2026年开年，科技界就迎来了不小的震动。 先是硅谷巨头们在2025年一口气裁掉了超过一百万人。紧接着，金融科技公司Block又在2月份宣布裁掉将近一半的员工。 CEO杰克·多尔西的说法很直接：AI已经让很多岗位变得不再必要了。他还断言，不出一年，大多数公司都会得出同样的结论。 几乎同期，甲骨文公司在4月裁掉了全球3万名员工，赌注押在了AI能够无缝顶上这些人的工作。 这些绝不是个例。数据显示，仅仅在2025年，美国雇主公开的裁员计划里，明确把AI列为原因的就高达5.5万起。 这里就浮现出一个让人不安的悖论：如果AI导致的失业最终会侵蚀消费需求，反过来伤到企业自己，那为什么这些看起来无比“理性”、掌握着完美信息的企业，却像中了邪一样，竞相往悬崖边上冲？ 这正是《The AI Layoff Trap》这篇论文试图解答的核心谜题。 这篇由宾夕法尼亚大学的Brett Hemenway Falk和波士顿大学的Gerry Tsoukalas在2026年3月发表的文章，构建了一个相当精巧的模型，揭示了AI时代这股裁员浪潮背后冷酷的经济逻辑：一场由“需求外部性”（Demand Externality）驱动的自动化军备竞赛。 接下来，我们会深入拆解这篇论文。 先从一个思想实验入手，让你对它要说什么有个直观感受。 然后，我们会切换到专业视角，分析它的理论模型与核心命题，看看竞争是怎么把理性的决策硬生生扭曲成集体非理性的。 接着你会看到，这种伤害可不是零和博弈，而是实打实的无谓损失。 最后，我们会一起看看论文里提到的各种政策“解药”，并琢磨一下它到底能给我们带来什么启示。

思想实验：三个理发店的寓言

为了更好理解论文的核心观点，我们先从一个非常生活化的场景开始。 想象一个封闭的小镇，镇上有三家理发店，它们一起组成了小镇的经济命脉。 每家店都有10名理发师，每个理发师一天的工资是100元，而这100元几乎又都会重新花在小镇上——理发、吃饭等等，这就构成了支撑三家店生意的那份总需求。 现在，来了一家AI公司，向每家店推销“AI理发师”。 用上AI之后，服务的边际成本非常低，一天只要10块钱，但一次性改造的费用很高。 每家店主面前都摆着两个选择：

• 合作（不引入AI）：维持现状，工人们有收入，小镇需求稳定，每家店都能稳定盈利。
• 背叛（引入AI）：大幅削减成本，获得短期竞争优势。

我们来分析一下店主A做决定时的想法：

• 如果B和C都不引入AI：那A引入AI之后，立刻就能用低价抢走所有顾客，独占市场。但代价是，A裁掉的9名理发师（假设保留1个大师傅）就此失去了900块的消费能力，小镇的总需求下降了。A虽然抢到了更大的蛋糕份额，但整个蛋糕却变小了。
• 如果B和C都引入AI：三家店都裁掉9名理发师，小镇的总消费能力瞬间蒸发2700块。需求崩了，每家店的收入都锐减。但在这个“新常态”下，如果A不跟上，它的成本就会比B和C高出一大截，立刻就会出局。

结果是：不管其他两家怎么选，对A来说，“引入AI”都是一个占优策略（Dominant Strategy）。 不引入的风险是致命的，而引入虽然会导致总需求下降，但至少还能在那个萎缩了的市场里分到一杯羹。 这个寓言，就是论文里说的“自动化陷阱”的缩影。 每家店主都做出了对自己最“理性”的决定，可大家共同做出的决定，却让每个人的收益都变差了，工人丢了饭碗，小镇经济也凋敝了。 这不就是我们常说的“囚徒困境”在AI时代的一个翻版吗？

模型解构：竞争如何将“理性”逼入死角

接下来，我们不妨从更专业的角度来看，论文是怎样为一开头那个思想实验搭建起严谨的数学框架的。 这个模型建立在Acemoglu和Restrepo经典的“任务型自动化模型”基础上，但把焦点从劳动力市场转向了产品市场。

模型基石：一个简化的世界

论文构建了一个只有单一部门的经济体，里面有N个完全一样的企业。 每个企业都有L个任务岗位，一开始都由人类以工资w完成。 这时，一项“AI技术冲击”降临了，企业i需要决定自己自动化的比例αi (0到1之间，代表用AI完成的任务占比)。 用AI来完成任务的成本是c（比工资w要低），但引入过程是有摩擦的。 简单说，自动化的比例越高，每多自动化一个任务，难度和成本就会非线性地往上涨。 论文用一个凸函数 (k/2) L αi 来模拟这种现实情况。

需求侧：断裂的传导链条

论文的关键洞察在于需求侧。 它引入了一个极其重要但常被忽略的假设：工人和企业主的消费习惯完全不同。

• 工人：会把收入中很大一部分（λ比例）花在本部门的产品上。
• 企业主：他们的消费不在本部门的考虑范围之内（在最基本的假设下，设为零）。

当企业j自动化了αj比例的任务时，αj L 名工人就被解雇了，他们的工资收入也就消失了。 即便其中一部分人通过再就业或补贴拿回了一些收入（假设这个比例为η），仍然有 (1-η)wαj L 的收入被真真切切地“消灭”了。 这部分消失的需求，会直接导致对本部门产品的总支出D下降。 论文用一条简洁的公式刻画了这个传导机制： = λ(1-η)w。 这里的，代表的就是每个自动化任务所导致的有效需求损失。 这个看起来简单的参数，其实就是整篇文章观点背后的核心驱动力。

核心方程：利润函数与“需求外部性”的诞生

在给定所有企业的自动化率之后，市场的出清价格由总供给和总需求决定。 一番推导下来，企业i的利润函数可以写成：

π(α, α) = Π + L [ s α - (/N) Σ α - (k/2) α ]

解释一下里面各个部分的含义：

• Π：没有人自动化时的基准利润。
• s = w - c：每自动化一个任务所能节约的成本。
• (/N) Σ α：这是整个模型里最点睛的地方！它表示的是，所有企业自动化加在一起造成的总需求损失，由N个企业平均承担。

现在，我们来算算企业i自己的边际利润：

π/α = L ( s - /N - k α )

请注意，企业i自己多自动化一个任务，它感受到的私人边际收益是 s - /N，而不是社会层面的 s - 。 原因在于，它自己搞自动化时，只承担了由它自己的行为导致的总需求损失中的一小部分（/N）。 剩下的 (1-1/N) 需求损失，作为一种负外部性，被悄悄地“转嫁”给了它的竞争对手们。 这，就是需求外部性（Demand Externality）在数学上的根源。 在一个竞争激烈的市场里（N非常大），每个企业感觉到的、由自己造成的需求破坏成本（/N）几乎可以忽略不计，这反而极大地激发了大家搞自动化的冲动。

均衡分析：当“内卷”成为唯一的出路

基于上面的利润函数，论文推导出了几个相当有意思的结论。

纳什均衡与合作均衡的鸿沟

命题（核心发现）：在纳什均衡下，每个企业的占优策略是自动化到 α^NE = (s - /N)/k。 相比之下，如果所有企业合作起来（比如成立一个卡特尔）以追求总利润最大化，那么它们会选择 α^CO = (s - )/k。

这两者之间的差值，也就是“过度自动化楔子”，为： α^NE - α^CO = (1 - 1/N)/k > 0 这个楔子的大小很有意思：

• 它随着竞争激烈程度（N）的增加而增大。如果市场是纯粹的一家垄断（N=1），这个楔子等于0，因为没办法把外部性转嫁出去。市场越碎片化，企业就越倾向于过度自动化。
• 它随着需求损失（）的增大而增大。也就是说，工人的边际消费倾向λ越高，或者收入替代率η越低，这个问题就越严重。
• 它随着整合摩擦（k）的增大而减小。把AI整合进来的难度越大、成本越高，企业自动化的冲动就会被抑制一些。

“无摩擦”的极端：纯粹的囚徒困境

如果AI的整合完美无缺（k趋向于0），而且成本足够低（s > /N），模型就会退化到一个极端状态。 推论：全面自动化（α=1）将成为每个企业严格意义上的占优策略。 即便自动化会摧毁所有需求（s < ），合作解明明是不自动化，但每个企业为了生存下去，却不得不选择那个最终会摧毁市场的选项。 这完美复现了博弈论中最经典的囚徒困境模型。 此时，整个社会产生的无谓损失高达 N L ( - s)。

后果：并非零和博弈，而是无谓损失

一个常见的误解是，自动化不过是资本对劳动的剥削，是财富的重新分配。 但论文的命题2残酷地指出：过度自动化带来的其实是帕累托损害（Pareto Damage）。 它让所有人的处境都变得更糟了：

• 工人：失去了工作和收入。
• 企业所有者：尽管个别企业可能因为先行一步而短期获利，但在对称的均衡状态下，所有企业的利润都低于合作时的水平。因为总需求的大幅萎缩，让任何成本节约都弥补不了收入上的惨重损失。

论文通过一个广义的社会规划者问题（即在不同利益群体间寻找平衡的模型）证明，就算社会规划者完全不把工人福利放在心上，只关心总利润，由市场竞争导致的自动化水平仍然过高。 只有在合作水平下，总利润才能实现最大化。 这意味着，放任这股AI裁员浪潮，不仅是个社会问题，更是对企业自身长期利益的伤害。 这不是一场资本家对工人的剥削游戏，而是一场集体自杀。

药方与迷思：为何大多数“解药”无效？

既然市场失灵如此严重，那么政策应该怎么干预呢？ 论文评估了一系列常见的政策建议，得出了一个听起来挺悲观，但又很有启发性的结论。

政策工具：再培训与技能提升
作用机制： 提高η（收入替代率），降低
能否消除外部性： 部分有效
根本原因： 只能缩小楔子，无法根除。除非η≥1，即工人找到更高薪的工作，才可能出现反转。

政策工具：全民基本收入 (UBI)
作用机制： 增加自主需求A，提高利润水平
能否消除外部性： 无效
根本原因： 不改变企业自动化决策的边际条件。

政策工具：资本所得税
作用机制： 对利润征税，降低所有者收益
能否消除外部性： 无效
根本原因： 同样不改变边际条件，只是对结果的再分配。

政策工具：员工持股计划
作用机制： 让工人分享利润，提高其消费
能否消除外部性： 部分有效
根本原因： 能将部分需求外部性内部化，但若工人边际消费倾向λ<1，则无法完全消除楔子。

政策工具：科斯式谈判
作用机制： 企业间或企业与工人间协商
能否消除外部性： 无效
根本原因： 因为是多人博弈且自动化是占优策略，自愿协议无法自我执行，搭便车问题严重。

论文的分析框架清晰地表明，干预措施能不能奏效，关键看它能不能改变企业决策时面对的边际成本与收益，也就是能不能作用到利润函数里的那项“-/N”，而不是简单地让利润这个数字变大或变小。

终极解药：庇古税与“自我消灭”的救赎

在排除了众多看上去很美却没什么用的方案之后，论文指向了经济学里一个古老而经典的方案——庇古税（Pigouvian Tax）。

命题：对企业自动化的行为，征收一笔从量税 τ = (1 - 1/N)。 这个税额恰好等于它施加给其他企业的外部成本，这样就可以完美地把“需求外部性”“内部化”。 这时，企业的私人成本变成了 /N + τ = ，与社会成本完全一致，它的最优决策自然就会回到社会合作的最优水平上去。

而且，这笔税收收入如果用来资助再培训项目，还能进一步提高η，从而降低未来的，进而降低未来的最优税率。 这就形成了一个正反馈循环：税收不仅纠正了当前的扭曲，还通过投资于人力资本，逐步缩小了自身存在的必要性。 在理想情况下，随着工人们被成功转移到价值更高的工作中去，这项税收终将“自我消灭”。

批判性思考与讨论

这篇论文的研究确实很有洞见，为我们理解当前由AI驱动的裁员潮提供了一个非常有力的理论工具。 不过，作为一项专业分析，我们也得看看它的局限性。

• 模型的简化与现实的距离：模型假设了所有企业都一样、只有一个部门、价格固定不变等。现实里，AI能力的差异、跨国运营的复杂性、产品的不同特色等，都会改变竞争格局，可能让文章里的效应被弱化或强化。
• 宏观一般均衡的挑战：论文在附录中也讨论了，如果市场是完全流通的，被摧毁的需求可能会通过利率下降、投资增加或转向其他部门而得到补偿。但论文认为，在利率跌到零以下、部门间调整成本很高等现实摩擦下，它的主要结论依然是成立的。这确实是理论模型里一个需要持续讨论的地方。
• 对“更好”AI的悲观看法：论文指出，更厉害的AI（比如成本c更低）会降低自动化的门槛，反而会放大过度自动化的问题。这意味着，单纯在技术上追求AI能力的飞跃，对于解决就业问题来说，可能不只是没用，甚至可能起反作用。

超越技术，设计“激励相容”的未来

《The AI Layoff Trap》用严谨的数学推导，为我们揭示了当前AI裁员浪潮背后那冷峻的经济逻辑。 它告诉我们，当我们看到企业竞相拥抱AI、大规模裁撤员工时，不能简单地归咎于企业家的冷酷或短视。 在竞争激烈的市场里，这恰恰是一种“理性”的生存策略，尽管这种“集体理性”，正把所有人都引向一条通往萧条的歧途。 这篇论文的核心贡献在于，它把焦点从“技术是否取代了工作”转向了“竞争如何扭曲了技术采用的激励”。 它深刻地指出，需求外部性是这场自动化军备竞赛的燃料，而竞争则是它的放大器。 对于政策制定者来说，论文的启示很清晰：被动地应对失业（比如发钱）或者对利润征税，都只是治标不治本。 必须针对自动化的行为本身，设计出“激励相容”的机制——比如庇古税——来校准企业决策的天平。 有效的干预不应仅仅是财富的再分配，更应该是通过改变价格信号，引导资本流向更优、更可持续的均衡状态。 对于企业和投资者来说，这篇论文也同样敲响了警钟。 短视地追求单点上的成本最优，可能会摧毁支撑自身长期增长的整个生态系统。 在一个AI能力越来越普及的未来，“负责任地使用技术”可能不再只是一个公关口号，而是一条关乎整个行业存亡的战略选择。 总而言之，这篇论文的价值在于，它用一个简洁又优美的模型，为这个时代最令人不安的问题之一，提供了一份深刻的诊断书。 它提醒我们：在通往AI未来的道路上，最大的挑战或许并非技术本身，而在于我们是否有智慧去重塑市场规则，使得对个体最有利的选项，对整个社会也同样有利。