翻译一本书只要半小时，为什么出版没有爆炸？

文 | 霞光智库，作者 | 陈玉宇（北京大学光华管理学院教授、北京大学经济政策研究所所长） 今天，AI 也许只需几十分钟，就能把一部上百万字的英文著作译成中文。可奇怪的是，翻译出版并没有因此爆炸。书店里没有突然多出一千倍的译著，读者也没有多出一千倍的阅读时间。这个事实提醒我们：经济增长不是由最快的机器决定的，而是由最慢的人类、制度与市场环节共同决定的。 翻译家的悖论，是 AI 时代一个极好的入口。它让我们看到，单点任务的效率暴涨，并不等于最终产品的数量暴涨；一种技术能力的指数级进步，也不等于宏观经济增长率会随之垂直起飞。AI 可以把某些认知任务的价格迅速压低，却不能同时取消版权、编辑、责任、信任、渠道、消费者注意力与市场风险。 在上一篇文章里，我曾试图说明一件事：AI 真正的意义，并不写在旧工业的那张表格上，不是“减员增效”四个字所能容纳的。若我们只问一个部门能否少雇几个人、一道流程能否快上几分钟、一个岗位会不会被机器顶替，便仍然站在旧世界的坐标里，去想象一项本应改写坐标的技术。 AI 更深的意义，在于它把人类生产与消费的可行集合向外推开。那些过去做不到、想不到、算不起、也组织不起来的活动，第一次被纳入可能性的边界之内。被替代的岗位有名字，被创造的活动却大多还没有名字。旧账本上写着“翻译”“文案”“客服”“程序员”，而新世界里将要生长出怎样的学习、陪伴、医疗、审美与组织方式，我们眼下尚无言以名之。 这正是价格理论最朴素的智慧：增长从来不是既定菜单上数量的放大，而是可行集的外扩、相对价格的重排、活动边界的重组，以及人在局部知识中不断试错。 然而，承认 AI 推开了可行集的边界，并不等于接受技术乌托邦主义。近几年，一种想象越来越流行：既然模型能力可以指数级攀升，参数、算力、推理与自动化程度都在节节上行，那么宏观经济增长率也会随之笔直上升。有人甚至设想，AI 会让发达经济体从每年百分之二上下的增长，一跃而至百分之十、百分之二十，乃至更惊人的速度。 这既是对技术能力的崇拜，也是对经济学的遗忘。现实世界并不是一条单一生产函数。一个经济体由产权、组织、信任、责任、肉身、家庭、教育、健康、制度与时间共同组成。一个环节快了，整个系统未必跟着快；一项任务免费了，最终产品未必跟着免费；一种能力爆发了，宏观总量也未必随之爆发。 于是，AI 时代最要紧的问题之一，便不再是“机器能不能做”，而是“整个社会系统能不能把它吸收、重组、定价，并扩散开来”。为什么在微观重组已经如此剧烈的今天，宏观数据看上去依旧平静？为什么技术似乎踏上指数曲线，经济总量却仍被某种“重力”拉回地面？又为什么，未来三十年里真正会扩张的部门，也许既不是传统意义上的商品生产，也不是狭义的数字生产，而是人类对自身的再生产？ 在动笔之前，须先把讨论对象界定清楚。下面所说的“温和增长”也好，“百分之二的重力”也好，指的是站在世界技术最前沿的领头羊经济体——在今天，最典型的样本就是美国。前沿经济体的增长，必须靠自己在无人之境里开辟新路，而不能靠重走别人已经走熟的旧途。至于那些尚在追赶途中的经济体，它们在一段不短的时间里本来就可以高速增长，因为增长的源头是收敛与扩散，而不是前沿推进。那是另一篇文章的题目，此处按下不表。 回到前沿。计算机时代曾有过著名的“索洛悖论”：计算机随处可见，唯独在生产率统计里看不见它。今天的 AI，也正站在一个相似渡口。万卡集群、奠基模型、创业公司估值、资本开支、芯片需求与数据中心建设，无一不在狂奔；而宏观全要素生产率，却并没有跟着抬升到同样的高度。 眼下许多所谓的 AI 繁荣，在现阶段首先表现为资本深化。企业买进更多芯片，建起更多数据中心，雇来更多工程师，付出更多云端成本。这自然会掀起投资热潮，也会重估资本市场对未来现金流的想象。可是，资本深化并不等于全要素生产率的根本跃迁。资本堆得更高，固然能抬高局部产出；但真正的生产率革命，必须表现为同样的劳动、资本与组织，能够稳定地产出更多价值。 从蒸汽机、电力、内燃机，到计算机与互联网，通用目的技术的扩散从来不是一蹴而就。技术问世只是第一步，此后还有漫长得多的路：流程要重写，制度要适配，人力资本要再训练，法律责任要重新划界，行业标准要慢慢成形，消费者习惯也要一点点改变。一项新技术在最初甚至往往会压低被观察到的生产率，因为整个社会要耗费大量资源去试错、迁徙与重组。 这便是宏观经济的“百分之二重力”。 这里的“百分之二”，不是一个神秘常数，而是一段历史经验：站在前沿的经济体，在足够长的时段里，很难持续大幅冲出温和增长的轨道。技术革命可以掀起局部浪潮，可以改写产业格局，可以缔造庞大的企业与财富，也可以在某些年份里带来生产率加速；但它很少能让整个前沿经济体长久挣脱由教育、健康、组织、法律、家庭、城市与肉身共同构成的现实约束。 AI 当然可能让未来增长率比过去略高一些。美国在未来三十年里，若能从百分之二升到百分之三，甚至在某些阶段触及百分之四，那已经是极其重大的历史变化。但若把这样的变化想象成二十倍的增速，那便是把模型能力曲线错认成了宏观经济曲线。 何以如此？一个要紧缘由，是鲍莫尔的成本病会以新的形式，在 AI 时代重新登场。 当 AI 让文本、逻辑、编码、检索、翻译、计算、图像生成这一类认知任务的边际成本迅速跌落时，那些无法被算法完整替代的部门，反而会变得更贵。深度医疗、心理陪伴、教育中的人格塑造、儿童成长、老人照护、组织领导、公共责任、复杂谈判、审美判断、信任背书，都不只是信息处理。它们包含身体在场、情感共鸣、社会承诺，以及最终必须由人承担的责任。 在一个高度自动化的经济里，真正昂贵的东西，渐渐不再是算力，而是人本身。凡是容易自动化的环节，其相对价格趋于下落；凡是难以自动化而需求又不随之消退的环节，其相对价格便趋于上扬。结果是，高摩擦部门在经济中的支出占比被动抬升，成为宏观增速的阻尼器。 这不是技术的失败，这恰是一般均衡。 把翻译与出版放到生产函数里看，问题会更加清楚。 在技术的那一端，AI 翻译已近乎奇迹。今天，要把一部上百万字的英文著作译成中文，机器也许只消几十分钟；而在过去，一位出色译者或许要耗去两三年。单看“文本转换”这一项任务，效率提升不是百分之二十，不是百分之二百，而是千倍、万倍。 可是，现实里我们并没有看见翻译出版的书籍以同样速度爆炸式涌出。中国市场上从英文、法文、德文、日文译介而来的高质量书籍，并没有因为有了 AI 而平添千倍。 原因在于，一本书的面世从来不是“翻译”这一桩任务，而是一道列昂惕夫式的、固定比例的生产过程。最终产品需要许多互补环节同时到位：选题、版权、合同、翻译、校对、编辑、审校、装帧、发行、营销、渠道、读者定位、学术背书、法律责任，以及对市场风险的承担。AI 抹去或大幅压低了其中一个环节的成本，却没有抹去其余环节。 倘若一个生产系统是固定比例的，那么它的效率便不取决于跑得最快的那个环节，而取决于最慢的瓶颈。AI 的翻译越快，瓶颈也就被照得越亮。 其一，是产权与合规的摩擦。跨国版权谈判不会因为机器译得更快就自动谈成。出版社仍要寻得权利人，议定价格，签下合同，处理授权范围、电子版权、衍生权利、地区限制与法律责任。一段文本可以在半小时里译完，一纸版权合同却可能要谈上半年