作者精读 Anthropic 57 页经济学论文，梳理了 2030 年前 AI 大规模进入认知型工作后的经济影响。论文设计了温和、显著、极端三种情景，对应 GDP 增幅 1.6%、8.3% 和 32.4%。关键结论包括：AI 独立完成任务比例越高，收入越流向资本而非劳动者；显著情景下 GDP 增 8.3% 但平均工资仅增 2.1%，资本收入增 18.9%；难以被 AI 替代的工作（建筑、电工等）反而升值；工资弹性决定冲击表现为降薪还是失业；极端情景下经济总收益约为认知工作者损失的三倍，核心问题是财富分配而非财富创造。
本文以万字长文剖析现代大学的本质与潜规则。作者指出学历是标准化筛选凭证，就业难源于学历通胀、高校与市场脱节及教育滞后性。文章提出上大学的意义在于社交、人脉、低成本试错和风险兜底，建议学生极致功利地利用大学：选择事少闲适的院校专业，摒弃守规矩的学生思维，认识到人际交往的利益本质，主动与老师建立关系获取资源，放下清高当俗人，利用好学校、城市和学生福利资源，用最小努力应付学业，找到适合自己的发展方向。
作者以非技术背景的普通人视角，阐述数据中心对美国再工业化的重要性。作为a16z American Dynamism团队的参与者，他指出机器人制造、AI训练和模拟测试都依赖数据中心的算力支持。文章进一步论证数据中心将同时解决三个相互关联的问题：制造业空心化、高等教育泡沫化以及美国男性的孤独危机。作者以Hadrian公司为例，说明自动化不仅没有抢走工作，反而让工厂能建在美国本土，创造了数百个高薪岗位，为年轻人提供了用双手劳动、获得归属感的就业选择。
文章探讨了通缩与老龄化双重压力下的社会经济现象，指出这种“低温时代”会导致普通人的选择权收窄。通过对比日本、意大利、希腊等国的案例，分析了资产缩水、就业困难、中年现金流压力及养老负担等现实问题。建议普通人应保护现金流、避免单一资产配置、贴近真实需求职业，并保留迁移与转身的能力，以应对未来的不确定性。
文章反驳了“AI 将导致大规模永久性失业”的观点，认为这是一种“劳动力总和谬误”。作者指出，人类的需求是无限的，认知成本的降低将通过杰文斯悖论创造更多需求。通过回顾农业机械化、电气化和 Excel 的历史，文章论证了技术进步总是重塑经济结构并扩大劳动力市场，而非简单地消灭工作。
