编辑部 整理自 MEET2026
量子位 | 公众号 QbitAI
AI出现前，人类以“万物之灵”自居；AI兴起后，这一认知开始动摇。
在量子位MEET2026智能未来大会上，上海交通大学上海高级金融学院金融学教授朱宁提出核心命题：
在AI面前，人类是什么？
身为经济学家，他从专业视角指出：当算力、创意、时间等曾被视作人类核心稀缺资源的要素正被AI快速消解，以此为基础构建的整套经济学逻辑——包括资源配置、生产结构与收入分配体系——也将面临系统性重塑。
因此，与其追问“哪个行业不会被AI替代”，不如聚焦于“如何掌握AI技术，实现人机共生”。
本文基于朱宁教授现场演讲内容，在不改变原意前提下进行精编整理，力求呈现其思想主线与关键洞见。
核心观点梳理
AI重构“稀缺”定义：时间、算力、创意等传统稀缺资源正加速泛化，经济学需重新审视选择与配置逻辑。
资源配置主体正在迁移：当AI承担决策职能，将衍生人与算法、算法与算法之间的新型竞争关系。
据诺奖得主、MIT经济学教授Daron Acemoglu估算，未来十年AI每年可提升全球经济增长0.5～0.7个百分点。
AI深度融入贸易后，跨境交易将更多以非物理形态展开，对全球监管、责任认定与治理体系提出新挑战。
行业安全边界趋于模糊：白领与蓝领工作界限被打破，知识密集型岗位亦难言绝对免疫，关键在于提升AI协同能力。
AI时代的范式思维改变
大家上午好，非常高兴以经济学家的身份参与这场关于科技未来的讨论。
经济学数百年来持续关注科技进步，并深入思考其对资源配置原则、社会运行机制与人类福祉的深远影响。
亚当·斯密在《国富论》之前出版的《道德情操论》，即体现经济学始终以推动社会进步、增进人类福祉为根本使命。
在AI时代，“什么是人？什么是生产？什么是消费？”这些基础概念正在发生本质变化。今天分享一些关于新经济学范式的思考。
经济学本质上是一门研究“选择”的学科，核心是稀缺条件下的资源配置。
财富、自然资源、能源、时间乃至注意力，皆属稀缺资源。如何在约束中做出更优选择，是经济学数百年的核心命题。
但AI出现之后，“稀缺”的概念本身已发生根本转变：过去高度稀缺的时间、算力与创意，正被AI快速“量产化”。博士生耗时一年完成的论文，AI可在一夜之间完成90%；原本由人权衡的决策（如多工作还是多休息），正逐步移交至模型与代理系统。
然而新问题随之浮现：AI对人类需求的理解是否真实？其决策是否真正服务于人？若出现“幻觉”，它会优先服务人类目标，还是自身优化逻辑？这些问题尚未得到充分验证。
生产与消费也在重构。“生产”即工作，“消费”即享受。当人类可参与的工作持续减少，收入来源、生活支撑与消费能力将同步承压，进而冲击全社会收入结构、财政体系与社会保障制度。
资源配置机制同样面临迭代：过去强调“让市场在资源配置中起决定性作用”，但如今“资源”内涵已变——人的注意力、人机协同能力、对自身需求的辨识能力正成为新稀缺；而“配置”主体也正从人转向算法。
21世纪的竞争，或将演变为人与算法、算法与算法之间的多维博弈。
互联网扩展了人类在空间维度的生产能力，AI则正在改写时间维度的能力边界：算法不知疲倦、无需休憩，一天可完成人类需数日乃至数年才能完成的任务。人在时间上“解放”的同时，大量既有技能却遭遇颠覆性冲击。
AI时代的全球影响
国际货币基金组织（IMF）上海中心成立仪式上，IMF总干事明确指出AI将深刻重塑全球经济格局。
MIT经济学教授、2023年诺贝尔经济学奖得主Daron Acemoglu在波士顿会议中表示，AI对全球生产力的提升潜力虽存在，但或低于部分市场预期——预计未来十年AI年均拉动全球GDP增长0.5%～0.7%。
该增速虽小，却足以触发结构性变革：高收入国家与中低收入国家在AI获取能力上的鸿沟显著拉大；即便在美国国内，仅有不足20家大型企业具备独立训练、测试和部署大模型的算力与资金实力，大量初创公司只能作为AI服务使用者，难以成为AI技术的创造者。
AI可能在提升整体效率的同时，加剧全球发展不平衡，促使财富分配格局再调整。
国际贸易形态亦将升级：从货物贸易到服务贸易，再到AI驱动的无形价值交换——如内容生成、模型调用、智能合约执行等。这带来全新监管难题：若AI在跨境场景中出错，拥有者在A国、行为发生于B国，责任归属如何判定？法律冲突下，又由何种国际机制裁决？AI非自然人属性，亟需构建适配的新一代全球治理框架。
AI时代的行业影响
国内劳动力市场正经历结构性重置：工作性质的改变正在消解传统“白领/蓝领”二分法。
早期认为白领岗位更易被替代，蓝领因体力劳动属性相对安全；但随着机器人技术成熟，大量蓝领任务已被自动化覆盖。同时，AI赋能下的蓝领工人可高效完成部分原属白领的认知型工作，二者边界日趋模糊。
知识密集型行业（如律师、会计师、咨询师）曾被视为高危替代区，但随着AI从单模态语言模型向多模态、具身智能演进，替代逻辑本身亦在动态演化。
正如凯文·凯利所言：当前大语言模型只是AI能力的冰山一角；随着算力与数据持续突破，各行业将面临更深层、更系统的范式冲击。
因此，教育与职业发展策略必须转向：“如何掌握AI，与AI共生，让AI帮助你把能做的事做得更快、更好、更有效”。
最后，AI带来的挑战已远超经济学范畴。当人类引以为傲的想象力、创造力乃至自我意识边界逐渐被算法渗透，“什么是人？”这一哲学本源问题，正以前所未有的紧迫性回归。
若无法回答这个问题，我们亦难以厘清“我是谁”的终极命题。