惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

B
Blog
V
Vulnerabilities – Threatpost
Apple Machine Learning Research
Apple Machine Learning Research
V
V2EX
博客园 - 叶小钗
阮一峰的网络日志
阮一峰的网络日志
人人都是产品经理
人人都是产品经理
Latest news
Latest news
博客园 - 三生石上(FineUI控件)
美团技术团队
aimingoo的专栏
aimingoo的专栏
Google Online Security Blog
Google Online Security Blog
Security Archives - TechRepublic
Security Archives - TechRepublic
T
Threatpost
Y
Y Combinator Blog
T
Tailwind CSS Blog
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
A
Arctic Wolf
C
Cyber Attacks, Cyber Crime and Cyber Security
小众软件
小众软件
Recent Commits to openclaw:main
Recent Commits to openclaw:main
T
Tenable Blog
W
WeLiveSecurity
L
LINUX DO - 热门话题
D
Docker
Cyberwarzone
Cyberwarzone
量子位
A
About on SuperTechFans
The Last Watchdog
The Last Watchdog
雷峰网
雷峰网
C
CERT Recently Published Vulnerability Notes
P
Palo Alto Networks Blog
The Hacker News
The Hacker News
Blog — PlanetScale
Blog — PlanetScale
P
Proofpoint News Feed
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
F
Full Disclosure
The Cloudflare Blog
T
The Blog of Author Tim Ferriss
T
The Exploit Database - CXSecurity.com
Engineering at Meta
Engineering at Meta
O
OpenAI News
Hacker News - Newest:
Hacker News - Newest: "LLM"
Scott Helme
Scott Helme
IT之家
IT之家
S
Secure Thoughts
MongoDB | Blog
MongoDB | Blog
L
Lohrmann on Cybersecurity
博客园 - 司徒正美
Google DeepMind News
Google DeepMind News

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
凯恩斯主义复辟:硅基时代的宿命
锦缎 · 2026-06-04 · via 人人都是产品经理

从凯恩斯的'填沟挖沟'到Anthropic的AI编程工具Claude Code,两套算法揭示了经济系统的根本矛盾。当AI以70%的毛利率替代人类脑力劳动时,我们正面临1929年以来最严峻的分配危机。本文通过历史纵深与数据剖析,揭示AI时代新凯恩斯主义的必然回归——在效率与稳定之间,人类需要重新设计社会算法。

1936年,约翰·梅纳德·凯恩斯在其划时代的著作《就业、利息和货币通论》中,写下了一段著名的、也容易被误解为黑色幽默的解决方案:

“如果财政部把钞票塞进旧瓶子里,埋进废弃的煤矿深处,再把煤矿表层的垃圾填回去,然后让私人企业把钞票重新挖出来——失业问题就会消失。”

这段文字,是对凯恩斯理论最通俗、最极端的阐释。

其核心洞察在于:当“有效需求”彻底枯竭,经济陷入螺旋式下行时,任何能创造就业、将购买力重新注入国民口袋的行为,哪怕在物理上毫无意义,都是维系系统不坠的救命稻草。这是凯恩斯的算法,一种以人为中心、以需求再分配为终点的宏观经济操作系统。

近九十年后,2026年5月,另一个人站在旧金山的开发者大会上,宣布了一套截然不同的算法取得的惊人成功。Anthropic CEO达里奥·阿莫迪宣布,公司年化收入突破440亿美元,核心产品AI编程工具Claude Code的推理毛利率超过70%。

在全球最大的代码托管平台GitHub上,每100行公开提交的代码,已有70行出自这只看不见的算法之手。它正在以超乎想象的速度,替代那些曾属于知识劳工的脑力劳动。

从凯恩斯到阿莫迪,两个人,相隔九十年。凯恩斯试图用政府支出填平需求鸿沟,阿莫迪则用机器智能跨越效率的极限。这是两套彼此对立的算法:一套为无法在市场逻辑中生存的人提供“算法外”的庇护,另一套则以无与伦比的效率,将越来越多的人推向“算法外”的悬崖。

而历史正在走向一个关键的交汇点:当阿莫迪的算法以前所未有的速度吞噬碳基工作岗位时,凯恩斯的算法将不得不以一种前所未有的形态在硅基时代完成复辟。

01 大萧条的回响:当机器跑得比需求快

要理解今天的恐惧,我们必须回到凯恩斯的世界。

1929年股市崩盘并非大萧条的唯一原因,凯恩斯看到了更深的病灶:一个技术与分配极度失衡的社会。

1920年代的美国,制造业生产率以年均超过5%的速度狂飙。电力和内燃机普及,工厂产出十年翻倍,农业机械化将数百万农民变成涌入城市的求职者。然而,在1923年至1929年间,美国制造业产值增长了约30%,工人工资却基本原地踏步。

财富以前所未有的速度向上集中,1929那一年,最富有的1%人口掌握了全国近40%的财富,最富有的10%占据了约50%的国民收入。而底层70%的人口,收入朝不保夕,依靠零工维生。

结果是,工厂能堆满仓库,但绝大多数人买不起。1929年10月的股市崩盘,只是压垮这个扭曲结构的最后一根稻草。当富人停止消费、企业停止投资,整个经济的血液循环就停止了。

凯恩斯在《通论》中创造了一个词来概括这一切——“有效需求不足”。于是,他的“填沟-挖沟-再填沟”方案应运而生。

它不是关于基础设施的投资理论,而是一种关于“人”的算法。当财富分配算法失灵,将90%的社会资源导向10%的人手中时,政府这个“系统管理员”就必须介入,用看似荒谬的方式,把那70%的“算法外”人口重新接入循环。这不是道德选择,而是系统维持自身存续的唯一数学解。

这套算法主导了战后资本主义的黄金三十年。从1945年到1973年,美国实际GDP年均增长近4%,而收入前10%人群的国民收入占比从45%降至33%,一个庞大的中产阶级被凭空创造出来。凯恩斯主义的成功,不在于政府擅长花钱,而在于它成功地进行了需求侧管理:将一部分社会财富强制再分配,从而维持了整个系统的总需求平衡。

然而,1970年代的“滞胀”给了这套算法沉重一击。米尔顿·弗里德曼的货币主义趁势崛起,带来了里根和撒切尔革命。此后四十年,“政府是问题,而非解决方案”成为信条,减税、去监管、私有化重塑了全球经济的底层逻辑。自由市场资本主义一路高歌猛进,财富重新加速集中,仿佛大萧条只是一场遥远的噩梦。

直到今天,当AI的镰刀挥向信息时代的“中产阶级”时,那个古老的问题才重新浮出水面:当技术跑得比人快,人怎么办?

02 这一次,机器瞄准了脑

过去的工业革命,机器替代了我们的手和肌肉;而这场AI革命,机器的目标是我们的大脑,我们的认知。

过去六十年,半导体革命创造了一个全新的社会分工体系。信息处理——从程序员、会计师、律师助理到平面设计师——成为了数亿中产阶级的安身立命之所。他们不种地、不拧螺丝,他们的工作是阅读、分析、整理、撰写、编码。他们构成了凯恩斯分层里那占人口20%至60%的消费社会主体。

AI正毫不留情地重新划分这条边界。

程序员是目前最直观的剖面。一个高级工程师加上Claude Code,能干过去一个团队的活。而全球程序员及相关技术岗位规模约为3000万,GitHub上的开发者总数已超过1.5亿。

这仅仅是冰山一角。法律文件审阅、医疗影像诊断、财务报表编制、客服问答、翻译……每一个以“输入信息、处理信息、输出信息”为基本动作的职业,都已进入AI的替代射程。

麦肯锡在2026年CES上披露,公司内部已有25,000个AI智能体与40,000名员工协同工作,后台岗位在系统性收缩。IBM宣布五年内用AI替换超过三万个后台岗位,集中在财务、人力和合规。

高盛经济学家的测算更加触目惊心:过去一年,AI的替代效应每月抹去约25,000个美国岗位,而增强效应仅新增约9,000个,每月净流失约16,000个。替代,是一次性、大规模、断崖式的裁员公告;增强,则是缓慢、分散、滞后的增量招聘。两者在节奏上完全失配。

这不是19世纪卢德分子对蒸汽机的恐惧,而是21世纪知识工人对算法的恐惧。

工业革命的经验是,新技术的增强效应长期来看会创造新岗位。但这一次,我们将“长期”看得太重。凯恩斯那句被误解的名言——“长期来看,我们都死了”,其本意并非放弃长期思考,而是警告我们:不要用虚无缥缈的长期承诺,来逃避眼前火烧眉毛的系统性危机。

03 阿莫迪的奇迹,凯恩斯的归期

达里奥·阿莫迪无疑是诚实的。他在开发者大会上说,“我希望80倍的增长不会持续下去,那太疯狂了,也太难应对了。”他非常清楚,Anthropic的成功,恰恰是社会痛苦的收束点。Claude Code的推理毛利率从38%飙升至70%以上。毛利率每提高一个百分点,都意味着更少的算力消耗、更少的人力参与、更高的自动化率。

这是企业利润的奇迹,却是社会就业的赤字,也是凯恩斯的归期。

这并非阿莫迪的错。他是在创造一种新的生产方式。问题在于,这种新的生产方式天然地、重力般地倾向于将财富集中到拥有机器的那一小部分人手中。

Claude Code不是被一百万个程序员共有的生产资料,它是被Anthropic一家公司拥有、被数千家企业客户租用。它创造的440亿美元年化收入,进入了Anthropic的账户,而不是那一个个被它替代的程序员的工资卡里。这笔天量收入,一部分变成Anthropic员工的薪酬和股东回报,另一部分作为算力成本流回亚马逊和谷歌的云账单里,几乎没有涓滴回被替代的社会阶层。

这正是凯恩斯一辈子在与之斗争的算法失灵。他不在乎谁更有效率,他在乎的是系统能否稳定运转。一个社会,如果只有10%的人能从AI生产力革命中获利,另外90%的人被边缘化,那么其消费基础必将坍塌。而消费基础坍塌的那一天,所有建立在“未来的无限需求”预期之上的万亿估值,都会一起埋进土里。

一个数据足以说明危机有多近。到2020年代,美国最富有的10%家庭,掌握了近70%的股票和共同基金。AI带来的资本增值,几乎全都会流入这些本已富裕的家庭,而不是流向那些被替代的工薪阶层。

财富越集中,有效消费越少。AI能设计出最精妙的广告算法,但如果它面对的是一个购买力枯竭的大众,它卖出的也只有一片虚无。现代经济这台庞大的机器,没有消费作为燃料,连一天都运转不下去。

04 新凯恩斯主义:从“挖沟”到“切割”

AI时代呼唤的新凯恩斯主义,不会以1930年代那种修路挖沟的粗糙形式出现,但它会遵循完全相同的底层逻辑。

AI企业正在创造天文数字的利润。这些利润中的很大一部分,并非来自全新的价值创造,而是对应着被替代掉的人类劳动成本。过去,这些劳动成本以工资的形式发放,通过消费重新流入经济体系,构成了总需求的基石。现在,这笔钱消失了,变成了AI公司的利润和股东的资本收益。

这个过程,本质上是从广大工薪阶层口袋里“节省”出的成本,转移到了少数资本所有者的账簿上。

新凯恩斯主义的核心命题因此格外清晰:政府必须代表那被算法边缘化的大多数,作为系统稳定的守护者,从AI产业的超额利润中切走足够大的一块,通过某种形式的再分配,将购买力重新注入大众口袋。 这不是道德上的罗宾汉,而是维持系统稳态的负反馈机制。

我们(锦缎研究院)预测,具体的路径可能在几条线上同时展开:

  1. AI超额利润税:对因AI替代人类劳动而产生的、超过行业平均利润的部分,征收专项税收。税率可以锚定该行业的替代率和历史平均工资,将机器创造的财富部分社会化。
  2. 全民基本收入(UBI)试点:在AI渗透率最高的地区,如加州,利用AI税收作为资金来源,进行无条件的月度现金支付试点。这不是救济,而是为算法之外的人口提供一个基础的、可预期的消费身份,维持社会总需求的底线。
  3. 缩短法定工作周:当AI完成过去需要40个小时的工作时,应当将社会必要劳动时间从40小时缩减到32小时甚至更低。通过重新分配剩余的工作时间,来维持社会就业人数,分享生产力红利。
  4. 公共AI主权基金:政府以提供算力、数据或电网等公共基础设施入股AI巨头,将未来的股息分红定向分配给受冲击行业的人群,让每一个公民都成为AI基础设施的“股东”。

这些选项背后,有一个共同的、石破天惊的道理:一个社会的经济效率,不应由其生产力决定,而应由其维持系统稳定的能力决定。 如果一个社会无法把财富重新分配以维持消费,那么生产出来的东西最终只能烂在仓库里。仓库堆满的那一天,AI公司的万亿估值,也不过是写在云端的一块废铁。

05 结语:谁来完成那个闭环?

凯恩斯用一个巧妙的比喻瓦解了对“长期方案”的迷恋。在AI时代,这个警示意犹在耳。AI是生产力的一面,是人类迄今为止创造的最强大的生产工具。它能以前所未有的速度开发药物、编写代码、设计蛋白质。它的生产潜力,超出了凯恩斯时代任何人最狂野的想象。

但生产力与消费力之间的鸿沟,不会自动愈合。当90%的信息工作被机器接管,而只有不到10%的人掌握了机器的所有权和经营权时,一个根本性的断裂就出现了:谁来买AI生产的产品?谁来支付AI开发的药物?谁来订阅AI生成的万千行代码?

机器可以创造一切,但它唯独不能成为“消费者”。只有拥有购买力和欲望的人,才能完成从生产到消费的最后闭环。这个闭环一旦断裂,再聪明的算法也无处可卖,再高的效率也等于零。

填沟、挖沟、再填沟,在今天看来,不再是一句讽刺。它象征着一种超越市场逻辑的、维持系统存续的必要算法。在AI时代,这种算法的形态会从物理世界的铁锹,变成数字世界的算力税和基本收入,但它的底层逻辑万古不变:一个不能让大多数成员参与分享红利的系统,无论效率多高,都是一座正在积聚能量的活火山。

达里奥·阿莫迪的算法代表未来,而凯恩斯的算法守护着让未来能够到来的底线。我们需要的不是在这两者之间二选一,而是用后者的清醒,去驾驭前者的狂飙。否则,当熔岩最终喷发,被埋葬的将不只是旧时代的废墟,还有所有那些关于智慧的傲慢幻想。

本文由人人都是产品经理作者【锦缎】,微信公众号:【锦缎】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于CC0协议