在 microagi，我们将部署十亿台机器人。当这一天到来时，其经济与社会后果将是深远的。

我们相信，这将通向一个富足的世界：机器人将生产力与产出提升到如此程度，以至于物质稀缺——这一构成大多数经济模型基本假设的前提——将不复存在。几乎每一种经济模型都建立在供需原则之上，其基础假设便是资源稀缺。莱昂内尔·罗宾斯在1932年对此作了精辟概括，将经济学定义为“研究具有多种用途的稀缺手段与目的之间关系的科学”。我们相信，机器人将消除这种稀缺。在这样一个世界里，所有人的生活水平都将远超今天任何人所享有的水平，人类所能成就的可能性将是无限的。

然而，我们也必须承认，在由广泛机器人化所创造的富足世界中，一个后果将是：我们今天所熟知的许多人类体力劳动将不再被需要。过去，当机器增加供给、压低价格时，需求随之上升，就业也随之增加以满足这一需求。但这一次，通用型机器人将能够自行满足这些需求。如果我们的经济体系维持现状，这将意味着当前数百万工作岗位的消失，并可能剥夺人们的收入、地位，对许多人而言，还有他们的人生意义。

我们面临一个两难困境，而机器人学界的大多数人迄今未能公开承认它，更不用说着手解决了。那些能实质性改善所有人生活的技术，必然也会极大地改变我们的生活。关键在于，如果我们不能为这个问题提供充分的解决方案，我们就永远无法抵达那个物质丰裕的世界。大多数人会联合起来，抵制智能向物理世界的扩散；在这种压力之下，各国政府将停止机器人的部署。

本文正是我们审视这一困境的尝试。我们描述技术目前处于什么阶段，为什么流行的“替代”经济模型不足以应对即将到来的一切，以及为什么“当人们不再需要工作之后，他们是谁”这一问题将决定丰裕究竟能否到来。随后我们把目光转向欧洲，部分原因是我们是一家欧洲公司，但主要是因为欧洲在这一困境面前极为脆弱。欧洲福利国家的资金主要来自对劳动征税，欧洲工业仍在雇佣数百万从事机器人正在学会去做的那类工作的人，而欧洲自己几乎不生产这些机器人。我们描绘了我们大陆三种可能的未来。其中两种我们必须避免，另一种则是我们打算去建设的。

争夺机器人学的“GPT时刻”

纵观人类历史，物质舒适始终依赖于某人的劳动。粮食必须有人种植，房屋必须有人建造，货物必须有人从一个地方运到另一个地方。机器人学有望将这些体力劳动自动化，压低商品成本，并推动产出的扩张，从而实现物质丰裕。这一未来触手可及，而且正迅速逼近。

为了说明它究竟有多迅速，只需看看过去这十八个月。

Figure AI 的 02 人形机器人在南卡罗来纳州斯帕坦堡的宝马工厂完成了为期十一个月的部署。到第十个月时，这些机器人已能满负荷执行十小时班次，从料箱中抓取金属板并将其放置到焊接夹具上，精度达到五毫米。在整个项目期间，它们共装载了超过 90,000 个零件，并为超过 30,000 辆宝马 X3 的生产做出了贡献。尽管这些机器人已于 2025 年 11 月退役，但这标志着进步的方向。

2026 年 4 月，Generalist 报告称，其 GEN-1 模型将选定物理任务的平均成功率从 64% 提升至 99%，在折纸箱和手机装盒任务上的速度约为此前方法的 3 倍，而每个任务仅需约一小时的机器人数据。其演示包括连续折叠纸箱 200 次而无需人工干预。这些仍是公司自身的评估，但可靠性和速度恰恰是将技术成就转化为有用产出的关键品质：成功率 64% 的机器人足以用于演示，但成功率 99% 的机器人则可能取代一名员工。

今年 7 月 30 日，Google DeepMind 发布了 Gemini Robotics 2，将人形机器人的腿、躯干、手臂和五指手纳入单一训练策略，并推出了端侧版本，且能够在数小时内适应全新的本体形态。8 月 25 日，Skild AI 发布了 S1，该模型观看一段人类执行陌生任务的视频后便能执行该任务，任务时长可达十分钟、包含数十个步骤。在其内部基准测试中，Skild 报告称 S1 在未见任务上的成功率为 66%，而同等规模训练的语言提示模型仅为 9%。

这些公司都在竞相打造“机器人领域的GPT时刻”，即一个基础机器人模型能够被要求执行几乎任何物理任务，并且完成得足够好、足以派上用场。ChatGPT在2022年11月为语言领域实现了这一点，把一项研究上的新奇事物变成了数亿人每天使用的东西。

与语言模型能力的一大区别在于，物理世界中的任务可验证性要高得多；对于工业环境中的任务或时间跨度较短的任务（例如装箱或制造一件设备）尤其如此。可验证的任务可以自动化，因此AI系统的影响在物理世界中将更加显而易见。

迄今为止，对这对工作意味着什么的最严谨衡量尝试由Anthropic的经济学家于9月30日发表。利用O*NET约19,000项工作任务的目录，Russell Legate Yang和Maxim Massenkoff发现，当今已有的机器人能够完成美国74%的物理任务，相当于全部工作时间的34%，尽管主要是在专门建造或结构化的环境中。结合大型语言模型，按工作时间计算，约80%的工作任务暴露于这两种技术之一。他们跨越五十年的回溯测试表明，受当时机器人影响更大的工作，其工资和就业在随后几十年中下降；并且机器人每年能够完成约2%它们此前无法完成的物理工作。

公共讨论未能认识到机器人技术的风险

更高的生产率本身并不能保证物质保障或满足感。在这个问题上，构建人工智能的人已开始以不同寻常的坦率发声，值得仔细倾听他们说了什么，以及他们略去了什么。

2025年5月，达里奥·阿莫代伊警告称，人工智能可能消灭一半的入门级白领岗位，并在一年到五年内将失业率推高至10%到20%之间，他描绘了这样一个世界：“癌症被治愈，经济以每年10%的速度增长，预算实现平衡——而20%的人没有工作。”三个月后，斯坦福大学的经济学家利用美国最大薪资处理机构的薪资记录发现，自生成式人工智能普及以来，22至25岁、处于人工智能暴露度最高职业的劳动者，其就业率相对下降了13%，而从事相同工作的年长同事则未受影响。

这一分析未纳入物理人工智能的潜在影响。Anthropic 9月发布的《我们经济未来的情景》提出了劳动力市场影响的三种模型。在“显著”情景中，人工智能可以完成一半的知识工作，知识工作者的工资基本持平。在“极端”情景中，美国GDP增长约三分之一，劳动收入份额降至约45%，知识工作者的工资下降超过10%，失业率上升“超出典型衰退水平”。

金融界从另一个方向得出了类似结论。2026年8月，桥水首席执行官尼尔·巴尔·迪亚和首席投资官格雷格·詹森在《纽约时报》上撰文指出，由于只有劳动被征税，税法实际上在奖励用机器替代人。他们提议对人工智能 token 征收消费税，以降低对劳动的征税，并为投资人工智能公司的股份提供资金，这些股份可以“与全体公民”共享。到9月下旬，巴尔·迪亚已公开警告，如果转型处理不当，将出现“社会崩溃”。

尽管看到基础模型实验室和全球最大对冲基金至少承认了广泛社会影响的潜力令人鼓舞，但我们认为，他们的预测从根本上低估了即将到来的劳动力市场冲击的规模。

即便是他们最极端的设想，也“不包含”“人类发展出超强能力机器人”的可能性。而对于被取代的知识工作者，替代方案明确指向体力劳动：他们必须“转向电工、护士等受AI影响较小的职业”，作者也承认这一转型对许多人而言将艰难而缓慢。认知性岗位被取代的每一种模型，都在某处建立在同一个心照不宣的假设之上：被取代的认知劳动力最终会转向体力岗位。

然而，一旦机器人的大规模部署变得可行，这一假设便遭到根本性动摇。如果那位咨询顾问预计自己刚取得资质不久，机器人就会来给大楼布线，她（他）就不会花数年时间重新培训去当电工。如果律师助理预计机器会来搬运病人，她就不会转行去做护理。经济学家为认知自动化设想的逃生通道，迎面撞上了反向而来的体力自动化。

丰裕何时到来

尽管正如Legate Yang与Massenkoff的论文所述，机器人目前或许能在至少某些场景下完成74%的体力任务，但它们仅在0.3%的任务上具备与人力竞争的成本优势。如果机器人价格按每年约3%的历史速度持续下降，这一比例要达到10%大约需要40年。在他们的快速情景下，机器人要到2050年才能在当今一半的体力工作上具备成本竞争力。然而，这是以过去的变革速度向前外推，论文作者自己也承认，“AI驱动的机器人可能跨越我们的规模。”

我们认为它们会。我们的论证如下：

1. 到2027年，AI系统将从事严肃的机器人研究，开发周期将大幅缩短

2025年6月，OpenAI首席执行官萨姆·奥尔特曼预测，2026年将出现能够产生新颖洞见的系统，2027年则可能诞生“能在现实世界中执行任务的机器人”。到2026年9月，OpenAI表示已构建出一个“自动化研究实习生”，该系统能够执行一名熟练人类研究员需要数天才能完成的研究任务，而公司目前的目标是在2028年3月前实现完全自动化的AI研究员。独立测量也指向同一方向。METR发现，六年来，前沿AI智能体能够以50%可靠性完成的软件任务长度大约每七个月翻一番。机器人技术，除其他方面外，本质上是一个软件问题、一个仿真问题和一个数据问题。而这些恰恰是此类系统进步最快的领域。

应用于机器人技术，这将大幅压缩开发周期。硬件历来进展缓慢，因为每一个设计都必须被制造、损坏、再重建，而每一项新技能都必须在真实机器人上教授，一次一个遥操作演示。这两个瓶颈都在松动。如今，AI可以在早晨之前提出执行器方案、编写控制策略并读取故障日志，因此迭代速度已接近软件开发的节奏。

数据来源如今已远比传统遥操作丰富多样。今年二月，NVIDIA 用 20,854 小时的人们使用双手的第一人称视频预训练了一个机器人模型，而机器人遥操作数据仅有四小时，不到训练数据总量的 0.1%。研究发现，随着人类视频时长的增加，模型性能呈现出可预测的提升。NVIDIA 及其学术合作者用超过 44,000 小时的同类视频训练了 DreamDojo 世界模型（NVIDIA，DreamDojo，2026）。过去十八个月里，机器人训练数据初创公司融资超过 7 亿美元，这反映出人们对第一人称视角数据作用的信心。Skild 的单视频学习与 DeepMind 的跨本体迁移同样表明，为每一个新任务、每一种新本体采集数据这一昂贵环节正在消解。

2. 到 2029 年，机器人将在技术上能够完成所有具有经济重要性的任务

要实现这一点，我们未必需要一个能完成一切任务的单一完整系统机器人。相反，它将是多种能力的组合：能够在多种本体上运行的通用机器人智能、适用于合适环境的人形系统，以及面向特定高价值工业任务的专用本体。

今年二月，Physical Intelligence 展示了其 π0.6 基础模型，该模型针对每项工作分别微调，驱动其他公司的机器人在真实商业场景中运行：在旧金山一家自助洗衣店为顾客叠衣服，以及在仓库中打包真实电商订单，完整班次下自主率达到 96.4%。凡是可以围绕机器重新设计的工作场所，都会被重新设计，正如当年为流水线所做的那样。而在无法重新设计的地方，机器正在学习适应工作场所：该试验中的仓库机器人就是为嵌入现有工作站而设计，数小时内即可开始工作。

3. 社会影响将随能力而来，而非随采用而来

这正是我们论证的关键所在。扩散曲线描述的是机器人何时将无处不在，但它并不描述人们何时会相信机器人将无处不在，并据此做出决策。劳动者不会等到机器人取代自己之后，才去理解这种发展对子女的未来意味着什么。在欧洲，人们已经在做最坏的预判：在欧盟委员会自己的调查中，66%的人认为AI摧毁的工作岗位将多于它创造的岗位。该数据记录于2024年春季，当时世界上任何地方都还没有一台人形机器人完成过完整的生产班次。我们所关注的社会后果并不需要扩散立即发生，只需要人们相信它即将到来。

如果主流叙事是经济正在学会在没有人的情况下运转，那么政治将远早于经济统计数据反映出这一点之前就据此采取行动。

这就是我们把此文命名为《丰裕2029》的原因。当然，到那时并非欧洲的每一座仓库都会实现自动化；我们在上一节所述的认知性取代可能需要5至10年，物理性取代或许更久。但到2029年，物理AI的能力将非常清晰，发展轨迹——可以说是丰裕的星星之火——将为人人所见，而决定欧洲将迎来哪种未来的那些决策，届时早已做出。

人们如何赢得了在社会中的位置

要理解人们将如何回应丰裕的能力，我们必须回溯历史。

七万年前，正如尤瓦尔·诺亚·赫拉利在《人类简史》中所写，人类会爱、会玩耍、会结交朋友、会为地位和权力而竞争，但黑猩猩、狒狒和大象也是如此。“他们（人类）并没有什么特别之处。”然而，渴望对彼此重要的欲望早已存在。

体力为获取地位提供了一条途径：赢得比赛、保卫群体或将自己的意志强加于人。但作为体格平平的灵长类动物，我们既无利爪，也几乎不可能战胜狮子，于是转而发展出其他优势。我们学会了削尖木棍，通过语言协调狩猎，学会生火。我们之所以能在食物链上超越所有高于我们的物种，是因为我们能够传承有用的知识，让每一代人都能从上一代人止步之处继续前行。然而，每一代人都必须先学会上一代人已知的东西，因此新知识的发展与创新变得更加困难，也需要更多的专业化。本杰明·琼斯将这种动态称为“知识负担”，因为要站在巨人的肩膀上，“人必须先爬上他们的背”。需要数年才能掌握的知识只为少数人所拥有，因而稀缺，因而被视为宝贵。

在小群体中，技能赢得尊重。能制造更好工具或带领他人度过艰难寒冬的人，给了同伴信任其判断的理由。但群体内的尊重并不等同于建立在智力之上的社会秩序，而在欧洲历史的大部分时间里，这样的秩序并不存在。

启蒙哲学的出现改变了这一既有的社会等级体系。康德为那个时代提出的座右铭 sapere aude——敢于求知——是独立思考的指令，它带来了一种关于一个人何以值得尊重的新观念：是理性，而非出身或虔诚。智力日益成为财富向其汇聚、因而社会地位向其赋予的特质。

如今，量化交易员的薪资与律师的声望，正是这一动态的现代体现。现代经济将智力视为稀缺之物，因而视其为有价值之物，并以物质与社会地位双重回报那些被认为拥有智力的人。而对于从事体力工作的人，存在着一条平行的阶梯，它比启蒙运动更为古老，植根于行会传统：技艺精湛的匠人、Meister（师傅）、比工程师更懂产线的工头、焊缝从不出错的焊工。手上的技艺本身就是一种智力，同样受人尊敬。

简言之，工作是这样一种制度：大多数人不仅借此谋生，也借此获得自己在社会中的位置。它提供意义感与目标感，抵御那些否则会在凌晨三点袭来的存在性追问。那么，当人们赖以谋生、赖以立足的能力不再稀缺、因而不再有价值时，会发生什么？当机器既比律师更聪明、又比焊工更稳定，而且同时做到这两点时，又会发生什么？

一个可能的联盟

认知工作自动化方面的进展已经引发了争论，这理所应当。但对大多数人而言，麦肯锡需要更少的咨询顾问这一前景，自然难以引起多少同情。而当一位同事丢了工作、第二天早上就有一台实实在在的物理机器取代其位置时，这种威胁就变得难以轻描淡写了。

自动化有可能让收入、教育和政治忠诚截然不同的人们得出同一个结论：经济正开始在没有他们的情况下运转。一位咨询顾问和一名产业工人无需就社会应如何组织达成一致，就能一致认为社会的发展方向威胁到了他们在其中的位置。这样的联盟并不需要大规模失业已经到来。对排斥的预期就足以催生共同的政治利益。而当怀有不同不满的群体开始认同同一个对手时，历史表明，剧变往往随之而来。

1789年的法国，上层中产阶级的一部分人想要政治权力，城市工人想要买得起的面包，农民想要摆脱封建负担。他们的不满各不相同，却汇聚起来反对同一个秩序。巴黎的面包价格在巴士底狱陷落的同一周达到顶峰。玛丽·安托瓦内特成为那个秩序特权的可憎象征，她的奢靡被夸大，成了国家困苦的某种解释。1917年的俄国，对沙皇的反对同样从自由派知识分子延伸到工人和士兵。列宁“和平、土地和面包”的承诺把不同的不满连接到同一个纲领上，一个存续了三个世纪的政权在几个月内便告垮台。

技术本身更近的历史同样富有教益。1811年至1816年间，英格兰中部和北部的卢德分子砸毁了威胁熟练纺织工人工作的宽幅织袜机和剪绒机，议会则以1812年的《破坏机器法》回应，将毁坏机器定为死罪。卢德分子被记住为进步的敌人。事实上，他们是熟练工人，清楚地看到一项新技术的收益将流向他人，而代价却落在自己身上——在他们有生之年，他们是对的。

在英国，人均产出增长了大约半个世纪，而实际工资却几乎原地踏步——经济历史学家罗伯特·艾伦将这一时期称为“恩格斯停顿”。那些砸毁织机的人没能活着看到收益，而取代他们工作的新岗位往往更糟。亚当·斯密并不反对工业，但他担心，一辈子重复几项简单操作会让工人“变得像人类可能变成的那样愚蠢和无知”。

卢德派错在长远眼光上。砸毁机器并未阻止工业革命，而工业革命后来让普通民众比之前任何一代人都更富有，我们期待机器人技术也能如此。而在整个过程中，工作依然存在。

当前人工智能与机器人革命的不同之处在于进步的速度和广度。比尔·盖茨在8月也做了类似的区分：早期的转型，比如从农场工作转向办公室工作，历经几代人才完成，并创造了需要人类认知的新岗位。然而，当人工智能在大多数领域超越我们的能力，且速度远超以往时，“许多工作将永远消失，”他写道。工业革命的收益通过工作惠及普通人：通过它创造的岗位以及这些岗位支付的工资。如果机器人技术创造了丰裕却不创造工作，那么这些收益就需要另一条途径到达人们手中，人们也需要另一种获得地位的基础。

在这条途径存在之前，跨越政治和经济光谱的人们都会有动机抵制这一技术变革，1789年和1917年的汇合可能再次出现。如果政府和技术公司未能展示这些进步如何惠及劳动人民，那么本可改善所有人生活水平的物质丰裕就无法实现，即使在技术上可行。而如果政府和技术行业确实失败了，谁又能责怪人们得出这样的结论呢？

联盟已经在形成

这些矛盾在围绕数据中心的争夺中已可见端倪。在美国，Data Center Watch统计到约两年间，因当地反对而被叫停的项目价值180亿美元，被推迟的项目价值460亿美元，红州与蓝州皆然，原因包括电费、水资源、噪音和土地。仅在2026年第一季度，该机构就记录到至少75个项目、价值约1300亿美元受到干扰，为有记录以来最高的单季数字。在爱尔兰，数据中心在2025年消耗了全部计量电力的23%，电网运营商EirGrid已停止在都柏林地区受理新的数据中心接入申请，直至2028年。

政府与模型开发者未能展示其技术将如何改善普通人的生活，这催生了一个横跨左右两翼的反对数据中心的联盟。这对机器人技术有着直接影响。每一台通用机器人都依赖算力进行训练，并且越来越多地依赖算力进行推理。一个无法建设数据中心的大陆，无法大规模运行物理AI。

2025年6月8日，洛杉矶市中心的抗议者点燃了至少五辆Waymo自动驾驶出租车，该公司暂停了该地区的服务。这场抗议针对的是移民突袭，而非自动化。当一个社会愤怒时，街头上的机器就会成为它愤怒对象的象征。2024年10月，国际码头工人协会的4.5万名码头工人令从缅因州到得克萨斯州的36个港口停摆，而防范自动化正是他们的核心诉求之一。

每家机器人公司都有责任避免重蹈数据中心建设者的覆辙：正视必将发生的社会影响，并确保迈向富足社会的转型惠及每一个人。人们越是突然地感受到自动化夺走了收入与地位，却又看不到可信的替代方案和未来中的一席之地，要求放慢制造这场颠覆的系统的呼声就越强烈。一个社会可以拥有构建富足智能的技术，却依然选择拒绝部署它。

因此，在全面部署之前，必须先给出一个可信的答案：人们如何保住地位、权力与人生目标。

欧洲的阿喀琉斯之踵

谁来给出这个答案，取决于谁拥有这些机器。作为一家欧洲公司，我们关心的是欧洲能否给出这个答案。下文所述的大部分内容同样适用于其他地区，但欧洲兼具人口老龄化、强大的工会、慷慨的福利国家、深厚的工业知识，以及在人工智能与机器人制造两方面均处弱势，这些因素叠加，使其成为最值得研究的案例。

物理人工智能分为两半：让机器人看见、推理并行动的那部分智能，以及承载并执行这些能力的躯体。两者的地理格局已然确定，而欧洲两者皆不占优。

美国主导着智能层。让机器人看见、推理并行动的基础模型，绝大多数出自美国的实验室与初创公司：Google DeepMind 的 Gemini Robotics、Physical Intelligence、Skild、Generalist、OpenAI Robotics、NVIDIA 的 Cosmos 与 GR00T 平台。这些是“大脑”，并且正以软件行业特有的加速节奏不断进步。

中国主导着人形机器人本体制造，也掌握着规模化量产的能力。2024年，中国安装了29.5万台工业机器人，创下纪录，超过全球安装总量的一半；相比之下，整个欧盟为6.78万台，德国为2.6982万台。中国供应商如今占据本土市场57%的份额，而十年前这一比例约为28%。在人形机器人领域，这种不对称更为明显。2025年全球出货的13318台人形机器人中，AgiBot出货超过5100台，Unitree约4200台，前十名大多由中国企业占据。Unitree于2026年8月在上海科创板上市，估值约90亿美元，此前其 humanoid 业务收入首次超过四足机器人业务。

2023年11月，中国工业和信息化部发布《人形机器人创新发展指导意见》，提出到2025年构建机器人的“大脑、小脑和肢体”，到2027年将人形机器人深度融入实体经济。该文件将人形机器人视为与计算机和智能手机同等量级的技术，随后的行动也与此相称。

美国在教机器思考。中国在学着比任何人都更便宜地把它造出来。欧洲则面临在这场未来中一无所有的危险，然而它比两者都更需要这项技术。欧盟委员会的一项分析发现，按照当前的人口预测和不变的教育水平，到2050年欧盟劳动力可能减少多达1880万人。

机器人技术可能解决欧洲最可预测的危机，也可能成为其下一场危机的起因。三种未来

未来一：欧洲停止部署

欧洲既未能理解自动化不足所导致的长期岗位替代风险的规模，也未能看清可能的解决方案的形态。工会、地方运动以及各派政治人物开始像许多人看待数据中心那样看待机器人技术：它消耗电力、水资源、土地和就业岗位，却对生活在它周边的人回馈甚少。电网接入申请遭到拒绝，都柏林已经出现这种情况。规划许可陷入停滞。为笼式工业机械臂制定的安全规则，被套用到可移动的学习型机器上，其适用方式使部署实际上变得不可能。长期以来拖慢欧洲工厂传统自动化进程的工人恐惧，固化为一种强有力的政治否决权，因此，没有哪位政治家敢于以不明确反对加速机器人部署的纲领参选。

我们认为，如果一切照旧，这将成为默认的发展轨迹。三分之二的欧洲人已经认为，人工智能摧毁的就业岗位将多于它创造的岗位，而至今没有人给他们一个相信相反结论的理由。其结果是，西方民主社会在竞争对手继续推进的同时，却阻挠机器人部署。中国没有同样的民主约束，继续压低生产成本。中国工厂目前安装的工业机器人数量，已超过整个欧盟安装量的四倍。生产转移到海外，投资、供应商网络和实践知识也随之流失。

我们已能在当下看到这一未来的轮廓。仅2025年一年，德国工业就裁减了约12.4万个工作岗位，几乎是前一年裁员规模的两倍；自2019年以来累计减少约26.6万个岗位，其中汽车行业六年间流失11.1万个岗位，占其劳动力的13%。2025年11月，巴斯夫在中国南方湛江的新一体化基地投产，投资额约87亿欧元，是该公司历史上最大的单体项目。与此同时，巴斯夫驻扎了160年的路德维希港却在关停工厂。这是对不可持续的国内经济状况的理性回应。

作为德国工业支柱的“隐形冠军”中小企业正在失去客户。它们的看家本领向来是隐性知识：工程师精确掌握某种合金在特定温度下的性能表现。随着生产迁往海外，欧洲企业先是外包制造，继而发现自己的知识产权越来越以在海外制造为条件，最终发现知识本身已经消失。

产业工人失去就业。与此同时，专业人士面临来自美国人工智能系统的认知自动化冲击——欧洲无法通过监管将其挡在门外，因为它承担不起这样做的代价。两波替代浪潮同时到来。

2024年，包括社会缴费在内的劳动税占欧盟全部税收收入的51.5%。欧洲福利国家的根基，在于人们拥有工作。与此同时，老年抚养比预计将从2022年的36%升至2070年的59%，即从大约每名65岁以上人口对应三名劳动年龄人口，降至不足两人。马里奥·德拉吉将欧洲的人口与生产率状况称为“生存性挑战”。

在“未来一”中，这些趋势交汇在一起。福利需求上升，因为更多人失业、更多人退休。税基萎缩，因为欧洲企业制造和销售所得不足以支撑福利开支。政府面临三种选择：任由公共服务恶化，对不断缩小的税基加税，或允许债务进一步累积。这三者要么不可取，要么不可持续。极端情况下，福利国家将无力兑现其承诺。一项本意保护劳动者的政策，最终既保不住他们的工作，也保不住为支持他们而建立的制度。

欧洲可以在自己的边界内阻止机器人技术。然而，它无法阻止深圳或旧金山的机器人技术，也无法现实地阻止这些产品以欧洲工厂无法匹敌的价格抵达其港口。阻止机器人在欧洲部署，意味着进入技术进步的新篇章却完全错失其益处。

未来二：欧洲妥协

在第二个未来中，欧洲不阻止机器人技术的广泛部署，因此所有人的物质生活条件确实会得到实质性改善。然而，未来仍然出了问题。

面对拥有全自动化“黑灯工厂”的外国竞争者，企业以同样方式回应。与其围绕人来重新设计工作，理性的经济决策变成了干脆把人从等式中移除。阿西莫格鲁和雷斯特雷波发现，在美国地方劳动力市场中，每千名工人每增加一台机器人，就业人口比约下降0.2%，工资约下降0.42%。他们的研究针对的是20世纪90年代和2000年代的机器人：被关在笼子里、用途单一且“看不见”。到2029年我们所设想的那种通用机器人技术，其后果将远比这更为重大。

次要问题在于所有权。欧洲发明了数字经济背后的许多科学，然后眼看着别人建起了公司：亚马逊、微软和谷歌如今占据欧洲云市场约70%的份额，而所有欧洲供应商加起来约占15%，低于2017年的约29%。欧洲人每天使用的前沿模型是在加利福尼亚、用美国芯片、在美国法律下训练出来的。机器人技术可能走上类似的轨迹。未能投资于足够的算力和硬件制造，再加上对欧洲企业不利的环境，导致美国和中国大举渗透市场。美国的智能被装进中国的躯体，而两者又被装进欧洲的工厂。

欧洲已经体会过这种地缘政治依赖的后果。2025年4月，中国对稀土磁体实施出口许可，而大多数高性能电机——包括每台机器人关节中的电机——都依赖这种磁体。两个月内，数条欧洲生产线停工，一些中国技术的应用还面临披露敏感知识产权信息的要求。一个工厂、医院、农场和仓库都靠外国机器人运转的欧洲，可能被北京扣住躯体，被加利福尼亚关掉大脑。

在这种情况下，自动化带来的收益流向外国模型和外国硬件的所有者，而成本却留在国内。大规模失业降临，却缺乏必要的税基来吸收冲击，因为价值在其他司法管辖区累积，社会经济鸿沟随之加深。各国政府会试图用它们仍能征税的一切手段来填补这一缺口。这可能表现为桥水所提议的那种对 AI token 征收消费税、政府入股其能够买到的自动化资产，以及对可能暂时仍属稀缺的土地、能源和算力资源征税。如果以全民基本收入的形式进行再分配，或许能在购买力得以维持的情况下避免物质贫困。但关键在于，拿到钱的人仍然没有工作。

在《人的境况》中，汉娜·阿伦特警告说，自动化可能把我们带入“一个没有劳动劳动者的社会”——一个曾将工作美化为一切价值之源、随后却被剥夺了唯一留给它的活动的社会。“诚然，”她写道，“没有什么比这更糟了。”凯恩斯在1930年写作时认为，他的孙辈将恰好面对这一局面，并预测那些世代被训练去奋斗的人当中会出现“普遍的‘神经崩溃’”。

如前所述，对我们许多人而言，工作构成了自我身份的重要部分，一笔转移支付不足以替代它。地位以及我们对地位的渴望不会消失，而是会转移到任何仍能赋予地位的事物上：财富、关注、怨恨，或沿任意界线划分的群体归属。无论物质条件如何，这一转变本身就将造成动荡。

未来 2 的核心问题是社会动荡。企业竞相奔向黑灯工厂，造成经济差距，而经济差距又引发动荡。即便一定程度的再分配缓和了经济问题，人的问题仍将无解。

这种剧变可能摧毁繁荣所依赖的政治条件：即同意继续建设数据中心、部署机器并维护机器人。一个物质丰裕却缺乏目标的欧洲，可能会在不满中投票拆除供养自己的系统。往好了说，“未来2”是一个糟糕的未来；往坏了说，它不过是通往“未来1”的漫长弯路。

未来3：欧洲拥抱机器人技术并构建新经济

在第三种未来中，欧洲全面拥抱机器人技术，并建立起塑造它的能力。我们开发模型、制造机器人，并建设为其提供动力的基础设施。欧洲工业保持竞争力，更多的知识、所有权和回报留在本土。国际合作继续进行，但欧洲拥有谈判条件的科技实力，以及维持其公共机构的生产能力。

欧洲有机会凭借已有的优势构建这一未来。它在机器人学习领域拥有世界一流的研究，拥有仍雇用数百万人的制造业基础，以及一种工程传统——能够将通用机器人智能转化为数千种具体应用。它已开始为算力提供资金：2025年2月，欧盟委员会宣布了InvestAI计划，目标是为人工智能调动2000亿欧元，其中包括200亿欧元用于人工智能“超级工厂”。它所缺乏的，是相信物理人工智能正是欧洲仍能领先之领域的信念，因为物理人工智能恰恰奖励欧洲所擅长的事情：精密制造、深厚的领域知识，以及让机器变得可靠的耐心。

此外，机器人带来的收益理应在欧洲征税。自1982年以来，阿拉斯加每年都从其石油财富中向每一位符合条件的居民发放分红；挪威用北海石油收入建立的主权基金，如今代表其公民平均持有所有上市公司1.5%的股份。一项由机器本身出资的“欧洲机器人红利”，可以遵循同样的模式。但正如“未来2”所展示的，仅靠收入并不能赋予人们角色，而如果我们的雄心停留在原地，可供分配的角色将会少得可怜。

能够完成我们几乎一切工作的机器人，迟早会完成我们当前想要完成的一切，留给我们的是物质丰裕，而我们却不参与生产。然而人类仍将是人类。我们仍然希望自己的努力得到认可，希望有晋升的机会，希望身处一个会注意到我们缺席的社群；而在一个我们的工作对我们所在乎的一切都毫无用处的世界里，这些都无从存续。

我们的答案是称之为“星际”的原则。其核心是：人类雄心的范围必须始终大于我们的生产能力。如果我们拥有的机器人能够交付一千个项目，我们就应当尝试一千零一个。当每一台机器都已满负荷运转，剩余的工作——无论占总量的份额多么微小——就落到人的肩上。机器人会建造更多机器人来缩小差距，因此每当我们的机器追上我们的雄心，我们的雄心就必须再次向前移动。在这一条件下，即便在一个机器几乎在所有方面都优于我们的世界里，人仍然是必要的。

无论我们最终能否抵达群星，这个名字都指向一个始终超出我们当前能力的目标。罗伯特·勃朗宁在1855年表达了这一理念：“一个人的追求应当超越他的把握……否则要天堂何用？”最接近的先例是阿波罗计划。1962年，约翰·F·肯尼迪在莱斯大学表示，美国将登月并“做其他事情，不是因为它们容易，而是因为它们艰难”。该计划鼎盛时期，政府、产业和高校合计约40万人参与，并有超过2万家企业提供支持。工程师、焊工、数学家以及缝制宇航服的女裁缝，都成为他们那个世纪最引人瞩目的人类成就的一部分。

他们中很少有人接受过航天飞行训练，但他们把自己拥有的技能和专长带向了一个需要他们的目标。欧洲更宏大的目标也将对岗位被机器人取代的人们提出同样的要求，而大多数人需要帮助才能完成这一转变。这正是我们为shift设想的角色：一个与政府、雇主和地方机构合作建立的平台，用于继续教育、技能再培训和有意义的工作。目标是让shift帮助人们为边缘领域必要的工作接受培训，并将他们与这些工作连接起来。

尽管一家私营公司可以改善学习机会并创造机遇，但收入权、公共资金和公平获取机会的权利仍必须掌握在民主机构手中，因为它们比任何单个公司的财富或优先事项都更为重要。管理这一转型可能涵盖从失业前的收入保护，到分享自动化收益（利用上文描述的一些机制），再到通过shift获得资助、进入宏大目标所创造的工作的路径。

任何一家公司也无法独自承担如此规模的雄心。这需要一种共识安排，让企业、劳动者和公共机构就欧洲乃至整个人类如何利用其丰裕成果达成一致。

没有这样的共识，我们无法负责任地大规模部署，而且这种共识需要尽快建立。我们尚无法断言边缘岗位的工作将是什么，也无法断言这是否能给人带来如今一份工作所赋予的贡献感。但另一种选择是，一个社会的全部雄心都由机器来满足，而“未来2”已经展示了那会通向何方。

人类可以选择从事的事业，看不到可预见的终点。我们可以找到治愈疾病的新方法，修复我们已破坏的生态系统，探索海洋，在地球之外建立生命，并假以时日抵达其他恒星。每一项成就都会揭示更多可能性，而每一项成就对我们的要求，都会超出当时机器所能独自提供的。一个不断设定如此规模目标的文明，永远不会让人民无事可做，因为它每达成一个目标，就会看到一个更大的目标。这一点，比任何目的地都更能诠释我们所说的“星际”。

无论机器人变得多么强大，我们所尝试之事的规模都会为人类保留一席之地，而伴随这一席之地的，是工作世代以来赋予人们的认可、地位和贡献感。

来源 @ bercankilic.com