[论文解读] Abundant Intelligence and Deficient Demand: A Macro-Financial Stress Test of Rapid AI Adoption

Xupeng Chen|arXiv (Cornell University)|Mar 10, 2026

Complex Systems and Time Series Analysis被引用 0

一句话总结

该论文形式化了一个宏观金融压力测试，展示快速 AI 采用如何与之共存，或通过分布与契约错配、替代-重新确立动力学、速度效应以及中介压缩，触发宏观经济收缩。

ABSTRACT

We formalize a macro-financial stress test for rapid AI adoption. Rather than a productivity bust or existential risk, we identify a distribution-and-contract mismatch: AI-generated abundance coexists with demand deficiency because economic institutions are anchored to human cognitive scarcity. Three mechanisms formalize this channel. First, a displacement spiral with competing reinstatement effects: each firm's rational decision to substitute AI for labor reduces aggregate labor income, which reduces aggregate demand, accelerating further AI adoption. We derive conditions on the AI capability growth rate, diffusion speed, and reinstatement rate under which the net feedback is self-limiting versus explosive. Second, Ghost GDP: when AI-generated output substitutes for labor-generated output, monetary velocity declines monotonically in the labor share absent compensating transfers, creating a wedge between measured output and consumption-relevant income. Third, intermediation collapse: AI agents that reduce information frictions compress intermediary margins toward pure logistics costs, triggering repricing across SaaS, payments, consulting, insurance, and financial advisory. Because top-quintile earners drive 47--65\% of U.S.\ consumption and face the highest AI exposure, the transmission into private credit (\$2.5 trillion globally) and mortgage markets (\$13 trillion) is disproportionate. We derive eleven testable predictions with explicit falsification conditions. Calibrated simulations disciplined by FRED time series and BLS occupation-level data quantify conditions under which stable adjustment transitions to explosive crisis.

研究动机与目标

• 通过分布与契约错配 formalize 快速 AI 采用如何与总需求和金融市场互动。
• 提出三种机制——替代螺旋与任务重新确立、Ghost GDP/速度崩溃、以及中介压缩——以评估脆弱性。
• 提供可证伪的预测、经验基础和经过标定的仿真，以识别稳定与爆炸性危机两种情形。
• 使用一个形式框架将微观层面的 AI 生产率效应联系到宏观金融脆弱性，并给出可检验命题。

提出的方法

• 采用基于任务的生产框架，其中 AI 自动化一组可衡量的任务，并对任务进行 CES 汇聚。
• 用对 adoption dynamics 的 logistic 扩散函数定义 AI 能力增长、扩散速度与替代成本。
• 引入三条核心机制：带有重新确立效应的替代螺旋、Ghost GDP（由速度驱动的需求错测）、以及中介利润率压缩。
• 推导在劳动力份额和需求稳定、强化或爆炸性衰退之间的条件的命题。
• 使用 FRED 时间序列和 BLS 职业数据对模型进行标定，以模拟情景并生成可检验的预测。

Figure 1 : Macro preconditions for the displacement spiral. (a) Labor share (BLS, FRED series PRS85006173) has declined $\sim$ 19% from its 1960 peak. (b) M2 velocity (FRED series M2V) has declined 36% from its 1997 peak, consistent with Proposition 2 . (c) Ghost GDP proxy: divergence between real G

实验结果

研究问题

• RQ1 在何种条件下 AI 驱动的替代与重新确立会导致自我限制的或爆炸性劳动份额动态？
• RQ2 AI 驱动的产出替代如何影响货币速度以及被消费相关收入的 measured GDP（Ghost GDP）之间的差距？
• RQ3 各行业中中介利润率压缩在多大程度上发生，以及这如何与宏观金融传导互动？
• RQ4 消费在高收入五分位中的集中性如何通过放大宏观金融冲击的传导路径？
• RQ5 哪些政策或制度性反应能够将系统从危机转向稳定调整？

主要发现

• 三种机制引发宏观困境：带有再制度化潜力的替代螺旋、Ghost GDP 速度崩溃，以及各服务领域的中介利润率压缩。
• 模型嵌套的情形包括重新确立抵消替代的稳定替代路径，或取决于 AI 能力增长与重新确立率而出现稳定的替代路径或爆炸性替代路径。
• Ghost GDP 意味着当劳动收入份额下降时货币速度下降，在快速 AI 过渡期间使常规需求指标误导。
• 由于 AI 降低信息摩擦，中介利润率向一个固定下限压缩，在 SaaS、支付、咨询等摩擦驱动型行业 exposure 更高。
• 消费集中度提高，因高收入人群推动大量消费且面临更高的 AI 曝露，增强传导对信贷与抵押市场的冲击。
• 标定仿真显示在政策应对与适应速度的不同下，快速 AI 采用可能从稳定调整转向爆炸性危机的条件。
• 该框架给出十一条可检验的预测与在 FRED 与 BLS 数据经验时刻基础上的可证伪条件。

Figure 2 : Occupation-level evidence: AI exposure and wage outcomes. (a) Nominal wage growth (2019–2023) vs. AI exposure ( $\beta=-6.53$ , $p<0.01$ ). (b) Real wage growth after adjusting for 18% CPI inflation. (c) Pre-trend placebo (2015–2019): the significant negative slope ( $\beta=-3.86$ , $p<0.