斯坦福经济学家 Charles I. Jones 写的论文，标题是 "AI and our Economic Future"。讲的是 AI 对宏观经济的长期影响。
论文围绕一个问题展开：AI 会加速经济增长，还是只是"又一个通用技术"？
文中讨论了两种情景情景 1：加速增长。 AI 如果能自动化大部分任务（包括科研本身），就可能产生爆炸性经济增长。Dario Amodei 说的"数据中心里的天才之国" — 数十亿个 AI 实例同时工作，设计新药、优化材料科学、推动核聚变。理论模型表明这是可能的。
情景 2：一切照旧。 美国人均 GDP 过去 150 年在 ratio scale 上几乎是一条 2%/年的直线。期间经历了电力、内燃机、抗生素、半导体、互联网 — 全是"变革性技术"。但没有一个改变了长期增长率。每种技术都有红利耗尽的时候（"蒸汽机跑完了蒸气"），持续 2% 增长靠的是不断出现新的通用技术。AI 可能只是让 2% 再延续 50 年的最新一个。
Jones在论文中提出了几个关键论点
1. 就业与意义。 经济学模型里，工作是"bad"（所以要付钱让人干）。但对很多人来说，工作提供了人生意义。Jones 自问：当 AI 比我更擅长解决经济增长模型时，我去哪里找意义？他提到 ChatGPT 5.2 Pro 已经比他更擅长解决他研究的增长问题。
2. 灾难性风险（"奥本海默问题"）。 原子弹试爆前科学家估算过"点燃大气层"的概率。Jones 做了类似思考：假设 AI 带来 10% 经济增长，但有一定概率毁灭全人类 — 你愿意冒多大风险？结论惊人：如果风险厌恶系数是 log utility，人们愿意接受 1/3 的毁灭概率来换 10% 增长。如果 AI 同时能将死亡率减半（治愈癌症等），即使高度风险厌恶的人也愿意冒 1/4 的毁灭风险。
3. 历史教训：扩散很慢。 David (1990) 指出蒸汽机和电动机的生产力效果花了数十年才显现。Solow 1987 年说"到处都能看到计算机，唯独在生产力统计里看不到"。AI 对 GDP 的影响可能比我们预期的更慢。
Jones 用 150 年经济史证明了一件事——所有变革性技术最终都没有改变 2% 的增长斜率。
