滕斌圣、何涧石/文
2026年5月，韩国总统府政策室长金容范即Kim Yong - beom，在社交平台之上发文了，提出了“公民红利”这样的设想，主张把AI产业景气所带来的部分超额税收回馈给全民。背后的背景是，受到AI带动的半导体周期上行产生的影响，三星电子以及SK海力士在未来数年预计将会形成规模可观的新增税源，市场测算相关的规模大约是120万亿韩元也就是约805亿美元。
这个设想背后存在着一个更为广泛问题，那就是当 AI 极大程度提高生产率，并且促使利润朝着少数主体集中的时候，这其中一部分新增的收益究竟应该怎样分配呢？
这场争论并不单单是停留在政策方面，与之相似的压力已然在就业以及收入两段缓缓显现出来，资本、算力还有核心技术的持有者获取的益处更多，有一部分白领以及新人群体承受着更为巨大的压力。
AI革命对就业的冲击
跟以往自动化主要冲击的是体力劳动和例行性任务不一样，这一轮的AI进入认知型和高技能岗位的范围更为广泛（图1）。国际基金组织，也就是IMF，在2025年做了相关研究，估算了高AI暴露度的岗位所占比例：在发达经济体，这个比例高达60%；在新兴市场，约为42%；在低收入国家，大约是26%。收入层级越是高，认知型岗位所占的比例就越大，暴露于AI的就业人口数量也就越多。
图1展示的是，各职业，在2022年至2025年这个时间段内失业率的变化情形，同其AI采用率相互之间所存在的关系。
圣路易斯联邦储备银行，有一篇名为《Is AI Contributing to Unemployment? Evidence from Occupational Variation》的文章，RPS，现行人口调查，美国劳工统计局。
过去几十年“以白领中产为支撑”的社会格局，正被AI所撼动。在过去30年里，全球化以及信息化催生了一个规模巨大的中产白领阶层，该阶层是消费扩张的关键承载者，是税收基础的重要构建者，是中间投票群体的主要组成部分，同时也构成了既有社会协定稳固性中的“中段腰部”。
当在这一轮中，AI最先使得这一群体的议价能力以及收入预期被削弱了的时候，它所产生的影响不会仅仅被限定在劳动力市场范围之内，而是更有极大可能性会对消费结构、税收基础以及社会稳定造成波及。
有学者，名叫埃里克·布莱恩约弗森（Erik Brynjolfsson），是斯坦福大学数字经济实验室主任，在2025年展开研究，其发现，自生成式AI广泛扩散后（如图2所示），22到25岁这样年龄段劳动者，于高AI暴露职业里面的就业，出现了大约16%的相对下降情况；就在其中，22至25岁软件开发者的就业人数，到2025年年中时，已经相较于2022年中峰值，下降接近20%。
图2，自2022年底GPT发布之后，不同年龄段员工其就业指数发生变化。当中，代表22至25岁初级员工这个群体也就是Early Career 1的曲线呈现出最为显著的断崖式下滑态势，而资深员工群体则相对较为平稳。
由Brynjolfsson、Chandar以及Chen所著的《Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence》。
不难理解其原因，当下AI最为擅长去做的，恰巧是职场新人所从事的工作，即编写基础代码，起草报告，查找资料，录入数据，回答常规客服问题。在传统职场当中，这些繁杂工作乃是新人积累经验并且走向资深的必然经历的一步。
在AI所具备能力能够以接近于低的成本层面接手那些初始级任务之际，新人成长通道会遭受明切冲击，如果此类情况持续不断前行，企业于后续未来几个年份之中或许将会发觉，能够承担起主要责任的处于中层级别的人员愈发难以寻觅得到，团队范围内的经验累积进程同样也会变得迟缓下来。
于此同时之际，白领群体的内部当中，也正处于出现显著分化的状态里。《华尔街日报》在2026年5月所进行的一项观察表明，虽然整个科技行业的裁员情况持续不断，可是在2026年4月的时候，美国IT以及计算机科学岗位的招聘数量，与同比相比依然增长了14.2%，然而岗位结构产生了变化，初级职位的占比，从1年前时候的8.1%下降到了7.4%，而资深岗位的占比，却从38.8%提升到了43.1%。受到欢迎的方向有，能对AI智能体团队进行管理的那些资深工程师，还有AI运维以及维护方面的人员，另外是负责将AI在具体业务里进行部署操作的解决方案工程师等等。
换个角度来讲，那些能够掌控AI、弥补AI不足之处的资深业内人士更为紧俏，占据主要地位的以执行类及标准化任务为主的初级职位正被迅速削减。这所要表达的是开云真人app,开云真人app地址，AI对于就业所产生的影响愈发明显地展露出职业内部出现分化的特性，并非仅仅是职业之间存在着简单的替代关系。
达龙·阿西莫格鲁（Daron Acemoglu）身为麻省理工学院的教授，其所提出的任务模型（Task-Based Models），能够助力我们对上述现象加以理解。其中在于AI所替代的并非是整个职业，而是存在于职业当中的具体任务。就业净变化有赖于替代效应、生产率效应与复原效应之间的较量。他发出警告称，一旦企业部署AI仅仅旨在节省人力成本，却并不进行投资去创造新任务，经济便有可能陷入“平庸的自动化”局面：将会出现人被裁撤掉，然而生产率却并未有明显提升，同时新岗位数量也并不足够多的情况。这种部署方式，是只能进行裁人操作，却不会创造出新的需求的，它也是分配格局被动地朝着资本这一侧倾斜的重要机理当中的一个。
AI革命有可能动摇财富分配和社会结构
当下，工作制造的速率赶不上代替速，并且新增盈利朝着少数主体汇聚，明显更值得忧虑，埃里克·布莱恩约弗森提出了一个术语是“图灵陷阱”（Turing Trap），它所指的是在AI研发以及部署里的一种趋向，即将目标设定于“模仿并全然取代人类”，而非“扩充或强化人类能力”。
对于此，埃里克·布莱恩约弗森存在两点主要的担忧。其一倘若AI所走的是替代的路线，那么劳动者于和资本进行谈判之际会愈发处于弱势状：能够被替代的那份劳动丧失了稀缺性，工资以及议价空间自然而然地便会缩窄（见图3）。其二鉴于AI的研发以及算力高度集中于少数大平台以及资本之手，遵循这条路线所赚取到的钱也会朝着少数所有者聚拢（见图4）。据他的看法开云手机入口app下载，这并非技术本身必然招致的结果，而是由研发激励、税制安排以及公共投资方向联手共同挑选出来的。
参照图3来看，那些因为技术因素而失去工作的劳动者，他们寻觅新工作之际所耗费的时间会更久，并且在重新就业之后，其到手的实际工资出现了下降的情况。
高盛全球投资研究、美国人口普查局、美国劳工统计局
图4，AI受益者有着强劲的基本面，其中包括营收同比增速，以及调整后营业利润率。
以下是截至彭博金融，摩根大通、FactSet的相关数据，时间为2026年3月30日。
技术路线，从来都不是处于“价值中立”状态的，它是由出资的主体来决定的，是为特定对象服务的，依照特定目标进行优化的，而这些方面，决定了它最终会强化某一方的议价权，同时削弱另一方的议价权。
对于税制而言，可以对资本投资给予加速折旧，然而对于人力雇佣却要征收社保以及工资税。如此一来，企业经过理性思考所做出的选择，自然而然地倾向于“用能够工作的可以替代人类行动的机器来代替人类”；公共研发资金在分配的时候，主要是朝着少数前沿模型实验室流淌而去，并非流向那些面向劳动者的用来让劳动者能力变强的工具。这样的状况下，技术自然而然地朝着集中的方向发展。
脱离这个意义单方面去看，“图灵陷阱”并非技术范畴致使的问题，是另归于制度框架下的问题咧。在不存在外部进行介入干涉情形的时候，市场会顺乎其在自有的机制状态下，将通用性质的技术朝着一种方向去导往，这种方向是“把人顶替换掉”而非“对人展开协助”的趋向咧。
和“图灵陷阱”相对着的，有麻省理工学院经济学家大卫·奥托等一些人主张的路径“赋能中产”，进而他提出，要是AI以恰当的方式去部署，把专家的知识进行模块化处理，让中等技能的劳动者也可以达成比较复杂的决策，以此扩大中间层岗位，AI降低了获得专业能力的门槛，使得原本被学历、经验、资源壁垒阻挡在门外的人，拥有机会重新投身到中高端岗位的竞争当中。
大卫·奥托所描述的机制其大致存在三层，其一，AI会降低专业门槛，就像初级护士借助决策辅助系统，便可去做之前由资深医师承担的诊断初筛；其二，AI能够扩展能力边界，好似产品经理运用低代码加AI协作平台，就能独自完成以往需要整个软件团队来进行的开发；其三，AI会让“实践经验”再度变得值钱，一线积累的领域知识，可借助AI放大成更强的产出。
但要达成AI普惠与平权，需考量两个前提条件，一为“起跑线”是否切实平等，哪怕AI工具自身免费或价格低，使用AI还需算力、数据、网络环境、语言能力及基础科学素养，这些条件并非平均分布，发展中国家跟发达经济体之间、城市和乡村间、不同年龄段之间，“能否使用AI”的实际门槛，差距仍旧相当大并且差异明显。
第二个前提在于“终点”的分配机制是不是合理，即便所有人都能够平等地运用AI，然而最后因生产率提高赚到的钱，究意在劳动者、企业、平台、算力提供方之间怎样进行分配，这是由市场结构以及制度安排所决定的。在算力与基础模型高度集中于少数大平台的这种格局情形下，“用AI”所赚到的钱要远远逊色于“拥有AI”所赚到的钱，是这样的情况。
综合进行考量，“赋能中产”算是一种具备可能性的情况，并非那种自然而然能够出现的结果，它能不能够得以实现，取决于反垄断相关政策，以及公共算力供给状况，还有技能再培训体系情形，再有就是税收再分配等一系列配套措施情况。要是这些配套已然缺失了，“同一起跑线”这样的说法更多的只是在情绪方面给予的一种安慰，很难切实有效地改变分配格局。
一份由IMF作出的、使用英国微观数据担任样本开展2025年相关模型估算的行为，得出了一项有悖于常理认知的结论，其中涉及工资基尼系数之处的预计情况，则是将会朝下偏移大约3.91个百分点，原因是，高薪者所执行的任务遭到了大量的替换利用，而低薪者却反而在于生产率出现提升之后获得了利益受益结果开云真人app官方版入口,开云真人app官网入口，此外对于财富基尼系数预估方面，显示将会朝上增长大约13.67个百分点。
逻辑大概是如此这般：AI对于高薪白领任务的暴露程度，大约是百分之六十，这远远高于低薪岗位，低薪岗位的暴露度约为百分之十五。所以，顶层白领的工资溢价遭受压缩，工资之间的差距反倒收窄变小了。与此同时呢，AI所带来的效率红利，主要沉淀成为资本回报，集中落在持有半导体股权、平台股权，还有算力资产的人手中。普通工薪阶层即便工资差距有所缩小，可也很难分到这一部分资金。最终呈现的结果便是：工资差距出现小幅收窄，而财富差距显著扩大。
有一种情况是，在某个社会当中，一旦工资方面的差距呈现出小幅度趋向收窄，然而资产价格却出现了快速的分化态势，那么账面上显示的基尼系数虽有改善，就这一点而言，却并不表明大家真的切实感受到公平已然得到了改善。
20世纪后半叶起始的现代分配制度，它主要借助工资税、累进所得税以及社会保险，来针对劳动收入开展二次分配。然而呢，对于资本收入，特别是股票增值、未实现资本利得、平台所有权回报等，其再分配能力一直以来都相对颇为薄弱。
AI使得资本回报的集中度得以放大，未来分配制度改革的方向是，要去补齐“资本回报再分配”这个长期处于缺位状态的制度环节。
假定“图灵陷阱”的状况占据主导地位，那社会所面临的首要风险便是，阶层流动的通道会进一步地收窄。前文业已阐述过两条路径，其一为，“初级岗位鸿沟”致使年轻人愈发难以踏入职场；其二是，资本回报与劳动回报进一步地脱钩。此二者相互叠加，极有可能催生出一些研究者所忧心的“永久底层”现象，也就是，一部分劳动者长时间都没办法再度进入主流经济系统，仅仅只能借助转移支付来维系基本的生活。
这一风险，当前更多的是属于一种趋势性的判断，并不是已然成为事实。世界经济论坛，也就是WEF，针对企业高管所做的调研，给出了一个值得予以注意的侧面证据：有54%的高管预估AI将会取代大量现存的岗位，仅有24%的人觉得AI会创造出大量全新的岗位；有44.6%的人认为AI能够提升利润率，只有12.1%的人认为AI会带来更高的工资。
回到教育系统的是上述风险。当AI能够以很低成本完成相当一部分知识性任务之际，传统将传授知识当作核心的教育模式面临着重新设计。其中有两个问题是尤其值得去关注的。
其一，存在“认知负债”这一状况：要是学生过度借助AI去完成思考，从长远来看，极有可能对他们独立判断能力的发展造成影响。其二，有“技能与岗位脱节”这类情形出现：大学专业设置与实际就业需求二者之间形成的匹配度，正遭受AI的重新界定，以往那些过去几年中属于热门的专业，会很快变得不再热门。
与此相关的，有一个讨论的方向，那就是：对于未来的教育而言，是不是应该将更多重心放置在那些AI难以去进行替代的能力上面，例如复杂的判断，跨学科的整合，人际的协作，以及道德的决断。现在已经有一部分高校开始了尝试，然而系统性的改革依旧处于刚刚起步的阶段。
制度如何回应
面对由AI所带来的对于分配情况的改变，政策在这方面的回应能够被归纳为三种类型，分别是激励，缓冲以及分配。其中第一种类型决定着技术发展的方向，中间的那种类型提供过渡阶段的保护，最后的那种类型则决定着红利是不是能够回流到社会当中。
首先，在激励这一方面，要将AI朝着“增强人”的方向引导，而不是朝着“替代人”的方向。具体的实施办法涵盖诸多方面，其中，调整R＆D税收抵免是一项措施，它要更加鼓励“增强型”AI，减少对“纯替代型”AI的奖励；提供公共算力也是办法之一，其目的是降低中小企业、高校以及普通劳动者使用公共算力的门槛；加强反垄断以及互操作性同样重要，要防止算力、数据和模型被少数平台实现垄断态势；保留初级岗位入口也是举措之一，对于那些雇佣应届生还有初级员工的企业，要给予税收方面的支持等等。
于缓冲侧，为被冲击者供给安全垫。其具体做法涵盖，开展扩大再培训，以使劳动者具备从旧岗位转向新岗位的能力；进行试点更短工时，倘若生产率提升，便要探索运用更短工时来分享收益；加大社会保障覆盖范围，将灵活就业者以及平台劳动者纳入基本保障。
在分配方面，要使得AI所带来的红利能够更为广泛地让全民受惠。其具体实施的做法涵盖这些内容，一是着重重新设计税基，要逐步地将税基开始从劳动朝着资本与消费进行转变；二是探索AI、算力以及超额利润税这方面，让超额获取的收益去肩负起更多的公共责任；三是推行公民红利或者UBI也就是全民基本收入，将部分超额的税收转变为全民能够共同分享的收益；四是发展主权基金以及公共持股，让社会凭借“共同所有人”这样的身份去分享资本所产生的回报；五是探索共有所有权，推动关键的算力基础设施以及公共平台的公共参与。
行动的节奏同样是十分关键的，《经济学人》在2026年5月所发表的社论中有一种特定看法存在，该特定看法是这样认为的，在AI冲击真正大规模呈现出来之前，就应当先布置好税基调整、工资保险以及再培训等工具，大约70%的声称自己是美国受访者的人持有此类想法和态度，他们觉得AI会致使未来寻找工作变得更加困难，将近三分之一的持有相同受访者身份的人担忧会因为这个因而失去工作，这样一种情绪本身就表明政策是不可以等到问题全面地发出爆裂之声后才开始采取行动的。
世界经济论坛估算，到二零三零年，全球劳动力里会有超过百分之四十的核心技能出现改变，而且“人工智能与大数据”相关技能需求在最近一两年的时间里迅速上升，这表明不管采取哪一种政策，大规模、具有持续性的再培训都是无法避开的基础工程。
要着重指出的是，上述所说的那三类工具，并非属于“三选一”这种关系，而是需要相互协同起来进行配置。追根究底来讲，AI不一定就会引发更为严重的不平等状况，不过要是缺少制度方面的回应，它极有可能会将已有的分配失衡状况进一步地放大，并且会把技术所带来的红利更多地锁定在少数的资本以及平台所有者手中。关键之处在于能不能尽早地把激励、缓冲以及分配这三类工具协同配置好，在维持创新所具有的活力的同时，还能为劳动者留存上升的通道，并且让技术红利能够更广泛地回流到社会当中。
（滕斌圣身为长江商学院战略学领域的教授 ，同时担任战略研究副院长，还是新生代独角兽全球生态体系研究中心的主任 ，何涧石 则是长江商学院新生代独角兽全球生态体系研究中心的研究员）
还木有评论哦，快来抢沙发吧~