當 AI 狂潮變成全球危機，華爾街分析師 Citrini 的《THE 2028 GLOBAL INTELLIGENCE CRISIS》揭示了什麼？
一、Preface：情境設定，不是預測
作者 Citrini Research 一開始就把設定說明清楚，這是一個 scenario（情境），不是 prediction（預測），目的是把市場相對少討論的左尾風險攤開，如果 AI 的樂觀敘事持續被證明是對的，但「AI 的成功」反而成為總體利空，會以怎麼樣意想不到的形式暴雷？
這篇文章採用「未來回顧」筆法，假設你站在 2028/06/30 回頭寫總體經濟的 macro memo，去重建危機如何從「局部、可控」演變成「全面、系統性」。
二、Macro Memo：智能不再稀缺的代價
1. 2028 的開場數字：失業 10.2%、標普自 2026 高點回撤 38%
「Macro Memo」在 2028 開場就先丟硬數字：失業率 10.2%（高於預期 0.3 個百分點），當天市場再跌 2%，使標普相對 2026/10 高點累計回撤 38%。
雖然這些數字是情境設定，但它之所以能引發討論，是因為它把宏觀→金融市場→信用循環的傳導路徑寫得非常具體，近期也確實出現這篇文章在市場上病毒式傳播、引發投資人焦慮的新聞報導。
2. 2026 的繁榮：指數狂飆、企業獲利擴張、資本把錢再灌回算力
在作者的情境裡，2026/10 標普逼近 8000、那指站上 3 萬，企業一開始的白領階層裁員看起來完全符合股市喜歡的劇本，企業費用降低→利潤率擴張→財報好業績好→股價漲，而且創紀錄的企業利潤又被回流到 AI compute（算力/資本開支）上達成正循環。
3. 「Ghost GDP」：帳面 GDP 很美，但錢不再回到人的消費循環
情境的第一個關鍵概念是 Ghost GDP：
名目 GDP 還在成長、勞動生產力暴增，作者甚至用像 1950 年代那樣的增快速度來形容，因為 AI agent 不睡覺、不請病假也不要保險。
但正是因為這一關鍵，實質薪資成長崩塌，白領被迫轉去低薪工作，貨幣流通速度（money velocity）扁平，消費端萎縮，機器不買房、不買車、不度假，機器的可支配消費力是 0，所以帶來了經濟好、股市好、財報好的假象，實質消費力和 GDP 是 0。
這段需求端脆弱其實能找到現實世界的對照，美國消費越來越仰賴高收入族群。路透與華爾街日報都報導過：美國前 10% 家戶貢獻接近一半的消費支出，而且這種集中度在近年走高，意味著只要高薪白領的收入預期被打斷，消費面會比想像更敏感。
4. Intelligence Displacement Spiral：沒有煞車的負回饋螺旋
作者把整個危機的內核寫成一句循環鏈：
AI 能力變強 → 公司需要更少人 → 白領裁員增加 → 被裁的人少花錢 → 公司面臨需求/定價壓力 → 更積極買 AI / 自動化 → AI 更強…
並稱之為 human intelligence displacement spiral，強調它沒有自然煞車。
這個螺旋之所以會成立且引人恐慌，是因為它把供給面效率提升與需求面收入萎縮硬接在一起，因為此時此刻我們都不斷的在使用 AI，大型的 AI 模型已經成為了人們的習慣，從 ChatGPT 到 Openclaw，正因為我們正在經歷這一當下才顯得有真實感。不是 AI 做不到，而是 AI 做到了、但實際上的需求被抽乾。
三、How It Started：危機怎麼從「寫程式工具」開始擴散
1. 2025 年底：agentic coding 工具出現「能力跳躍」
作者把導火線放在 2025 年末：agentic coding 工具（文中點名 Claude Code、Codex）能力出現階梯式提升，使得「一個合格工程師 + agent」能在數週內做出一個中型 SaaS 的核心功能。
2. 2026 年：採購/續約談判的權力結構翻轉，自建變成可威脅的選項
由於企業年度預算多在 Q4 鎖定，2026 年年中 review 成為第一次「採購端帶著真實 AI 能力視野」重談合約的時間點。作者用一個 Fortune 500 採購經理案例，寫得很像新聞現場：業務照舊想年年 +5% 漲價，採購端直接拿「我們在跟 OpenAI 談 forward deployed engineers、可能用 AI 把你整套替掉」來壓價，最後續約打七折。
Citrini 作者強調：這裡不需要真的完全自建成功，只要採購端相信自建可行，就足以壓縮 SaaS 議價能力與毛利。這點甚至在該文留言區也被從業者拿出來認為「就算 AI 沒那麼神，信念本身也能造成真實的經濟影響」。
3. ServiceNow 事件：反身性被市場看見
文章用一則「類彭博風格」標題（ServiceNow Q3'26、淨新增 ACV 成長放緩、宣布裁員、股價大跌）來標記市場開始看懂機制：SaaS 多數是按人頭賣 seat，當客戶因 AI 裁員 15%，seat 直接少 15%，於是 AI 替客戶省人同時也機械式摧毀 SaaS 自己的營收底座。
四、Intermediation 中介層崩解：當 AI 把摩擦成本變成 0
作者接著把戰場從軟體擴到所有靠資訊不對稱/流程摩擦/習慣鎖定收租的行業，核心句是：
"Their moats were made of friction. And friction was going to zero."
1. 房仲：AI + MLS 資料庫壓縮佣金，關係其實是有禮貌的摩擦
文章描寫：AI agent 取得 MLS 與歷史交易資料後，房仲「知識差」消失，佣金從 2.5–3% 壓到 <1% 不到，甚至時常出現無人買方仲介成交。作者用一句話點破：很多人以為是人際關係的價值，實際上是「有友善表情的摩擦」。
2. DoorDash / 外送平台：習慣護城河對機器無效，市場碎片化、抽成塌陷
DoorDash 被當作「習慣型中介」的代表：coding agents 降低做 App 的門檻，競品幾週就能出；多平台儀表板讓外送員同時接 20–30 個平台單，鎖定失效；agent 端做比價/選最快，每次都走最低費率路徑，「主畫面上的那個 App」這種護城河對 agent 不存在。
3. 信用卡破壞：當 agent 掌控交易，就開始繞開 interchange
作者把下一張骨牌寫得很具體：2–3% 的刷卡交換費在 machine-to-machine commerce 變成明顯可被優化掉的成本，於是 agent 導向更便宜的結算（文中例子是 stablecoins + Solana / Ethereum L2，成本接近零且近即時），作者用一則「Mastercard 財報點名 agent-led price optimization」做為「point of no return」的象徵。
是否會真的大規模發生、以及發生速度多快，現實有高度不確定；但這篇文章被市場熱傳並引起支付/平台股波動的「消息面效應」，已被多家媒體報導。
五、From Sector Risk to Systemic Risk：從產業故事變成總體故事
1. 市場從軟體/顧問先倒
作者寫 2026 年市場主流共識是，科技變革本來就會局部疼痛、整體有利，先讓軟體與顧問業挨打，但總體經濟會被生產力拉起來。
2. 反轉點：美國是白領服務型經濟，被吃掉的不是邊角，是主幹
不過反轉來了，作者主張白領約占 50% 就業、驅動約 75% 可選擇性消費，因此被 AI 咬掉的不是一個組織或階級，而是「美國經濟本體」。這裡雖然是作者在情境裡的估算，但「高收入族群撐起消費」的現實資料（前 10% 接近一半消費）會強化他的「脆弱性邏輯」：就算被取代的人數占比不大，只要集中在收入上緣，就能造成需求端斷崖。
3. 新工作也能被 AI 做
作者回顧歷史上 ATM 沒讓銀行員消失、網路創造新產業、新職缺的敘事，但指出差別在於以前新工作都需要人（勞動力成本）；但在 AI 新時代的情境裡，AI 是能自我改進的通用智能，連人類轉職去做的新任務也會被 AI 吞掉。
這裡值得放一個現實中的「對照」：OECD 對 AI 與就業的總結是淨影響不確定，同時存在 displacement（替代）、productivity（生產力）、reinstatement（創造新任務/新職務）等效果，而且到 2023 年的實證研究多認為「尚未看到顯著的整體就業下滑」。換句話說 Citrini 在推演的是「替代效果壓過其他效果」的極端左尾。
六、勞動市場訊號：職缺塌陷先於失業爆表，債市先嗅到消費衝擊
作者在情境裡用兩個訊號做時間軸釘點：
．2026/10 JOLTS：職缺跌破 550 萬、YoY -15%（作者引用彭博式標題）
．Indeed：軟體/金融/顧問職缺因「生產力計畫」下滑（作者引用 Indeed Hiring）
同時作者描述，股市還在 AI 基建與宏觀壞消息間拉扯，但債市先價格反映消費走弱，10Y 殖利率從 4.3% 下到 3.2%。現實世界中，近期也出現央行官員公開討論「AI 可能造成結構性失業、且傳統降息未必能解決」的表態，顯示至少在政策圈，這種「非典型衝擊」的討論正在升溫。
七、The Mortgage Question：13 兆房貸市場的底層假設被動搖
作者把危機從「就業/消費」推到「金融加速器」，美國住宅房貸市場約 13 兆美元；房貸承作的核心假設是：借款人會在 30 年內大致維持收入能力；但白領收入預期遭到結構性破壞，使市場不得不問一句「三年前聽起來很荒謬」的問題：prime mortgage（高信用房貸）還 money-good 嗎？
作者透過情境新聞將脈絡串起來：舊金山、西雅圖、奧斯汀等科技城市房價年跌、Fannie Mae 在高科技就業占比高的 zip code 看到早期逾期上升。
更致命的是，作者指出這次與 2008 不同：2008 是貸款一開始就爛；2028 是貸款一開始很好，但世界在貸款發出去後變了——人們借的是一個他們不再敢相信能負擔的未來。
八、The Battle Against Time：政策工具箱失效、財政收入基底被掏空、社會衝突升級
1. 傳統寬鬆救得了金融、救不了人類智慧不值錢的實體引擎
作者說：就算 QE、降息、把 MBS 全買下來，也改變不了「200 美元/月的 agent 可以做 18 萬年薪 PM 的工作」這個相對價格衝擊。
2. 政府稅基是「人類時間稅」：當收入流向資本/算力，稅收跟著斷
文章把財政困境寫得很直白：政府主要收入來自薪資/所得稅；當就業與薪資結構性下滑、而生產力收益流向資本，稅收會落後於 GDP。在「勞動分配率（labor share）」長期下降的背景下，這個敘事更好被理解：BLS 與 FRED 都有長期資料顯示美國 labor share 在近數十年有下滑趨勢。
3. 轉型法案：直接移轉 + 算力稅 +「共享 AI 紅利」的主權基金式設計
作者安排了政策辯論的雛形：
"Transition Economy Act"：對被替代者直接移轉，資金來自赤字與「AI inference compute 稅」
"Shared AI Prosperity Act"：讓公共部門對智能基礎設施的報酬有某種「公共索取權」（類主權基金/版稅），用股利支持家戶移轉
4. 社會面：Occupy Silicon Valley，抗議比失業數據更吸睛
情境裡的社會張力以「Occupy Silicon Valley」具象化：示威者封鎖 AI 公司辦公室、媒體聚焦、民怨把 AI lab 當成新一代「金融海嘯的銀行家」。
九、The Intelligence Premium Unwind：人類智慧溢價的解除，是「重新定價」不是必然「崩潰」
收尾段落，作者把整篇文章升格成一個更大的框架：在現代經濟史裡，人類智慧一直是稀缺投入，而現在機器智慧成為可替代且持續變便宜的供給，等於在解除那個溢價，金融系統、稅制、房貸、勞動市場都建立在智慧稀缺的前提上，因此會痛苦重新定價。
但作者也留了出口：重新定價不等於崩潰，經濟可以找到新均衡（參考博弈論），關鍵在於「我們是否來得及建立新框架」。最後一句回到 2026 的你我：現在（2026/02）還沒進入負回饋螺旋，"The canary is still alive."
總結：為何這篇文章能在市場上掀波動？
因為它足夠真實，作者同時做到三件事：
把 AI 的風險從科技轉成宏觀 + 信用循環
把最敏感的市場結構，包含 seat-based SaaS、平台抽成、interchange、prime mortgage、private credit 用可交易的敘事串起來，真實貼近我們的生活之中
把需求側脆弱性扣在「消費高度集中於高收入族群」的現實趨勢上，讓故事更像「不是科幻、而是把幾個已存在的現象推到極端」
同時也要誠實說：不少經濟學者/機構會反駁它的速度與「替代 > 創造」假設，OECD 等機構也強調目前整體就業衝擊的實證仍有限，AI 更可能呈現混合效果。