人工智能投资激增重塑全球经济与劳动力市场 匈牙利企业面临机遇与挑战

全球最大投资者——资本基金、大型企业和基础设施基金——已一致认定，人工智能不仅是炒作，更是未来几十年的基础基础设施。2025年，全球风险资本的一半以上（5126亿美元）流向了人工智能领域，这在历史上尚属首次。资本不仅流向应用程序和界面，更流向物理基础架构。

资本流向基础设施

全球正在经历再工业化进程。大量资本正流向此领域：仅“星门计划”——OpenAI、软银和甲骨文的合资企业——就承诺在未来几年投入5000亿美元用于数据中心开发。根据仲量联行（JLL）的分析，到2030年，全球数据中心的能源需求将翻一番。

人工智能模型在类似实体工厂的数据中心中运行，主要用于两个基本目的：

• 模型训练：模型在数月内通过海量数据学习语言、逻辑和世界知识，类似于学生多年的培训。
• 推理：已完成的模型实际工作——回答问题、分析、决策、编写代码，如同训练有素的专业人员日复一日地工作。

到2027年，推理将比训练本身需要更大的容量，因为越来越多的人和智能体（Agent）在使用这些模型。

目前稀缺的资源是钢铁和电力。国际能源署（IEA）谈及“电力新时代”：到2040年，全球电力需求可能增长近50%，其中70%的增量需求直接由人工智能驱动。

问题在于，当前的电网无法跟上步伐。老化的基础设施导致不稳定——在爱尔兰和北弗吉尼亚州已发生多起事件，数据中心因电网过载而同时断开连接。作为整个系统物理连接材料的铜，到2040年将面临1000万吨的全球短缺。

“令牌”成本骤降与智能体崛起

在人工智能产业中，模型智能的增长以数量级（OOM）衡量。两年前，即2023年，每百万令牌的性能成本是现在的30倍。不仅成本更低，而且性能也大幅提升。

随着数据中心建设越多、硬件效率越高，每个令牌的成本就越低。GPT-5的价格仅为前代产品的一小部分。去年每月花费100美元获得的服务，今年只需5美元且性能更好。

当一种资源变得足够便宜时，就会开辟全新的应用领域。历史类比：电力价格在20世纪初以类似方式下降，其结果不仅是现有工厂生产成本降低，更催生了一个全新的世界——家用电器、娱乐产业、通信——这是无人预先规划的。

现在，智能的成本正在以同样的方式下降。这意味着，塞格德（Szeged）的小企业主、德布勒森（Debrecen）的教师或布达佩斯（Budapest）的自由职业者，可以获得与高盛（Goldman Sachs）分析师团队同等的认知能力。这是机会的民主化。

当令牌变得便宜时，不仅值得向人工智能提问，更值得让其工作。一个智能体不是你可以提问的聊天机器人。智能体会阅读任务、规划步骤、执行并检查自己的工作。

知识型工作的转型

如果智能体能够廉价、快速地完成人类过去所做的工作——从每个职业中取走一部分——那么知识型工作的经济基础将发生根本性变化。

在GitHub的公共软件代码修改中，目前有4%由Claude Code编写。这是一个能够阅读代码库、规划任务并自主执行的AI智能体。预计到年底，这一比例将超过20%。

埃森哲（Accenture）正在将其三万名专业人员转型使用Claude Code——这是历史上最大规模的企业AI开发者部署。高盛（Goldman Sachs）六个月来一直在使用Claude改造后台流程。

然而，这些开发者并未变得多余。他们从事不同的工作。过去一天编写一个功能的人，现在设计整个系统。任务转移到了更高的授权层面：指导、委派、监督和决策。人工智能并未夺走他们的工作，而是扩展了他们的工作范围。

知识型工作是指个人不生产物理产品，而是处理信息：分析、解释、决策、撰写文本、制定计划。全球超过10亿人从事此类工作，占全球劳动力的三分之一。

法律工作、金融建模、会计分析、市场研究、报告撰写、项目管理、教育等都重复相同的四个步骤：阅读非结构化信息、应用专业知识、生成结构化输出、检查质量。

Claude Pro每月20美元。一名普通的美国知识工作者每天花费雇主350至500美元。一名开发者使用Claude Code可以完成以前需要一个团队一个月才能完成的工作。性价比关系被彻底颠覆。

软件产业整合与社会政策议题

这将导致软件行业的大规模整合。市场上将只剩下少数几家作为基础数据“原始”来源的大型参与者。Notion、Airtable、Asana等是面向任务的前端界面。如果智能体执行任务，为什么还需要界面？Adobe、Microsoft Office等建立在人类信息处理基础上的软件公司面临最大风险。

软件的未来是隐形的：它在后台运行，人类只获得他们需要的东西。

世界在过去二十年积累了巨大的技术债务。遗留系统无人敢动。只有一两个人理解的代码库。从未完成的文档、存在于头脑中的知识。总是被推迟到“以后”的重构。这个“以后”现在已经到来。

人工智能是最终可以偿还这笔债务的工具。因此，在第一阶段，需要的不是更少，而是更多的开发者和更多的代码，因为终于值得去做那些以前不值得做的事情。

但杰文斯悖论（Jevons paradox）不仅仅是关于技术债务偿还。真正的内容在于，廉价的智能正在创造全新的市场。

如果AI智能体每月只需20美元，这些服务将变得人人可及。对人类工作的需求不会减少，而是会发生变化。对思考、创造力、人类判断力和信任的需求不会减少，反而会增加。

转型挑战与未来展望

上述过程不可避免地引向重大的社会政治问题：如果大部分工作可以自动化，人类将何去何从？

全民基本收入（UBI）的理念并不新鲜。新鲜的是其背景：历史上首次，技术革命影响的不仅是体力劳动，还包括认知劳动。

UBI的支持者——包括人工智能领域的领军人物萨姆·阿尔特曼（Sam Altman）、埃隆·马斯克（Elon Musk）——遵循一个简单的逻辑：如果人工智能创造了商品，那么人类就有权分享红利。全民高收入（universal high income）的概念更进一步：它不仅承诺生存，更承诺所有人的福祉。

如果智能变得廉价，那么教育、医疗、法律服务和创业都将民主化。一位匈牙利的小企业主可以获得与《财富》500强公司战略部门同等水平的商业分析。

更深层次的问题不是经济问题，而是文化问题：我们如何保持人性？如果社会决定人际关系、社区和有价值的工作是宝贵的，那么它们就会保留下来。如果不是——那么不是技术夺走了它们，而是我们自己放弃了它们。

但这里也有一个技术乐观主义的答案：在一个人们不必每天花八小时从事例行工作的社会中，理论上可以将更多的时间和精力投入到真正使我们成为人类的事情上——人际关系、创造、关怀和思考。