一篇《2028全球智能危机》的思想实验竟引爆美股崩盘，揭示‘看多AI’或是最大熊市信号。当AI创造‘幽灵GDP’却绕过人类消费，当‘机器不花钱’导致消费主体萎缩，建立在‘人类智识稀缺’假设上的经济体系面临重构。核心警示：若你的收入仍依赖‘比机器贵但比机器好’，危机或许比想象更近。

昨天，2026年2月23日，周一，美股开盘。（你看，咱们这春节不开盘也有好处）

道琼斯跌了800多点，收在了日内最低点，全市场只有27%的股票收涨。

而触发这场抛售的，是一篇Substack上的一篇名为《2028全球智能危机》文章。

作者自己写了三遍：这只是思想实验，但市场不管这些，崩了！

DoorDash跌了7%，MongoDB跌了6%，ServiceNow和Salesforce各跌4%。

金融行业的跌幅更狠，美国运通、KKR、黑石都跌超8%，阿波罗全球、Capital One也跌了至少3%。

当天，科技软件ETF（IGV）创下了52周新低，当日下跌5%，年初至今已经跌了近30%，把ChatGPT发布以来的涨幅都跌没了。

更戏剧化的是IBM，跌近12%。（当然，客观地说，这大概率和Anthropic旗下产品会支持COBOL维护有关）

这件事值得我专门发一篇文章的点在于——这TM完全一篇想象出来的未来推演。

这说明市场早已绷紧了一根弦，而Citrini这篇文章，成了那个出口。

很显然，文章没有瞎扯，对未来推演的逻辑是让人信服的（至少说服了市场），这就值得我们一块来仔细盘一盘。

我知道，你一定想立马去看原文。

别急，老外的文章通常都比较长，说实话多少有点啰嗦，直接翻译阅读体验其实很一般，读起来费劲。(在公众号“卫夕指北”回复“2028”获取原文地址。)

所以，看原文之前，可以和我一起先看一看文章里核心的十个逻辑，保证通俗易懂，且信息密度比原文高。

文章其实就讲了一个核心问题——如果AI真的赢了，哪些东西会跟着输掉？

01

第一条逻辑，是整篇文章最反直觉的地方，也是它的题眼——

看多AI可能本身就是熊市信号。

这很奇怪，AI生产力提升、企业利润扩张、股价上涨，这TM当然是好事啊！

但作者问了一个的问题：北达科他州一个GPU机柜，能完成曼哈顿中城一万名白领的工作，这对经济到底是好事还是坏事？

生产出来了，然后呢？谁来花这些钱？

GDP是衡量产出的，但产出必须流通，才能变成消费，才能变成下一轮的收入和再生产。

如果产出绕过了人，直接从机器流向资本家的账户，那这个GDP数字好看是好看，但和普通人无关。

作者给这个现象起了个名字，叫幽灵GDP（Ghost GDP）——统计数据里有，但普通人感知不到。

这才是问题所在。

02

第二条逻辑，是关于那个负反馈飞轮。

说的其实是一个很朴素的链条——

AI能力提升，企业裁员，省下的钱买更多AI工具，AI能力再提升，企业再裁员……

这个循环里，没有刹车。

以前的经济周期有自我修正机制——工厂生产多了卖不出去，就会减产，减产带来供给就少了，供给少了价格就会回升，价格回升又刺激新一轮投资。

这就是之前衰退之后会复苏的朴素逻辑。

但这一次不同，裁员是因为技术进步得太快而让人变贵了。

技术还在进步，裁员的理由只会越来越充分，而不会自动消失。

以前我们说：熊市不言底，这一次的问题更麻烦——底在哪里，取决于AI进化到哪里。

而AI的进化，目前看没有明确的天花板。

03

第三条逻辑，说起来有点奇怪——被AI威胁最深的公司，成了AI最激进的采购方。

ServiceNow这家公司，是文章里的典型案例。

它卖的是企业工作流自动化软件。

AI来了，它的客户开始大裁员，裁员就意味着不再买软件了，收入下滑，与此同时，有新的竞争者用AI写出了功能相近的产品，分走了它的市场。

然后ServiceNow怎么做的？

它裁掉了15%的员工，把省出来的钱投进了AI工具。

它别无选择，成了AI最激进的用户之一。

这和以前我们常说的柯达、诺基亚的故事完全不同。

以前说的是传统企业抵抗新技术，被灵活的新进者颠覆。

这一次，传统企业是最快拥抱AI的那一批，因为它们是被最快威胁的那一批。

而问题在于，它们正是雇人最多的一类企业，它们跑得越快，裁员的速度就越快。

04

第四条逻辑，叫AI不怕麻烦。

什么意思？

人会懒，人有习惯，人嫌麻烦，人会健忘。

这些弱点，被无数商业模式精心设计成了护城河。

订阅制、自动续费、捆绑套餐、默认选项——每一个设计背后，都有用户怕麻烦的隐含假设。

AI把这个假设干掉了。

AI可不怕麻烦，它会帮你对比五个平台的价格，逐条检查你每个月的订阅是否在用，发现保险公司的自动续费涨了价就立刻重新比价。

这些事，人不是不想做，是嫌麻烦不去做。

文章里用DoorDash（美国的美图外卖）举了一个绝妙的例子。

DoorDash的护城河，本质是——你饿了，你懒，这个app在你手机首页。

但AI助手没有手机首页，它会同时检查DoorDash、Uber Eats、餐厅自己的网站和二十个新平台，选最便宜最快的那个。

以前的护城河，崩了。

05

第五条逻辑，是整篇文章最简单也最被人忽视的一个：

机器不花钱。

这话说起来像废话，但想清楚了，是各很严肃的问题。

美国的消费在GDP里占70%。

这70%几乎全部来自人。人有收入，人才花钱。机器创造了产出，但机器不在餐厅吃饭，不买房，不去度假，不送孩子上私立学校。

文章里有一句话，我觉得是全篇最值得被划线的：

“我们只需要想一想，机器在可选消费品上花多少钱，就能看清楚这件事。（答案是：0）”

GDP增长，但消费的主体在缩水。

消费的主体缩水，意味着大量以人类消费为基础的商业模式，大概率都会塌。

从会花钱的人类，流向不花钱的机器，这是一个残酷的流动。

06

第六条逻辑，是关于白领失业的消费乘数效应。

这一条相对技术一些，但道理并不难懂。

以往我们说失业影响消费，大家想象的是蓝领工人失业，他们下周就不消费了，数据很快反映出来。

但这一次的失业主要发生在白领。

白领有积蓄，失业之后，他们可以靠存款维持一两年的正常消费。

于是数据上看不出来，经济学家说还好还好，但真实的衰退已经在发生。

等到数据终于崩了，滞后了几个季度，局面已经很难收拾。

还有另一个放大效应：美国消费最强的前10%的人，贡献了50%以上的消费支出。前20%的人，加起来大约贡献了65%。

这些人，买大房子，搞家装，买好车，去旅游，送孩子读私立，这些消费，是支撑整个消费的顶梁柱。

现在，正是这10%到20%的人，在大批失业或者被迫降薪。

2%的白领就业损失，换来的是3%到4%的消费下滑，这个换算比率，比大部分人想象的要高得多。

07

第七条逻辑，是私募信贷的多米诺骨牌。

这一条稍微有点金融行业内部视角，但作者解释得很清楚。

过去十年，美国私募信贷从不到1万亿美元膨胀到了2.5万亿以上。

大量资金流进了软件公司，赌这些公司的年度经常性收入（ARR）会长期稳定增长。

然后AI来了。

SaaS公司的客户开始裁员，裁员意味着软件许可减少。

年度经常性收入“ARR”变得不再经常了。

更糟糕的是，这些软件公司的资产，很多被打包进了保险公司和年金产品，说白了是美国普通家庭的储蓄，只是套了个复杂的金融外壳。

Zendesk（美国很牛逼的客服SaaS公司）是文章里的标志性案例：2022年以102亿美元私有化，配了50亿美元直接借贷，号称是历史上最大的ARR抵押贷款。

到2027年，AI客服已经完全替代了人工票务系统，Zendesk的核心业务逻辑消失了。

这50亿美元的贷款，完全有可能打水漂。

问题是，Zendesk绝不是个例。

08

第八条逻辑，是这篇文章最后一个大炸弹：

优质抵押贷款，可能也不Work了。

这句话的份量，需要一点背景来理解。

2008年次贷危机，烂就烂在贷款从一开始就是坏的——借给了根本还不起的人。

所以监管的逻辑是：只要贷款质量好，系统就稳。

于是银行和金融体系花了十七年，把优质抵押贷款变成了系统里最靠谱、最着调的资产。

780分的信用评分（在美国算非常高了），20%的首付，三十年稳定的就业记录，从来没有逾期记录——这类贷款，被认为是一点问题都木有的。

但这一次的问题，是工作的问题。

这些信用良好的借款人，当年借钱的时候，是标准意义上的优质借款人。

但世界在贷款发放之后发生了变化，他们的工作，被AI替掉了，或者降薪了，或者同行业的整体薪资水平崩掉了。

以前的危机是，贷款第一天就是坏的；现在的危机是，贷款发放时是好的，但世界变了。

13万亿美元的美国房贷，背后的隐含假设是：借款人会在未来30年里，大致保持当前的收入水平。

这个假设，大概率也TM要噶。

09

第九条逻辑，是关于政策工具的失效。

降息有用吗？

有用。

降息能降低贷款成本，刺激信用扩张，托住资产价格。

但降息不能让AI停止进化。

降息不能让失业的产品经理重新找到和原来薪资一样的工作。

降息解决的是流动性问题，而这一次的问题是失业问题。

政府的财政也同样尴尬。

美国财政的收入主体，是个人所得税和工资税。

AI创造的产出，流向了资本和算力的拥有者，不流经工资，也就不流经税务局。

产出还在增长，税收却已经悄然在下滑。

更要命的是，失业补偿金是为周期性失业设计的：失业一段时间，找到新工作，补偿结束。

但如果失业是结构性的，失业补偿金就变成了一项永久支出。

政策工具，是用旧模型配旧问题。

新问题来了，旧工具大概率不管用。

10

第十条逻辑，是整篇文章最本质的那一条，放在压轴：

我们的整套经济体系，建立在“人类智识是稀缺资源”这个假设上。

劳动力市场、信贷体系、税法、社会保障——所有这些，都是在人类的思考能力、决策能力无法被大规模复制的前提下设计的。

这个前提，正在失效。

AI不是完美替代，但在越来越多的领域，它是足够好的替代。

足够好到让企业重新计算人和AI的成本收益比，足够好到让整个人的价值在坍缩。

经济体系不会崩塌，但肯定会重新定价。

问题在于，这次重新定价的对象，是整个经济秩序的底层基础，并非某个行业、某类资产，而是人值多少钱这件事本身。

这是太阳底下真正的新鲜事，以前没有发生过。

结语

文章的结尾，作者把视角切回了现实：

你不是在2028年读这篇文章，你是在2026年2月读它。

标普接近历史最高点，负反馈飞轮还没有开始转动。

所以作者说的其实是：你还有时间想一想，你的未来规划里，有多少是建立在“人类智识永远稀缺”这个假设上的？

这个问题，比任何一条具体的建议，都更值得认真对待。

我个人对这篇文章的评价是：逻辑严密，叙事优雅。（尽管有略显啰嗦）

很显然，它并非看衰AI，而是看多AI，看多到预估和推演了AI强势发展的系统性风险。

看完这篇文章，说实话我也非常有收获，大年初八，开工的第一天卫夕最后唠叨两件事——

第一，认真想一想，你的收入来源里，有多少是建立在“我比机器贵，但我比机器好”这个假设上的。

这个假设以前成立，现在开始动摇，未来会继续被压缩。

把这件事放到台面上，认真审视它。承认一个风险的存在，是应对它的第一步。

第二，至少充一个20美元每月的AI。

哪怕一个月，你如果用的是免费的AI，那它的水平其实是半年前或一年前的水平。

不要再自信地认为：我试过了，AI也就那样。持这种想法，大概率是你没用好。

最近有一句话流传很广——如果你现在大部分事情还是自己动手做，说明你的动手能力不太行。

很多人对AI的恐惧，来自于不了解。很多人对AI的盲目乐观，也来自于不了解。

用，频繁地用，用到模型限额是唯一解。

旧的框架不够用了，新的框架，得自己搭。

越早开始想，越不慌。

好了，你现在可以仔细去研读原文了，文章有更详实论述和具体的数据。