当大多数投资者还在讨论AI能创造多少新增收入时，有人已经开始计算它会摧毁多少现金流。以做空闻名的Carson Block最近把视线从股票转向了一个更少被普通投资者关注的角落——信用债市场。他的判断相当直接：AI不会只是效率工具，它更可能成为一台加速器，AI将引发大规模失业，导致高失业率和经济走弱，侵蚀企业营收与偿债能力，最终推高信用利差、引发违约潮。

这种观点听起来有点“扫兴”，毕竟当前的主流叙事是另一套版本。AI提高效率、降低成本、打开新需求，企业利润改善，经济潜在增速提升，一切都指向更高的估值和更乐观的未来。但问题在于，效率提升从来不是免费的午餐，它往往伴随着另一件事——岗位被替代。

当替代发生在个体层面，它是故事；当替代发生在行业层面，它就是宏观变量。

Block的核心逻辑，不是在否认AI的生产力价值，而是在强调它的分配效应。生产效率提升的收益，并不会平均分配给所有参与者。相反，它更可能集中在少数头部企业，而成本则被更广泛地分散出去，尤其是劳动力市场。

一旦这种分配失衡扩大，就会出现一个非常现实的问题：谁来还债？

信用债市场本质上是对未来现金流的下注。企业发行债券，是基于对未来收入的预期和稳定性的信心。但如果AI在短时间内改变了收入结构，比如通过自动化压缩人力成本、通过智能系统替代中间环节，那么一部分企业的收入模型就会被直接削弱。

更微妙的是，这种变化往往不是线性的，而是跳跃式的。

传统的技术进步，更多是渐进式优化，比如提高生产效率5%、10%。但AI带来的，是在某些场景下直接替代整个岗位或流程。这种“断崖式”的效率提升，对企业来说是利好，对行业来说却可能是冲击，因为它会迅速改变供需关系。

当供给侧的效率大幅提升，而需求侧却无法同步扩张时，利润空间就会被重新分配。强者更强，弱者更难。而信用风险，往往就隐藏在这些被挤压的边缘企业中。

这也是为什么Block把焦点放在信用利差上。利差的本质，是市场对风险的定价。当投资者开始意识到，未来的违约概率可能上升时，他们会要求更高的收益率作为补偿，利差随之扩大。而一旦这种预期形成，融资成本上升本身就会进一步压缩企业的偿债能力，形成某种自我强化的循环。

听起来有点像市场在“自己吓自己”，但历史上，这种循环并不少见。

更值得注意的是，他提到的另一个变量——被动投资。

过去十年，资金大量流入ETF等被动产品，信用债市场也不例外。表面上看，这提高了市场的流动性，让交易更加便利。但问题在于，这种流动性并不完全建立在底层资产之上。

简单来说，ETF可以随时交易，但它所持有的债券，并不一定能在同样的速度下被买卖。这就形成了一种“流动性错配”。在市场平稳时期，这种错配几乎不可见，甚至会被视为效率提升。但一旦出现冲击，投资者集中赎回ETF，基金就需要卖出底层债券来应对，而这些债券本身流动性较差，价格就会被迅速压低。

于是，一个原本可能只是局部的风险，被放大成系统性的波动。

如果把这个机制和AI带来的潜在信用风险叠加在一起，画面就变得不那么轻松了。一边是企业收入结构的不确定性上升，另一边是市场结构本身更容易放大波动，两者叠加，意味着未来的信用周期可能会更加剧烈。

当然，这并不意味着“AI=危机”。事实上，AI确实有能力创造新的需求和新的产业，从长期来看，它甚至可能提高整体经济的生产率。但问题在于，金融市场关注的，从来不只是长期趋势，而是路径。

路径决定了谁能活到终点。

如果转型过程足够平滑，新增需求能够吸收被替代的劳动力，那么风险是可控的。但如果转型速度过快，劳动力市场来不及调整，失业率上升，消费受到压制，那么企业收入就会受到影响，信用风险自然抬头。

换句话说，问题不在于AI是否有价值，而在于它的冲击是否会“过快兑现”。

从这个角度看，Block的押注更像是一种“时间差交易”。他并不是在否认AI的长期正面作用，而是在赌短期内，市场对负面影响的定价还不充分。

而市场的一个典型特征是，它总是更愿意相信好故事，而不是坏结果。尤其是在技术叙事占主导的时候，风险往往会被有意无意地忽略，直到它开始以更具体的形式出现，比如企业盈利不及预期、裁员增加、违约案例上升。

那时候，定价才会真正开始。

如果说股票市场更像是对未来的“想象力投票”，那么信用债市场就是对现实的“现金流审计”。前者可以讲故事，后者最终要对账。

也正因为如此，当像Block这样的做空者开始从股票转向信用债时，某种程度上意味着，他们认为故事讲得已经差不多了，接下来要看的，是数字能不能对得上。

当然，市场并不会因为一个人的判断就改变方向。AI依然在高速发展，资本也仍在不断涌入相关领域。乐观与谨慎，会在一段时间内同时存在，就像两条并行的叙事线。

当技术开始真正改变收入结构时，金融市场的反应，往往会比技术本身更剧烈。