加密货币以其去中心化、无边界和高效的特性，正是实现 UBI 的最佳工具。

撰文：Grok AI

编译：Anderson Sima，Foresight News

2025 年的上半年，全球各大经济体都困于特朗普的无差别贸易战。

特朗普重返白宫后，其一系列争议政策看似疯狂，但背后折射出一个更深层的社会伤疤——美国铁锈带的失落。曾经的工业心脏地带，因全球化分工和技术变迁而衰败，工厂关闭、工人失业，愤怒与不满在选票中爆发。这种局部地区的落后并非孤例，全球贸易分工的红利分配是需要付出代价，特朗普想要掀翻这个体系，想要甩掉这个日益沉重的贸易包袱。

然而，解决这一问题的答案并不在关税壁垒或谈判桌上，而在技术革命的交汇处——AI 与 Web3。

AI 时代的「种姓制度」

我想没人会否认 AI 正在重新定义生产力边界。从 ChatGPT 到 Grok 3，从自动驾驶到工业机器人，AI 的应用场景已渗透至生活的方方面面。根据麦肯锡 2023 年的报告，AI 有望在 2030 年前将全球 GDP 提升 16%，但其代价是劳动力市场的剧变。

以下是几个典型的场景：

• 自动驾驶：特斯拉、Waymo 以及中国的等公司已实现 L4 级自动驾驶，出租车司机和货运司机面临被取代的风险。全球约有 5000 万司机可能在未来 10 年内失去工作。
• 工业自动化：Foxconn 等制造巨头已大规模部署机器人，取代流水线工人。国际劳工组织（ILO）预测，2030 年前，全球制造业将有 60% 的岗位被自动化替代。
• 白领职业：AI 在法律、财务、医疗诊断等领域的表现已超越人类平均水平。例如，谷歌的 DeepMind 在癌症诊断中准确率达 90%，律师助理和会计师的传统工作岌岌可危。

当 AI 大规模采用后，新的人类社会将自动划分为三个等级，重现一种金字塔式的「种姓制度」。

• 控制 AI 的人：算法开发者、科技巨头，掌握核心资源。
• 使用 AI 的人：利用 AI 工具提升效率的个体或企业。
• 被 AI 取代的人：失去工作、无力适应技术变迁的群体。

第三类群体——「无用之人」（useless class），如历史学家尤瓦尔·赫拉利（Yuval Harari）所警告，可能成为 21 世纪的社会危机核心。他们并非无能，而是被技术进步抛弃，无法在 AI 主导的经济中找到立足之地。铁锈带的工人只是这一趋势的早期缩影，全球范围内，数以亿计的劳动力可能面临同样的命运。

这种分化不仅威胁个人生计，更动摇社会稳定。失业率的飙升可能导致犯罪率上升、民粹主义抬头，甚至引发区域冲突。解决这一问题需要一种全新的分配机制，超越传统的福利体系，进入普惠基本收入（UBI）的时代。

UBI——AI 时代上帝的福音

普惠基本收入（Universal Basic Income, UBI）是一种不附加条件的收入保障制度：无论贫富、职业或背景，每个人都定期获得一笔足以维持基本生活的资金。UBI 的核心理念是「生而为人，即有幸福生活的权利」，它旨在为 AI 时代的社会裂痕提供缓冲。

AI 驱动的生产力激增将带来财富的集中。科技巨头和 AI 开发者将攫取大部分红利，而被取代的劳动力则陷入困境。传统的再就业培训或福利救济难以应对这一规模的冲击：

• 再就业培训的局限：AI 取代的速度远超人类学习能力，且高技能岗位需求有限。
• 福利体系的低效：官僚化的分配流程和高昂的管理成本削弱了传统福利的效果。

UBI 则以简单直接的方式解决问题。根据世界银行的数据，全球极端贫困线为每天 2.15 美元，若为每人提供每月 100 美元的 UBI，全球年支出约为 9 万亿美元，相当于全球 GDP 的 10%。虽然看似庞大，但在 AI 提升生产力的背景下，这一成本并非不可承受。

UBI 不仅保障生存需求，还赋予人类更大的自由：

• 释放创造力：免除生存压力的个体可以追求教育、艺术或创业。例如，芬兰 2017 年的 UBI 实验显示，受试者的焦虑减少，创业意愿提升。
• 稳定社会：UBI 减少了贫困引发的冲突，缓解了技术失业的心理冲击。
• 重新定义劳动：在 AI 时代，劳动不再是生存的唯一途径，人类可以探索更有意义的活动，如社区建设或公益项目。

然而，UBI 的实施面临两大挑战：资金来源和分配机制。传统的税收和银行体系在全球范围内效率低下，且容易受政治干预。而加密货币的出现，为 UBI 提供了一个前所未有的解决方案。

加密货币——救赎之道，就在其中

加密货币以其去中心化、无边界和高效的特性，正是实现 UBI 的最佳工具。相比传统金融体系，加密货币在技术架构和理念上与 UBI 高度契合。

加密货币的独特优势

• 无边界性：比特币、以太坊等加密货币不受国界限制，可以直接触达全球任何角落的个体。相比之下，银行账户在许多发展中国家覆盖率不足 50%。
• 低成本：加密货币的转账成本远低于跨境银行汇款。例如，Solana 的交易费用低至 0.0001 美元，而传统银行跨境转账可能高达 10 美元。
• 透明性：区块链的公开账本确保资金分配透明，减少腐败和中间环节的侵蚀。
• 灵活性：智能合约（如以太坊上的 ERC-20 代币）可以实现自动化的 UBI 发放。例如，设定每月向特定钱包地址发放固定代币，无需人工干预。
• 能源效率：尽管比特币的 PoW 机制耗能较高，但以太坊的 PoS 转型和新兴 Layer2 方案（如 Arbitrum、Optimism）已大幅降低能耗，优于传统银行的数据中心。

真正的 Mass Adoption

反过来看，加密货币自 2009 年比特币诞生以来，经历了从边缘到主流的转变。然而，其大规模采用仍面临障碍：性能的约束、监管不确定性，以及普通用户的技术门槛。相比之下，UBI 可能是推动加密货币进入亿万用户生活的关键方向，其影响力远超 RWA 或支付应用。

RWA 的局限在于将房地产、艺术品等资产上链虽能提升流动性，但主要服务于高净值人群，难以惠及普通用户。全球 RWA 市场规模预计到 2030 年达 10 万亿美元，但其社会影响远不及 UBI 的普惠性。

Payfi 的瓶颈在于加密货币在支付领域的应用（如 BitPay、Lightning Network）受限于法币的普及和监管壁垒。例如，Visa 每秒处理 6.5 万笔交易，而比特币主网仅为 7 笔，难以取代传统支付系统。

而 UBI 的规模将远超于此，假设一个全球 UBI 项目每月向 10 亿用户发放 10 美元等值的代币，年交易额将达 1200 亿美元，足以匹敌 Visa 的交易规模。这种规模效应将推动加密货币从投机工具转向日常经济基础设施。

要让加密货币驱动 UBI 并实现大规模采用，需跨越两大技术门槛：AI 的全面应用和区块链的性能突破。这两个进程可能需要 10 年时间，成果可能在 2035 年才会初步形成。

1. AI 技术爆发（预计 10 年）

AI 取代大部分工种需要以下条件：

• 算法成熟：通用人工智能（AGI）或接近 AGI 的模型将在 2030-2035 年间出现，覆盖更多复杂任务。
• 基础设施普及：5G、边缘计算和机器人硬件的成本下降，将 AI 推向全球。
• 社会接受度：公众逐渐适应 AI 主导的经济，政策制定者开始探索 UBI 等应对措施。

根据 Gartner 的预测，2030 年 AI 将取代全球 30% 的现有工作岗位，释放出足够的财富支持 UBI。此时，社会对 UBI 的需求将达到顶峰。

2. 区块链性能突破（预计 10 年）

当前区块链的性能远未达到 10 亿用户规模。例如：

• 以太坊每秒处理约 15 笔交易，Layer2 可提升至 2000 笔。
• Solana 号称每秒 6.5 万笔，但实际吞吐量受限于网络稳定性。

要支持 UBI，区块链还需进一步突破「不可能三角」（去中心化、安全性、可扩展性）的平衡。

如果 UBI 与加密货币共舞，那么加密货币将会是 AI 时代上帝对人类的恩赐，而中本聪就是耶稣的化身。

参考资料：

The New York Times. (2024). Trump『s Tariff Plans and the Rust Belt. https://www.nytimes.com/2024/11/06/business/trump-tariffs-rust-belt.html

备注：讨论特朗普关税政策对铁锈带的影响。

Brookings Institution. (2020). The Decline of the Rust Belt. https://www.brookings.edu/research/the-decline-of-the-rust-belt/

备注：分析铁锈带经济衰退原因。

McKinsey Global Institute. (2023). Generative AI and the Future of Work. https://www.mckinsey.com/capabilities/quantumblack/our-insights/generative-ai-and-the-future-of-work

备注：预测 AI 对全球 GDP 的贡献。

International Transport Forum. (2017). Managing the Transition to Driverless Road Freight Transport. https://www.itf-oecd.org/sites/default/files/docs/managing-transition-driverless-road-freight-transport.pdf

备注：估计自动驾驶对司机岗位的影响。

International Labour Organization. (2021). The Future of Work in the Context of Automation. https://www.ilo.org/wcmsp5/groups/public/---dgreports/---dcomm/documents/publication/wcms_824858.pdf

备注：预测自动化对制造业岗位的冲击。

Nature. (2020). AI-based cancer detection by Google DeepMind. https://www.nature.com/articles/s41591-020-0840-4

备注：DeepMind 在癌症诊断中的表现数据。

Harari, Y. N. (2016). Homo Deus: A Brief History of Tomorrow. https://www.ynharari.com/book/homo-deus/

备注：提出「无用之人」概念。

World Bank. (2023). Poverty Overview. https://www.worldbank.org/en/topic/poverty/overview

备注：提供全球贫困线数据。

Kela. (2020). Finland』s Basic Income Experiment. https://www.kela.fi/documents/10180/0/Basic+Income+Experiment+Final+Results.pdf

备注：芬兰 UBI 实验结果。

World Bank. (2021). Global Findex Database. https://www.worldbank.org/en/publication/globalfindex

备注：全球银行账户覆盖率数据。

Boston Consulting Group. (2022). The Future of Tokenization. https://www.bcg.com/publications/2022/the-future-of-tokenization

备注：预测 RWA 市场规模。

Visa. (2024). Visa Direct Fact Sheet. https://usa.visa.com/run-your-business/visa-direct/fact-sheet.html

备注：Visa 交易处理速度数据。

Cambridge Centre for Alternative Finance. (2023). 3rd Global Cryptoasset Benchmarking Study. https://www.jbs.cam.ac.uk/wp-content/uploads/2023/09/2023-ccaf-3rd-global-cryptoasset-benchmarking-study.pdf

备注：全球加密用户数据。

Gartner. (2023). Future of Work Trends. https://www.gartner.com/en/human-resources/insights/future-of-work

备注：AI 对就业影响的预测。