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？
