翻譯一本書只要半小時，為什么出版沒有爆炸？

三十年的長跑，才剛剛起步。

文｜陳玉宇

文章來源｜霞光智庫（ID：gh_fdb96a7ef6fb）

從翻譯家的悖論，到現實的摩擦

今天，AI也許只需幾十分鐘，就能把一部上百萬字的英文著作譯成中文。可奇怪的是，翻譯出版并沒有因此爆炸。書店里沒有突然多出一千倍的譯著，讀者也沒有多出一千倍的閱讀時間。這個事實提醒我們：經濟增長不是由最快的機器決定的，而是由最慢的人類、制度與市場環節共同決定的。

翻譯家的悖論，是 AI 時代一個極好的入口。它讓我們看到，單點任務的效率暴漲，并不等于最終產品的數量暴漲；一種技術能力的指數級進步，也不等于宏觀經濟增長率會隨之垂直起飛。AI 可以把某些認知任務的價格迅速壓低，卻不能同時取消版權、編輯、責任、信任、渠道、消費者注意力與市場風險。

在上一篇文章里，我曾試圖說明一件事：AI 真正的意義，并不寫在舊工業的那張表格上，不是“減員增效”四個字所能容納的。若我們只問一個部門能否少雇幾個人、一道流程能否快上幾分鐘、一個崗位會不會被機器頂替，便仍然站在舊世界的坐標里，去想象一項本應改寫坐標的技術。

AI 更深的意義，在于它把人類生產與消費的可行集合向外推開。那些過去做不到、想不到、算不起、也組織不起來的活動，第一次被納入可能性的邊界之內。被替代的崗位有名字，被創造的活動卻大多還沒有名字。舊賬本上寫著“翻譯”“文案”“客服”“程序員”，而新世界里將要生長出怎樣的學習、陪伴、醫療、審美與組織方式，我們眼下尚無言以名之。

這正是價格理論最樸素的智慧：增長從來不是既定菜單上數量的放大，而是可行集的外擴、相對價格的重排、活動邊界的重組，以及人在局部知識中不斷試錯。

然而，承認 AI 推開了可行集的邊界，并不等于接受技術烏托邦主義。近幾年，一種想象越來越流行：既然模型能力可以指數級攀升，參數、算力、推理與自動化程度都在節節上行，那么宏觀經濟增長率也會隨之筆直上升。有人甚至設想，AI 會讓發達經濟體從每年百分之二上下的增長，一躍而至百分之十、百分之二十，乃至更驚人的速度。

這既是對技術能力的崇拜，也是對經濟學的遺忘?，F實世界并不是一條單一生產函數。一個經濟體由產權、組織、信任、責任、肉身、家庭、教育、健康、制度與時間共同組成。一個環節快了，整個系統未必跟著快；一項任務免費了，最終產品未必跟著免費；一種能力爆發了，宏觀總量也未必隨之爆發。

于是，AI 時代最要緊的問題之一，便不再是“機器能不能做”，而是“整個社會系統能不能把它吸收、重組、定價，并擴散開來”。為什么在微觀重組已經如此劇烈的今天，宏觀數據看上去依舊平靜？為什么技術似乎踏上指數曲線，經濟總量卻仍被某種“重力”拉回地面？又為什么，未來三十年里真正會擴張的部門，也許既不是傳統意義上的商品生產，也不是狹義的數字生產，而是人類對自身的再生產？

刺破技術烏托邦：宏觀經濟的“百分之二重力”

在動筆之前，須先把討論對象界定清楚。下面所說的“溫和增長”也好，“百分之二的重力”也好，指的是站在世界技術最前沿的領頭羊經濟體——在今天，最典型的樣本就是美國。前沿經濟體的增長，必須靠自己在無人之境里開辟新路，而不能靠重走別人已經走熟的舊途。至于那些尚在追趕途中的經濟體，它們在一段不短的時間里本來就可以高速增長，因為增長的源頭是收斂與擴散，而不是前沿推進。那是另一篇文章的題目，此處按下不表。

回到前沿。計算機時代曾有過著名的“索洛悖論”：計算機隨處可見，唯獨在生產率統計里看不見它。今天的 AI，也正站在一個相似渡口。萬卡集群、奠基模型、創業公司估值、資本開支、芯片需求與數據中心建設，無一不在狂奔；而宏觀全要素生產率，卻并沒有跟著抬升到同樣的高度。

眼下許多所謂的 AI 繁榮，在現階段首先表現為資本深化。企業買進更多芯片，建起更多數據中心，雇來更多工程師，付出更多云端成本。這自然會掀起投資熱潮，也會重估資本市場對未來現金流的想象。可是，資本深化并不等于全要素生產率的根本躍遷。資本堆得更高，固然能抬高局部產出；但真正的生產率革命，必須表現為同樣的勞動、資本與組織，能夠穩定地產出更多價值。

從蒸汽機、電力、內燃機，到計算機與互聯網，通用目的技術的擴散從來不是一蹴而就。技術問世只是第一步，此后還有漫長得多的路：流程要重寫，制度要適配，人力資本要再訓練，法律責任要重新劃界，行業標準要慢慢成形，消費者習慣也要一點點改變。一項新技術在最初甚至往往會壓低被觀察到的生產率，因為整個社會要耗費大量資源去試錯、遷徙與重組。

這便是宏觀經濟的“百分之二重力”。

這里的“百分之二”，不是一個神秘常數，而是一段歷史經驗：站在前沿的經濟體，在足夠長的時段里，很難持續大幅沖出溫和增長的軌道。技術革命可以掀起局部浪潮，可以改寫產業格局，可以締造龐大的企業與財富，也可以在某些年份里帶來生產率加速；但它很少能讓整個前沿經濟體長久掙脫由教育、健康、組織、法律、家庭、城市與肉身共同構成的現實約束。

AI 當然可能讓未來增長率比過去略高一些。美國在未來三十年里，若能從百分之二升到百分之三，甚至在某些階段觸及百分之四，那已經是極其重大的歷史變化。但若把這樣的變化想象成二十倍的增速，那便是把模型能力曲線錯認成了宏觀經濟曲線。

何以如此？一個要緊緣由，是鮑莫爾的成本病會以新的形式，在 AI 時代重新登場。

當 AI 讓文本、邏輯、編碼、檢索、翻譯、計算、圖像生成這一類認知任務的邊際成本迅速跌落時，那些無法被算法完整替代的部門，反而會變得更貴。深度醫療、心理陪伴、教育中的人格塑造、兒童成長、老人照護、組織領導、公共責任、復雜談判、審美判斷、信任背書，都不只是信息處理。它們包含身體在場、情感共鳴、社會承諾，以及最終必須由人承擔的責任。

在一個高度自動化的經濟里，真正昂貴的東西，漸漸不再是算力，而是人本身。凡是容易自動化的環節，其相對價格趨于下落；凡是難以自動化而需求又不隨之消退的環節，其相對價格便趨于上揚。結果是，高摩擦部門在經濟中的支出占比被動抬升，成為宏觀增速的阻尼器。

這不是技術的失敗，這恰是一般均衡。

翻譯家的悖論：最快的機器，最慢的系統

把翻譯與出版放到生產函數里看，問題會更加清楚。

在技術的那一端，AI 翻譯已近乎奇跡。今天，要把一部上百萬字的英文著作譯成中文，機器也許只消幾十分鐘；而在過去，一位出色譯者或許要耗去兩三年。單看“文本轉換”這一項任務，效率提升不是百分之二十，不是百分之二百，而是千倍、萬倍。

可是，現實里我們并沒有看見翻譯出版的書籍以同樣速度爆炸式涌出。中國市場上從英文、法文、德文、日文譯介而來的高質量書籍，并沒有因為有了 AI 而平添千倍。

原因在于，一本書的面世從來不是“翻譯”這一樁任務，而是一道列昂惕夫式的、固定比例的生產過程。最終產品需要許多互補環節同時到位：選題、版權、合同、翻譯、校對、編輯、審校、裝幀、發行、營銷、渠道、讀者定位、學術背書、法律責任，以及對市場風險的承擔。AI 抹去或大幅壓低了其中一個環節的成本，卻沒有抹去其余環節。

倘若一個生產系統是固定比例的，那么它的效率便不取決于跑得最快的那個環節，而取決于最慢的瓶頸。AI 的翻譯越快，瓶頸也就被照得越亮。

其一，是產權與合規的摩擦?？鐕鏅嗾勁胁粫驗闄C器譯得更快就自動談成。出版社仍要尋得權利人，議定價格，簽下合同，處理授權范圍、電子版權、衍生權利、地區限制與法律責任。一段文本可以在半小時里譯完，一紙版權合同卻可能要談上半年。

其二，是信任與質量的把關。讀者所買的，并不是一堆中文句子，而是一個可以信賴的文本。誰來擔保譯得準確？誰來處置概念、語境、術語、文化轉換與作者風格？誰來承擔出錯之后的聲譽損失？AI 可以生成初稿，最終質量卻仍要倚仗專家、編輯與譯者背書——機器越強，人所擔的責任反而越貴。

其三，是市場風險的發現。一本書究竟值不值得譯，從來不是機器說了算。讀者要不要它，市場容不容得下它，渠道愿不愿推它，評論界談不談它，學校、媒體與知識社群認不認它，都是高度不確定的發現過程。AI 能壓低生產成本，卻消不去需求的不確定。

其四，是注意力與時間的約束?？v使天下的書都在一瞬間被譯出來，讀者也不會因此多出千倍的閱讀時光。知識產品的瓶頸常常不在生產端，而在接受端；人的注意、耐心、理解與心智結構，才是最終稀缺。

這便是所謂“翻譯家的悖論”：翻譯作為一項技術任務，已被暴擊；翻譯出版作為一道社會生產過程，卻并未同步爆炸。

這個例子要說的是：AI 之于經濟的影響，不能只盯著單點任務效率。經濟學所關心的，是最終產品、系統互補，以及一般均衡。一項任務的邊際成本歸零，并不等于一個產業的邊際成本歸零。機器可以跑得極快，社會系統卻仍要經過制度、組織與人這些節點。

物質生產如此，數字生產如此，醫療、教育、文化、法律、金融、科研與政府治理，更是如此。

未來三十年的轉軌：從商品的重組，到人對自身的再生產

短期來看，AI 帶來的主要景象，并不是宏觀總量的爆炸，而是生產要素的劇烈重組。

企業內部的工作流將被重寫。崗位會消亡，也會變形。許多原先倚賴規則遵循、文本處理、標準化分析與考試型認知的工作，會迅速貶值；與此同時，新的活動、新的流程、新的職業還沒有安穩的名字。這個階段必將充滿摩擦成本：員工要重新受訓，組織要重新分工，管理層要重新界定責任，法律要重新劃線，消費者也要重新學習信任。

所以在短期里，我們也許會看到一種古怪組合：微觀層面已經翻天覆地，宏觀層面卻相對平靜。企業里的每個人都覺得 AI 改變了自己的工作，可統計表上的生產率增速依舊不算驚人。這并非矛盾，而是轉型期的典型狀態——技術紅利被重組成本悄悄抵銷。

中期來看，真正深刻的變化，會發生在人類能力結構之上。

過去幾十年里，現代教育與勞動力市場所獎勵的，是一套相當特殊的能力：考試能力、規則遵循能力、文本理解能力、標準化計算能力、組織內晉升能力、穩定執行能力。而 AI 最先沖擊的，恰恰正是這一套。但凡可以被清楚描述、可以被規則化、可以被訓練數據覆蓋、可以由語言模型模擬的能力，都將經歷相對價格下落。

那么，什么會變貴？

健康、體力、容貌、表達、感染力、領導力、風險擔當、審美判斷、同理心、心理韌性、責任感、可信任品質、現場臨在、組織動員能力、跨界創造能力。這些能力，過去常被經濟學歸入“非認知能力”或“軟技能”，可在 AI 時代，它們會越來越“硬”。因為當機器能夠包攬越來越多認知任務時，人與人之間的差別，便會更多落在身體、情感、品格、風格、信任與組織之上。

由此可以引出一個更大的判斷：未來三十年，全社會規模最大、也最為核心的生產部門，或許會是“提升人類自身”。

所謂“提升人類自身”，不是狹義的教育，也不是傳統意義上的人力資本投資。它不是把人訓練成機器的補充，而是把人塑造成更完整、更有活力、更可信賴、也更富創造力的生命。

若把人類自身的再生產拆開看，至少有三個層次。第一層是生物性再生產，包括健康、體力、營養、壽命、慢病管理與兒童發育。第二層是心理與人格再生產，包括韌性、自控、責任感、信任能力與情緒穩定。第三層是社會性能力再生產，包括表達、審美、領導、感染、合作與組織動員。AI 越是降低標準化認知任務的價格，這三類能力的影子價格就越會上升。

因此，兒童早期發展、家庭陪伴、體育訓練、營養、醫療、心理健康、審美教育、表達訓練、社交能力、人格塑造、風險教育、領導力培養、老年照護、慢病管理、親密關系、社區生活與精神秩序，將越來越不像邊緣消費，而更像未來經濟的核心生產活動。

工業時代，第一大的生產部門是物質生產；信息時代，數字與認知處理迅速擴張；到了 AI 時代，當尋常認知任務被大規模自動化之后，邊際收益最高的那片區域，便會重新回到人類自身。

這聽起來像一句人文主義口號，可它其實不過是價格理論的推論。哪一種能力變得相對稀缺、相對昂貴，資源、努力與才智便會被吸引到那里去。AI 讓某些認知勞動變得便宜，于是人身上那些不可自動化、不可壓縮、不可復制的屬性，就變得昂貴起來。經濟增長的重心，或將由此慢慢地，從“生產更多的物”，移向“養成更好的人”。

統計口徑的重構，與成本法的回歸

倘若這個判斷站得住，那么傳統 GDP 核算體系將承受越來越大的壓力。

現行國民經濟核算本是工業時代的產物。它善于記錄商品、服務、工資、投資與市場交易，卻拙于記錄家庭內部的人之發展、未被貨幣化的體驗、人格能力的提升、健康質量的改善、心理韌性的積累，以及社會信任的形成。許多真正要緊的生產活動，要么發生在市場交易之外，要么被低估為一筆消費支出。

譬如，一個家庭花大量時間陪孩子讀書、運動、表達、社交、探索，這在傳統 GDP 里幾乎看不見?？蓮奈磥斫洕难酃饪?，這或許正是在生產最稀缺的資產。一個社會若能系統性地抬高孩子的健康、心理韌性、表達與創造之力，它所創造的未來生產能力，將遠遠超過許多被完整記錄在冊的短期商品交易。

更微妙的是，隨著 AI 把傳統數字商品、文本產品與一部分服務的邊際成本壓低，舊口徑之下的經濟規模，甚至可能被低估，乃至被扭曲。一個社會真實福利或許已大幅抬升，貨幣交易額增長卻相當有限；它也可能把越來越多資源投到人的發展之上，卻被統計成消費，而非投資。

正因如此，未來三十年，國民經濟核算體系勢必要把邊界擴展到人的能力上來。教育、健康、心理、家庭、照護、體育、審美與人格的發展，不該再只被算作福利部門或消費部門，而應被理解為人類對自身進行再生產的部門。

只是在這個領域里，價格核算會異常困難。一個“更健康、更有感染力、更有責任感、也更敢于擔當風險”的人，沒法像一臺機器、一套軟件或一噸鋼鐵那樣，被某個中心化算法精準標價。人的發展高度異質，價值常常要在許多年之后才顯現，又受家庭、社區、文化與制度環境共同牽引。

也正因如此，成本法會重新變得重要。

當產出難以被直接定價時，度量一個系統為之耗費的真實資源投入，不失為一種務實的經濟學辦法。我們可以記錄：一個社會在兒童發展、教育質量、心理健康、體育運動、慢病管理、老人照護、家庭支持與社區建設之上，究竟投下了多少時間、勞動、資本與組織。未來的經濟增長，在很大程度上，將表現為這個系統對人類自身發展投入的增長。

這樣的增長，或許會讓宏觀經濟比過去快上一些。因為人對自身的再生產本就有極大擴張空間，也正好可以承接 AI 釋放出來的資源。但它斷然不會像技術烏托邦所想象的那樣垂直騰空而起。道理很簡單：人的肉身發育、情感共鳴、信任形成、人格塑造與代際繁衍，都自有其不可壓縮的生物學與社會學周期。

一個孩子沒法在三個月里長成完整的人。一個人的品格沒法靠一次模型升級來成就。一個家庭的生產函數沒法被一紙行政命令重寫。一個社會的信任與審美，也沒法由中心服務器統一生成。

AI 可以加速工具，卻取消不了成長。

給新世界的長跑，留下制度的空間

AI 時代最大的危險之一，是一種新的、中心化的計劃沖動。因為 AI 看上去無所不知，大模型可以處理海量信息，算法可以生成方案、預測行為、評估績效、分配資源，許多人便會生出一種新的烏托邦想象：既然市場有摩擦，既然人會犯錯，既然機器更聰明，那就讓中心系統決定資源如何配置，讓算法規劃產業，讓平臺規定教育，讓指標定義優秀，讓行政力量塑造那個“未來的人”。

這是一種危險的、致命的自負。

越是走進“提升人類自身”的時代，便越不能倚賴中心化計劃。因為人的發展極度倚賴局部知識。每個孩子的天賦不同，每個家庭的約束不同，每個社區的文化不同，每個人的心理結構不同，每一個市場機會也不同。沒有任何一個中心機構能夠預先知曉：未來三十年里，究竟哪些能力、哪些活法、哪些職業、哪些審美、哪些組織形式，才會真正有價值。

公共機構當然要緊。但它的本分，不是規定完美人類應有的模樣，不是用行政指標整齊劃一地塑造人格，更不是把 AI 變成新的計劃工具。公共機構更該做的，是托底、糾偏、賦能：幫那些薄弱家庭改善其人之發展的生產函數，提供基本教育與醫療保障，護著孩子不致跌入極端不利處境，削平機會不平等，立下基本規則與責任邊界。

市場當然也不是完美的。它會短視，會制造焦慮，會放大不平等，會獎賞表面的魅力而非深處的能力。然而，市場作為一架分布式試驗裝置，仍然無可替代。它容許無數家庭、學校、企業、社區與個人，在各自的局部知識里試錯；它容許新的活動被發現，新的需求被表達，新的職業被命名，新的活法被驗證。它所守護的，是人類潛能的開放性。

價格理論的復歸，并不是要退回舊日的市場原教旨主義，而是要重新理解市場為什么重要。市場重要，不單單因為它有效率，更因為在一個未來不可知、能力各異、需求尚未命名的世界里，唯有市場容許一個社會進行分布式探索。

AI 推開了可行集的邊界，而現實摩擦決定了它擴散的速度。技術打開了新世界的大門，而人對自身的再生產，決定了我們究竟能否真正走進去。

未來三十年，不會是宏觀數字垂直騰飛的神話，而會是一代人的長跑。舊能力將貶值，新能力將現身；舊部門將收縮，新部門將擴張；舊統計將失靈，新核算將成形；舊教育將在痛苦中轉型，而家庭、健康、心理、表達、審美與責任，將成為新的生產核心。

為新世界留下市場，便是為那些尚未命名的活動留下空間。為家庭與個人留下選擇，便是為那些尚未顯現的人類潛能留下道路。

AI可以生成文本、圖像、代碼與方案。但未來真正稀缺的，仍然是那能夠健康成長、勇敢擔當、深切理解他人、敏銳發現機會、從容組織合作、并認真創造生活的——人。

三十年的長跑，才剛剛起步。