南开大学教授李磊：警惕AI导致的新不平等

随着人工智能（AI）的飞速发展，人类社会生活方式和经济运行方式正经历着革命性巨变。AI已经渗透到人类生活的方方面面：智能辅助驾驶、无人送货车、智能家居电器等的出现极大地节省了人类时间，便利了人类日常生活；AI在各个产业和行业的广泛应用在一定程度上缓解了劳动力供给不足，节省了企业进行生产销售活动的劳动力成本，推动着资本结构优化，进而为产业结构转型升级提供动力。但与此同时，AI发展所造成的不平等现象也不容忽视：一方面，AI的引入和发展会使资本挤占劳动份额，并且由于AI发展的特性可能会出现“超级明星”企业占领大部分市场份额的现象，从而造成资本内部的不平等；另一方面，资本对劳动力的替代会使部分劳动力失业，劳动力群体内部出现不平等，甚至会造成收入分配的国别不平等。

资本和劳动收入份额的不平等

经济学家强调了人工智能所产生的两种效应：替代效应（displacement effect）和生产力效应（productivity effect）。替代效应意味着AI取代劳动力从而减少对劳动力和工资的需求。尽管存在能推高所有要素价格（包括工资）的生产力效应，但人工智能带来的成本节约使得生产力效应被部分甚至是全部抵消掉，因此工资水平究竟是上升还是下降取决于二者相对力量的大小。即使是对同一国家进行这一效应的估计，也并未达成一致结论。

资本在这一过程中有可能增强其作用，占据更高的收入份额，从而导致资本和劳动收入份额的不平等。在新古典经济学的范式中，资本和劳动均为生产要素，当资本收入份额上升时，劳动收入份额必然被挤占。《21世纪资本论》的作者皮凯蒂认为r>g（即资本收益率大于经济增长率）是资本主义经济的常态，资本积累速度快于产出正常率会导致资本份额增加速度要快于劳动份额。AI可能会强化这一过程。一方面，对AI的投资增强了资本份额，并且在没有这种干预的情况下，取代工人的AI技术变革可能导致劳动力在国民收入中所占的比例越来越小。另一方面，AI的应用边际成本趋于零，一旦应用成功则会带来巨大的边际效益，并创造巨大的利润空间。高利润率自然会吸引大量资本入场，这又进一步强化了增加资本份额的动机。

那么，是否会存在一个“经济奇点（economic singularity）”，即人工智能接管整个经济实现自身份额的自我增加，而将劳动力排除在外？即随着人工智能替代劳动力导致的工资下降和资本存量上升，劳动力在经济“蛋糕”中所占的比重越来越小，甚至可能将趋于零。当然这一过程不一定能顺利进行，因为如果自动化通过增加对资本的需求在短期内提高了资本的价格，也会抑制在自动化任务中用资本代替劳动力所能获得的潜在收益。另外出于社会道德伦理等社会因素的限制，资本并非总能顺利替代劳动。

资本内部的不平等

在技术进步的背景下当创新活动具有竞争性时，可能出现收益在资本间分配扭曲的现象。例如，只有少数企业家获得巨大的收益，而绝大多数企业家的努力回报甚微。这主要是因为AI经济具有垄断的特征：一方面，人工智能研发的沉没成本极高，需要垄断租金进行补偿；另一方面，大企业拥有能支付和补偿巨大的沉没成本的能力，这一能力将巩固这类大企业的市场垄断地位，而小企业难以进入，这又会持续产生新租金利润。

近年来，世界各国市场结构都呈现出集中趋势，由于以AI为代表的新技术的发展，一些头部的“超级明星”企业占有高市场份额，并凭借其强大的市场力量获得巨额利润。又由于AI技术的应用边际成本趋于零，只需要极少数大企业就能满足市场的绝大部分需求。这类大企业“赢者通吃”，又吸纳了更多的资本，将小企业的资本份额逐渐挤占。进一步，大企业积累海量数据，能更有效率地开发新算法，并设立专利壁垒。小企业越发难以实现技术赶超，导致资本进一步流向技术水平和生产效率更高的大企业，扩大资本份额内部的不平等。这就是所谓的“超级明星”效应，或“超级垄断”。超级“明星”企业挤占了小企业的生存空间，导致了资本内部不平等加剧。

劳动力内部的不平等

AI与人类的主要区别就在于是否能拥有复杂的感知和价值判断。AI的底层原理是算法技术的应用，其运行效率依赖于人类灌输的信息与资料存量，即人类输入的信息资料容量越大，AI复现成功率和工作效率也就越高。即使技术发展允许更复杂的模式识别，但人类劳动在需要更复杂的感知和操作的任务中仍然具有相对优势。经济学家的研究也发现管理、商务、金融、教育、法律、社区服务、艺术和媒体等这些具有复杂感知和价值判断的职业不容易被自动化，工资水平也相对较高；而服务业、销售相关、办公和行政支持等职业更加容易被自动化，从事这些职业的劳动力者的工资可能降低。但这并不代表随着技术的不断进步，人类劳动会一直保持在感知和操作任务中的相对优势。

工人也可根据技能熟练程度分为“熟练劳动力”和“非熟练劳动力”，抑或称为“高技能劳动力”和“低技能劳动力”。不同类型的劳动力会与AI形成替代或互补关系，导致其收入的降低或提高。麦肯锡全球研究院发布的一篇研究报告指出，近年来，就业呈现从低技能重复性任务转向高技能认知驱动。低技能重复性任务比较容易被人工智能替代，而高技能认知驱动的工作难以被自动化及人工智能所取代。模拟表明大约13%的工资总额可能会转移到需要高认知和高数字技能的工作类型。在这些类别中，收入会增加，而低技能重复性和低数字技能类别的工人可能会经历停滞，甚至工资下降。据估计，后一类人在工资总额中所占的份额可能从33%下降到20%。

也有一些研究发现，中等技能劳动力最有可能被AI所替代，导致其就业份额不断下降，该现象被称为人工智能的“就业极化”效应。经济学家将最终产品的生产分解为一系列连续工作任务，并将工作任务分为常规任务和非常规任务。机器人倾向于与非常规任务形成互补，会导致对非常规任务需求的增加。而中等技能劳动力倾向于从事常规任务，高技能和低技能劳动力倾向于从事非常规任务，这就有可能导致就业极化。

然而近期ChatGPT的出现却在一定程度上颠覆了人们的认知，高技能的工作似乎也不是那么保险。ChatGPT能通过理解和学习人类的语言进行对话互动，还能完成撰写邮件、视频脚本、文案、翻译、代码、写论文等任务，这使得传统认知中的高技能劳动力（翻译和同声传译人员、程序员等）所掌握的专业能力“被动贬值”。如今已有一些AI撰写代码进行简单初级编程，并且出错率低于人工代码撰写。在Copilot、ChatGPT 4引入Office极大地提高文字生产效率的同时，也将有部分办公类工作人员面临威胁。Midjourney只要输入关键字就能利用AI算法在极短时间内生成相对应的图片，并且还能选择不同的艺术风格、识别特定镜头或摄影术语，极大降低了用户的成本，也威胁了相关人员的工作。

跨国收入分配的不平等

将视角转移至国际，每个国家所拥有的比较优势不同，并处于全球价值链的不同环节。当面临AI对人类劳动力替代的可能性增大时，那些处于附加值低环节的国家将会丧失在贸易活动中的比较优势并承受AI替代人类劳动力的经济损失；但发达经济体参与的通常都是知识和智力密集型的、附加值高的环节，它们被替代的可能性在短期内是远小于前者的，因此仅从替代可能性大小的角度来看，发达经济体似乎更能从容应对技术带来的冲击。

此外，经济体的经济发展水平也决定了技术革新的水平。发达经济体拥有更加成熟的技术和更加雄厚的资本支撑新AI的研发，从而在技术进步的全球体系中占据优势。对于这类经济体而言，投资AI能进一步巩固其在全球技术体系的地位，并且在全球范围内获得更大的收入份额。反观其他经济体则并不具备能承担研发和推广应用的能力和资本。在全球科技竞争激烈的背景下，这将会进一步拉大发达与发展中经济体的技术差距，使发展中经济体更容易陷入被动和劣势地位。加之技术的迅速迭代和专利制度的排他性会使得短时间内技术模仿和赶超难以实现，而且发展中经济体引进新技术的成本会相对高昂，技术方面的“马太效应”会进一步深化，对国际发展的平等产生消极影响。

麦肯锡全球研究院的研究报告指出：领先国家可能通过技术革新获得额外20%~25%的净经济效益，而发展中国家可能只获得约5%~15%的净经济利益，AI的发展将进一步扩大国家之间的差距，加剧当前的数字和技术鸿沟。

如何缓解AI导致的不平等

（一）直接对劳动力进行补贴。

财政政策和社会保障制度是政府调节收入分配的常用方法，工资补贴和所得税抵免是对劳动力进行补贴的直接手段。例如应对AI替代劳动力的一种办法是实行“无条件基本收入（UBI）”政策，不需要进行任何条件与资格审查，只要是本国居民就可以拿到一笔基本收入，但此政策存在着颇多争议。其一是资金来源问题：每个国家的人口基数、收入分配格局等均不同，一些人口基数大的国家将会面临巨大的财政支出压力。其二该政策的本质是将劳动者的部分收入转移给无业者，这可能会降低工作积极性。相比之下针对特殊人群给予社会救济福利仍是主流可行手段之一。

（二）促进人力资本积累，提高受教育水平。

随着AI等新技术的引入，一方面，劳动者只能通过切换任务来适应不断变化的技术禀赋，从而防止技术失业；另一方面，虽然技术变革也通过对新技术的需求和提升企业竞争力创造更多的就业机会，但也要求劳动力对于任务和技术转换具备较高的适应能力。总结目前的研究可以发现劳动力的受教育水平越高、工作精细度和复杂度越高、收入水平越高，被AI替代的工人份额就越小，所以确保劳动力（尤其是低技能劳动力）接受足够的教育，对于缓解劳动力内部群体的不平等是十分重要的。

（三）健全就业培训相关制度。

健全就业培训制度，积极引导人工智能技术朝人机协作和促进收入平等方向发展。目前人们主要担心的问题就在于AI会对劳动力形成替代，但实际上人们可以通过建立健全就业培训制度，提高自身的劳动素质与AI形成能提高生产效率的互补力量，从而减少AI对劳动力的替代，并进一步增加与AI形成互补的劳动份额。就业培训制度应致力于促进人与AI的合理分工和有机衔接，充分发挥劳动力在原创性、互动性和高精细环节的比较优势，才能让日益复杂的工作环节和链条高效衔接和运转。同时，积极鼓励劳动力参与人机互动新业态的开拓，更好地发挥AI的生产力效应、催生劳动新需求。

（四）税收政策：对资本和特定劳动力群体。

对不同群体进行差异化征税是调节收入分配格局的主要途径之一。在未来，得益于AI发展的群体的收入水平总体更高，因而对这类群体征收相对更高的税收并将其转移给受损于AI发展的群体是可行的。但必须注意在征收差异化税收时必须考虑社会公平和效率：征收较低的税率无益于缓解社会不公平，而征收过高的税收将降低社会经济效率，甚至会影响社会稳定。如何制定公平合理的差异化税收政策和税率需要相关部门根据社会实际情况慎重考量和选择。

（五）全球治理与协调。

AI的飞速发展带来了广阔的经济成长空间，但这也为新的国际不平等埋下了隐患。AI的实践运用有助于为各国发展赋能，同时也有助于各国更精确识别治理风险、制定智能化治理方案。所以如今诸多国家都在积极布局，根据实际国情制定有关AI的发展战略和规划，补足自身短板、更好地参与到全球治理赋能，增强在新国际体系中的话语权。各国进一步推动知识成果转化战略、产业发展战略和教育发展战略等和AI发展战略的有效衔接，是实现相互促进的长效发展机制的必要措施。

缓解AI带来的国别不平等需要就关键问题达成全球性共识并促进促进信息技术共享。需要明确通用AI的开发应用的领域及规则，对AI发展所产生的问题（如失业等）进行全球性协调，形成并遵守新国际性公约可以避免潜在冲突。由于AI发展具有强烈的外部性，因而秉持普惠共享原则、积极推动技术交流有助于落后国家汲取先进技术经验，从而助力缓解国际不平等。但由于技术霸权主义、单边主义等思想的影响，实现技术的自由交流难度较大，这需要世界各国打破技术零和博弈思维，积极引导技术领先国家在AI算法开发和领域应用等方面的示范作用，鼓励其积极分享普适性经验。

（李磊系南开大学经济学院、经济行为与政策模拟实验室教授，邓青卓系南开大学经济学院研究生。本文是国家社科基金重大项目“全球产业智能化对我国供应链安全的影响及对策研究”的阶段性成果）