forcode：claude code對我昨天那篇討論貼的循環迭代分析後，輸出的一篇文章：
汽車十字路口：新能源價格戰、AI顛覆與未來三十年的就業重構
一位網友在討論中提出了一個尖銳的問題：中國二手車市場空間巨大，但會比美國難做得多。原因在於新能源車滲透率太高，整個市場的保值率都被拉低了。新能源車技術迭代太快，一輛車哪怕停在那裏不開，僅僅因爲新技術不斷推出，老車型就會持續貶值。更不用說國內新車價格戰打得這麼激烈。油車技術雖然成熟，不存在技術迭代造成的貶值，可新能源車不斷降價，燃油車也不得不跟着降價。新燃油車越來越便宜，自然進一步壓低二手燃油車的殘值。在國內做二手車，對週轉率的要求非常高，車一旦收進來放在賣場，每多放一天，都意味着資產在縮水。
另一個網友則觀察到，在福州的二手車交易市場，大量零公里二手車停在五六層高的樓內，一望無際。這引出了一個更宏大的判斷：中國汽車產業出海，未來二手車可能要超過新車，亞非拉廣大發展中國家未來主要不是購買中國的新能源車和燃油新車，而是購買中國那些只開了十幾萬公里的二手車，甚至是零公里二手車。在白俄羅斯這樣的國家，很多家庭購買的二手車已經開了十幾萬公里，還要再轉手好幾遍，開到五十萬公里以上，甚至有八十萬公里、一百萬公里的老破車，照樣還在路上跑。
這些討論觸及了一個更深層次的問題：當中國超低價新能源車把原來歐美日韓的價格體系打亂，當十幾萬就能買到以前三四十萬以上的大型SUV，當新能源車淘汰燃油車、燃油車價格被帶下一個臺階、二手車隨之跌價、全球二手車價格中樞整體下移，這對於全球汽車產業的格局意味着什麼？進一步說，當AI技術革命同時衝擊就業市場，一邊是通縮壓力，另一邊是新產業創造的無限可能，我們究竟應該悲觀還是樂觀？
這篇文章試圖給出一個基於數據和邏輯的系統性回答。它不是一個簡單的判斷，而是將問題拆解爲六個相互關聯的維度，每個維度都有具體的數字支撐和趨勢判斷。
一、中國二手車市場的結構性困境
中國二手車市場面臨的核心矛盾，可以概括爲技術迭代帶來的資產劣質化。這個判斷在數據層面是否成立？答案是：基本成立，但並非全行業均勻分佈。
先看最關鍵的定量證據——三年保值率。這是衡量二手車資產價值最直觀的指標。中國汽車流通協會和精真估的2024到2025年數據顯示，新能源車企的保值率呈現顯著分化。比亞迪的海豹和宋PLUS等車型，三年保值率約在55%到60%之間。蔚來的ES6和ET5，由於NT平臺換代懲罰，保值率跌至42%到50%的低位。小鵬的P7和G6，因爲智駕硬件迭代（從Xavier到Orin再到Thor）導致舊款功能殘缺，保值率在45%到52%之間。理想汽車則是一個明顯的反例，L系列增程車型的三年保值率達到了60%到65%，幾乎與燃油車持平。
橫向對比看，中國燃油車基準——豐田和本田的保值率約爲62%到68%。美國市場方面，特斯拉Model Y的三年保值率在58%到63%，通用Lyriq和Blazer因爲軟件故障和生產停滯跌至45%到55%，傳統皮卡和豐田則在58%到65%。這些數據揭示了一個關鍵事實：中國新能源車的保值率中位數約爲52%，而燃油車約爲65%，兩者之間存在着高達13個百分點的缺口。在美國市場，電動車中位數保值率爲55%，燃油車約爲60%，缺口只有5個百分點。這意味着中國市場遠未消化電動車技術折舊的風險溢價，資本市場仍在將其視爲劣質金融合約。
零公里二手車是另一個值得關注的現象。中國汽車流通協會的數據顯示，這種狀態的形成機制相當清晰：主機廠基於產能規劃的批發量遠超終端零售，經銷商庫存預警指數連續25個月超過50%的榮枯線，2025年2月該指數甚至達到了63.8%。經銷商爲迴流資金，不得不將囤積的庫存車搶先註冊上牌，使之變成名義上的二手車，再以準新車身份清倉。2024年全年，準新車（一年內車齡）佔二手車交易量的7.2%，約合141萬輛流入二手市場，其中零公里庫存車的比例顯著提升。更嚴峻的是，這個比例在2025年仍在環比上漲。
零公里二手車的泛濫，已經進入反噬新車定價體系的負向循環。新車降價導致準新二手車更便宜，準新二手車更便宜又讓新車更難賣，迫使主機廠進一步降價。中國汽車流通協會已將零公里二手車列爲2025年市場的主要結構性風險。對於二手車經銷商而言，這意味着週轉率成爲生死線。庫存預警指數持續高於榮枯線，意味着平均庫存週轉天數遠超正常水平，每多持有一天都面臨資產貶值風險。
但中國二手車市場的出路或許在海外。比亞迪和上汽的二手電動車已經大規模流向中亞、東南亞和東歐市場，2024年的出口量超過十萬輛。2025年中國二手車出口均價降幅在6%到8%之間，呈現國內低價、出口溢價收窄、全球價格趨同的路徑。亞非拉發展中國家對價格高度敏感，中國二手車的價格優勢正好切中了這個需求缺口。當然，挑戰同樣存在：當地政策限制，比如東盟對進口二手車有車齡限制；售後服務體系缺失；品牌認知度不足等。但整體而言，中國出清、新興市場消化的套利通道已經形成。
二、全球汽車定價權的歷史性轉移
如果說中國二手車市場的困境是國內問題，那麼全球汽車價格體系的重構，就是一場波及整個產業的定價權轉移。
這場轉移已經清晰地反映在數據中。中國純電動車出口均價在2024年約爲3.4萬美元每輛，同比大跌12.3%。插混車出口均價約2.5萬美元每輛，同比下跌8%。國內價格戰的衝擊波正在向外蔓延。在美國市場，Manheim二手車指數2024年12月報205.5，同比下跌5.4%，連續三年從2022年255的高點回落。Manheim批發價是新車零售價的六個月領先指標，批發價下跌意味着零售端的價格下移遠未結束。雖然美國KBB新車平均交易價格在2024年12月仍維持在49740美元，但平均單臺激勵已超過3500美元創下新高，實質折價持續放大。
多家權威機構一致判斷全球汽車定價通縮時代已經到來。摩根大通在2025年1月的全球汽車展望中明確指出，全球車企的定價權處於近五年最弱水平，預計2025年全球平均交易價格下降2%到3%。彭博的專題報道直接將這定義爲全球汽車定價通縮時代，認爲中國低成本製造加高利率環境終結了賣方定價權。LMC Automotive的數據顯示，全球輕型車實際交易價格經通脹調整後已同比轉負。
2024年是2019年以來第一個全球汽車價格實質性下移的完整年份。關稅壁壘——歐盟對華電動車關稅和美國100%關稅——會部分阻遏中國直接出口，但無法逆轉全球價格中樞由中國成本曲線重新定義的總方向。
價格的下降不可避免會刺激需求的增長，尤其是對價格敏感的新興市場。數據顯示，印度汽車銷量增速在6.5%到7.5%之間，人均GDP彈性係數爲1.1到1.3。這意味着每1%的人均GDP增長可以帶動1.1%到1.3%的汽車需求。東南亞的增速在4.5%到6%之間，彈性係數爲0.7到1.0。拉美巴西的增速約2.5%，彈性係數爲0.3到0.8。如果單車均價下降10%，結合1.1的需求彈性，印度汽車需求可增長約11%。價格戰不僅是競爭手段，也是打開新興市場增量需求的條件。
與此同時，產業鏈正在加速向低成本地區轉移。中國車企在泰國、印尼建廠，利用當地勞動力和關稅優惠輻射東盟市場。比亞迪2025年在泰國市場份額已超過10%。印度的高關稅壁壘迫使中國車企尋求合資或技術授權路徑。中國品牌在巴西和墨西哥的本地化生產也在加速。短期來看，新增產能導致供應過剩壓力增大，進一步壓低價格。長期來看，本地化降低了成本並提升了可及性，激活了被高價格抑制的需求。
三、AI對就業的真實衝擊到底有多大
關於AI替代就業的討論，充斥着大量概念混淆。這是當前所有AI就業討論中最大的統計陷阱。
先看各權威機構的核心數據。高盛在2023年經典報告中指出，全球約3億個全職等效崗位暴露於生成式AI的技術影響。這個數字經常被誤讀和引用爲AI將消滅3億崗位。但實際上，這是任務暴露率，是技術上可自動化的上限，不是實際失業預測。高盛在2024到2025年的更新版中明確表態：AI不會導致失業率飆升，反而會提升總勞動力需求。他們在2025年2月的最新報告中甚至警告生成式AI的投入太多、收益太少，強調生產力落地慢於預期，更不可能出現裁員潮。
國際貨幣基金組織2024年的工作論文顯示，發達經濟體約60%的就業暴露於AI，全球約40%。但IMF在同一份報告中白紙黑字寫了糾正：只有約一半的暴露崗位面臨替代風險，另一半可能受益於AI的輔助增強。IMF最容易被誤讀的條款恰恰是它提供了暴露率與失業率概念混淆的官方證詞。
麥肯錫全球研究院的數據顯示，60%到70%的員工工作時間會被生成式AI觸及，但2030年的淨失業預測在基準情景下約等於零，因爲15%到30%的工時自動化會被新創造的工作抵消。麥肯錫的核心指標不是失業數字，而是美國需要約1200萬次職業轉換。這是轉型，不是失業。
三者在2024到2025年的更新版中，沒有任何一家給出一個全球AI將消滅X百萬崗位的淨失業數字。它們全部轉爲情景分析，並且在基準情景下全部倒向AI增強主導、宏觀淨失業約等於零的方向。
但這是否意味着AI對就業沒有實質性影響？答案是否定的。生成式AI暴露的崗位比例高達15%到20%，遠超1990到2000年IT革命期間5%到8%的替代率。這意味着衝擊幅度更大。而且AI對就業影響的本質正在發生變化。麻省理工學院的Daron Acemoglu在2025年NBER工作論文中提出了一個關鍵論點：當前AI系統過度偏向替代，缺乏創造新任務的能力。這是錯誤的AI類型——路徑方向決定了淨效果。他的模型估算，按現有技術軌跡，AI對勞動力需求的淨影響爲零或微負，十年全要素生產率收益僅0.53%到0.6%，遠低於樂觀者的預測。
而另一位經濟學家David Autor在2025年的多篇論文中指出，生成式AI與互聯網時代的最大區別在於衝擊範圍。過去IT革命替代的是例行任務，互補高技能、替代低技能。如今生成式AI將編程、寫作、翻譯、法律分析等認知判斷任務首次捲入大規模替代風險。高技能知識崗位不再是免疫區。
互聯網時代的歷史經驗提供了重要的參考框架。1947到1987年間，年度替代率約爲1.5%，但年度新任務湧現率約爲2.0%，淨勞動力需求每年增長0.5%。年崗位湧現率約爲1%，遠低於毛替代率的6%到8%，但靠持續時間長實現了淨吸收。每消滅一箇舊崗位，大約創造2.4到2.6個新崗位。但Acemoglu強調，當前AI系統缺乏任務創造能力，即AI擅長替代但不擅長生成新任務類型，這與工業革命和IT革命形成本質區別。
四、短期通縮與長期繁榮之間的張力
AI對經濟的衝擊首先表現在通縮端。中國的核心CPI長期低位運行，2025年6月到2026年6月間，同比漲幅約在0到0.6%之間，而PPI持續通縮，同比負增長在1.4%到4.5%之間。AI替代對工資收入的擠壓正在加劇需求側通縮。
國際貨幣基金組織預測，全球勞動收入份額將從2023年的53.4%降至2029年的51.8%到52.3%。這意味着勞動者在GDP中的分成持續下降，壓制消費能力。AI替代加速，被列爲未來十年壓低勞動收入份額的首要結構性因素。中國消費者信心指數在2026年6月處於低位區間，反映就業不確定性和收入預期偏弱。
但並不意味着長期沒有希望。從歷史規律看，每一次技術革命都經歷了類似的過程。農業革命使土地承載力從每公頃0.01人提升到0.1到1人。工業革命將人均產出提升了10到100倍。信息革命實現了全球知識共享，使服務業變得可貿易化。每一次轉型初期都出現了結構性失業和收入不平等加劇，工業革命時期甚至發生過機器砸毀運動。但每一次轉型最終都創造了更多且更高生產力的就業。
從農業到工業的就業結構轉型，英國用了約200年，農業就業佔比從80%降至10%。從工業到信息服務的轉型，美國用了約80年，製造業就業佔比從35%降至8%。如果遵循歷史加速規律，每輪轉型時間減半，從信息時代到AI時代的轉型可能在30到50年內完成。但轉型中的陣痛——特別是就業替代速度快於創造速度——可能在第一個十年（2025到2035年）集中顯現。
從短期通縮到長期繁榮的過渡需要滿足三個先決條件。第一，未來的AI系統必須從替代型進化爲生成新任務型，催生人類新職業。目前尚未出現這種躍遷的明確證據。第二，再培訓體系的速度需要匹配轉型節奏。互聯網時代的轉換週期是3到5年，AI時代的轉型窗口可能只有1到2個商業週期，要求再培訓體系效率提升5到10倍。第三，如果AI收益集中於資本和技術所有者，勞動收入份額繼續下降，將出現生產繁榮加消費通縮的悖論。全民基本收入和AI稅收制度可能成爲必要選項。
五、未來新興產業的就業容量
悲觀者擔心AI消滅工作機會，但換個角度看，那些今天尚不存在的產業，未來可能創造數倍於今天被替代的就業。
機器人產業是最明確的增量。國際機器人聯合會2025年的數據顯示，2024年全球工業機器人安裝量達到54.1萬臺，同比增長11%。服務機器人全球收入291億美元，同比增長5%。人形機器人裝機量預計到2030年可達每年約20萬臺。更關鍵的是就業效應：服務機器人領域，2025到2026年間，替代約820萬崗位，同時創造約970萬崗位，淨創造約150萬崗位。
VR和AR產業正在從概念走向現實。IDC 2026年第一季度的追蹤報告顯示，2025年全年AR和VR頭顯出貨量達到860萬臺，同比增長34.5%，市場收入92億美元。內容開發崗位在2025年約65萬，預計2030年增長到240萬。遠程操作崗位從2025年的50萬飆升至2030年的300萬。3D內容開發和建模崗位從25到30萬增長到100到120萬。交互設計師從10到15萬增長到40到50萬。硬件工程師從15到20萬增長到50到60萬。整體VR和AR產業鏈的就業容量從2025年的105到125萬增長到2030年的540到610萬，複合增長率驚人。
數字孿生技術的滲透正在加速。市場規模在2023年約爲100到150億美元，年複合增長率超過30%。製造業和智慧城市領域已經實現了20%到30%的初級滲透，包括數字映射、模擬仿真和預測運維等應用場景。寶馬的iFactory和西門子的數字化工廠已是成熟案例。雄安新區和新加坡的Virtual Singapore則代表了城市級數字孿生的探索。雖然全生命週期閉環管理的深度滲透仍在早期，但數字孿生正在成爲實體經濟的基礎設施。
基因編輯和合成生物學是另一個被低估的賽道。全球合成生物學市場2025年約200到300億美元，預計2030年達到500到800億美元，年複合增長率20%到30%。CRISPR基因編輯療法已有2到3款獲批，如Casgevy用於鐮狀細胞病，在研管線超過50項，涵蓋遺傳病、癌症和心血管疾病。產業瓶頸在於遞送技術、脫靶效應和高昂的治療成本。Casgevy定價約200萬美元每療程，限制大規模普及。但技術路線已經清晰。
太空經濟也在從科研走向產業。全球太空經濟總收入從2024年的6300億美元增長到2025年的7800億美元。全球直接就業約50到60萬人。2026到2028年首次近月載人任務和商業空間站運營可能將就業推至70到80萬。2030到2035年小行星採礦試採和月球基地常駐，就業可能達到100到150萬。2040到2050年載人火星探索和太陽系經濟區雛形形成，太空就業可達300到1000萬。
在更現實的地面領域，沙漠改造和極端環境開發也有可量化的進展。中國庫布其沙漠累計治理面積超過6000平方公里，單位治理成本約3000到5000美元每公頃。技術模式爲光伏加治沙加種植，已具備商業化可行性。沙特NEOM規劃面積2.65萬平方公里，已投資超5000億美元，涉及沙漠垂直農業和太陽能海水淡化，但單位開發成本在10萬到50萬美元每公頃，可複製性存疑。青藏鐵路延伸線和北極航道的商業化正在推進，大規模人類居住仍需攻克低氧和嚴寒技術。
六、虛擬世界與現實世界的融合
元宇宙和數字孿生不只是用來娛樂的概念，它們正在改變人類與物理世界交互的方式，並創造出一個全新的經濟空間。
從技術成熟度來看，不同領域的進展差異很大。工業數字孿生已實現規模部署，成熟度約8分（滿分10分）。寶馬iFactory和西門子數字化工廠是標杆案例。城市數字孿生處於試點階段，成熟度約5到6分。人體數字孿生處於科研階段，成熟度3到4分。遠程手術已有超過100例中國5G成功案例，但成熟度僅4到5分。遠程操控重型機械在礦業和港口已相當成熟，成熟度6到7分，力拓的遠程採礦和上海洋山港自動化是典型案例。
元宇宙的經濟規模有多大？不同機構的預測差距巨大，這本身就是預測泡沫的典型表現。普華永道的估算約爲3200億美元（2025年），包含間接拉動。經濟合作與發展組織的估算約爲2000億美元，僅含直接支出。獨立第三方綜合估計在1000到3500億美元之間。券商極樂觀者如摩根士丹利給出了8萬億美元的潛在市場總量上限，但這個數字包含了所有數字經濟活動，並非直接消費。
券商預測與第三方實際數據之間的差距，本質上是自上而下的情感敘事與自下而上的事實追蹤之間的根本衝突。券商假設一切數字活動都變成元宇宙，相當於把全球電商、廣告、遊戲、社交全塞進口徑，這是最大可想象空間。第三方機構只算頭顯出貨量、企業AR軟件、實時引擎訂閱等有發票的支出。兩者都對，但回答的是不同問題。錯把券商預測當基準，就會把泡沫當成地板。
元宇宙GDP在2025年仍處於早期啓動階段，佔全球GDP約0.2%到0.5%，到2030年可能達到0.6到1.2萬億美元，佔全球GDP的0.5%到1%，尚不具備替代實體經濟的規模。但其複合增長率在30%到50%之間，遠高於傳統產業，長期潛力不可忽視。
虛擬世界最重要的意義可能不在於娛樂，而在於它將人類的操作能力擴展到了物理上無法到達的地方。通過VR眼鏡、AR眼鏡、觸覺反饋、力反饋、溫度和氣味傳感器，人可以在此時此地感知和操控千里之外的真實設備。在地球上遠程遙控太空軌道上的植物工廠和太陽能發電廠，在辦公室操控幾百公里外手術室裏的手術機器人，爲偏遠地區病人做手術。這些場景已經從科幻走向工程驗證。
七、AI時代的樂觀主義是否站得住腳
討論的最後一個維度，也是最根本的爭論：AI究竟會讓人類更好還是更糟？
悲觀者的擔憂是合理的。AI替代的速度可能快於創造速度，勞動收入份額持續下降，全球消費能力萎縮，通縮螺旋自我強化。汽車價格戰和車廠裁員只是冰山一角，更多傳統產業的崩塌可能正在路上。
但樂觀者的論證也有其邏輯基礎和歷史支撐。每一次技術革命都曾引發類似的恐懼，每一次人類都找到了新的增長路徑。關鍵在於理解人類活動邊界的擴張規律。
農業革命馴化了動植物，使土地承載力提升了10到100倍。工業革命利用化石能源和機械化，使人均產出提升了10到100倍。信息革命通過互聯網和自動控制，實現了全球知識共享。AI革命正在拓展認知帶寬和決策質量，這是對人力資本本身的升級，而非簡單的替代。
在宏觀層面，人類目前尚未開發利用的資源極其龐大。高原無人區、極寒地區、深海、沙漠和太空，這些區域今天幾乎沒有貢獻任何GDP。在AI輔助下，人類有潛力成百倍千倍地開發利用這些資源。半地下式城市可以在高原和極地實現人類定居，封閉式生態系統可以在沙漠中建立農業和工業，太空太陽能電站可以爲地球提供近乎無限的清潔能源。每一個方向都需要數千萬甚至上億的勞動力來設計、建設和運營。
在微觀層面，基因編輯和分子設計正在打開全新的資源維度。當人類在AI輔助下能夠設計新物種、新材料時，生產製造成本將指數級下降，功能和性能將指數級提升。合成生物學、細胞農業、生物製造等新產業所需的勞動力規模是今天的製造業無法想象的。
還有一個被普遍低估的維度——虛擬世界本身就是憑空創造出來的經濟資源。構建數字孿生城市、元宇宙空間、虛擬世界需要海量的內容創造、交互設計和系統運維。這些工作崗位今天還不存在，但未來可能成爲最主要的就業形式之一。
關於太陽系開發與人口承載力的科學依據，基於奧尼爾圓柱體設計和木星土星軌道的大量物質資源，理論上太陽系可支撐數萬億人口。但這一規模需要在未來200到500年內實現，所需能源、材料和生命維持技術尚未突破。近期可行性更高的是月球水冰開採，提供燃料和生命支持的水源。火星定居可能在2040到2060年間實現，SpaceX的時間表支持這個判斷。小行星採礦的經濟性仍在驗證中，近地小行星鉑族金屬回收的盈虧平衡點約爲5000到10000美元每公斤，而當前地球開採成本約2000到5000美元每公斤，太空採礦尚無成本競爭力。但水冰開採在近月軌道已具經濟可行性，預計在2028到2032年實現突破。
人造子宮技術的進展也爲長期人口發展提供了新的可能性。全球至少有六個團隊在研究全人造子宮，已在羊、豬和小鼠中實現存活至中期。截至2026年，尚無人體臨牀試驗獲批，倫理障礙包括胎兒的法律地位、母體胎兒連接的中斷風險和長期發育影響未知。人體臨牀試驗可能在2028到2032年間啓動，商業化應用最早在2035到2040年。完全取代自然妊娠的時間跨度估計在2050年以後。
八、核心不確定性在哪裏
在樂觀與悲觀之間，有四個核心不確定性將決定未來三十年的走向。
第一個不確定性是AI任務創造能力能否在未來十年內出現。這是決定2030到2040年就業走向的最關鍵變量。McKinsey的樂觀派認爲AI通過增強創造大量新崗位，淨就業爲正。Acemoglu的實證派認爲當前AI是替代型工具，缺乏創造新任務的能力，淨就業爲零或微負。兩個觀點難以調和，反映了學術界對AI本質的根本分歧。如果AI始終保持替代型定位，那麼短期通縮可能演變爲長期停滯。如果AI進化出任務創造能力，那麼2030年之後的新產業爆發將遠超今天的想象。
第二個不確定性是核聚變商業化時間表。這決定了能源成本與經濟增長的極限。廉價能源是一切產業擴張的前提。沙漠改造需要大量能源進行海水淡化和環境調控，太空開發需要低成本推進劑，數字孿生的實時計算需要巨大的電力供給。如果核聚變在2040年前實現商業化，人類面臨的資源約束將大幅放鬆，樂觀主義者的願景更容易實現。
第三個不確定性是全球治理體系能否應對技術性失業和貧富分化。即使AI最終創造了更多就業，轉型期的結構性失業和收入不平等也會造成巨大的社會壓力。歷史經驗表明，制度創新——教育體系改革、社會保障網絡、再培訓基礎設施——是技術革命平穩落地的必要條件。全民基本收入和AI稅收制度可能從學術討論走向政策實踐。
第四個不確定性是地緣政治衝突是否會打斷產業鏈重構與新興產業發展。中美科技脫鉤、區域貿易壁壘、技術標準分裂，都可能延緩全球汽車價格體系重構和新產業發展的節奏。關稅壁壘可以延緩但不能逆轉趨勢，但地緣政治的突然變化可能改變發展路徑。
綜合來看，一個三段式的判斷框架可能是最有解釋力的：短期通縮，2026到2030年，AI替代壓力加大，消費通縮持續，勞動收入份額下降，二手車和新車價格戰傷害資產價格，新興產業仍在早期不足以吸收失業。中期陣痛，2030到2045年，若AI任務創造能力啓動，新產業崛起，遠程操作、數字孿生運維、AI訓練師等崗位成爲新的就業增長點，合成生物學和基因編輯進入成熟期，但結構性失業和貧富差距可能達到頂峯。長期樂觀，2045到2100年，太空經濟從科研轉向產業，元宇宙和數字孿生成爲GDP重要組成，能源無限化可能使資源約束大幅放鬆，人類活動邊界擴展至太陽系尺度。
最終，關於AI時代的未來，最有說服力的可能是歷史給出的啓示。工業革命之前，農業幾乎是人類最主要的產業，大部分GDP集中在農業領域。今天看來，非農產業的經濟總量是農業的多少倍？站在五十年後看今天，我們今天的全部產業加起來的佔比，可能只相當於今天農業在經濟中的佔比。今天還不存在的新的各種產業，在五十年後創造的GDP將是今天所有產業的幾百倍、幾千倍。
但這並不意味着我們可以躺平等未來自動到來。三個條件需要同時滿足：從替代型AI進化爲能創造新任務的AI，再培訓體系效率提升十倍，制度和分配機制確保技術進步的紅利不被少數人獨佔。任何一個條件的缺失，都可能導致從通縮走向長期停滯而非長期繁榮。
汽車產業已經提前發出了信號。新能源車的技術迭代正在重新定義什麼是有價值的資產，全球價格體系正在被中國成本曲線重構，二手車市場正在經歷從本地交易到全球流通的轉變。這些變化既是AI時代經濟變革的縮影，也是理解未來的一個切口。
數據來源說明：本文所用的保值率數據主要來自中國汽車流通協會和精真估的2024到2025年保值率報告，以及美國KBB和ALG的殘值指南。AI就業數據來自高盛2023到2025年系列報告、國際貨幣基金組織2024年工作論文和麥肯錫全球研究院2024到2025年報告。機器人數據來自國際機器人聯合會2025年世界機器人報告。VR和AR數據來自IDC 2026年第一季度全球追蹤報告。太空經濟數據來自太空基金會2025年太空報告。中國宏觀經濟數據來自國家統計局和萬得。學術觀點來自Acemoglu 2025年NBER論文、Autor 2025年多篇工作論文和Korinek 2025年情景分析。