2026年2月，支付巨头Block（原Square）宣布裁掉近一半员工——约4000到5000人。CEO Jack Dorsey直言：”AI让这些职位变得多余。”他还补了一句更让人不安的预言：”明年大多数公司都会得出同样的结论。”
这不是孤例。2025年，美国科技行业裁员超过10万人，其中超过一半的案例将AI列为主要驱动因素。Salesforce用智能体AI直接取代了4000名客服人员；AI编码工具Devin被高盛部署后，1名高级工程师能干完过去5人团队的活。据OpenAI研究人员的估计，大约80%的美国劳动者，其工作中的部分任务已经暴露在AI自动化的冲击范围内。
多数人把这理解成一场零和博弈——资本家抢走了工人的饭碗，自己赚得盆满钵满。但宾夕法尼亚大学和波士顿大学三位经济学家的最新研究《The AI Layoff Trap》揭示了一个更可怕的真相：这不是财富转移，而是一场双方共同走向毁灭的系统性市场失灵。
问题不在劳动力市场，在产品市场
文章提出了一个反直觉的核心洞见：AI裁员之所以是”陷阱”，关键不在于劳动力市场，而在于产品市场。
被裁掉的工人，同时也是消费者。当他们的工资收入消失且未被新工作完全替代时，整个经济体的总消费需求就会不可逆转地萎缩。问题在于：裁员省下的钱进了企业利润，但企业主（资本家）的边际消费倾向远低于普通工人——工人拿到工资会花掉大部分，而利润留在企业账上并不会等量地转化为消费。这就产生了一个”需求漏洞”：每裁一个工人，社会总需求就少了一块。
如果市场上只有一家垄断企业，它会在降本和需求破坏之间完美权衡——因为裁员导致的消费萎缩全部由它自己承担，它会自动停在最优水平。但现实是有无数竞争企业。
这就是需求外部性的核心机制：在N家竞争企业的市场中，每家裁员时独享100%的成本节约，但它造成的整体需求破坏却被分摊给了整个市场。企业自身只承担了1/N的需求损失，剩下的(N-1)/N被转嫁给了所有竞争对手。
用大白话说：你裁你的人，省下的钱全是你的；但你裁掉的人不再买任何人的产品，这个后果是所有人一起扛的。于是每家企业的”理性”选择都是——裁得越多越好。
经典囚徒困境：明知是悬崖，也要踩油门
当AI成本越来越低、部署越来越容易时，这场博弈就变成了教科书级的囚徒困境。
模型显示，当AI的整合摩擦趋近于零时，每家企业的最优占优策略是”解雇全部人类员工换上AI”。即使所有CEO坐在一起承认”都不裁员能保住需求和高利润”，也没有任何一家企业有动力单方面手软。因为单方面手软意味着：你不仅要承担别人裁员带来的需求暴跌，还享受不到降本的红利。反过来，单方面加速裁员则能独享成本节约，而需求破坏的代价由所有人分担。
结果是：所有人的利润都低于不搞过度自动化的合作最优水平。这不是财富从工人向资本家的转移，而是死无谓损失（Deadweight Loss）——工人失去了收入，企业主也赚得比本可以赚的少。双输。
红皇后效应：越好的AI，陷阱越深
直觉上你可能会想：如果AI不仅能省钱，还能大幅提高效率、做大蛋糕，是不是就能打破这个困局？
模型的答案令人不安：恰恰相反。
效率更高的AI会让每家企业产生”抢占更多市场份额”的错觉而加速自动化。但在对称竞争中，大家的市场份额扩张互相抵消——你多抢的恰好是别人多丢的。结果效率提升带来的产出增长被价格下跌完全对冲，而过度自动化的扭曲反而更大了。
这就是红皇后效应：你必须拼命奔跑才能留在原地，但跑得越快，大家一起掉进坑里的速度也越快。”更好”的AI不会缓解需求外部性，它只会放大它。
降薪也不行。有人寄希望于”市场自我调节”——大量失业压低工资后，用AI的成本优势缩小了，企业就不那么热衷裁员了。模型证明这确实会提高触发过度自动化的门槛，但无法消除病根。当工资被压低到接近AI运行成本时，需求外部性确实缩小了——但那是建立在”还在工作的工人也穷得买不起东西”的基础上。这是一种惨胜：通过让劳动力普遍贫困化来”解决”问题。
什么政策有效，什么无效？
这篇论文的一个巨大贡献是：系统评估了各种热门政策的实际效果。
无效的：
- 全民基本收入（UBI）： 只能提高生存底线，不改变企业自动化任何一个任务的边际收益。企业该裁多少还是裁多少。更糟的是，UBI可能吸引更多企业进入市场，进一步加剧竞争，反而放大外部性陷阱。
- 资本利得税： 按比例抽走利润，但不触及”每裁一个任务能省多少”这个边际决策点。和UBI一样，这改变的是利润水平而非裁员动机。
- 企业间自愿协议： 囚徒困境的结构决定了任何非约束性协议都无法自我执行——自动化是严格的占优策略，私下毁约是必然的。
部分有效的：
- 工人股权激励： 让工人分享自动化带来的利润，能缓冲部分需求流失，缩小过度自动化的缺口。但由于乘数效应（工人每拿到1元利润只会花掉λ<1元在产品上），无法完全消除外部性。
- 再培训： 提高被裁工人再就业的收入替代率（η），能直接缩小需求漏洞。历史数据显示，被裁工人通常遭受持久的大幅收入损失（η<1），再培训是直接针对病根的杠杆，但成本高、见效慢。
唯一能完全纠正的终极解药——庇古自动化税：
这是经典的外部性解决方案。政府对每个被自动化的任务征税，税率等于该企业转嫁给竞争对手的需求损失总额。这样就能强迫企业在算账时，把对宏观需求的破坏也作为成本考虑进去。
关键设计细节：税收不应简单返还给企业，而应用于资助长期再培训项目。这样形成一个正向循环——税收资助再培训→提高再就业率→需求漏洞缩小→需要纠正的外部性减少→税率可以逐渐降低→最终退出。这应该是过渡性的，而非永久性的。
这不是劳资对立，是系统性失灵
这篇论文最核心的启示是：AI时代的失业危机，本质不是”资本家剥削劳动者”的道德故事，而是一个全社会的系统性市场失灵。
资本家与劳动者此时是一条绳上的蚂蚱。论文甚至证明：即使一个完全不关心工人福祉的规划者，也会要求降低自动化率——因为过度自动化损害的是所有人的利益，包括企业主自己。
依靠市场自我调节是徒劳的。依靠企业家的道德觉悟更是幻想。唯有通过精准的外部政策干预，直接改变竞争的微观激励机制，才能避免我们在这场技术狂欢中共同奔向需求枯竭的深渊。
本文基于 Falk, B., Hambly, B., & Tsoukalas, G. (2026). “The AI Layoff Trap: Externalities and Over-Automation in Competitive Labor Markets” 的研究内容撰写。