大家好，我是 Tony Bai。
過去這一年，AI 帶來的「裁員恐慌」幾乎席捲了整個科技業。
今年 2 月，Jack Dorsey 的 Block 公司裁掉了將近一半的員工，他直言不諱：「因為 AI 讓很多職位變得沒有必要了。」
Salesforce 用 AI 取代了 4000 名客服，Cognition 的 AI 工程師 Devin 讓一個資深工程師能做完五個人的工作。
我們似乎正身處在一場由 AI 引發的「效率革命」之中。管理者們為「降本增效」拍手叫好，而我們這些上班族，則在瑟瑟發抖，擔心自己的飯碗隨時可能被一個看不見的 Agent 給搶走。
但如果我今天告訴你，這場看似「零和博弈」的裁員狂潮，最終的結局可能不是「資方贏，勞工輸」，而是「所有人一起輸」呢？
就在今年 3 月份，賓夕法尼亞大學和波士頓大學的兩位學者，發表了一篇極其硬核、甚至有些驚悚的經濟學論文——《The AI Layoff Trap》（AI 裁員陷阱）。
這篇論文用非常嚴密的數學模型，推演出一個讓人背脊發涼的結論：
在充分競爭的市場中，所有理性的公司都會陷入一場瘋狂的「自動化軍備競賽」。它們會不斷地用 AI 裁掉員工，直到把整個市場的消費需求徹底摧毀，最終導致企業利潤和員工收入雙雙崩潰。
今天，我們就來拆解一下這篇堪稱「末日預言」的論文，看看我們是如何一步一步，心甘情願地跳進這個「雙輸」陷阱的。
囚徒困境：為什麼明知是懸崖，所有公司依然在瘋狂加速？
論文的核心，建立在一個極其簡單的經濟學常識之上：被裁掉的員工，同時也是消費者。當他們失去收入，整個市場的購買力就會下降。
既然這個道理連路邊賣菜的阿婆都懂，為什麼那些擁有無數頂尖經濟學家的巨型企業，還會朝著「零需求」的懸崖狂奔呢？
答案，就在於一個經典的賽局理論模型：囚徒困境。
論文建構了一個簡單的競爭市場模型：
- 市場上有 N 家公司，互相競爭。
- 每家公司都可以選擇用 AI 取代掉一部分人類員工，從而降低成本。
- 但每一次裁員，都會導致市場上總消費需求下降一點點。
現在，讓我們站在其中一家公司 CEO 的視角來做決策：
場景一：如果其他公司都選擇不裁員
這時，如果我選擇裁員，我能獨享 AI 帶來的全部成本降低（利潤增加），而裁員導致的市場需求下降，則是由所有 N 家公司共同分攤的。
對我來說，裁員是絕對的最優策略。
場景二：如果其他公司都在瘋狂裁員
這時，市場的總需求已經在萎縮了。如果我選擇不裁員，我不僅要和他們一起承受市場萎縮的痛苦，還無法享受到 AI 帶來的成本優勢，我的市佔率會被迅速蠶食。
為了活下去，我唯一的選擇就是：比他們裁得更狠。
看懂了嗎？
無論競爭對手怎麼做，對我自己來說，「最大化自動化（裁員）」永遠是我的最優解（嚴格優勢策略）。
而當市場上的每一家公司都這麼想、都這麼做的時候，整個系統就陷入了一場無法回頭的「死亡螺旋」。下面這張圖透過三組二維圖，直觀地展示了隨著市場競爭者數量（Number of firms N）的增加，「過度自動化」的陰影面積（代表雙輸的程度）是如何變得越來越大、越來越黑的。
The over-automation wedge
每家公司都做出了對自己最理性的決策，但最終卻導致了一個對集體而言最壞的結果。這就是「AI 裁員陷阱」的本質。
「更好」的 AI，更快的毀滅：「紅皇后效應」
有些人可能會樂觀地認為：「沒關係，只要 AI 的生產力足夠高，它創造出的新財富，總能填補被裁員工的消費黑洞。」
但這篇論文給出了一個更令人絕望的推論：「更好」的 AI，不僅不會緩解這個問題，反而會加速毀滅的進程。
因為一個生產力更高的 AI，會給率先採用它的公司帶來更大的「市佔率增益」的幻覺。這會進一步刺激所有公司，更瘋狂地投入到這場軍備競賽中。
這就像《愛麗絲夢遊仙境》裡的「紅皇后效應」：你必須用盡全力奔跑，才能勉強留在原地。
最終，在所有人（包括 AI）都跑得氣喘吁吁的均衡狀態下，沒有任何一家公司真正獲得了額外的市佔率，整個系統只是以更快的速度，衝向了那個「零需求」的懸崖。
失靈的「解方」：為什麼 UBI 和技能提升都救不了我們？
面對這個殘酷的困境，社會上流傳著幾種看似美好的「解方」。但這篇論文用數學模型，一一戳破了它們的虛幻。
解方一：全民基本收入（UBI）或提高資本利得稅
結論：完全無效。
因為 UBI 和資本稅，作用的是企業的「利潤水準」，而不是那個驅動裁員的「邊際決策」。
只要用 AI 取代一個員工的成本，依然低於這個員工的薪資，那麼無論你給這家公司發多少補貼、或者收多少稅，它裁員的動機都不會改變。
解方二：員工技能提升（Upskilling）或員工持股（ESOP）
結論：部分有效，但無法根治。
讓被裁的員工透過再培訓，找到收入更高的工作，或者讓他們持有公司股票，分享自動化帶來的利潤，確實能夠部分地「回收」損失的消費需求。
但這篇論文指出，這個「回收」過程，永遠無法 100% 抵銷最初的損失。因為資訊和資本的流動總有摩擦，只要存在一點點的「需求外溢（Demand Externality）」，那個驅使大家走向懸崖的魔鬼，就依然存在。
唯一的「煞車」：痛苦但必要的「自動化稅」
在排除了所有看似美好的「市場化」解決方案後，論文最終指向了一個極其古典、也極其具有爭議的「終極武器」——庇古稅（Pigouvian Tax）。
這個概念由經濟學家阿瑟·庇古在 1920 年提出，它的核心思想是：對產生負外部性的行為，直接課稅。
比如，一間工廠每排放一噸廢氣，對社會造成了 100 元的環境損失，那就對它課徵 100 元的「排污稅」。
在這篇論文的模型裡，這個「稅」被具體化為「自動化稅（Automation Tax）」。
每當一家公司用 AI 取代掉一個人類職位時，它就必須為這個「自動化行為」本身，支付一筆稅。這筆稅的金額，應該精確地等於這次裁員對整個社會造成的「消費需求損失」。
只有這樣，才能將那個被企業「外部化」的社會成本，重新「內化」回它自己的決策模型中，從而逼迫它在裁員時，三思而後行。
當然，作者也承認，課徵「自動化稅」在現實中面臨著巨大的挑戰：如何精確計量？如何防止企業將生產轉移到海外？
但他們強調，這是在理論上，唯一能夠從根源上踩下「裁員軍備競賽」煞車的政策工具。
小結：我們正在創造一個怎樣的未來？
這篇論文，雖然是用經濟學的語言寫成，但它探討的，卻是我們每一個技術人都在親身參與和塑造的未來。
它像一面鏡子，照出了我們在追求「技術最優解」時的認知盲區。
我們癡迷於用 AI Agent 換掉客服、用 AI Coder 換掉初階工程師，我們為每一次「降本增效」的成功而歡呼。但我們很少去想，當這些被我們親手「優化」掉的人，失去消費能力時，我們親手構建的商業大廈，地基又在哪裡？
這篇論文的價值，不在於給出了一個完美的答案，而在於它提出了一個更高維度的問題：
當「個體理性」與「集體理性」發生衝突時，我們作為系統的建構者，應該扮演怎樣的角色？
是繼續蒙眼狂奔，加速這場「雙輸」的遊戲？
還是停下來，去思考如何從架構層面，引入那些能夠平衡「效率」與「公平」的、更具人文關懷的「新規則」？
這其實已經超出經濟學問題範疇，更像是一個深刻的「架構倫理」問題了。
資料連結：https://arxiv.org/abs/2603.20617
👇 今日互動探討：
看完這篇論文的推演，你是否也對 AI 的未來感到一絲寒意？你認為「自動化稅」是一個可行的方案，還是一個烏托邦式的幻想？
歡迎在留言區分享你的看法！
如果本文對你有所幫助，請幫忙按讚、推薦和轉發
！
點擊下面標題，閱讀更多乾貨！
- 「AI 正在用垃圾程式碼摧毀一切！」：Flask 之父對話 Pi 作者，揭開 AI 程式設計的殘酷真相
- 從「Vibe-Coding」到「Agentic Engineering」：Andrej Karpathy 的 AI 時代程式設計師生存法則
- 聊聊為什麼我要花這麼大精力，帶大家手寫 Agent Harness？
- HashiCorp 創辦人親口「認錯」：AI 讓我重新愛上了 Go （文末福利）
- AI 時代的新王座：為什麼說 Go 可能是開發 AI Agent 的最佳語言？