一篇雄文（熊文？），把市場砸出了一個坑。
昨天，2026 年 2 月 23 日，周一，美股開盤。（你看，咱們這春節不開盤也有好處）
道瓊斯跌了 800 多點，收在了日內最低點，全市場只有 27% 的股票收漲。
而觸發這場拋售的，是一篇 Substack 上的一篇名為《2028 全球智能危機》文章。
DoorDash 跌了 7%，MongoDB 跌了 6%，ServiceNow 和 Salesforce 各跌 4%。
金融行業的跌幅更狠，美國運通、KKR、黑石都跌超 8%，阿波羅全球、Capital One 也跌了至少 3%。
當天，科技軟件 ETF（IGV）創下了 52 周新低，當日下跌 5%，年初至今已經跌了近 30%，把 ChatGPT 發布以來的漲幅都跌沒了。
更戲劇化的是 IBM，跌近 12%。（當然，客觀地說，這大概率和 Anthropic 旗下產品會支持 COBOL 維護有關）
這件事值得我專門發一篇文章的點在于——這 TM 完全一篇想象出來的未來推演。
這說明市場早已繃緊了一根弦，而 Citrini 這篇文章，成了那個出口。
很顯然，文章沒有瞎扯，對未來推演的邏輯是讓人信服的（至少說服了市場），這就值得我們一塊來仔細盤一盤。
我知道，你一定想立馬去看原文。
別急，老外的文章通常都比較長，說實話多少有點啰嗦，直接翻譯閱讀體驗其實很一般，讀起來費勁。
所以，看原文之前，可以和我一起先看一看文章里核心的十個邏輯，保證通俗易懂，且信息密度比原文高。
文章其實就講了一個核心問題——如果 AI 真的贏了，哪些東西會跟著輸掉？
一
第一條邏輯，是整篇文章最反直覺的地方，也是它的題眼——
看多 AI 可能本身就是熊市信號。
這很奇怪，AI 生產力提升、企業利潤擴張、股價上漲，這 TM 當然是好事啊！
但作者問了一個的問題：北達科他州一個 GPU 機柜，能完成曼哈頓中城一萬名白領的工作，這對經濟到底是好事還是壞事？
生產出來了，然后呢？誰來花這些錢？
GDP 是衡量產出的，但產出必須流通，才能變成消費，才能變成下一輪的收入和再生產。
如果產出繞過了人，直接從機器流向資本家的賬戶，那這個 GDP 數字好看是好看，但和普通人無關。
作者給這個現象起了個名字，叫幽靈 GDP（Ghost GDP）——統計數據里有，但普通人感知不到。
這才是問題所在。
二
第二條邏輯，是關于那個負反饋飛輪。
說的其實是一個很樸素的鏈條——
AI 能力提升，企業裁員，省下的錢買更多 AI 工具，AI 能力再提升，企業再裁員 ……
這個循環里，沒有剎車。
以前的經濟周期有自我修正機制——工廠生產多了賣不出去，就會減產，減產帶來供給就少了，供給少了價格就會回升，價格回升又刺激新一輪投資。
這就是之前衰退之后會復蘇的樸素邏輯。
但這一次不同，裁員是因為技術進步得太快而讓人變貴了。
技術還在進步，裁員的理由只會越來越充分，而不會自動消失。
以前我們說：熊市不言底，這一次的問題更麻煩——底在哪里，取決于 AI 進化到哪里。
而 AI 的進化，目前看沒有明確的天花板。
三
第三條邏輯，說起來有點奇怪——被 AI 威脅最深的公司，成了 AI 最激進的采購方。
ServiceNow 這家公司，是文章里的典型案例。
它賣的是企業工作流自動化軟件。
AI 來了，它的客戶開始大裁員，裁員就意味著不再買軟件了，收入下滑，與此同時，有新的競爭者用 AI 寫出了功能相近的產品，分走了它的市場。
然后 ServiceNow 怎么做的？
它裁掉了 15% 的員工，把省出來的錢投進了 AI 工具。
它別無選擇，成了 AI 最激進的用戶之一。
這和以前我們常說的柯達、諾基亞的故事完全不同。
以前說的是傳統企業抵抗新技術，被靈活的新進者顛覆。
這一次，傳統企業是最快擁抱 AI 的那一批，因為它們是被最快威脅的那一批。
而問題在于，它們正是雇人最多的一類企業，它們跑得越快，裁員的速度就越快。
四
第四條邏輯，叫 AI 不怕麻煩。
什么意思？
人會懶，人有習慣，人嫌麻煩，人會健忘。
這些弱點，被無數商業模式精心設計成了護城河。
訂閱制、自動續費、捆綁套餐、默認選項——每一個設計背后，都有用戶怕麻煩的隱含假設。
AI 把這個假設干掉了。
AI 可不怕麻煩，它會幫你對比五個平臺的價格，逐條檢查你每個月的訂閱是否在用，發現保險公司的自動續費漲了價就立刻重新比價。
這些事，人不是不想做，是嫌麻煩不去做。
文章里用 DoorDash（美國的美圖外賣）舉了一個絕妙的例子。
DoorDash 的護城河，本質是——你餓了，你懶，這個 app 在你手機首頁。
但 AI 助手沒有手機首頁，它會同時檢查 DoorDash、Uber Eats、餐廳自己的網站和二十個新平臺，選最便宜最快的那個。
以前的護城河，崩了。
五
第五條邏輯，是整篇文章最簡單也最被人忽視的一個：
機器不花錢。
這話說起來像廢話，但想清楚了，是各很嚴肅的問題。
美國的消費在 GDP 里占 70%。
這 70% 幾乎全部來自人。人有收入，人才花錢。機器創造了產出，但機器不在餐廳吃飯，不買房，不去度假，不送孩子上私立學校。
文章里有一句話，我覺得是全篇最值得被劃線的：
" 我們只需要想一想，機器在可選消費品上花多少錢，就能看清楚這件事。（答案是：0）"
GDP 增長，但消費的主體在縮水。
消費的主體縮水，意味著大量以人類消費為基礎的商業模式，大概率都會塌。
從會花錢的人類，流向不花錢的機器，這是一個殘酷的流動。
六
第六條邏輯，是關于白領失業的消費乘數效應。
這一條相對技術一些，但道理并不難懂。
以往我們說失業影響消費，大家想象的是藍領工人失業，他們下周就不消費了，數據很快反映出來。
但這一次的失業主要發生在白領。
白領有積蓄，失業之后，他們可以靠存款維持一兩年的正常消費。
于是數據上看不出來，經濟學家說還好還好，但真實的衰退已經在發生。
等到數據終于崩了，滯后了幾個季度，局面已經很難收拾。
還有另一個放大效應：美國消費最強的前 10% 的人，貢獻了 50% 以上的消費支出。前 20% 的人，加起來大約貢獻了 65%。
這些人，買大房子，搞家裝，買好車，去旅游，送孩子讀私立，這些消費，是支撐整個消費的頂梁柱。
現在，正是這 10% 到 20% 的人，在大批失業或者被迫降薪。
2% 的白領就業損失，換來的是 3% 到 4% 的消費下滑，這個換算比率，比大部分人想象的要高得多。
七
第七條邏輯，是私募信貸的多米諾骨牌。
這一條稍微有點金融行業內部視角，但作者解釋得很清楚。
過去十年，美國私募信貸從不到 1 萬億美元膨脹到了 2.5 萬億以上。
大量資金流進了軟件公司，賭這些公司的年度經常性收入（ARR）會長期穩定增長。
然后 AI 來了。
SaaS 公司的客戶開始裁員，裁員意味著軟件許可減少。
年度經常性收入 "ARR" 變得不再經常了。
更糟糕的是，這些軟件公司的資產，很多被打包進了保險公司和年金產品，說白了是美國普通家庭的儲蓄，只是套了個復雜的金融外殼。
Zendesk（美國很牛逼的客服 SaaS 公司）是文章里的標志性案例：2022 年以 102 億美元私有化，配了 50 億美元直接借貸，號稱是歷史上最大的 ARR 抵押貸款。
到 2027 年，AI 客服已經完全替代了人工票務系統，Zendesk 的核心業務邏輯消失了。
這 50 億美元的貸款，完全有可能打水漂。
問題是，Zendesk 絕不是個例。
八
第八條邏輯，是這篇文章最后一個大炸彈：
優質抵押貸款，可能也不 Work 了。
這句話的份量，需要一點背景來理解。
2008 年次貸危機，爛就爛在貸款從一開始就是壞的——借給了根本還不起的人。
所以監管的邏輯是：只要貸款質量好，系統就穩。
于是銀行和金融體系花了十七年，把優質抵押貸款變成了系統里最靠譜、最著調的資產。
780 分的信用評分（在美國算非常高了），20% 的首付，三十年穩定的就業記錄，從來沒有逾期記錄——這類貸款，被認為是一點問題都木有的。
但這一次的問題，是工作的問題。
這些信用良好的借款人，當年借錢的時候，是標準意義上的優質借款人。
但世界在貸款發放之后發生了變化，他們的工作，被 AI 替掉了，或者降薪了，或者同行業的整體薪資水平崩掉了。
以前的危機是，貸款第一天就是壞的；現在的危機是，貸款發放時是好的，但世界變了。
13 萬億美元的美國房貸，背后的隱含假設是：借款人會在未來 30 年里，大致保持當前的收入水平。
這個假設，大概率也 TM 要噶。
九
第九條邏輯，是關于政策工具的失效。
降息有用嗎？
有用。
降息能降低貸款成本，刺激信用擴張，托住資產價格。
但降息不能讓 AI 停止進化。
降息不能讓失業的產品經理重新找到和原來薪資一樣的工作。
降息解決的是流動性問題，而這一次的問題是失業問題。
政府的財政也同樣尷尬。
美國財政的收入主體，是個人所得稅和工資稅。
AI 創造的產出，流向了資本和算力的擁有者，不流經工資，也就不流經稅務局。
產出還在增長，稅收卻已經悄然在下滑。
更要命的是，失業補償金是為周期性失業設計的：失業一段時間，找到新工作，補償結束。
但如果失業是結構性的，失業補償金就變成了一項永久支出。
政策工具，是用舊模型配舊問題。
新問題來了，舊工具大概率不管用。
十
第十條邏輯，是整篇文章最本質的那一條，放在壓軸：
我們的整套經濟體系，建立在 " 人類智識是稀缺資源 " 這個假設上。
勞動力市場、信貸體系、稅法、社會保障——所有這些，都是在人類的思考能力、決策能力無法被大規模復制的前提下設計的。
這個前提，正在失效。
AI 不是完美替代，但在越來越多的領域，它是足夠好的替代。
足夠好到讓企業重新計算人和 AI 的成本收益比，足夠好到讓整個人的價值在坍縮。
經濟體系不會崩塌，但肯定會重新定價。
問題在于，這次重新定價的對象，是整個經濟秩序的底層基礎，并非某個行業、某類資產，而是人值多少錢這件事本身。
這是太陽底下真正的新鮮事，以前沒有發生過。
結語
文章的結尾，作者把視角切回了現實：
你不是在 2028 年讀這篇文章，你是在 2026 年 2 月讀它。
標普接近歷史最高點，負反饋飛輪還沒有開始轉動。
所以作者說的其實是：你還有時間想一想，你的未來規劃里，有多少是建立在 " 人類智識永遠稀缺 " 這個假設上的？
這個問題，比任何一條具體的建議，都更值得認真對待。
我個人對這篇文章的評價是：邏輯嚴密，敘事優雅。（盡管有略顯啰嗦）
很顯然，它并非看衰 AI，而是看多 AI，看多到預估和推演了 AI 強勢發展的系統性風險。
看完這篇文章，說實話我也非常有收獲，大年初八，開工的第一天衛夕最后嘮叨兩件事——
第一，認真想一想，你的收入來源里，有多少是建立在 " 我比機器貴，但我比機器好 " 這個假設上的。
這個假設以前成立，現在開始動搖，未來會繼續被壓縮。
把這件事放到臺面上，認真審視它。承認一個風險的存在，是應對它的第一步。
第二，至少充一個 20 美元每月的 AI。
哪怕一個月，你如果用的是免費的 AI，那它的水平其實是半年前或一年前的水平。
不要再自信地認為：我試過了，AI 也就那樣。持這種想法，大概率是你沒用好。
最近有一句話流傳很廣——如果你現在大部分事情還是自己動手做，說明你的動手能力不太行。
很多人對 AI 的恐懼，來自于不了解。很多人對 AI 的盲目樂觀，也來自于不了解。
用，頻繁地用，用到模型限額是唯一解。
舊的框架不夠用了，新的框架，得自己搭。
越早開始想，越不慌。
