人工智能正迅速从一个技术议题演变为一个政治议题，其核心在于它可能引发的劳动力市场动荡。即使是小范围的失业，特别是当AI开始替代初级白领岗位、打断传统职业发展路径时，也可能引发剧烈的政治反应。对此，政策制定者面临的挑战是在不僵化经济的前提下保护劳动者，可能的措施包括补贴初级岗位招聘和调整企业所得税。与此同时，公众对数据中心的抵制、AI安全政策的复杂性，以及开源模式与国家安全之间的内在冲突，都预示着未来将出现更多政治和社会层面的紧张与博弈。
AI成为主流政治议题
人工智能正以惊人的速度进入政治中心舞台，其影响力已远超半年前。多个趋势正在同时发生并相互叠加：
- 网络安全影响： 政府部门开始意识到AI在网络攻防中的巨大潜力与风险。
- 民粹主义的象征： AI成为了一个极具象征意义的话题，能够轻易点燃民粹主义者对科技精英、资本和全球化的不满。
- 快速普及与采用： AI技术的应用速度非常快，使其影响迅速渗透到社会经济的各个层面。
这些因素共同作用，使得AI新闻占据了大量媒体版面，营造出一种“大事不妙”的氛围。尽管目前政策制定者大多还在观望，不确定公众舆PIO和具体政策诉求的方向，但他们普遍意识到，不能再对AI问题无所作为。预计在下一次选举周期中，AI将成为一个无法回避的核心议题。
我们需要一些方法来平滑这种颠覆，以便在被取代者反抗、政治经济完全失控之前，我们仍然能够达到那个更好的平衡点。
迫在眉睫的劳动力市场危机
AI对劳动力市场的影响是政治上最敏感的领域之一。哪怕失业率仅上升1%，也可能在政治上引发轩然大波。过去，技术变革导致的失业（如钢铁工人）可以通过提前退休或薪资保险等财务手段来补偿。但当冲击发生在年轻、有抱负的白领群体时，情况变得复杂得多。
AI取代初级白领岗位尤其棘手，原因有几点：
- 同理心的扩大： 许多人有子女，或认识渴望通过努力工作改善生活的年轻人。这种“美国梦”式的理想破灭，会引发比老年产业工人失业更广泛的社会共鸣。
- 政治动机的放大： 任何由AI引发的劳动力混乱，都很容易被政治力量利用和放大。关于“科技寡头用AI剥夺普通人工作与尊严”的叙事极具煽动性。
- 对未来的焦虑： 这不仅仅是失业问题，更是关于社会流动性渠道的断裂。如果年轻人努力学习和工作却找不到有前途的职业道路，这将动摇社会稳定的根基。
当整个雄心勃勃的年轻白领工人的上升通道崩溃时，你无法做同样的事情。
打破职业发展通道
初级员工的工作通常包含大量重复性、事务性的任务，而这些正是AI代理（Agent）极其擅长的。公司雇佣初级员工，本质上是对未来人才管道的投资。然而，短期的经济激励可能会促使公司削减初级岗位的招聘，转而使用AI。
这可能导致一场全社会范围的协调失败：
- 短期激励： 每家公司都有动机削减成本，跳过初级招聘，并寄希望于其他公司来培养人才。
- 中期后果： 当所有公司都这样做时，整个一代的年轻白领将无法获得进入职场的机会和必要的早期培训。
- 长期损失： 几年后，社会将面临拥有5-8年经验的中层人才断层，而这些人才恰恰是驾驭和协调高级AI系统所必需的。
作为应对，一个“最不坏”的政策选项可能是补贴22至27岁年轻人的就业。通过税收减免等方式降低雇佣他们的成本，以确保人才管道的畅通。
僵化经济的陷阱
在制定干预政策时，必须警惕德国等欧洲经济体曾陷入的“僵化”陷阱。过度强力的劳动保护虽然在短期内保障了就业，但长期来看却抑制了经济活力。
- 高昂的雇佣门槛： 由于解雇员工极其困难，公司在招聘时变得异常谨慎，不敢快速扩张或进行投机性尝试。
- 人才流动停滞： 劳动力被锁定在旧有的产业结构中，难以向新兴领域（如电动汽车、国防工业）转移。
- 竞争力丧失： 当技术变革来临时，僵化的经济体无法快速适应。最终，企业因失去竞争力而倒闭，劳动保护也随之失效。
因此，政策的目标应是在避免社会动荡和保持经济活力之间找到平衡，而不是为了保护现有工作岗位而牺牲未来的可能性。
为转型融资：税收 vs. 政府持股
如果AI导致劳动力市场萎缩，传统的劳动税收来源将减少。为了给应对措施（如工作补贴、再培训计划）提供资金，我们需要新的税收结构。
- 企业所得税是首选： 这是一个已经存在、相对非扭曲且能广泛捕获价值的税种。它对价值最终流向模型开发者、芯片设计师还是应用者一视同仁。
- “代币税”的缺陷： 对AI计算（tokens）征税会不成比例地打击那些积极拥抱AI、进行生产力增强型应用的公司，反而保护了不思进取的落后企业。这与促进经济转型的目标背道而驰。
- 政府持股的危险（黄金股）： 让政府持有AI公司的股份，尤其是只持有少数头部开发者的股份，会造成严重的监管俘获问题。政府的财政利益将与特定公司的利益捆绑，从而扭曲其监管决策，损害更广泛的生态系统。
如果政府的税收收入……不取决于经济的良好运行，而是取决于经济中一个非常特定的子集……你就会在如何制定AI政策方面产生非常特定的激励。
数据中心的反噬：一场自食其果的危机
目前对数据中心的广泛抵制，在很大程度上是科技行业自己的失误造成的。考虑到这些项目巨大的资金规模，只要投入其中九牛一毛的资金，就可以极大地改善与当地社区的关系。
- 沟通与利益共享的失败： 行业未能主动解决社区对噪音、外观、水电消耗的担忧，也没有提供足够有吸引力的利益（如升级社区娱乐中心、提供数据中心UBI等）来换取支持。
- 焦虑的投射： 数据中心成为了公众对AI、科技巨头和生活方式改变等一系列广泛焦虑的实体投射对象。
- 盟友网络的机遇： 在美国本土建设受阻，反而可能促使企业将数据中心建在盟友国家，如澳大利亚、加拿大或墨西哥。这有助于分散地缘政治风险，并加强联盟关系，前提是美国愿意公平对待这些盟友，而非在未来用出口管制等手段“背刺”他们。
AI安全与政治惰性
尽管AI存在灾难性风险（如生物武器滥用、失控），但这些议题很难在没有发生实际灾难前成为政治焦点。政策制定往往依赖于“非灾难性的警告信号”，但AI风险的梯度并不平滑。
目前，网络安全是唯一一个真正引起高层决策者警觉的AI风险领域。但这可能导致一种认知偏差，即所有AI安全政策都围绕网络攻防的模式来设计。例如，“给防御者提前使用权以修补漏洞”的逻辑适用于网络安全，但完全不适用于生物安全风险。
你不可能在发布 Biomythos 模型（一种善于发现新病原体的模型）之前，就制造1亿支疫苗并储备5亿剂。
这种由偶然事件（如某个模型展现出惊人的网络能力）驱动的政策制定过程，充满了不确定性和随机性。
“暂停”的错误逻辑
“暂停AI发展”的呼声听起来很有吸引力，但其逻辑存在缺陷。
- 暂停什么？由谁暂停？ 一个无限期的、旨在“解决对齐问题”的彻底暂停，在政治上和经济上都是不可行的。它会摧毁股市，并引发剧烈的经济动荡。
- 失业引发的反应： 如果出现10%的失业率，政治反应更可能是暂停AI的“部署”，而非“研发”。政府会通过各种限制措施，阻止AI代理进入市场，但这并不会停止实验室内部的模型迭代。
- 地缘政治的代价： 对美国而言，暂停其少数领先于中国的领域之一——前沿AI研发——在地缘战略上是极其危险的。这相当于给了竞争对手宝贵的追赶时间，尤其是在半导体等关键领域。
一个更现实的可能是有协调的“减速”，即将部分算力资源从模型训练转向更广泛的应用、安全和扩散研究，让发展的步伐更可控。
开源模式与国家安全的碰撞
AI领域的开源模式与国家安全利益之间存在着一条不可调和的碰撞路线。
- 控制与失控的矛盾： 政府当前的安全策略（如行政命令）很大程度上依赖于通过“护栏”和“分类器”来确保AI模型是可控的。即模型虽然具备危险能力，但会主动拒绝执行危险指令。
- 开源的本质： 开源的核心就是让用户能够移除这些护栏。开源的逻辑是“将能力交给所有人，希望防御方的迭代速度快于攻击方”，这在网络安全领域或许部分可行。
- 无法调和的冲突： 对于生物风险或其他灾难性风险，“让所有人都能设计生化武器，然后祈祷我们能及时开发出疫苗”的逻辑，是任何国家安全机构都无法接受的。
因此，一个稳定的平衡点似乎并不存在。随着开源模型的能力越来越强，其与国家安全机构之间对控制权的争夺将不可避免地激化。认为两者可以和平共存，或者政府会乐于见到危险能力被广泛扩散，是一种不切实际的幻想。