在 microagi，我们将部署十亿台机器人。当这一天到来时，其带来的经济与社会影响将是深远的。
我们相信，这将引领世界走向富足——机器人将把生产力和产出提升到如此高度，以至于大多数经济模型赖以成立的基本假设（物质稀缺）将不复存在。几乎所有经济模型都建立在供需原理之上，并以资源稀缺为根本前提。Lionel Robbins 在 1932 年对此作了精辟概括，他将经济学定义为“目的与具有多种用途的稀缺手段之间的一种关系”。我们相信，机器人将消除这种稀缺。在这样的世界里，所有人的生活水平都将远超今天任何人的享受，而人类所能成就的可能性也将是无限的。
然而，我们也必须承认，在由机器人普及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，需求会随之上升，就业也会相应增长以满足这些需求。但这一次，通用机器人将有能力独自满足这些需求。如果我们的经济体系维持现状，这意味着数百万个现有岗位将会消失，人们可能因此失去收入、社会地位，对许多人而言，还会失去人生的意义。
我们正面临一个两难困境，而迄今为止，大多数机器人行业从业者甚至未能公开承认它，更不用说去解决它了。那些能够从实质上改善我们所有人生活的技术，也必然会彻底改变这些生活。关键在于，如果我们无法为这一问题提供充分的解决方案，我们就永远无法抵达那个富足的世界。大多数人将联合起来抵制智能向物理世界的扩散，在这种压力下，政府会叫停机器人的部署。
这篇文章正是我们对这一困境的思考。我们将描述当前技术的发展阶段，解释为什么主流的“替代”经济模型不足以应对即将到来的变化，以及为什么“当人们不再需要工作时，他们究竟是谁”这个问题，将决定富足时代能否真正到来。随后，我们会把目光转向欧洲——部分原因是我们是一家欧洲公司，但更重要的是，欧洲在这场困境面前极为脆弱。欧洲的福利国家主要依靠对劳动征税来维持；欧洲工业仍雇佣着数以百万计的人从事机器人正在学习的工作；而欧洲自己制造的这类机器人却寥寥无几。我们为这片大陆描绘了三种可能的未来：其中两种我们必须避免，而第三种则是我们决心去构建的。
争夺机器人领域的“GPT 时刻”
在整个人类历史上，物质上的舒适始终依赖于他人的劳动。粮食需要种植，房屋需要建造，货物需要从一处运往另一处。机器人有望将这些体力劳动自动化，从而降低商品成本、扩大产出规模，最终实现物质富足。这个未来触手可及，而且正在迅速逼近。
为了说明它来得有多快，不妨只看过去十八个月发生的事。
Figure AI 的 02 人形机器人在南卡罗来纳州斯巴达堡的宝马工厂完成了为期十一个月的部署。到第十个月时，这些机器人已经能够连续运行十小时的完整班次，从料箱中取出金属板材并放置到焊接夹具上，精度达到五毫米。在整个项目期间，它们装载了超过 90,000 个零件，助力生产了超过 30,000 辆宝马 X3。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 模型将特定物理任务的平均成功率从 64% 提升到了 99%，在折纸箱和手机包装任务上的速度约为以往方法的三倍，而每项任务仅使用了约一小时的机器人数据。他们的演示包括在无人干预的情况下连续折叠 200 次纸箱。这些仍是企业自测的结果，但可靠性和速度恰恰是把技术成果转化为实际产出的关键品质：一台成功率为 64% 的机器人足以用来做演示，而一台成功率为 99% 的机器人则可以取代一名员工。
今年 7 月 30 日，Google DeepMind 发布了 Gemini Robotics 2，用一个统一训练的策略控制人形机器人的双腿、躯干、双臂和五指双手，并提供了端侧版本，能够在数小时内适配全新的身体形态。8 月 25 日，Skild AI 发布了 S1，该模型只需观看一段人类执行陌生任务的视频，就能复现该动作，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 在未见过的任务上成功率达 66%，而同等规模训练的语言提示模型仅为 9%。
所有这些公司都在竞相创造“机器人领域的 GPT 时刻”——这意味着一个基础机器人模型可以被要求执行几乎任何物理任务，并且做得足够好、足够实用。ChatGPT 在 2022 年 11 月对语言做到了这一点，把一个研究圈的好奇物变成了数亿人每天都在使用的产品。
与语言模型能力的关键区别在于：在物理世界中，任务的可验证性要高得多；对于工业场景或时间跨度较短的任务（例如打包箱子或制造设备）尤其如此。可验证的任务就可以被自动化，因此 AI 系统在物理世界中的影响将更加显而易见。
迄今为止，衡量这对工作意味着什么的最严谨尝试，由 Anthropic 的经济学家于 9 月 30 日发表。Russell Legate Yang 和 Maxim Massenkoff 利用 O*NET 数据库中约 19,000 项工作任务发现，当今已存在的机器人可以完成美国 74% 的体力任务，相当于全部工时的 34%，尽管主要集中在专用或结构化环境中。若结合大语言模型，按工时计算，约 80% 的工作任务会受到其中一种技术的冲击。他们对过去五十年的回测显示，那些更容易被当时机器人替代的岗位，在此后几十年里工资和就业均出现下降；而且每过一年，机器人就能多承担约 2% 此前无法完成的体力工作。
公共讨论忽视了机器人带来的风险
生产力提高本身并不能保证物质安全或幸福感。在这个问题上，构建人工智能的人们开始以罕见的坦率发声，值得我们仔细倾听他们说了什么，以及没说什么。
2025 年 5 月，Dario Amodei 警告称，AI 可能在一到五年内消灭一半的初级白领岗位，并将失业率推高至 10% 到 20% 之间。他描绘了这样一个世界：“癌症被治愈，经济每年增长 10%，预算实现平衡——但 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酬处理机构的工资记录发现，自生成式 AI 普及以来，在受 AI 冲击最大的职业中，22 至 25 岁劳动者的就业率相对下降了 13%，而同岗位的年长同事则未受影响。
这些讨论忽略了物理 AI 的潜在影响。Anthropic 在 9 月发布的《我们经济未来的情景》提出了三种劳动力市场影响模型。在“显著”情景下，AI 能完成一半的知识工作，知识工作者的工资基本停滞。在“极端”情景下，美国 GDP 增长约三分之一，劳动收入份额降至约 45%，知识工作者工资下降超过 10%，失业率升至“超出典型衰退水平”。
金融界也从另一个方向得出了类似结论。2026 年 8 月，桥水基金首席执行官 Nir Bar Dea 和首席投资官 Greg Jensen 在《纽约时报》撰文指出，由于只有劳动被征税，现行税法实际上在奖励用机器取代人。他们提议对 AI token 征收消费税，以降低对劳动的税负，并用这笔资金持有 AI 公司的股份，“与全体公民共享”。到 9 月下旬，Bar Dea 公开警告称，如果转型处理不当，可能导致“社会崩溃”。
虽然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可能性令人欣慰，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。
即便在他们最极端的情景中，也“未包含”“人类开发出超强能力机器人”的可能性。而对于被替代的知识工作者，给出的出路明确指向体力劳动：他们必须“转向电工、护士等受 AI 冲击较小的工作”，作者也承认，对许多人来说，这种转型既艰难又缓慢。每一种认知替代模型，归根结底都悄悄依赖同一个假设：被替代的认知型劳动者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，这一假设就会被彻底动摇。如果一位顾问预期自己刚拿到电工资质，机器人很快就能给大楼布线，他就不会花几年时间去重新培训。如果一位律师助理预期机器会负责抬病人，她就不会转行去做护理。经济学家为认知自动化设计的逃生通道，迎面撞上了正在赶来的物理自动化。
富足何时到来
正如 Legate Yang 与 Massenkoff 的论文所述，尽管机器人目前至少在部分场景中能够完成 74% 的体力任务，但在成本上能与人类劳动竞争的仅有 0.3%。如果机器人价格继续以历史上每年约 3% 的速度下降，这一比例要达到 10% 大约需要 40 年。在他们的“快速”情景下，机器人也要到 2050 年才能在成本上与当今一半的体力工作竞争。然而，这只是基于过去的变化速率向前推演，连作者自己也承认，“AI 驱动的机器人可能会跨越式超越我们的测算尺度”。
我们认为它们会的。我们的论证如下：
1. 到 2027 年，AI 系统将开展真正的机器人研究，开发周期将被压缩
2025 年 6 月，OpenAI 首席执行官 Sam Altman 预测，2026 年将出现能够产生全新洞见的系统，而 2027 年可能会带来“能在真实世界中完成任务的机器人”。到 2026 年 9 月，OpenAI 表示已打造出一名“自动化研究实习生”——一个能够完成熟练人类研究员需要几天才能做完的研究任务的系统，并计划在 2028 年 3 月前实现完全自动化的 AI 研究员。独立测评也指向同一方向。METR 发现，前沿 AI Agent 能以 50% 可靠性完成的软件任务长度，在过去六年里大约每七个月翻一倍。机器人技术，说到底也是一个软件问题、仿真问题和数据问题。而这些恰恰是此类系统进步最快的领域。
应用到机器人领域，这将极大压缩开发周期。硬件一直进展缓慢，因为每个设计都必须制造、损坏、再重造，每项新技能都必须在真实机器人上一次一次地通过遥操作演示来教授。如今这两个瓶颈都在松动。AI 现在可以在早上提出执行器方案、写好控制策略并读取故障日志，迭代速度正接近软件的节奏。
数据来源也比传统的遥操作丰富得多。今年 2 月，NVIDIA 用 20,854 小时的人类第一人称手部操作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，不到训练数据的 0.1%。研究发现，随着人类视频时长的增加，性能会以可预测的方式提升。NVIDIA 及其学术合作者还用超过 44,000 小时的同类视频训练了 DreamDojo 世界模型（NVIDIA, DreamDojo, 2026）。业界对第一人称数据价值的信心，体现在过去十八个月机器人训练数据初创公司筹集的超过 7 亿美元融资上。Skild 的单视频学习和 DeepMind 的跨机体迁移也表明，为每一个新任务、每一具新机体采集数据这一昂贵环节正在消解。
2. 到 2029 年，机器人在技术上将能够完成所有具有经济价值的任务
要实现这一点，我们并不必然需要一台无所不能的单一全能机器人。相反，它是三者的结合：一种能在多种机体上运行的通用机器人智能、适用于合适环境的人形系统，以及针对特定高价值工业任务的专用机体。
今年 2 月，Physical Intelligence 展示了其 π0.6 基础模型——针对每项任务微调后，在真实商业环境中运行其他公司的机器人：在旧金山的一家洗衣店为顾客叠衣服，以及在仓库中连续一个班次打包真实电商订单，自主率达到 96.4%。凡是能围绕机器重新设计的工作场所，都会被重新设计，就像当年的流水线一样。凡是不能的，机器就在学习适应工作场所：那次试验中的仓储机器人就是为嵌入现有工位而设计的，几小时内即可开工。
3. 社会效应随能力而来，而非随普及而来
这是我们论证的核心。普及曲线描述的是机器人何时无处不在，却无法描述人们何时会相信机器人将无处不在，并据此做出决策。工人不会等到自己被机器人取代之后，才去思考这种发展对孩子未来意味着什么。在欧洲，人们已经在做最坏的打算：在欧盟委员会自己的调查中，66% 的人认为 AI 摧毁的岗位会多于它创造的岗位。这一数据是在 2024 年春季记录的，当时世界上还没有任何人形机器人完成过一个完整的生产班次。我们所担忧的社会后果并不需要普及立刻发生，只需要人们相信它即将到来。
如果主流叙事变成“经济正在学会在没有人类的情况下运转”，那么政治层面的反应将远远早于它在经济统计数据中的体现。
这就是我们把这篇文章命名为《富足 2029》的原因。当然，到那时并非欧洲的每个仓库都会实现自动化；我们在上一节描述的认知替代可能需要 5 到 10 年，体力替代或许更久。但到 2029 年，物理 AI 的能力将非常清晰，那条轨迹——可以说是富足的火花——将对所有人可见，而决定欧洲迎来何种未来的那些决策，届时早已做出。
人们如何赢得自己在社会中的位置
要理解人们对“实现富足的能力”会作何反应，我们必须回到历史中去。
七万年前，正如 Yuval Noah Harari 在《人类简史》中所写，人类会相爱、玩耍、结交朋友、争夺地位和权力，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，渴望对彼此重要的愿望已经存在。
体力曾是获得地位的一条途径：赢得较量、保卫群体或将意志强加于人的能力。但作为体格平平、没有利爪、面对狮子毫无胜算的灵长类动物，我们转而发展出了其他优势。我们学会了削尖木棍，用语言协调狩猎，生火取暖。我们之所以能战胜食物链上所有高于我们的物种，是因为我们能够把有用的知识传承下去，让每一代人都能从上一代人止步的地方重新出发。然而，每一代人都必须先学会上一代人已知的东西，因此新知识和创新的发展变得越来越困难，也需要更高的专业化程度。Benjamin Jones 将这种动态称为“知识的负担”，因为要站在巨人的肩膀上，“你必须先爬上他们的背”。需要多年才能掌握的知识只掌握在少数人手中，因而稀缺，也因此被视为有价值。
在小型部落中，技能赢得尊重。能做出更好工具、或带领众人熬过严冬的人，会让同伴有理由信任他的判断。但部落内的尊重，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套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），是在号召人们独立思考，它也带来了一种关于“什么样的人值得尊重”的新观念：是理性，而不是出身或虔诚。智力逐渐成为财富聚集的特征，也因此成为社会地位的来源。
今天，量化交易员的高薪和律师的声望，都是这一逻辑的现代体现。现代经济把智力视为稀缺品，因而有价值，并用物质和社会地位双重回报那些被认为拥有它的人。对于那些从事体力劳动的人来说，也存在一条平行的阶梯，它比启蒙运动更古老，根植于行会制度：工匠大师（Meister）、比工程师更懂产线的领班、焊缝从不失效的焊工。手上的技艺是另一种形式的智力，同样受到尊崇。
简而言之，工作是大多数人不仅谋生、而且赢得社会位置的制度。它提供意义感和目标感，让人不必在凌晨三点去面对那些存在主义式的追问。那么，当人们赖以谋生和立足的能力不再稀缺、因而不再有价值时，会发生什么？当机器同时比律师更聪明、比焊工更稳准时，又会发生什么？
一个可能形成的联盟
认知工作自动化的进展已经引发了辩论，这是理所应当的。但对大多数人来说，麦肯锡需要更少顾问的前景，可以理解地很难激起同情。而当一位同事丢了工作、第二天早晨一台实实在在的物理机器坐在了他的位置上时，这种威胁就很难再被轻描淡写了。
自动化有可能让收入、教育和政治立场迥异的人得出同一个结论：经济正在学会在没有他们的情况下运转。一位顾问和一位产业工人不需要在社会该如何组织的问题上达成一致，也能认同当前的走向正在威胁他们在其中的位置。这样的联盟并不需要大规模失业已经发生才会形成。对被排斥的预期，就足以催生共同的政治利益。而当怀有不同不满的群体找到了共同的对手时，历史告诉我们，剧变往往紧随其后。
1789 年的法国，上层中产阶级想要政治权力，城市工人想要买得起面包，农民想摆脱封建负担。他们的诉求各不相同，却汇聚起来反对同一套秩序。巴黎的面包价格在巴士底狱被攻陷的那一周达到顶峰。玛丽·安托瓦内特成了那套特权秩序遭人憎恨的象征，她的奢靡被夸大为解释国家苦难的理由。1917 年的俄国，对沙皇的反对同样从自由派知识分子蔓延到工人和士兵。列宁“和平、土地与面包”的承诺把不同的不满连接到同一个纲领上，一个延续三个世纪的政权在几个月内轰然倒塌。
技术本身更近的历史同样发人深省。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的宽幅织袜机和剪毛机，议会则以 1812 年的《捣毁机器法》回应，将破坏机器定为死罪。卢德分子被后人记住为进步的敌人。事实上，他们是熟练工人，清楚地看到新技术的收益将流向他人，而代价却要由自己承担——在他们有生之年，他们是对的。
在英国，每位工人的产出在大约半个世纪里持续上升，而实际工资几乎原地踏步，经济史学家 Robert Allen 将这段时期称为“恩格斯的停顿”。那些砸毁机器的人没能活着看到收益的到来，而取代他们的工作往往更加糟糕。亚当·斯密绝非工业的敌人，却也担心一辈子重复几个简单动作会让工人“变得像人类所能达到的那样愚蠢和无知”。
卢德分子的错误在于看错了长期趋势。砸毁机器并没有阻止工业革命，而工业革命最终让普通人比此前任何一代人都更富裕——正如我们期待机器人做到的那样。而且在整个过程中，工作依然存在。
当前这场 AI 与机器人革命的不同之处，在于进步的速度和广度。Bill Gates 在 8 月也做了类似的区分：早期的转型，比如从农场转向办公室工作，历经数代人才完成，并创造了需要人类认知能力的新岗位。然而，当 AI 在大多数领域超越我们的能力，且速度快得多时，“许多工作将永远消失”，他写道。工业革命的收益是通过工作传递给普通人的：通过它创造的岗位和支付的工资。如果机器人创造了富足却没有创造工作，那么这些收益就需要另一条路径抵达大众，而人们也需要另一个获得社会地位的源泉。
在这条路径出现之前，政治和经济光谱上各个位置的人都会有动机去抵制这场技术变革，1789 年和 1917 年的合流可能再次上演。如果政府和科技公司无法证明这些进步如何让劳动者受益，那么即便技术上可行，那种本可以提升所有人生活水平的物质富足也不会实现。而如果政府和科技行业真的失败了，谁又能责怪人们得出那样的结论呢？
联盟已在形成
这些动态在围绕数据中心的争论中已经显现。在美国，Data Center Watch 统计到，在大约两年时间里，因地方反对而被搁置的项目价值达 180 亿美元，被延期的达 460 亿美元，红州和蓝州无一例外，起因涉及电费、水资源、噪音和土地。仅在 2026 年第一季度，它就记录了至少 75 个、总价值约 1300 亿美元的项目受阻，创下有史以来最高的单季纪录。在爱尔兰，2025 年数据中心消耗了全国计量用电量的 23%，电网运营商 EirGrid 已暂停为都柏林地区的新数据中心提供接入，直至 2028 年。
政府和模型开发者未能展示他们的技术将如何让普通人的生活变得更好，由此催生了一个横跨左右翼的反数据中心联盟。这直接关系到机器人。每一台通用机器人都依赖算力进行训练，也越来越依赖算力进行推理。一个建不了数据中心的大陆，就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 无人驾驶出租车，该公司随后暂停了该区域的服务。这场抗议针对的是移民突击搜查，而非自动化。当一个社会充满愤怒时，街头的机器就会成为这种愤怒所指向之物的象征。2024 年 10 月，国际码头工人协会的 4.5 万名码头工人让从缅因州到得克萨斯州的 36 个港口陷入停摆，而防范自动化正是他们的核心诉求之一。
每一家机器人公司都有责任避免重蹈数据中心建设者的覆辙：必须正视即将发生的社会影响，并确保向丰裕时代的过渡能让所有人受益。人们越是突然地感受到自动化夺走了收入与地位，却得不到可信的替代方案和对未来的参与感，他们要求放缓这套制造颠覆的系统、甚至叫停它的呼声就越强烈。一个社会即便掌握了构建丰裕智能的技术，依然可能拒绝部署它。
因此，在全面部署之前，必须先给出一个可信的答案：人们将如何保有地位、权力与人生意义。
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，我们关心的是欧洲是否有能力给出这个答案。下文的大部分内容同样适用于其他地区，但欧洲同时具备人口老龄化、工会力量强大、福利制度优厚、工业知识深厚，以及在 AI 和机器人制造领域地位薄弱等特点，这使它成为最值得剖析的案例。
物理 AI 由两部分组成：让机器人能够观察、推理和行动的智能，以及执行这些动作的身体。两者的地理格局已经定型，而欧洲哪一端都不占。
美国主导着智能层。那些让机器人能够观察、推理和行动的基础模型，绝大多数诞生于美国的实验室和初创公司：Google DeepMind 的 Gemini Robotics、Physical Intelligence、Skild、Generalist、OpenAI Robotics，以及 NVIDIA 的 Cosmos 和 GR00T 平台。这些是“大脑”，它们正以软件特有的加速节奏不断进化。
中国主导着身体，以及大规模制造身体的能力。2024 年，中国安装了 29.5 万台工业机器人，创下历史新高，超过全球安装总量的一半；而整个欧盟为 67,800 台，德国为 26,982 台。中国供应商目前占据本土市场 57% 的份额，十年前这一比例约为 28%。在人形机器人领域，这种不对称更加悬殊。2025 年全球出货的 13,318 台人形机器人中，智元机器人（AgiBot）出货超过 5,100 台，宇树科技（Unitree）约 4,200 台，前十名中大部分是中国企业。2026 年 8 月，在人形机器人收入首次超越四足机器人之后，宇树科技在上海科创板上市，估值约 90 亿美元。
2023 年 11 月，中国工业和信息化部发布了《人形机器人创新发展指导意见》，提出到 2025 年打造机器人的“大脑、小脑和肢体”，到 2027 年让人形机器人深度融入实体经济。该文件把人形机器人视为与计算机、智能手机同等量级的技术，随后的行动也与之匹配。
美国在教机器思考。中国在学着以比任何人都低的成本造出它。欧洲面临的风险是，在这个未来中将一无所有——然而它比美中两国都更需要这项技术。欧盟委员会的一项分析发现，按照当前的人口预测和教育水平不变的前提，到 2050 年，欧盟劳动力可能减少多达 1,880 万人。
机器人技术既能解决欧洲最可预见的危机，也可能成为下一场危机的导火索。三种未来
未来一：欧洲叫停部署
欧洲既未能理解因缺乏自动化而带来的长期岗位流失风险有多大，也没能看清可能的解决方案是什么模样。工会、地方运动和各派政客开始用许多人看待数据中心的眼光看待机器人：它消耗电力、水、土地和工作岗位，却几乎不给周边居民带来任何回报。电网接入申请被拒，都柏林已经在这么做了。规划许可陷入停滞。原本为带围栏的工业机械臂制定的安全规则，被套用在可移动、会学习的机器上，导致部署在实际操作中变得不可能。长期以来拖慢欧洲工厂传统自动化进程的工人恐惧，固化成了一道坚固的政治否决权；于是，没有哪个政客敢冒着风险，去推行一个不明确反对加速机器人部署的竞选纲领。
我们认为，如果不做出改变，这将成为默认的发展轨迹。三分之二的欧洲人已经相信 AI 摧毁的工作岗位会多于它创造的，而至今还没有人给他们一个相信相反结论的理由。结果是，西方民主社会阻挡机器人部署，而竞争对手们继续推进。不受同样民主约束的中国，持续压低生产成本。如今中国工厂每安装一台工业机器人，整个欧盟才安装不到四分之一。生产外迁，随之带走投资、供应商网络和实践经验。
我们已经能在当下看到这种未来的轮廓。仅 2025 年一年，德国工业就减少了约 12.4 万个工作岗位，几乎是前一年的两倍；自 2019 年以来累计减少约 26.6 万个，其中汽车行业在六年间流失了 11.1 万个岗位，相当于其劳动力的 13%。2025 年 11 月，巴斯夫（BASF）在中国南部湛江的新一体化基地投产，投资约 87 亿欧元，是公司历史上最大的单体项目。与此同时，作为巴斯夫 160 年大本营的路德维希港却在不断关闭工厂。这是对国内不可持续经济环境的理性反应。
作为德国工业脊梁的中小企业（Mittelstand）正在失去客户。它们的绝活一直是隐性知识：那位清楚知道某种合金在特定温度下会如何表现的工程师。随着生产外迁，欧洲企业先是外包制造，接着发现自己的知识产权越来越依赖于海外制造，最后才意识到，知识本身已经消失了。
产业工人失去工作。与此同时，专业人士则面临来自美国 AI 系统的认知自动化冲击——欧洲无法通过监管将其挡在门外，因为它承受不起那样的代价。两波替代浪潮同时袭来。
2024 年，包括社保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，说到底是由人们有工作来支撑的。与此同时，老年抚养比预计将从 2022 年的 36% 上升到 2070 年的 59%，即从大约每三位劳动年龄人口供养一位 65 岁以上老人，降至不足两位。马里奥·德拉吉把欧洲的人口与生产力处境称为“生存性挑战”。
在未来一中，这些趋势迎头相撞。福利需求上升，因为失业者和退休者都在增加。税基萎缩，因为欧洲企业生产和销售得不够多，无力买单。政府只剩三个选项：任由公共服务恶化、在缩水的税基上加税，或者让债务进一步累积。三者要么不受欢迎，要么不可持续。极端情况下，福利国家将无法兑现自己的承诺。一项本意是保护工人的政策，最终既没保住他们的工作，也没保住为支持他们而建立的制度。
欧洲可以在自己境内叫停机器人。但它无法叫停深圳或旧金山的机器人，也无法真正阻止这些产品以欧洲工厂无法匹敌的价格运抵自己的港口。在欧洲阻挡机器人部署，意味着踏入技术进步的新篇章，却完全错失其中的红利。
未来二：欧洲妥协接受
在第二种未来里，欧洲没有阻挡机器人的广泛部署，每个人的物质生活条件确实得到了实质性改善。然而，未来依然出了问题。
面对拥有全自动化“黑灯工厂”的外国竞争者，企业也以同样的方式回应。理性的经济决策不再是围绕人来重新设计工作，而是干脆把人从等式中彻底抹去。Acemoglu 和 Restrepo 的研究发现，在美国的地方劳动力市场中，每千名工人每增加一台机器人，就业人口比就会下降约 0.2%，工资下降约 0.42%。他们的研究对象是上世纪 90 年代和 2000 年代的机器人：被关在围栏里、用途单一、看不见外界。而我们设想中到 2029 年将出现的通用机器人，其后果要严重得多。
第二个问题是所有权。欧洲发明了数字经济背后的大量科学原理，却只能看着别人建起公司：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只有约 15%，低于 2017 年的约 29%。欧洲人每天使用的前沿模型是在加州训练的，用的是美国芯片，受美国法律管辖。机器人可能会走上类似的道路。对算力和硬件制造投入不足，加上对欧洲企业不利的环境，将导致美国和中国大举渗透市场。美国的智能被装进中国的身体里，两者一起被安放在欧洲的工厂中。
欧洲已经尝过这种地缘政治依赖的苦果。2025 年 4 月，中国对稀土磁体实施出口许可管理，而大多数高性能电机——包括每个机器人关节里的电机——都离不开它。两个月内，数条欧洲生产线被迫停工，一些涉及中国技术的申请还被要求披露敏感的知识产权信息。如果欧洲的工厂、医院、农场和仓库都靠外国机器人运转，那么北京可以断供它们的身体，加州可以关掉它们的大脑。
在这种情形下，自动化的收益流向外国模型和外国硬件的所有者，而成本留在本地。大规模失业到来时，由于价值在其他司法管辖区积累，国内缺乏必要的税基来消化冲击，社会经济分化加剧。政府会试图用一切还能征税的东西来填补这道鸿沟。这可能表现为桥水基金提议的那种对 AI token 征收的消费税、政府对所能投资的自动化项目持有的公共股份，以及对一段时间内仍可能稀缺的土地、能源和算力资源征税。如果把这些以全民基本收入的形式重新分配，或许能在维持购买力的同时避免物质贫困。但关键在于，领钱的人依然没有工作。
在《人的境况》中，汉娜·阿伦特警告说，自动化可能把我们送进“一个没有劳动的劳动者社会”——这个社会曾把工作颂扬为一切价值的源泉，随后却被剥夺了唯一留给它的活动。“毫无疑问，”她写道，“没有什么比这更糟了。”凯恩斯在 1930 年写作时认为，他的孙辈将正好面对这种处境，并预言那些世代被训练去奋斗的人会出现“普遍的‘精神崩溃’”。
如前所述，对我们许多人而言，工作是自我认同的重要组成部分，一笔转移支付不足以取而代之。地位以及我们对地位的渴望不会蒸发，只会转移到其他仍能赋予它的事物上：财富、关注、怨愤，或基于任意标准的群体归属。无论物质条件如何，这种转变本身就足以造成动荡。
未来二的核心问题是社会动荡。企业竞相奔向黑灯工厂，制造出经济差距，而这种差距又引发动荡。即便一定程度的再分配能缓和经济冲击，人的问题依然无解。
这类动荡会摧毁丰裕赖以存在的政治条件：即公众对继续建设数据中心、部署机器和维护机器人的认可。一个拥有丰裕却失去目标的欧洲，可能会在不快中投票拆掉供养自己的系统。往好了说，未来二是糟糕的未来；往坏了说，它只是绕远路回到了未来一。
未来三：欧洲拥抱机器人，建立新经济
在第三种未来里，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、搭建驱动它们的基础设施。欧洲工业保持竞争力，更多的知识、所有权和回报留在这里。国际合作仍在继续，但欧洲拥有谈判条件的技术实力，以及维系公共机构的生产能力。
欧洲有机会凭借已有的优势来构建这个未来。它在机器人学习领域拥有世界级的研究，制造业基础仍雇佣着数百万人，工程传统能把通用机器人智能转化为成千上万种具体应用。它已开始为算力注资：2025 年 2 月，欧盟委员会宣布了 InvestAI 计划，目标是调动 2,000 亿欧元用于 AI，其中包括 200 亿欧元用于 AI“超级工厂”。它所欠缺的，是一种信念——相信物理 AI 正是欧洲仍能领跑的领域，因为物理 AI 奖励的恰恰是欧洲擅长的事：精密制造、深厚的领域知识，以及让机器变得可靠所需的耐心。
此外，机器人带来的回报应当在欧洲纳税。自 1982 年起，阿拉斯加每年都用石油财富向每位符合条件的居民发放分红；挪威用北海石油建立的主权基金，如今代表其公民平均持有全球所有上市公司 1.5% 的股份。由机器本身出资的欧洲机器人分红，将遵循同样的模式。但正如未来二所示，仅有收入并不能给人一个角色；如果我们的雄心止步于此，剩下的角色将寥寥无几。
迟早有一天，能做几乎所有我们能做之事的机器人，会把我们眼下想做的事全部做完，留给我们物质的丰裕，却不让我们参与生产。但人依然是人。我们仍希望自己的努力被看见，仍有向上攀升的机会，仍渴望身处一个会注意到我们缺席的社群；在一个我们的劳动对任何我们在乎之事都毫无必要的世界里，这些都无从存续。
我们的答案是一项原则，我们称之为 Interstellar（星际）。本质上，人类雄心的边界必须始终大于我们的生产能力。如果我们拥有的机器人能完成一千个项目，我们就该尝试一千零一个。当每台机器都已满负荷，剩下的工作——哪怕只占总量的极小部分——就落在人身上。机器人会造出更多机器人来缩小差距，所以每当机器追上我们的雄心，我们的雄心就必须再次向前挪动。只要满足这个条件，即使在一个机器几乎事事都比我们强的世界里，人依然是不可或缺的。
无论我们是否真能抵达群星，这个名字都指向一个永远超出当下能力的目标。罗伯特·勃朗宁在 1855 年表达过这个想法：“人的追求应超越他的掌握……否则天堂何用？”最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，美国要登上月球，并“做其他事情，不是因为它们容易，而是因为它们艰难”。在巅峰时期，该计划动员了政府、工业界和高校约 40 万人，得到两万多家企业的支持。工程师、焊工、数学家，以及缝制宇航服的女裁缝，都成了那个世纪最瞩目的人类成就的一部分。
他们中很少有人受过航天飞行的训练，但他们把自己的技能和专长带到了一个需要它们的目标上。欧洲更宏大的目标，也会向那些角色被机器人取代的人提出同样的要求，而大多数人需要帮助才能完成这次跨越。这正是我们为 shift 设想的定位：一个与政府、雇主和地方机构合作共建的平台，用于继续教育、技能重塑和有意义的工作。目标是让 shift 帮助人们接受边缘地带必要工作的培训，并把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、创造机遇，但获得收入、公共资金和公平准入的权利仍必须归属于民主机构，因为它们比任何一家公司的命运或优先级都更重要。管理这场转型，可能涵盖从替代发生前的收入保障，到分享自动化收益（使用上文提到的一些机制），再到通过 shift 提供资金支持的路径，让人们进入更宏大目标所创造的工作。
也没有任何一家公司能独自承担起设定如此规模雄心的责任。这需要一种共识安排：企业、工人和公共部门共同商定，欧洲乃至更广泛意义上的人类，打算用自己的丰裕去做什么。
没有这样的共识安排，我们无法负责任地大规模部署，而且它必须尽快达成。我们还说不出边缘地带的工作具体会是什么，也说不出它能否给人今天一份工作所带来的那种贡献感。但另一种选择是：一个社会的雄心完全由机器来满足——而未来二已经展示了那会通向何方。
人类可以选择去从事的事业，看不到尽头。我们可以找到治愈疾病的新方法，修复被破坏的生态系统，探索海洋，在地球之外建立生命，并最终抵达其他恒星。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，都会超出当时机器独自所能提供的。一个不断设定如此宏大目标的文明，永远不会缺工作给它的人民，因为每达成一个目标，它就会看到一个更大的目标。比起任何具体的目的地，这才是我们所说的 Interstellar 的真正含义。
无论机器人变得多么能干，我们所尝试之事的规模都会为人保留一个位置；而有了这个位置，随之而来的便是世世代代以来工作赋予人的认可、地位和贡献感。
来源 @ bercankilic.com
