华尔街找到受害者的速度，总比找到原因快。在夸张的 AI 发布之后，投资者抛售保险、房地产和财富管理板块，寻找下一个白领受害者。这是显而易见的交易。更安静的风险是基于计费小时、层层建议和承载学徒制的办公场所的商业模式被逐步、复合地侵蚀。市场在对裁员定价。它们应该对费用崩溃、模型单一化和责任尾部风险定价。
第一波总是整齐划一。一次头条模型演示，某些成本结构看起来可替代的行业出现红色柱状。但技术冲击不是子弹。它们是潮汐。ATM 并没有杀死柜员；它改变了分行和工作的形态。互联网泡沫并没有终结电子商务；它教会了资本配给。今天的 AI 很可能也会以同样方式运作：大规模承诺，部署不均，然后慢慢重塑。Council of Economic Advisers 估计约 10% 的美国劳动者高度脆弱。MIT 与 Oak Ridge 的模拟将替代上限定在接近 11.7% 的劳动力，或大约 1.2 万亿美元的工资和福利。两个数字都让投资者担忧，但两者也隐藏了路径。一个系统可以在头条百分比下幸存，却在许多公司同时削减同一梯子同一横档时破裂。那里就是脆弱性的所在。
财富管理面临一个简单的博弈论问题。当信息和基础投资组合构建变得更便宜时，第一个降主动管理费的公司会赢得市场份额并设定新的价格锚点。机器人工具和大型语言模型让资产配置和税损收割看起来像商品。建议从资产的 1% 迁移到基点。保险也面临同样问题。如果承保和理赔分流变得更快、更准确，分销的价值就会缩水，客户所有权会转移到控制界面的那一方。电信类比适用：管道变聪明且长途变得罕见后，通话分钟价格接近于零，利润随之下降。投资者看到裁员并鼓掌，却忽视了可能持续数年的费用挤兑动态，这将把行业营收池挤压得远超人员削减带来的影响。
物业股因 AI 恐慌被抛售，原因很单一：需要工位的文员工作减少。但那只是一级效应。写字楼不仅仅是房地产；它们是培训场所。如果 AI 瓦解了法律、咨询、保险和金融领域的入门级角色，去办公室的日常逻辑就会减弱。初级员工减少、团队规模变小，对大面积和高租金核心区的需求下降。冲击不是单一的空置周期，而是需求函数的持续降级。历史提供了一个粗糙的类比。集装箱并不只是让港口更高效；它掏空了与码头劳动相关的整个街区。写字楼的风险类似。以商业税基为支撑的市政预算会被压缩，次级市场迟来但会遭受重创。上市 REITs 今天已经释放了一些信号。真正的重新定价会随着时间落在私有账簿、贷款契约和市政债券上。
最有价值的资产从未出现在资产负债表上：那是一条五年后仍然会做这项工作的人才管道。AI 通过吞噬训练判断力的任务来威胁这点。没有初级分析师去构建模型。没有一年级律师去起草备忘录。通过弥散传递的默会知识减少。删掉这些成本对短期损益表有利，但中期使系统变脆弱。航天业通过学习曲线学到了这一点：重复练习会降低成本和错误率，但前提是练习真的发生。削减重复就会导致熟练劳动力短缺和延迟。有研究者警告称，削减入门岗位会造成合格专业人员的系统性短缺。今天的节省会变成明天的项目超支、合规失败和服务瓶颈——这些风险不会出现在头条，但会出现在利润率和理赔上。
保险公司、经纪人和顾问不会从零开始构建定制 AI。大多数会租用现成方案。这既高效又危险。当许多公司接入相同模型时，它们继承相同的盲点。相关性错误会破坏系统。2007 年 VaR 的安全毯失败并不是因为实验室里的数学错了，而是因为每个人都用了相同的假设。Goodhart 定律加剧了压力：一旦模型目标变成目标，它就不再是好的目标。结果是对风险的同步误定价、同步的销售话术、当某物偏离分布时的同步否认。用博弈论的话说，这是伪装成效率的协调失败。抗拒军备竞赛的公司看起来愚蠢，而同行在削减成本。然后一宗厚尾失误到来，大家因为同样的原因看起来都一样。
一些经济学家认为白领放缓更多是由利率、财政拖累和商业周期造成，而非 AI。他们有道理。把每一次疲弱的岗位数据都归咎于 AI 是偷懒。但投资者不应将归因混淆为暴露。AI 仍能加速已有的费用压力，并提前客户拒付机器能完成任务的那一天。这就是利润率陷阱。1990 年代的 ERP 热潮承诺流程奇迹。它确实带来了成本削减——但竞争将大部分收益传递给了买方。生产力上升，利润却未必如期增长。可预见会重演。生成式工具能提高写作、编程和分析的产出，也使这些产出更易被替代。价格遵循下一可选方案的边际成本。如果下一可选方案又便宜又足够好，人类溢价就会缩小。市场需要对这一点定价，而不仅是对实现这一变化的人员减少定价。
每一次自动化浪潮都会创造新的责任链。当 AI 推荐投资组合、拒赔或起草遗漏条款的合同时，谁要为此负责？顾问？承保方？软件供应商？法院和监管机构会慢慢判定。在此期间，差错与遗漏保险公司承接了它们从未大规模承保过的风险。原告律师团也会采用这些同样的工具，使证据发现更快、索赔更大。这是一个厚尾过程。一段时间的小胜可以被确立判例的一宗异常案例抹去。如果很多公司使用相似模型，这些异常就不是偶发的；它们是系统性的。AI 已经证明它能写报告和解析数据，这也意味着它能使错误标准化。当损失假设一起移动时，保险周期是无情的。
行为位于核心。投资者喜欢清晰的叙事和快速回报。他们过度重视短期成本节省而低估二阶效应。他们把不确定性当作可以分散的风险，而不是应该被尊重的无知。从概率角度看，他们交易均值却忽视方差。从战略角度看，他们在重复囚徒困境中过早背叛，这并非长期最优，而是当季可辩护。Roosevelt Institute 警告不要过度把当下劳动力数据的责任归于 AI 是正确的。但这并不免除公司建模 AI 如何改变议价能力、定价和错误相关性的必要性。真实经济是沙堆。你可以往上撒许多粒沙并称每次滑落为异常，或者接受堆的形状比最后一粒更重要。
更好的问题不是下一个被裁谁，而是谁能从波动中变强。反脆弱的公司在关键处保留冗余，将工作流模块化，并在杠杆最高的环节保持人类判断。它们避免对单一供应商的依赖。它们建立内部红队，用对抗性数据去压力测试模型。它们将决策与预测分离，使工具提供信息但不下命令。它们愿意在前期接受一点低效以防止后期重大失败——就像桥梁使用多于最低限度的钢材。它们在电子表格反对时仍投资学徒制资本。它们把责任放在做决定的人身上，使错误能教会具体的人具体的教训，而不是仅仅触发供应商工单。这些都不光鲜，但都能构建持久力。
华尔街会继续猎寻下一个 AI 受害者。它应该这样做。价格是信号。但这个故事的核心不是某季度的裁员人数，而是白领工作的悄然重新定价、费用的慢速挤兑、维持系统创新的人才管道，以及没人看到直到人人都看到的相关性错误。那里才是真正的脆弱所在——当下一次断裂来临时，事后看起来才会显得显而易见。
