别信“富人花钱养穷人”！AI它不帮你干活，而是直接替你失业

过去几年，随着大模型的能力越来越强，“AI能提升生产力”似乎已经成为共识。

但生产力提高之后，有人欢喜有人忧。对于掌握算力和AI的资本家来说，AI肯定越强越好；但对于普通人来说，如果一个人用AI能完成五个人的工作，如果未来机器人能干脆代替人工作，那未来显然不会太美好。

国际货币基金组织（IMF）总裁克里斯塔利娜·格奥尔基耶娃最近在达沃斯论坛上的一个观点，她说，AI 可能会加剧贫富差距，但对低薪工人来说，或许也有一线希望。

她的逻辑是，高技能人才因为用了 AI，生产力暴涨，工资也跟着涨。这些人有钱了，就会花更多的钱在本地消费，比如下馆子，于是餐厅服务员这类低技能岗位的需求就上去了。

这个逻辑依然没有跳出“涓滴效应”的框架：富人的财富像杯子里的水满了会溢出来，流到下面，穷人也能分到一点。

但是，在赢家通吃的AI时代，穷人真的还能喝到汤吗？

在 AI 这种级别的生产力变革面前，指望“涓滴效应”来解决财富分配问题，无异于指望用一个汤勺去扑灭一场森林大火。

就在 Kristalina 描绘这幅温馨画面的时候，另一份来自乐施会的报告给出了截然相反的景象。

报告指出，2025年，全球亿万富翁的财富增长速度，是过去五年平均速度的三倍。这个时间点，恰好与 AI 引发的全球股市狂潮完美重合。

我们不需要看全球那么宏观，就看看那些冲在 AI 最前沿的公司和人。

所谓的“科技七巨头”，在 AI 基础设施上投入了数千亿美元，结果它们的股价飙升，创始人和高管们的财富也随之水涨船高。

最新的一个标志性事件是，马斯克的个人净资产已经突破了 8000 亿美元。这个数字超过了很多国家的 GDP。马斯克的财富增长，主要就来自资本市场对他旗下 AI 和航天业务的疯狂押注。

这些钱，流向了谁？首先是持有大量股票的创始人和投资者，其次是那些能设计和驾驭 AI 的顶尖人才。普华永道的一项调查发现，具备 AI 技能的岗位，薪酬比不具备的同类岗位平均高出 56%。

那么，Kristalina 说的“涓滴效应”发生了吗？

某种程度上，是的。旧金山的研究确实发现，每增加一个本地科技岗位，会衍生出四个以上的本地服务业岗位，比如教师、厨师、零售员。但问题的关键在于，这个“涓滴”的量级，和顶层财富集中的量级，完全不成比例。

顶层财富是指数级增长，而滴下来的，可能只是线性增长的零头。

比如初级程序员、数据分析师、报告撰写员、客服。这些人曾经是稳定的中产阶级的基石，现在却发现自己的工作岌岌可危。

所以，AI 带来的真实图景更像一个“K”型分化：顶层财富坐着火箭向上，底层服务业需求略有增加，而庞大的中间层则面临着向下滑落的巨大压力。这不是涓滴，这是对社会结构的暴力改造。

为什么 AI 会造成这种结果？因为它在本质上是一种“资本偏向型”的技术。

过去的很多技术，比如蒸汽机和电力，虽然也造成了社会动荡，但它们主要是作为人类体力的延伸。工厂需要大量的工人去操作机器，工人的劳动和资本（机器）是互补的。工人可以通过工会、谈判等方式，分享一部分生产力提升带来的红利。

但 AI 不一样，尤其是在通用人工智能（AGI）的趋势下，它越来越多地表现为对人类脑力劳动的直接替代。一家公司过去需要一个 100 人的分析师团队，现在可能只需要 10 个顶尖分析师，加上强大的 AI 工具，就能完成过去几倍的工作量。那多出来的 90 个人怎么办？企业省下的人力成本，不会分给剩下的 10 个人，而是会转化为利润，最终流向股东。

Anthropic 的 CEO 达里奥·阿莫迪就警告过一个“噩梦场景”：少数掌握 AI 技术的精英，享受着 5-10% 的 GDP 增长，而社会上同时存在 10% 的失业率。经济在飞速发展，但大多数人却被甩下了车。

微软 CEO 萨提亚·纳德拉也直言不讳，如果 AI 的好处不能被更广泛地分配，那么所谓的 AI 繁荣就是个泡沫。

这些身处风暴中心的人，比经济学家看得更清楚。

AI 的红利，天然会流向拥有生产资料——也就是算力、数据和算法模型——的少数人。劳动者在这个分配游戏中的议价能力，前所未有地被削弱了。

面对这个迫在眉睫的问题，有趣的是，几位站在财富金字塔顶端的科技领袖，反而成了最积极思考解决方案的人。他们提出了三种截然不同的“药方”，代表了三种可能的未来。

第一种药方，来自比尔·盖茨，可以称之为“刹车和补偿”方案。他早在多年前就提出了“机器人税”的概念。逻辑很简单：如果一个机器人抢走了一个人类工人的饭碗，那么这个机器人也应该像人类一样纳税。这笔税收可以用来资助被替代工人的再培训，或者投入到教育、养老等更需要人类情感关怀的领域。

“机器人税”的本质，是试图用旧的工业时代税收框架去“框住”新的生产力。它希望减缓自动化的速度，给社会一个缓冲期。但这个方案的争议很大，批评者认为这会扼杀创新，而且在实践中很难界定什么是“机器人”。一个软件算法算不算？一段自动化脚本呢？这种修修补补的方式，可能治标不治本。

第二种药方，来自 OpenAI 的 CEO 萨姆·奥尔特曼，可以称之为“全民基本收入和股权”方案。Altman 不仅在呼吁，还真的资助了目前美国最大规模的“全民基本收入”（UBI）实验。研究发现，给低收入人群每月发钱，他们并没有去挥霍，而是主要用在了食物、房租等基本生活需求上，工作意愿也没有大幅下降。

UBI 的核心是为所有人提供一个社会安全底网，确保在剧烈的技术变革中，没有人会因为失业而无法生存。但 Altman 意识到，在 AI 时代，单纯发钱可能不够，因为钱会贬值。更核心的资产是 AI 本身。因此，他提出了类似“美国权益基金”的构想，即让每个公民都能分享 AI 发展带来的财富增值，相当于“全民持股 AI”。这已经从单纯的社会福利，进化到了对生产关系进行重新定义的层面。与其被动地接受补贴，不如主动成为新时代的股东。

他的逻辑是，一旦通用人工智能和人形机器人足够发达，商品和服务的生产成本将趋近于零。届时，物质将极大丰富，工作将成为一种可选项，而不是生存的必需品。社会不再需要讨论如何“分配”稀缺的资源，因为资源本身已经不再稀缺。

这是一个极度乐观的、带有技术乌托邦色彩的愿景。它跳过了分配问题，直接畅想了一个生产力问题被彻底解决的未来。这个愿景很宏大，但问题在于，从现在到那个“终极富足”的未来，中间可能有一个漫长而痛苦的过渡期。在这个过渡期里，大量的人失业，但商品和服务的价格还没降到零，社会矛盾可能会集中爆发。

这三种方案，本质上代表了三种不同的哲学：盖茨的方案是审慎的改良主义，试图延缓冲击；Altman 的方案是务实的结构主义，试图建立新的分配机制；马斯克的方案是激进的技术决定论，相信生产力的终极发展能解决一切问题。

那么，回到最初的问题：AI 会让富人更富，穷人更穷吗？

我的答案是：在现有框架下，几乎是必然的。技术本身没有立场，但它会在现有的社会结构中，放大已经存在的趋势。资本回报率高于劳动回报率的趋势，在 AI 时代只会被指数级放大。

但这并非不可改变的宿命。它不是一个技术问题，而是一个社会选择问题。

未来的公共政策很可能是混合模式。短期内，使用类似“机器人税”的针对性调节措施争取时间。中期来看，需要构建全民基本收入（UBI）如与 AI 红利挂钩的“公民分红”。长期来看，必须思考如何让生产资料的所有权更加社会化，让更多人能分享到 AI 创造的价值，类似于“全民持股”。

对于我们个人而言，看清这个趋势至关重要。这意味着，单纯依靠出卖固定时间的“打工人”思维模式，风险会越来越高。未来的生存法则，必然要向两个方向靠拢：

第一，成为资本的所有者。这不一定是指成为亿万富翁，而是指你的收入来源中，资本性收入的占比需要逐步提高。哪怕是持有指数基金，也意味着你在分享整个经济体，特别是头部科技公司发展的红利。你要想办法从“为系统工作”变成“让系统为你工作”。

第二，投资于 AI 难以替代的能力。什么能力是 AI 难以替代的？我认为有三类：一是复杂的、跨领域的创造性解决问题的能力；二是深度的、基于信任和情感链接的人际交往能力；三是定义问题、提出愿景和承担伦理责任的领导力。这些能力的共同点是，它们都不仅仅是信息处理，更是与真实世界、与复杂人性深度互动的过程。

AI 带来的不是一个更轻松的世界，而是一个对认知能力和适应能力要求更高的世界。它迫使我们去思考一个更根本的问题：

在一个机器可以完成绝大多数工作的未来，人类的价值究竟是什么？以及，我们希望建立一个怎样的社会？这个问题，比技术本身重要得多。