昨天，美股又大跌了，道瓊斯跌了800多點，全市場只有27%的股票收漲。

其中，軟件股跌得最狠。科技軟件ETF（IGV）創(chuàng)下了52周新低，當日下跌5%，年初至今已經(jīng)跌了近30%，把ChatGPT發(fā)布以來的漲幅都跌沒了。

此外，DoorDash跌了7%，MongoDB跌了6%。金融行業(yè)也跌了不少，美國運通、KKR、黑石都跌超8%。

而觸發(fā)這場拋售的，是一篇Substack上的一篇名為《2028全球智能危機》文章。

文章構建了一個情境：到2028 年，AI 的發(fā)展速度遠超預期。企業(yè)利潤因自動化提升而走高，但白領崗位被替代，工資與消費承壓。

需求端走弱，沖擊 SaaS 模式與中介型商業(yè)，支付與信貸體系出現(xiàn)連鎖反應，最終形成經(jīng)濟負反饋螺旋，而現(xiàn)有政策與制度無法及時調(diào)整。

這篇文章之所以引發(fā)市場共振，并非因為寫的有多好，而在于它捕捉到了當下AI行業(yè)微妙的情緒變化。

在長期“AI 提升生產(chǎn)率、推動增長”的樂觀敘事下，市場對另一種可能討論不足——當技術紅利主要流向基礎設施方，而收入與消費同步收縮時，會發(fā)生什么。

從效率繁榮，到白領被集體“斬殺”

時間來到2028 年 6 月 30 日。

失業(yè)率10.2%，高于預期 0.3 個百分點。數(shù)據(jù)公布后，市場下跌 2%，標普 500 較 2026 年 10 月高點回撤 38%。六個月前，這樣的數(shù)據(jù)會觸發(fā)熔斷。但今天，交易員已經(jīng)麻木了。

要理解這場危機，必須回到2026年秋天。

那時幾乎是狂歡。標普逼近8000點，納指突破3萬點。

年初的裁員潮帶來了立竿見影的效果：利潤率上升，盈利超預期，股價飆升。企業(yè)把創(chuàng)紀錄的利潤再次投入人工智能算力建設。

名義GDP 增速亮眼，生產(chǎn)率創(chuàng)下上世紀 50 年代以來新高。AI代理無需休息、無需福利，單位小時產(chǎn)出迅速提升。

問題從未出現(xiàn)在效率上。

隨著勞動力成本下降，算力資產(chǎn)的擁有者財富膨脹。與此同時，實際工資增速下滑，白領崗位被替代。有人提出“幽靈 GDP”——計入統(tǒng)計，卻未流入居民消費的產(chǎn)出。

北達科他州的GPU 集群，可以替代曼哈頓中城一萬名白領的產(chǎn)出。統(tǒng)計上是奇跡，分配上卻意味著工資被結構性替代。

機器不會消費。當占GDP約70%的消費經(jīng)濟開始松動，貨幣流通速度下降，利潤承壓，企業(yè)進一步加碼自動化。

于是形成一個循環(huán)：

AI能力提升，企業(yè)所需員工減少，白領裁員增加，失業(yè)員工消費減少，利潤壓力迫使企業(yè)加大對AI的投資，AI能力提升……

白領收入是13萬億美元抵押貸款市場的基石。當收入預期改變，承銷模型開始重估“優(yōu)質(zhì)借款人”。2027年中，十七年未見的系統(tǒng)性違約重新出現(xiàn)。

違約首先發(fā)生在軟件。

私募支持的SaaS 交易建立在 ARR 持續(xù)增長的假設上。但當 AI 直接替代中介型服務，客戶不再續(xù)費，ARR 不再“經(jīng)常”。

若沖擊只限軟件，尚可消化。但到2027年底，沖擊擴散至咨詢、法律、營銷、流程外包等所有依賴“信息摩擦”的行業(yè)。圍繞白領生產(chǎn)力構建的商業(yè)鏈條開始瓦解。

2027 年 11 月的崩盤，只是把結構性問題一次性顯性化。

這一切的起點，其實在2025 年底。

智能編碼能力躍升。熟練開發(fā)者用Claude Code 或 Codex 幾周即可復刻中端 SaaS 核心功能。

雖不完美，卻足以讓審查 50 萬美元續(xù)約合同的 CIO 發(fā)問：“我們能自己做嗎？”

2026 年預算早在 2025 年末定下。真正的拐點出現(xiàn)在年中評估。內(nèi)部團隊幾周內(nèi)搭出原型，復制六位數(shù)合同，內(nèi)部構建成為可行選項。

那年夏天，一位財富500 強采購經(jīng)理告訴我們，他正考慮用 AI 工具替代現(xiàn)有供應商。最終對方以七折續(xù)約。

長尾SaaS 首當其沖。投資者曾認為記錄系統(tǒng)安全，但 ServiceNow 2026 年三季報改變了預期：新增ACV增速從23%降至14%，裁員15%，股價下跌 18%。

SaaS 并未消亡，企業(yè)仍需系統(tǒng)。關鍵變化在于“可替代性”。一旦內(nèi)部構建成為現(xiàn)實，議價權轉(zhuǎn)移。AI 降低開發(fā)與迭代成本，新進入者幾乎沒有傳統(tǒng)成本結構，差異化優(yōu)勢被壓縮。

更隱蔽的機制隨后顯現(xiàn)。ServiceNow 銷售的是席位。當客戶裁員 15%，席位自然減少 15%。

同一套 AI 工具，一端提升客戶利潤，另一端壓縮供應商收入。供應商只能裁員、加碼 AI，以更低成本維持產(chǎn)出。

與歷史不同，現(xiàn)有企業(yè)并未抵制技術。股價下跌40%–60%，董事會要求自救，它們無力承擔抵制的代價。每家公司單獨看都做出理性選擇；合在一起，卻強化了負反饋。

軟件只是開場。投資者還在爭論估值是否觸底時，行業(yè)已經(jīng)進入結構性壓縮階段。ServiceNow 的邏輯，很快適用于所有以白領成本為核心的公司。

危機從效率繁榮開始，以白領被“斬殺”告終。

中介的價值不存在了

到2027 年初，LLM 的使用已成為默認選項。

大多數(shù)人每天都在用AI 代理，卻并不自覺，就像沒人會思考“云計算”一樣。

真正的催化劑是 Qwen 開源的智能購物助手。幾周之內(nèi)，主流助手全部上線購物功能。模型輕量化后，推理不僅在云端完成，也能在手機和筆記本上運行，邊際成本顯著下降。

讓投資者不安的，不是購物功能本身，而是決策權的轉(zhuǎn)移。

AI 代理開始在后臺全天候運行，根據(jù)你的偏好、賬戶與歷史交易自動優(yōu)化選擇。到 2027 年 3 月，美國人均日均代幣消耗達到 40 萬枚，是 2026 年底的 10 倍。商業(yè)活動不再是一次次點擊，而變成持續(xù)的機器優(yōu)化。

隨之被沖擊的是中介。

過去幾十年，美國經(jīng)濟建立在人類有限理性之上。人會疲憊、會偷懶、會默認續(xù)訂，也會因為麻煩而不比價。品牌、默認選項、界面設計，本質(zhì)上都在利用這種局限性。

AI 代理做的事情很簡單：消除摩擦。

自動續(xù)訂？代理會談判或取消。試用期漲價？代理會重新比價。訂閱經(jīng)濟的核心指標——客戶終身價值（LTV）開始下降。

消費者代理改變了交易方式。人類不會在買一盒蛋白棒前對比五個平臺，但機器會。

旅游平臺最先受沖擊。到2026 年底，代理已能在幾秒內(nèi)組合完整行程：機票、酒店、交通、積分優(yōu)化與退款策略。

平臺的“整合價值”不再稀缺。

保險隨后承壓。過去15%–20% 的保費來自被動續(xù)保，如今代理每年自動重比，溢價消失。

財務咨詢、稅務籌劃、法律事務等以“幫你處理復雜事務”為核心價值的行業(yè)，同樣受到?jīng)_擊。對機器來說，這些事務并不復雜。

即便是房地產(chǎn)這種高度依賴信息不對稱的領域，也迅速瓦解。配備MLS 數(shù)據(jù)與歷史交易模型的 AI 經(jīng)紀人壓縮傭金。到 2027 年 3 月，主要都市買方傭金中位數(shù)降至 1% 以下，部分交易甚至沒有買方經(jīng)紀人。

“習慣性中介”成為首個被摧毀的護城河。

DoorDash 是典型案例。代碼代理降低了外賣應用的開發(fā)門檻，數(shù)十個新平臺上線，并將 90%–95% 的配送費直接支付給司機。AI 代理同時掃描多個平臺與餐廳官網(wǎng)，選擇最低費率與最快配送。用戶的應用忠誠度對機器毫無意義，平臺鎖定效應消失，市場迅速碎片化，利潤接近零。

類似的沖擊擴散至支付領域。若目標是持續(xù)為用戶省錢，2%–3% 的信用卡手續(xù)費自然成為優(yōu)化對象。機器對機器交易無需積分和品牌，穩(wěn)定幣成為更低成本的替代路徑。

2027 年第一季度，萬事達財報成為信號：收入仍增 6%，但購買量增速放緩至 3.4%，管理層首次提到“代理主導的價格優(yōu)化”與“非必需消費承壓”。次日股價下跌 9%。

中介的溢價正在消失。摩擦趨近于零。

消費降級之下的需求難題

一開始，市場仍把AI 的沖擊視為“行業(yè)問題”。

軟件、咨詢承壓，支付與部分收費模式波動，但整體經(jīng)濟看起來仍在運轉(zhuǎn)。勞動力市場走弱，卻沒有自由落體。主流觀點是：技術周期本就如此，局部陣痛，長期受益。

但2027 年 1 月，我們在宏觀備忘錄中提出不同判斷：這不是邊緣行業(yè)的動蕩，而是結構性問題。

美國本質(zhì)上是白領服務型經(jīng)濟。白領占就業(yè)約50%，卻貢獻了約75%的可自由支配消費支出。AI 正在替代的，并非經(jīng)濟邊角，而是核心收入群體。

“技術會毀掉舊工作，也會創(chuàng)造新工作”——這個論點過去兩百年都成立。

ATM 沒有消滅銀行業(yè)，互聯(lián)網(wǎng)創(chuàng)造了新的崗位。

但所有新崗位都需要人。

當AI 成為通用智能，失業(yè)程序員無法簡單轉(zhuǎn)型為“AI 管理者”，因為 AI 本身能承擔管理。新職位確實出現(xiàn)，例如 AI 安全、基礎設施工程師，但比例失衡。AI每新增一個崗位，可能替代數(shù)十個舊崗位，而且薪酬更低。

2026 年 10 月，JOLTS 顯示職位空缺降至 550 萬以下，同比下降 15%。白領縮減明顯，藍領相對穩(wěn)定。問題不是總失業(yè)率，而是結構分化。

投資人往往會關注算力訂單排到2040 年，債市卻開始押注消費走弱。10 年期國債收益率從 4.3% 降至 3.2%。

多數(shù)人仍將其解讀為周期放緩。但這不是傳統(tǒng)衰退。

傳統(tǒng)衰退會自我修復：庫存出清、利率下降、需求回升。AI 帶來的卻是強化循環(huán)——裁員節(jié)省成本，投入 AI；失業(yè)者消費下降，企業(yè)利潤承壓，再次加碼 AI。

這不是資本開支泡沫，而是運營成本替代。企業(yè)總支出下降，但AI 預算翻倍增長。英偉達、臺積電維持高景氣，數(shù)據(jù)中心資本支出每季度仍達 1500 億至 2000 億美元。

沖擊每個季度更深。效率提升不再轉(zhuǎn)化為需求擴張。問題變成：當消費者被機器替代，消費信貸體系如何維系？

到2027 年，宏觀變化已無需統(tǒng)計數(shù)據(jù)。

失業(yè)白領沒有消失，只是降級。大量人涌入零工經(jīng)濟，壓低服務業(yè)工資。

一位曾年薪18 萬美元的產(chǎn)品經(jīng)理轉(zhuǎn)做網(wǎng)約車司機，收入降至 4.5 萬美元。個體故事的關鍵在規(guī)模——當數(shù)十萬人同時下沉，工資體系整體被壓縮。

與此同時，自動配送與自動駕駛正進入零工領域。

2027 年初，在職白領開始“防御性消費”。儲蓄率上升，支出放緩。最危險的是滯后性——高收入者靠儲蓄維持兩三個季度的正常假象。

隨后數(shù)據(jù)證實現(xiàn)實：首次申請失業(yè)救濟人數(shù)升至48.7 萬，為 2020 年以來最高，多數(shù)為白領。標普單周下跌 6%。

不同于以往，本輪失業(yè)集中在收入分配頂端。收入最高的10% 人群貢獻超過 50% 的消費支出，前 20% 貢獻約 65%。當他們失業(yè)或降薪 50%，白領就業(yè)下降 2%，可自由支配消費可能下降 3–4%。

藍領失業(yè)沖擊迅速但局部；白領失業(yè)滯后卻更深遠。

到2027 年第二季度，美國已連續(xù)兩個季度實際 GDP 負增長。美國國家經(jīng)濟研究局尚未正式宣布，但衰退已成事實——只是當時，它還未演變成全面金融危機。

/ 04 /

白領生產(chǎn)力資產(chǎn)的破滅

過去十年，私人信貸規(guī)模從不足1 萬億美元擴張到超過 2.5 萬億美元。大量資金涌入軟件與科技交易，尤其是 SaaS 杠桿收購。核心假設只有一個：收入將長期保持兩位數(shù)增長。

這一假設在2026 年一季度軟件板塊下挫時已被動搖，但風險并未立即顯性化。上市 SaaS 估值腰斬，私募支持的同類資產(chǎn)仍按舊倍數(shù)計價。

2027 年 4 月，穆迪下調(diào) 14 家私募支持軟件發(fā)行人評級，涉及 180 億美元債務，理由直指“AI 驅(qū)動的長期收入逆風”。這是自 2015 年能源行業(yè)以來最大規(guī)模的單一行業(yè)評級下調(diào)。

三季度違約開始浮現(xiàn)，Zendesk 成為標志性案例。

2022 年，Zendesk 以 102 億美元私有化，約 25 倍 EBITDA 杠桿，其中 50 億美元為直接貸款，是當時規(guī)模最大的 ARR 擔保融資。到 2027 年中，AI 客服代理削弱了工單系統(tǒng)的需求，ARR 增長停滯。

這筆“歷史最大 ARR 擔保貸款”最終演變?yōu)樗饺诵刨J領域的標志性違約。

起初市場保持冷靜。私人信貸不同于2008 年的銀行體系，沒有存款擠兌與回購壓力。黑石、KKR、阿波羅均表示軟件敞口僅占 7%–13%，影響可控。

主流觀點認為，私募信貸擁有“永久資本”，足以吸收損失。

但被忽視的是，所謂永久資本背后是壽險資金。過去十年，大型另類資產(chǎn)管理公司收購壽險公司作為融資平臺——阿波羅收購 Athene，KKR 收購 Global Atlantic。

穩(wěn)定、長期的年金負債配置私募信貸，只要資產(chǎn)穩(wěn)定，就是高效的收益機器。

前提是資產(chǎn)“優(yōu)質(zhì)”。

當軟件違約擴散，保險公司持有的相關貸款風險權重上升，監(jiān)管趨嚴。

2027 年 11 月，紐約州與愛荷華州擬提高壽險公司持有私人評級信貸的資本要求。穆迪下調(diào) Athene 展望后，阿波羅兩日下跌 22%，布魯克菲爾德、KKR 跟隨下挫。

這次事件改變了市場對衰退的判斷——從周期性放緩，轉(zhuǎn)向結構性風險。美聯(lián)儲主席凱文·沃什在緊急會議上形容其為：“一系列押注白領生產(chǎn)力增長的關聯(lián)性押注。”

/ 05 /

房價也撐不住了

2028 年 6 月，Zillow 房價指數(shù)顯示：舊金山同比下跌 11%，西雅圖 9%，奧斯汀 8%。

價格回調(diào)本身可以解釋為高估值城市的修正，但更值得警惕的是房利美披露的數(shù)據(jù)——在科技與金融就業(yè)占比超過40%的郵編區(qū)域，早期違約率正在上升。

這些借款人并非次級群體，F(xiàn)ICO 多在 780 分以上，屬于傳統(tǒng)意義上的“優(yōu)質(zhì)客戶”。問題不在貸款發(fā)放時，而在發(fā)放之后：收入預期發(fā)生了結構性改變。

美國13 萬億美元的抵押貸款市場建立在一個基本假設之上——借款人在 30 年周期內(nèi)維持大體穩(wěn)定的收入。

白領就業(yè)危機動搖了這一前提。2008 年的貸款一開始就是壞賬，而 2028 年的貸款原本是好賬，只是支撐它的收入邏輯發(fā)生了變化。

早在2027 年，壓力已顯現(xiàn)：HELOC 提取增加、401(k) 提前支取、信用卡債務上升，而房貸仍按時償還。這意味著，家庭在用流動資產(chǎn)維持穩(wěn)定。

隨著招聘凍結與裁員擴大，高收入家庭的負債收入比上升。他們還能還貸，但必須壓縮非必要支出并消耗儲蓄，緩沖空間迅速收窄。

拖欠率率先在舊金山、西雅圖、曼哈頓和奧斯汀上升，而全國均值仍在歷史區(qū)間。這種區(qū)域分化表明沖擊集中在白領密集區(qū)域。真正的風險不在絕對水平，而在趨勢。

若房價下跌發(fā)生在收入穩(wěn)定時期，尚可承受；但當房價與收入預期同時下行，風險性質(zhì)就發(fā)生改變。收入假設松動，信用定價必然重估。

實體經(jīng)濟的負反饋與金融放大器疊加：收入下滑壓縮消費，消費走弱削弱利潤，企業(yè)加碼自動化；抵押貸款壓力與私人市場動蕩相互強化。傳統(tǒng)政策工具可以緩解流動性問題，卻難以逆轉(zhuǎn)收入結構的改變。

如果拖欠率持續(xù)擴散，抵押貸款市場下半年可能承壓。在極端情境下，股市回撤幅度或接近全球金融危機時期的57%，標普 500 可能回落至 3500 點附近。

核心問題已很清晰：支撐住房市場的收入假設出現(xiàn)裂縫。未知的是，在市場完全消化這一變化之前，政策能否重建信心與收入預期。

/ 06 /

智力需要重新定價

這場危機的路徑，其實可以用兩條負反饋來概括。

第一條發(fā)生在實體經(jīng)濟。

AI 能力提升，企業(yè)削減工資支出，消費放緩，利潤承壓，于是進一步加碼 AI 投入。AI 再次提升效率，裁員擴大，循環(huán)自我強化。

第二條隨后蔓延至金融體系。

收入下降沖擊抵押貸款與消費信貸，銀行與信貸機構風險上升，信貸收縮削弱財富效應，需求進一步下行，反饋加速。政策的不確定與滯后，使兩條鏈條疊加。

核心問題在于，這套制度并非為這種沖擊設計。

聯(lián)邦財政的基礎，本質(zhì)上是對勞動時間征稅。個人所得稅與工資稅長期占據(jù)主體。只要就業(yè)穩(wěn)定、工資發(fā)放，財政收入便相對穩(wěn)固。

但今年一季度，聯(lián)邦收入較CBO 基準低 12%。就業(yè)減少與薪酬下降壓縮工資稅，收入結構改變進一步拖累所得稅。生產(chǎn)率上升，但收益更多流向資本與算力所有者，而非勞動者。

勞動收入占GDP 的比重，從 1974 年的 64% 降至 2024 年的 56%。而在 AI 加速發(fā)展的四年間，這一比例快速下滑至 46%，為歷史罕見的速度。

產(chǎn)出仍在，但不再通過家庭循環(huán)回企業(yè)與稅收體系，收入閉環(huán)出現(xiàn)裂縫。

財政支出上升、收入下降，這與以往衰退類似。但不同在于，這次沖擊并非周期性。自動穩(wěn)定器針對的是短期失業(yè)，而非結構性替代。許多崗位難以恢復，或只能以更低薪酬回歸。

政府面臨兩難：需要增加轉(zhuǎn)移支付，稅基卻在收縮。美國不會技術性違約，但壓力開始在市政債等領域顯現(xiàn)。依賴高收入群體稅收的州，風險溢價上升，財政結構差異轉(zhuǎn)化為市場分化。

政策層面提出“轉(zhuǎn)型經(jīng)濟法案”，通過赤字支出與 AI 推理稅支持失業(yè)群體；更激進的提案主張對 AI 基礎設施收益進行公共分成。爭論迅速意識形態(tài)化，赤字、競爭力與監(jiān)管俘獲成為焦點。

與此同時，社會情緒外溢。

抗議活動將矛頭指向AI 實驗室與資本所有者。

公眾看到的是技術公司財富飆升與高薪崗位減少并存，分配問題被放大。

真正的張力來自時間——AI 進化速度遠快于制度調(diào)整速度。政策需要共識，而技術擴散不等待共識。

更深層的變化在于一個長期未被質(zhì)疑的前提正在動搖：人類智慧是稀缺資源。

資本可復制，自然資源可替代，但智慧曾不可規(guī)模化復制。正因如此，制度圍繞“人類才能稀缺”進行風險定價與分配。

如今，這一前提被改寫。金融體系正在重新定價“智慧”的價值。這個過程痛苦且混亂，但重新定價并不等于崩潰。

問題不在于技術是否繼續(xù)進步，而在于我們能否及時重建制度與分配框架，使其適應一個關鍵投入從稀缺變?yōu)槌湓５男律a(chǎn)函數(shù)。

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。