皓樂芒 (@howlemont)

种种迹象表明，形势比较严峻，感觉流动性没了，而且明显有滞胀的味道。 中国：双重挤压已成现实 4月数据相当难看。固定资产投资收缩，零售销售几乎原地踏步（仅+0.2%），工业产出大幅低于预期。房地产投资仍在暴跌（-13.7%）。青少年失业率维持在两位数中段，家庭持续囤积现金，说明国内需求是结构性的疲弱。 再叠加外部冲击：中国对油气进口高度依赖，55%的原油和30%的LNG进口面临威胁。全球能源价格上涨就像对制造业和物流业额外征税。Q1 5%的GDP增速，现在看来很可能就是阶段性高点。从政府的角度看，脆弱的复苏正在被自己无法控制的力量拖累。 美国：国债收益率大幅上行 30年期美债收益率升至5.16%，为2023年10月以来最高。这信号是市场在说：通胀会比我们预期的更顽固。 美联储可能需要维持更高利率更长时间（甚至重新收紧预期）。 同时股指期货走弱，正是典型的风险厌恶 + 通胀担忧组合。特朗普加大对伊朗施压，被市场解读为“冲突短期内不会结束”，因此油价溢价会持续存在。 日本：同样承压 5年期日本国债拍卖需求低于12个月平均水平，10年期收益率逼近数十年高点（接近2.6%）。说明国债卖不出去。 日本是大型能源进口国，油价突破100美元对其进口账单和通胀前景是直接打击。市场已经开始定价日本央行可能被迫采取比它原本计划更激进的行动。这是一个刚开始正常化政策的经济体面临的经典输入型通胀问题。 看来看去，整体市场情绪有点像22年的氛围重现，但现在大家面临的结构性问题比当时更严重。 气氛还没到恐慌，但空气明显变厚了。 差不多想跑了。

2028全球完蛋这篇文章在形式上非常聪明，用"从未来回望"的叙事装置来绕过预测类文章最大的弱点：没人能预测未来，但人人都能复盘过去。 通过把2028年的"复盘"嵌套在2026年2月的发布时间里，从而获得一种修辞上的自由度，既能构建完整的因果链条，又能在结尾用"这不是预测"来卸掉证伪压力。 这是聪明的金融写作技巧，但也恰恰是阅读时需要保持警觉的地方。 首先来看叙事的因果链条的内在逻辑，有些环节是坚实的，有些是纸糊的 文章的核心论证是一条五环链， 2.白领裁员导致消费萎缩， 3.消费萎缩导致更多企业转向AI以保护利润率， 4.利润率保护行为进一步加速裁员， 5.最终形成"无自然制动器的负反馈循环"（ Intelligence Displacement Spiral）。 这条链的前两环比较坚实，后三环则建立在一系列未经充分检验的假设之上。 前两环之所以可信，是因为已经在局部发生了。 ServiceNow的座位数与客户裁员的机械关联是真实的商业逻辑。 SaaS续约谈判中"我们可以自己用AI搭建"作为议价筹码，哪怕实际上做不到，也能压低价格。 信念本身就能产生经济后果，不需要技术真正兑现所有承诺。 但从第3环开始，链条明显松弛了。 文章假设消费萎缩不会显著减缓AI投入，理由是"这不是资本开支，而是运营开支替代"。 这个论证在微观层面是对的（单个企业用AI替代人力确实是OpEx内部的重新分配）， 但在宏观层面忽略了一个关键变量，那就是当总需求持续收缩时，企业的AI投入动机也会改变。 企业购买AI不是为了生产更多无人购买的产品，而是为了在萎缩的市场中抢夺份额。 一旦市场萎缩到一定程度，连份额争夺的回报率也会下降。 换句话说，AI投入的回报率本身是总需求的函数，不是简单处理为一个外生常数，这是链条中最大的逻辑跳跃。 负反馈循环"没有自然制动器"这个说法在修辞上很有力，但在经济学上站不住脚。 所有负反馈循环都有制动器，问题只是制动器在哪个水位线上生效、以什么方式生效。 2008年的制动器是政府救助和零利率，1930年代的制动器是战争和新政。 文章本身其实隐含地承认了这一点，因为它在后半段花了大量篇幅讨论财政政策响应，这恰恰是制动器。 可能作者真正想表达的是"制动器可能来得太晚"，这是一个更温和但也更站得住脚的判断。 然后通篇被低估的反向力量 最大的盲区在于几乎完全忽略了AI创造需求的渠道。 这里有一个基础的经济机制，当商品和服务的生产成本暴跌时，很多之前不存在的需求会被释放出来。 历史上最接近的类比是是电力。电力在1890年代到1920年代的普及确实摧毁了大量工作（冰块切割工、煤气灯维护工、以人力或畜力驱动的各种职业），但它同时创造了一个全新的消费品类别宇宙，这些品类在电力出现之前根本不可能存在。 空调、冰箱、电影院、广播、流水线生产的廉价消费品，这些是全新的需求曲线。 AI可能正在做类似的事情。当法律服务的成本从每小时500美元降到每月50美元时，需求量可能扩大十倍，因为此前被价格排斥在外的大量潜在用户突然进入了市场。 个性化教育、定制化医疗方案、小企业的精细化运营，这些以前只有富人或大公司才消费得起的服务可能会民主化。 文章的建模完全没有考虑这个力量，这使得它描述的悲观情景缺少了一个关键的对冲项。 同样被低估的还有蓝领经济的韧性。 文章承认蓝领就业"相对稳定"，但没有充分展开这意味着什么。 美国经济中有大量工作涉及物理空间中的人际互动、手工操作和现场判断，从水管工到护士到电工到幼儿园老师。这些工作的自动化需要的是远未成熟的机器人技术。 所以，把"白领消费驱动一切"的框架推得太远了。 最精彩的部分其实是金融传导机制的分析，关于私募信贷到保险资产负债表再到离岸再保险的传导链分析。 这一段信息密度比较高，揭示了一个多数人没有充分认识的结构性脆弱点。 当大型另类资产管理公司（Apollo、Blackstone、KKR）收购寿险公司，用保单持有人的年金存款作为稳定的负债端，投资于自己发起的私募信贷，它们赚两遍费用。 这个模式在资产端表现良好时是一台精美的机器，但它把流动性风险和信用风险集中在了一个看似稳固实则脆弱的节点上。 当底层资产（PE支持的SaaS公司贷款）开始违约时，"永久资本"的叙事就崩塌了，因为所谓永久资本的真实身份其实是普通美国家庭的退休储蓄。 这段分析指出了一个真实存在的、与AI叙事无关的结构性风险。 即便AI的冲击没有文章描述的那么剧烈，私募信贷膨胀到2.5万亿美元且深度嵌入保险资产负债表这个事实本身就是一个需要关注的系统性风险点。 抵押贷款部分的论证同样有力。这次与2008年的关键差异是08年时贷款在发放时就有问题（借款人资质不足），而这次是贷款在发放时完全合格，是世界在贷款发放之后改变了。 780 FICO分的借款人、20%首付、收入经过验证，所有风控模型都将其视为坚如磐石的信用质量。 但这些模型的前提假设是借款人的收入水平在贷款存续期间大致稳定。 如果这个假设被AI打破，那么整个13万亿美元的住宅抵押贷款市场的定价基础就需要重新审视。 不过这里也有一个重要的过度简化，虽然说"前10%的收入者贡献了超过50%的消费支出"，但它暗示的因果关系需要更细致的拆分。 高收入者的消费中，很大一部分是住房、教育和医疗，这些品类的需求弹性远低于文章暗示的水平。 一个从18万美元降到9万美元收入的人会大幅削减餐厅消费和度假开支，但不会立刻停止还房贷或给孩子交学费。消费下降的时间分布比文章描述的更分散、更缓慢。 文章中最有思想价值的概念是"Ghost GDP"，即出现在国民账户中但不在实体经济中流通的产出。 这个概念指向了一个根本性的度量问题，如果GDP越来越多地由机器生产、机器消费（或者根本不被消费），那么GDP作为经济健康指标的有效性就在衰减。 这是哲学困境。 经济学的基本假设是"更多产出等于更好"，因为在人类劳动力约束下，更多产出意味着更多人参与生产并获得报酬。 当这个约束被打破时，产出与福祉之间的正相关关系就不再自动成立了。 一个北达科他州的GPU集群产出相当于一万名白领工人的经济产出，从GDP角度看是中性甚至正面的，但从社会角度看是一万个家庭失去了收入来源。 所以对工业商业投资的启示是，在AI快速渗透的阶段，传统宏观指标（GDP增长率、生产率增长率）可能会给出系统性的误导信号。 名义上经济在增长，实际上增长的果实高度集中在极少数资本所有者手中。 这个现象在过去四十年已经在发生，劳动收入占GDP比重从64%降到56%，现在AI可能将其从缓慢的趋势激发为急剧的阶跃。 其实印度代表的风险敞口值得单独关注一下，这是很重要的地缘经济观察。 印度IT服务业年出口超过2000亿美元，是经常账户盈余的最大贡献者，也是支撑卢比的核心锚。这个行业的整个价值主张建立在一个前提上，即印度开发者的成本是美国同行的几分之一。 现在如果当AI编码代理的边际成本降到接近电费，这个套利空间就消失了。这个情景的影响远超IT行业本身。 印度的服务贸易顺差是其商品贸易逆差的对冲，失去这个对冲就意味着经常账户恶化、资本外流压力和汇率贬值，后者又会推高进口成本，进一步压缩国内消费。 对于新兴市场投资者来说，这是一个需要认真建模的尾部风险。 还有就是评论区那位在Mag7云和AI部门工作的Peter提出了一个极为关键的修正，AI在软件工程中的实际能力远没有达到当前炒作的水平。 投资者和管理层对AI能力的简化认知本身就会产生真实的经济后果。 即便技术做不到他们以为的那些事，只要他们真诚地相信能做到，就会据此做出裁员决策、资本配置决策和商业谈判决策。 这是行为金融理论中反复出现的模式，就是预期的自我实现(self fulfilling)与自我否定。如果足够多的CEO相信AI将使他们的员工变得冗余并据此行动，那么即便AI的实际能力被高估了，裁员和消费收缩也会真实发生。 泡沫的破坏力不需要等到泡沫破裂，过度乐观的信念在其存续期间就已经在重塑实体经济了。 反过来，如果这种信念最终被证明过度悲观（AI确实创造了足够多的新需求和新岗位），那么在信念修正之前已经造成的损害也是真实的。 这意味着这文章的情景分析即使在技术预测上偏离现实（AI能力没有那么快那么广泛地替代人类），但在经济后果上已经可能部分成立，因为决策者的信念本身就是因果链的一部分。 文章最大的弱点是它的叙事纪律太好了。为了让"从未来回望"的故事线保持戏剧性和连贯性，它系统性地低估了反向力量（需求创造、蓝领韧性、政策响应速度、AI能力增长可能遇到的瓶颈），系统性地高估了传导速度（从裁员到消费崩溃再到房贷违约的时间被压缩得不太现实）。 好的金融小说和好的金融分析之间的区别恰恰在这里，小说需要因果链紧密咬合以维持叙事张力，而现实中的因果链总是充满了延迟、缓冲、反馈和意外的岔路。 从投资实践的角度，这篇文章的正确用法是据此审查自己持仓中有多少隐含的"人类认知溢价不会消失"假设，然后对这些假设进行压力测试。 反过来，如果AI提高生产率的速度更符合渐进式自动化的历史模式而非阶跃式替代。如果企业发现"vibe-coded"的替代品在可靠性、安全性和合规性上远不如成熟SaaS产品，就还是回归正版。如果白领工人成功地将AI作为增强工具而非替代品，收入不降反升了。 在这些情景下，文章描述的负反馈循环的第二环（白领大规模裁员）就不会启动，后续所有环节都不会兑现。 触发信号就是等着看看2026年下半年的企业AI支出增长会不会放缓，以及白领薪资中位数会不会企稳。