开释出来的资源。但它断然不会像技术乌托国所设想的那样垂直腾空而起。路理很单一：人的肉身发育、感情共识、信赖形成、人格塑造与代际繁衍 ，都自有其不成压缩的生物学与社会学周期。
一个孩子没法在三个月里长成齐全的人。一幼我的品质没法靠一次模型升级来成就。一个家庭的出产函数没法被一纸行政号令沉写。一个社会的信赖与审美 ，也没法由中心服务器统毕天生。
AI 能够加快工具 ，却取缔不了成长。
06.给新世界的长跑 ，留下造度的空间
AI 时期最大的危险之一 ，是一种新的、中心化的打算激昂。由于 AI 看上去无所不知 ，大模型能够处置海量信息 ，算法能够天生规划、预测行为、评估绩效、分配资源 ，很多人便会生出一种新的乌托国设想：既然市场有摩擦 ，既然人会犯错 ，既然机械更聪明 ，那就让中心系统决定资源若何配置 ，让算律例划产业 ，让平台划定教育 ，让指标界说优良 ，让行政力量塑造那个“将来的人”。
这是一种危险的、致命的得意。
越是走进“提升人类自身”的时期 ，便越不能倚赖中心化打算。由于人的发展极端倚赖部门知识。每个孩子的天才分歧 ，每个家庭的约束分歧 ，每个社区的文化分歧 ，每幼我的生理结构分歧 ，每一个市场机遇也分歧。没有任何一个中心理构可能预先通达：将来三十年里 ，到底哪些能力、哪些活法、哪些职业、哪些审美、哪些组织大局 ，才会真正有价值。
公共机构当然要紧。但它的本分 ，不是划定完佳人类应有的样子 ，不是用行政指标整齐整齐地塑造人格 ，更不是把 AI 造成新的打算工具。公共机构更该做的 ，是托底、纠偏、赋能：助那些幽微家庭改善其人之发展的出产函数 ，提供根基教育与医疗保险 ，护着孩子不致跌入极端不利处境 ，削平机遇不平等 ，立下根基规定与责任天堑。
市场当然也不是美满的。它会短视 ，会造作焦虑 ，会放大不平等 ，会奖赏表表的魅力而非深处的能力。然而 ，市场作为一架散布式试验装置 ，依然无可代替。它答理无数家庭、学堂、企业、社区与幼我 ，在各自的部门知识里试错；它答理新的活动被发现 ，新的需要被表白 ，新的职业被定名 ，新的活法被验证。它所守护的 ，是人类潜能的盛开性。
价值理论的复归 ，并不是要退回旧日的市场原教旨主义 ，而是要沉新理解市场为什么沉要。市场沉要 ，不单单由于它有效率 ，更由于在一个将来不成知、能力各别、需要尚未定名的世界里 ，唯有市场答理一个社会进行散布式索求。
AI 推开了可行集的天堑 ，而现实摩擦决定了它扩散的快率。技术打开了新世界的大门 ，而人对自身的再出产 ，决定了我们到底能否真正走进去。
将来三十年 ，不会是宏观数字垂直腾飞的神话 ，而会是一代人的长跑。旧能力将贬值 ，新能力将现身；旧部门将收缩 ，新部门将扩张；旧统计将失灵 ，新核算将成形；旧教育将在疾苦中转型 ，而家庭、健全、生理、表白、审美与责任 ，将成为新的出产主题。
为新世界留下市场 ，就是为那些尚未定名的活动留下空间。为家庭与幼我留下选择 ，就是为那些尚未显露的人类潜能留下路路。
AI 能够天生文本、图像、代码与规划。但将来真正稀缺的 ，依然是那可能健全成长、英勇担任、深切理解他人、敏感发现机遇、从容组织合作、并当真创造生涯的——人。
三十年的长跑 ，才刚刚起步。
（作者：陈玉宇 ，KU酷游官网教授、北京大学经济政策钻研所所长）
原文链接：【霞光智库】翻译一本书只有半幼时 ，为什么出版没有爆炸？
