如果人工智慧是新的成長引擎，為何儀表板仍閃爍警示燈？投資人自我說服的故事很簡單：AI 提升生產力，關稅保護就業，GDP 上升。現實看起來更像是減法而非加法。AI 帶來新的波動與衡量誤差。關稅推高價格並縮減產能。兩者合併，系統在負載下開始嘎嘎作響。誰來付帳？消費者、較小的供應商，以及任何依賴順暢全球供應流動的人。
正確的問題不是 AI 在模型中能提高多少 GDP，而是它如何在系統中傳播風險。當機器驅動的決策在市場與支付領域擴展時，央行已開始提出穩定性疑慮。研究者在繪製通用 AI 的系統性風險時，指認出一系列危害，從歧視與治理失敗到協調崩潰。共同線索是知識缺口與對損害的延遲識別。把它想像成在飛行中調校飛機引擎，同時還在重寫操作手冊。極端情況不是小麻煩。它是決定損失分布的模式。在市場上，這表現為更厚的尾部、更快的回饋，以及當事情出錯時較少的人為介入點。
關稅不會蓋工廠或培養工人。它們改變的是價格與談判力量。成本轉嫁不均、常有延遲，最終落到消費者通膨與實質需求下滑。我們已見經濟學家在關稅擴張時下調成長預期並上調通膨預測。預測將美國 GDP 成長削減至近乎停滯並抬高底層通膨並非政治性說法，而是會計事實。關稅推高成本曲線並以摩擦重接供應鏈，但並不產生額外產出。公司試圖繞道而行。但繞道並非免費的。當產能緊俏時，關稅會暴露系統的瓶頸，並在物流上造成非線性定價。小震盪等於小結果的數學不再成立。
GDP 帳本對無形收益的捕捉緩慢，對價格上漲的記錄卻很快。這一差距扭曲政策。我們以前見過這樣的情況：電腦與網路熱潮在生產力數據反映之前就已重塑企業。今日的 AI 炒作更多依賴示範與簡報，而非經審計的單位經濟數據。收益存在，但分布不均且難以歸因。與此同時，AI 擅長優化已被量測的目標——正是你在脆弱系統中必須擔心的事物。古德哈特定律強而有力地適用：被測量的就會被操弄。一個壓縮客服通話時長的模型看起來很有效，直到用戶流失激增。一個在平靜市場中最大化成交命中的交易模型，會積累對罕見流動性斷層的隱性曝險。我們計算短期節省；卻忽略長尾負債。
系統性風險不是從頭條新聞開始的。它始於底層管線。Jon Danielsson 對微結構的研究顯示流動性、激勵與監管如何互動，將局部錯誤轉化為系統性事件。加入 AI，傳播速度加快。以相似資料訓練的模型會追逐相似信號。當遇到政權轉換——例如在邊境扭曲價格的關稅衝擊——它們的假設會同時失靈。做市商撤退，價差擴大，回測中有效的對沖消失。保證金追繳先打擊最脆弱的持有人，然後向上蔓延。結算所提高折扣率。原本看似在緊縮價差中的科技紅利，會在人人搶同一個出口時變成波動稅。風險不是憑空出現；它在寂靜中累積。
關稅引來報復、豁免與遊說。這場博弈是迭代且常常有悖效益的。一項旨在平衡競爭環境的關稅，可能鞏固能負擔合規成本並把成本轉嫁給被綁定客戶的既有企業。外國夥伴會以牙還牙。結果是一個囚徒困境：每個個體在孤立時看起來理性，但整體變得更糟。AI 也走一條平行路徑。企業爭相部署通用模型以免落後，即便治理、稽核與資料來源尚未準備就緒。報酬矩陣獎勵速度勝過安全。這就是系統性曝險如何累積——每一步的小優勢，當序列反轉時會帶來巨大損失。
過去十年崇尚效率。下一個十年將定價冗餘。在自然與工程中，能在壓力下存活的系統具有鬆弛、緩衝與模組化失效模式。為了最小化庫存與最大化準時生產而建立的全球供應鏈，無法在不流失利潤或量的情況下吸收關稅衝擊。AI 的集中化也創造出單一故障點。如果少數雲端供應商承載大部分推理服務，且少數模型架構佔優，則一個錯誤、漏洞或政策變更可能在一夜之間引發停機、法律風險或合規成本。橋樑的類比適用：僅能承受平均負載不足以令人安心。你需要為動態載荷、風剪與糟糕維護準備安全係數。企業資產負債表與國家政策亦同理。
投資人買入 AI 敘事，低估關稅現實。這反映在指數集中度、估值差異與低估路徑風險的隱含波動中。人們習慣錨定於簡潔故事——AI 等於生產力、關稅等於回流——而忽略條件機率。若 AI 的進展是真實的，但大部分價值歸入投入壟斷者與規模化業者；若關稅提升名義銷售但壓縮實質利潤並在通膨再加速時壓縮倍數呢？偏誤是外推短期示範成果，忽視像合規、能源與供應商鎖定這類緩慢累積的成本。與此同時，投組對沖常常是向後看的——防禦上個週期的衝擊，而非下一個。
別聽鼓吹，觀察底層管線。三組訊號重要。第一，轉嫁程度指標：進口價格對核心商品 CPI、PPI-CPI 差距，以及企業在附加費目錄上的揭露。如果轉嫁持續上升而交易量停滯，關稅成本正落在估值最高處。第二，生產力現實檢核：每位員工營收、毛利減去雲端與能源支出，以及 AI 部署後的服務水準。如果 AI 節省成本但侵蝕服務或引入合規風險，收益是虛幻的。第三，市場微結構壓力：交易商庫存、書深度指標，以及 CCP 的保證金要求。深度緊繃而零售選擇權流量高，是跳空風險的佈局。定位不是靠內線消息，而是減少對單一故障點的曝險，避免對脆弱現金流的槓桿，並偏好具有多元採購、冗餘基礎設施與把 AI 當作受控流程而非噱頭的治理成熟公司。
簡短答案是消費者與小供應商，且有時滯後。長答案更為複雜：資本進口國人會通過更高的融資成本來付出，因為通膨風險溢酬上升；出口商在其投入受損且競爭力削弱時也會付出代價；即便受保護的產業，在外國市場因報復性配額關閉需求時也會受損。終極狀態不是降低全球依賴，而是改變依賴方式，伴隨更高成本與更多波動。這並非致命，而是一項設計選擇。但設計必須是明確的。提高摩擦的政策應當配合對產能、物流與能源的投資。採用 AI 的企業應將部署與控管、稽核與備援並行。否則，我們是在加載橋樑卻不拓寬它。
標題中的方程式是一種挑釁，而非算術。AI 不是零。關稅也非純粹有害。危險在於在未分析系統動態前便假設淨效果。AI 可以放大生產力，也可以放大衝擊。關稅可以改變談判力量，也可以縮減韌性供應。把情況顛倒來想。問問如果共識錯了，什麼會壞掉？如果下一次下跌始於某個雲端區域，而不是銀行呢？如果價格管制以採購 AI 的規則偽裝而來呢？如果保護某個產業的關稅提升了供應所有人模型所需半導體的成本呢？在那個世界，贏家將是那些設計冗餘、為尾部風險編列預算，並抵抗簡報上平滑曲線帶來虛假安慰的人。脆弱與反脆弱的差別不是樂觀，而是設計。
