AI繁荣可能引发全球金融崩溃，央行官员警告

央行警告与历史背景

• 一些读者会寻找过去的央行警告（例如1999年、2007年的BIS报告），并觉得2026年的AI警告异常直白。
• 另一些人指出，我们也需要知道这类警告在没有重大崩盘的情况下出现过多少次，而且警告本身可能会降低冒险意愿，从而成为“自我挫败的预言”。

AI繁荣的规模与结构

• BIS摘录强调，2025–26年少数超大规模云服务商在AI资本支出上投入超过1万亿美元，部分由债务融资，回报却不确定。
• 提到的风险包括：由“赢家通吃”预期驱动的过度投资、电力和芯片瓶颈，以及股票/信用同步重定价和投资泡沫破裂的可能性。

泡沫动态与系统性风险

• 许多人认为AI泡沫显而易见；争论的是它会以剧烈崩盘结束，还是陷入长期停滞。
• 有人认为影响不会太大，因为AI主要由股权融资；也有人担心，如果/当这些公司上市，供应商、信贷市场和散户投资者会通过连锁反应受到冲击。
• 反复出现的一种犬儒观点是：在下行周期里，精英会被救助，而替罪羊又会是移民和穷人。

劳动、资本主义与长期兼容性

• 一种观点认为：如果AI最终自动化了大部分劳动，那么以劳动具有正价值为前提的资本主义就会崩溃。
• 另一些人强调更短期的危险：白领岗位迅速被替代，压缩消费者收入和需求；或者AI表现不及预期，导致投机性投资化为乌有。

价值、租金与“寄生性”

• 关于前沿AI公司是否是攫取租金的“寄生虫”，争论很激烈：
  • 批评者认为，它们通过“掠夺公地”来私有化收益（训练时使用他人作品，有时甚至使用盗版数据），并可能摧毁有意义的智力劳动。
  • 支持者反驳说，截至目前训练已被裁定属于合理使用，并将AI类比为过去的生产力技术（拖拉机、化肥）；这些技术同样带来冲击，但也创造了价值。
• 也有人区分真正的价值创造与寻租，即便它们发生在同一种商业模式中。

能力、SaaS 与生产率

• 几位从业者表示，LLM能“一次成品”或快速迭代SaaS式应用，降低成本和构建时间。另一些人则将其斥为非生产级、“凭感觉编码”的系统，只会积累隐藏技术债。
• 也有人担心超便宜软件会压缩经济的某些部分：用50美元API调用替代每年XX,XXX美元的SaaS订阅，未必会被新增招聘或新产品所抵消。
• 怀疑者认为软件工程并未“被攻克”：模型在需求、领域理解和长期可维护性方面仍然吃力。

行业扩展：治疗、无意义工作与最后一公里

• 有人预计保险公司会推动AI“治疗师”作为更便宜的一线方案；另一些人则认为这很危险，因为已知失败模式很多，而且训练数据薄弱。
• 讨论到“bullshit jobs（胡扯工作）”：自动化往往不会减少员工总数；组织喜欢让人留在决策链上。
• 还有几位认为，AI目前的收益主要集中在SWE；其他领域需要大量“最后一公里”的领域编码，而这未必能随着当前LLM架构扩展。

机会成本与资本的替代用途

• 一个重要话题是对AI相关估值/投资超过2万亿美元的惋惜，认为这些资金本可用于基础设施、清洁能源、住房、教育或社会支持。
• 反驳观点包括：
  • 这主要是私人资本在寻找回报，而不是税款。
  • 政府本就会在社会项目和基础设施上花费数万亿美元；问题可能是结构性低效和激励错配，而不是绝对金额太大。
• 提出的方案包括：使用滞留税式货币（demurrage-based money）来减少囤积，以及进行高社会回报的大规模投资（主动交通、核能、太阳能、住房），把这些作为比AI军备竞赛更好的宏观押注。

个人理财反应

• 一些参与者表示自己大幅转向现金/T-bills，认为在AI、能源冲击和既有金融脆弱性相互作用时，坏消息迟早会到来。
• 另一些人提醒说，时机并不确定；AI的亢奋情绪在政治上可能还能持续多年，之后才会迎来清算。