曾译瑶、包宏：美国经济的“冰与火之歌”（万字长文）｜经济观察

来源：市场资讯

（来源：大湾区评论）

译者按 · 2026.04.14

美国经济正陷入人工智能热潮与传统行业萎缩的结构性极化。一方面是资本簇拥下的AI产业迅速发展和高收入家庭的资产膨胀，另一方面是传统行业的持续低迷与普通家庭在通胀和债务压力下的步履艰辛。长达四十年的政策导向与全球化浪潮，已使美国社会结构从理想的“橄榄型”向不稳定的“沙漏型”退化。在此背景下，AI技术革命正深刻重塑着美国社会运行的底层逻辑。

文章指出，AI表现出强烈的“虹吸效应”，正通过资产溢价、技能鸿沟及政策倾斜等措施加剧社会撕裂，使红利进一步向金字塔尖集聚。在大国竞争压力下，决策层对尖端技术的追逐极易引发对传统行业和民生领域的“战略性忽视”，导致技术“树冠”疯长而社会“根系”贫瘠。作者强调，人类的制度选择，将决定技术革命下的社会形态如何展开，必须通过竞争秩序再构、财税结构重塑等措施构建“导流渠”，将技术洪流引向社会的普惠共享，否则技术繁荣将异化为社会动荡的催化剂。

近一年来，美国人工智能领域强投入、高负债与弱回报的特征日益凸显，“AI泡沫”因此持续成为舆论焦点。从专业研报到大众媒体，观点的星火已蔓延成一片拥挤的原野——许多人将其与千禧年的互联网泡沫，甚至19世纪的铁路建设狂潮类比，认为眼下的阶段性“过热”终将沉淀为长期增长的红利，AI或许是一场“必要的泡沫”。

这类判断的背后，基于一种“线性外推”的思维——技术的未来似乎总能从过去的图谱中显现出轨迹。然而，真正的变量往往不在技术内部，而在它所降落的土壤。今日的美国，早已不是一片匀质、待垦的沃土。经济结构已先于技术本身，呈现出一道深刻的“K型裂痕”。

若我们将视线从喧嚣的AI赛道暂时移开，投向它所要嵌入的这片大陆，便会看到一幅“冷热双生”的奇观：一端是资本簇拥下的AI产业高歌猛进，如盛夏般灼热；另一端则是众多传统行业在收缩中持续低迷，寒意弥漫。一边是富裕阶层因资产膨胀而如沐暖阳，另一边则是普通家庭在通胀的积雪中步履维艰。

当一场技术革命降临在已然分裂的土地上，它所带来的就不仅是生产力本身的跃迁，更是对社会结构的深度叩问与重塑。因此，本文试图跳出行业内外的技术性争论，转而将AI置于美国日益极化的整体经济图景中进行审视。我们发现，AI展现出一种强烈的“虹吸效应”——它并未如乐观预期那般，成为可以自然“晕开”的普惠活水，反倒像一台财富输送泵，持续将资源引向已然过热的高地。

在这个意义上，AI能否由一场“必要的泡沫”真正转化为“向好的变革”，或许已超越了技术能否实现突破的单一维度。问题的核心正转向：社会能否构建起有效的制度性“导流渠”——不让科技的火焰只在高塔之上独自燃烧，而是让它的温度，经由有意识的疏导，也能抵达那些被寒冬笼罩的角落。

毕竟，任何一场技术革命的终极叙事，从来不只关于它能抵达的顶峰，更在于它最终为谁照亮了前路。

冰火纪年：美国“K型经济”

的现状及历史由来

冷暖背离：

美国经济社会的尖锐分化

“K型复苏”（K-shaped recovery）一词最早由经济学家彼得·阿特沃特（Peter Atwater）创造，并在2020–2021年新冠疫情后被广泛提及。主要用于描述一种疫情后短期的分化现象：科技、金融及白领远程工作等领域迅速收复失地甚至屡创新高，而线下服务业和低技能岗位则深陷泥潭，收入与就业呈现出“一上一下”的K字型修复轨迹（如图1）。

图1：“K型复苏”示意图（图源：美国商会）

然而，在当前对美国宏观经济的讨论中，“K型复苏”已逐渐被“K型经济”（K-shaped economy）所取代。这一语境的转换，意在强调这不只是疫情后的短期现象，而是结构性不平等（资产持有、教育、地区、行业等）在利率、通胀冲击下被放大的长期结果。2025年12月，美联储主席鲍威尔在记者会上被追问并回应有关“高收入家庭靠房产和股市财富支撑消费、低收入家庭则被五年累积的价格水平压制”的情况时，明确承认了“K型经济”的存在，并警告这可能削弱美国经济扩张的质量，并侵蚀社会支持的基础。

在美国，一幅直观的“K型”图景正在上演：一边是资本市场在AI概念的加持下高歌猛进，另一边却是支撑经济基石的消费者信心在2025年11月骤降至50.3，重回通胀至暗时刻（图2）。在两条曲线的背离中，我们看到：股市的红利被锁死在极少数持有大量金融资产的精英圈层，并未向下滴灌；而对于绝大多数普通家庭，则在默默承受房贷利率和生活成本上升的压力，消费情绪随之低迷。这种分化的加固，正如一场持续的风雪，冻结了阶层流动的可能。

图2：股市与消费者信心指数的两极分化（图源：ZeroHedge）

为更直观地呈现出当前AI爆发期下美国经济社会的结构性撕裂，我们选取了三个具有代表性的切面进行对比。

第一重分裂，体现在居民财富积累路径的“加速度”差。图3所示，自2022年人工智能模型ChatGPT发布以来，顶层1%的家庭资产占比由27%升至2025年的28.9%，底层50%的家庭资产占比则由6%降至5.3%，各阶层积累的资产规模正在不断拉开差距。从资产结构看，顶层家庭的财富高度集中在股票和基金等金融资产上——部分研究显示，高收入群体约有超过三分之一的净资产配置于股权和基金产品；而底层50%的家庭中，大约一半的财富集中在自住房等不动产，直接持有股票的比例仅在5%左右，更多依赖工资和转移收入维持生活。不同收入阶层由此进入了截然不同的财富增长轨道——一端是资产性收入的“自动巡航”，另一端是工资性收入的“原地踏步”，加速度的差异正逐渐拉开不同阶层间的财富鸿沟。

图3：ChatGPT发布前后美国顶层1%与底层50%的家庭总资产占比变化（图源：前海国际事务研究院制作）

第二重分裂，表现为消费动能的“双速运行”。收入方面，2025年后，美国高收入家庭的工资增长率逆势拉升至4%，而低收入家庭的年化增长率则降至0.9%，创下2016年以来的最低水平。这种收入差距的扩大，直接传导至消费端——叠加股市的财富积累效应，资本的高度集中牵动着美国消费的全局“体温”。从对整体消费增长的拉动作用来看，美国银行研究所最近的一份报告显示，9月份高收入消费者的支出同比增长2.6%，而低收入家庭的支出同比仅增长约0.6%。结果是，截至2025年第二季度，收入最高的10%人群的消费已占据居民总支出近一半，较30年前的36%大幅上升（图4）。

图4：各财富阶层的居民对消费支出的贡献度（图源：金融时报）

第三重分裂，体现为生产引擎的“二元分轨”。如图5所示，以半导体和电子元件为代表的高科技制造业，其产出指数自2017年以来呈指数级反弹，到2025年已逼近170的高位；相比之下，剔除高科技和汽车后的传统制造业生产指数则长期在90至100的水平线下震荡。这种产出端的分化意味着，当高科技产业因 AI浪潮而剧烈燃烧时，传统制造却在自动化与全球竞争的寒风中陷入长期停滞。在此背景下，美国所谓的“再工业化”似乎更多体现在围绕AI展开的产业再集中，而非传统工业的全面回暖。

图5：2010-2025年美国半导体及电子元件制造业与剔除高科技/汽车类制造业的工业生产指数走势对比（图源：美联储经济数据FRED）

静水流深：

40年来持续裂变的美国经济大陆

美国经济地形的持续“褶皱”，是近四十年来政策导向与全球化浪潮共同作用下的深刻裂变。追溯这一裂痕的源头，须回到20世纪80年代。彼时，以里根政府为代表的新自由主义思潮席卷而来，确立了“效率优先”的经济范式。在“涓滴经济学”的理论大旗下，美国推行大规模减税，放松金融监管，并积极拥抱全球化外包战略。这一系列政策的本意，是希望通过资本积累惠及社会底层，然而现实却与这一初衷背道而驰。

外包经济的“洋流”将国内产业链大规模冲刷至海外，导致本土制造业空心化；而金融自由化的“季风”则赋予了资本前所未有的流动性与增值能力。这种政策组合虽然在宏观层面推高了GDP，却在微观层面撕开了难以愈合的社会创口：精英阶层凭借全球资本配置能力实现了财富的指数级膨胀，而广大劳工阶层则失去了稳定的产业依托，裂痕在静水流深中悄然扩大。

从图6中可以看出，随着全球化外包战略的深入推进，红线所代表的制造业就业人数经历了不可逆转的结构性下行，由20世纪80年代的近2000万人一路震荡走低至目前约1200万人的水平，意味着美国曾经引以为傲、能够提供稳定收入与体面生活的“蓝领中产”基础被连根拔起。同时，以医疗保健（黑线）和专业商业服务（橙线）为代表的服务业则迅速崛起，填补了数量上的缺口。目前来看，医疗和社会救助行业已成为当前吸纳就业的绝对主力，但这些岗位往往伴随着低薪资、低福利与高不稳定性，劳动者抗风险能力日益脆弱。

图6：1980—2025年美国就业结构的变化趋势（图源：前海国际事务研究院制作）

就业结构的变迁直接导致了社会阶层的剧烈重塑。数据显示（图7），这种“向两极拉伸”的趋势愈发明显：2015年，处于最低收入阶层的成年人占比已从1971年的16%上升至20%，而处于最高收入阶层的比例更是从4%翻倍增长至9%。相比之下，作为社会稳定器的中间阶层比例却在持续萎缩，中低与中高收入群体的规模陷入停滞。美国社会结构正从理想的“橄榄型”向不稳定的“沙漏型”退化。

图7：1971—2015年各收入阶层的占比变化趋势（图源：皮尤研究中心）

同样地，财富分配结构也经历了一场跨越40年的“慢迁徙”。根据美联储分配金融账户（Distributional Financial Accounts，以下简称“DFA”）的数据显示，1989年第三季度至2020年第二季度，美国前10%人群总财富占全部居民财富的比例从55.3%上升至63.5%，底层50%人群的总财富占比则从7.2%下降至5.5%（图8）。尤其是在2008年金融危机之后，美联储的量化宽松政策成为了贫富差距扩大的催化剂。由于富裕阶层持有绝大多数的股票、房产等金融资产，量化宽松注入的流动性迅速推高资产价格，使其财富雪球越滚越大；而对普通居民而言，这一货币洪流却未能有效转化为工资增长、就业改善或实体消费，从而拉大了贫富双轨的差距。

图8：1989年第三季度-2020年第二季度美国居民总财富占比变化情况（图源：美联储家庭财富分布账户（DFA））

尽管拜登政府上台后明确提出有别于“涓滴经济学”的发展理念，主张通过“中间向外、底层向上”（Middle‑out and Bottom‑up）重塑增长路径，并辅以税收抵免、福利扩张、产业补贴及对资本和企业加税等一系列再分配与产业政策，试图缓解长期积累的不平等，但实际效果却相当有限，甚至在某些层面加重了底层群体的生活压力。一方面，大规模财政扩张在供给受限的背景下推升了通胀，住房、能源与食品等必需品价格上涨，侵蚀了低收入家庭对补贴和福利的实际获得感；另一方面，产业补贴与政府投资在执行时更多倾向于大型企业，资源与收益依旧向头部企业和资产持有者集中。而为了遏制高通胀，美联储又被迫采取激进的加息政策，这使得预算本就对必需品价格敏感的普通家庭，承受了远比资产丰厚的精英阶层更直接、更强烈的通胀冲击。其结果是，政策在试图平衡经济的同时，反而推高了普通家庭的借贷成本（如学生贷款、房贷和车贷利率飙升），甚至让更多底层民众陷入了债务泥潭（图9）。

图9：2003-2025年按贷款类型划分（汽车、房屋、学生贷款）的拖欠余额百分比（%）（图源：纽约联邦储备银行）

由上可见，美国经济大陆的裂变并非一日之寒，四十年的政策倾向与市场力量，共同造就了如今冰火两重天的“K型”经济格局。这也意味着，当前的AI技术革命并非在一张“白纸”上展开，而是叠加在既有不平等基础上一股全新的增长与分配动力。

AI飓风过境：技术加速主义

“魔法”加剧大陆割裂

目前来看，AI浪潮似乎正以飓风之势，在这片早已割裂的大陆上加速冲刷——它并非滋润万物的春雨，而是一股高度集中的资本风暴。以其强大的引力，将资源、资金与预期收益迅速吸附到少数核心企业之中，深度裹挟着美国经济的运行轨迹。从经济贡献看，AI行业几乎已成为“心脏脉搏”。尽管AI行业与数据中心仅占美国GDP约4%，但2025年上半年却已贡献了全美GDP实际增长的92%。其中，微软、谷歌、亚马逊、Meta和英伟达等少数几家科技巨头的资本支出已占据美国企业资本总支出的近三分之一，年度支出规模逼近4000亿美元——相当于丹麦的全年经济总量。从资本回报看，这种增长红利亦被几大AI巨头精准捕获。截至2024年第四季度，掌握算力与模型入口的“七巨头”总盈利飙升至1312亿美元，同比增速（31.7%）远超标普500指数（16.9%）。进入2025年后，尽管盈利增速边际放缓至约17%，其表现仍显著跑赢剔除七巨头后的标普500（约9%），并贡献了标普500当年总盈利增量的约三分之一。同时，资本也敏锐地捕捉到了这一业绩韧性并蜂拥而至——“做多七巨头”以54%的投票率位列“最拥挤交易”的榜首，标普500指数的前十大权重股占比突破35%，甚至超过2000年互联网泡沫的峰值，资本市场因此陷入狂热。

图10：2025年第四季度由基金经理选出的“最拥挤交易”排名（图源：美国银行（BofA）全球基金经理调查）

诚然，这颗“AI心脏”确实为美国经济泵入了惊人动力，但它驱动的，却是一部布满裂痕的机器。在财富分布与就业结构日趋两极化的背景下，技术红利并不会像水流一样自动润泽低洼地带，而是顺着既有的“生产关系”河道，被进一步引至金字塔尖。这种“强者恒强”的技术加速主义逻辑，正在通过三重路径将美国经济社会的裂痕推向一个新的临界点……

资产市场以“实体之血”

筑就“AI神坛”

通过资本市场这台高速运转的“离心机”，AI热潮加剧了企业融资端和财富分配端的断裂，从而演化为一场对传统制造等非AI实体经济的隐性“抽血”。

在融资端，资本正围绕AI形成明显的“虹吸效应”——低成本资金持续向科技巨头集中，而传统行业则在融资环境收紧中被迫面临破产。一方面，市场对AI未来的乐观预期，赋予了科技巨头（如“七巨头”）和AI独角兽极高的市盈率（P/E）和估值溢价。这种高估值本质上构成了一种融资“特权”。最具代表性的证据来自谷歌母公司Alphabet，其于2026年2月13日发行了一只规模10亿英镑的100年期公司债（2126年到期），用于支持其AI基础设施、云计算与数据中心扩张。这支“百年债”的票面利率仅为6.125%，而同期英国30年期国债收益率约5.2%、美国30年期国债约 4.7%。充分显示出，作为AI时代关键基础设施提供者，科技巨头已在债务融资成本上享有“主权”级别的定价特权。这一优势使它们能够“不计成本”地抢购GPU、建设数据中心并挖角顶尖人才，形成赢家通吃的“马太效应”。另一方面，制造业、零售及建筑等传统行业，却被资本视为“缺乏想象力”的旧资产，在估值被长期压制的背景下，需通过银行信贷或发行高息债券等方式，以更高的成本进行融资。随着有限的流动性被AI飓风持续“虹吸”，传统企业被迫缩减资本开支、停止生产线更新，甚至通过裁员来维持现金流安全。据《华盛顿邮报》数据，截至2025年11月，美国已有至少717家大型公司申请破产，同比增长约14%，达到2010年以来的最高水平。其中，工业部门受冲击最为明显——制造、建筑与运输行业合计有110家大型企业申请破产，位居各行业之首。

在财富端，资产收益的“温差”正急剧重塑贫富格局——富裕阶层独享高增长资产，而中低收入群体深陷高成本负债。其中，AI板块凭借181%的惊人回报率和124%的盈利增长主导了市场繁荣，但由于高准入门槛及股权高度集中（前1%富人持有近半数美股市值），这一“估值红利”被牢牢锁定在金字塔顶端。相比之下，被隔绝在资产盛宴之外的普通家庭面临的是“债务抽血”（图9）。2025年，美国信用卡债务规模达到1.28万亿美元，平均利率约23%，远高于同期30年期按揭贷款利率（约6%-7%）与投资级公司债收益率（约5%-6%）。这一高息债务负担对底层居民的冲击尤为剧烈：收入最低10%地区的拖欠率在2025年一季度已达到20.1%，同期收入最高10%地区的信用卡债务拖欠率仅为7.3%。具有警示意义的信号出现在2025年9月，一家手握约10万笔未结贷款的美国次级车贷机构TricolorHoldings递交破产申请，标志着次级车贷压力已越过借款人防线，开始直接冲击放贷机构本身。结果是，当资本市场被AI之火点燃时，真正能够感受到热量的，仍只是少数站在火源附近的人。

图11：美国不同收入阶层的资产持有结构比较（来源：美联储）

就业市场因“技能鸿沟”

引发“职业折叠”

与资本在市场中的高度集聚相呼应，这股AI浪潮惊涛拍岸，裹挟着资本与科技巨头驶向深蓝，却将大量普通居民和传统行业搁浅在岸边。然而，浪潮的物理筛选仅仅是序章，紧随其后的，是它对劳动力市场“骨架结构”的重塑——如同水流冲刷出全新的河床与流域，重新定义了劳动者“通往深蓝”的攀缘路径。具体来看：

其一，AI的快速发展正在拉大不同劳动者之间的收入差距。在生成式AI快速扩张的背景下，企业对算法开发、模型训练与数据工程等复合型能力的需求激增，而相关的人才供给短期内难以同步增长，直接推高了AI岗位的技能溢价。从绝对差距来看，AI人才与普通人几乎已经不在同一个“薪资频道”。根据美国劳工统计局（U.S. Bureau of Labor Statistics）的数据，人工智能工程师的年薪中位数达到145080美元，而美国全部职业平均年薪仅为65470美元，前者约为后者的2.2倍，薪资差距达到122%。从岗位需求来看，企业也往往会在招聘中，给AI人才递上一张“黄金门票”。市场调研机构Lightcast的报告显示，要求AI技能的职位平均薪资比不要求相关技能的岗位高出约28%，约多出18000美元/年（图12）。

图12：按职位类别划分的AI技能相关岗位广告中位数薪资对比（2024）（来源：Lightcast）

更神奇的是，在传统上由学历主导的薪资体系中，AI技能似乎正在打破原有的回报逻辑，成为比学位更直接的收入杠杆。世界经济论坛的一项调查显示，拥有AI技能的工资溢价已超过硕士和学士学位（图13）， “技能”正越来越多地取代“学历”成为职场上的“新硬通货”。除薪资外，拥有AI技能还能帮助员工获得更优的福利和面试准入机会，甚至可以弥补学位、年龄等传统认知上的招聘劣势。

图13：AI技能对薪资溢价与福利待遇的提升（图源：Bone et al. (2025)《Skills or degree? The rise of skill-based hiring for AI and green jobs》；Mira et al. (2025)《Beyond pay: AI skills reward more job benefits》）

其二，AI在“创造与毁灭”中加剧职业分化。一方面，人工智能确实催生了新的就业机会。世界经济论坛《2025年未来就业报告》显示，到2030年前增长最快的岗位中，有两个——大数据专家和人工智能/机器学习工程师——直接与AI和数据相关（图14），表明高技能技术岗位需求正在快速上升。但另一方面，自动化能力的提升也在加速传统岗位的收缩。麦肯锡研究显示，办公室支持、零售与客户服务、餐饮服务以及生产制造四类岗位将占美国未来岗位减少总量的约75%，其中包括文员、行政助理、零售销售员和收银员等职位，预计到2030年前岗位数量将合计减少超过60万个。换言之，AI正在优先替代那些流程标准化、重复性较强的劳动岗位。但即便是技术领域也并非绝对安全。长期来看，这种倚靠AI催生出来的岗位需求，也面临着被AI替代的风险。圣路易斯联储研究发现，2022年至2025年间，AI应用程度较高的职业（主要是计算机与数学类）失业率增幅反而高于部分蓝领和服务业岗位。结果是，AI一面抬升高技能岗位的价值与数量，另一面却压缩了传统与入门级岗位空间。职业阶梯不再均衡展开，而是在技能鸿沟的牵引下向两端延伸：高端岗位被推向更高处，中低端岗位则被层层压缩、叠入底部结构之中，形成一种持续加深的“职业折叠”。

图14：2025–2030年全球增长最快的职业类别预测统计（图源：世界经济论坛《2025年未来就业报告》）

政府以“国家意志”

扭曲“资源天平”

自拜登政府时期起，AI浪潮更是借得政策的“风力”，掀起了新的潮涌——政策资源、财政补贴与国家资本开始向其集中倾斜，既让身处深蓝的科技巨头得以加速远航，也让岸边的观望者愈发望洋兴叹。2022年7月，美国国会通过《芯片与科学法案》（CHIPS and Science Act），计划投入约2800亿美元振兴半导体制造与前沿技术研发，其中约2000亿美元直接投向人工智能等关键技术领域。政策出台后，电子、计算机与电气设备相关设施投资由2020年前十年的年均不足70亿美元，迅速跃升至2024年的超过900亿美元（图15），AI相关产业开始获得联邦层面的“加码支持”。

图15：政策红利下，美国计算机及电子设施建设规模迅速扩大（2011-2024）（图源：彼得森国际经济研究所）

进入2025年，美国的政策重心进一步从“补产业”升级为“大基建”。特朗普在其第二任期明确将AI定位为维持美国长期科技与经济霸权的“第四次工业革命核心技术”，明确要“赢得AI竞赛”，拉大与中国的差距。2025年1月21日，由政府牵头、OpenAI、软银、甲骨文等巨头联合响应的“星际之门”（Stargate Project）项目一举获得高达5000亿美元的投资承诺，聚焦AI数据中心与算力网络建设，资本与政策的合流正为AI铺设物理层面的“高速公路”；7月23日，白宫发布《赢得竞争：美国人工智能行动计划》（简称“AI行动计划”），明确承诺对头部AI公司、云服务商和数据中心运营商提供财政补贴、税收抵免、政府采购倾斜等支持，并要求扩大此前《芯片与科学法案》中规定的税收优惠范围，覆盖AI数据中心和电网升级项目，政策的“制度护航”随即漫灌至基础设施后端；及至11月，特朗普签署行政令启动“创世纪计划”（Genesis Mission），整合能源部17个国家实验室，英伟达、亚马逊等24家科技巨头的资源，构建国家级AI科学平台。

在上述AI支持政策的驱动下，社会资源分配（主要是私人投资）开始出现明显分化。进入2025年后，与AI高度相关的信息处理设备与软件投资仍保持约14%的同比增长，而制造业相关固定资产投资则连续三个季度维持负增长（图16）。换言之，资本正在加速流向与算力和数字基础设施相关的领域，而传统工业投资动能则明显减弱。这种以政策为导向的“资源再配置”，带来了对AI产业的系统性“偏爱”，并导致了AI产业的“泡沫上升”与传统产业的“投资空洞化”。政策之力作为自上而下的“暗流”，为已经汹涌的浪潮再度注入动能，并使得本就存在的分野愈发清晰——谁在风口之上加速远航，谁又在潮水之外逆流而行。

图16：2022-2025年美国私人非住宅固定投资（信息与软件V.S. 制造业）变化趋势（图源：美联储经济数据FRED）

从以上机制中不难看出，在现有制度与传导路径下，AI似乎表现出了一种复杂的双重属性：它既是效率的“加速器”，也是分配的“放大器”。那些能够靠近技术火源的人——无论是持有资产的富人、身处AI行业的精英，还是率先获得政策倾斜的企业——正在享受前所未有的红利；而那些本就处于边缘的人群，则在通胀、债务和传统行业萎缩的夹缝中，感受到技术浪潮过后的阵阵寒意。

驯风筑渠：

为AI洪流开凿共享河道

飓风本身未必是灾难，真正决定后果的，是其是否拥有足够坚固的堤坝与清晰的水道。如何让AI成果被社会共享，而不是成为撕裂社会的新力量，是当下政策与制度设计必须正视的核心问题。治洪的关键或许不只在于压制浪潮，而更多在于修筑水系。AI所带来的资本与利润，究竟能否沉淀为可持续的水库——这既取决于行业盈利模式能否尽快走向稳健，使资本回报建立在真实的生产率提升之上，从而降低泡沫破裂的系统性风险；也取决于政策能否纠正资源过度集中的结构性失衡。若资源持续单向堆积于算力、芯片与模型平台，而缺乏向实体经济和社会大众扩散的回流机制，那么水位的抬升只会加剧两岸落差。从当前的传导路径看，“必要的泡沫”或许会演变为“失控的浪潮”，“技术繁荣”也可能异化为另一种形式的“社会紧缩”。

涨潮后的裂谷：

回溯工业革命的社会代价

历史从未证明，技术进步会自动带来普遍繁荣。相反，它正反复提醒我们：生产率的跃升，往往会率先冲击既有的分配秩序，而非顺利地渗入社会肌理。技术可以拓宽经济的“水面”，却并不自然决定水流如何分配。纵观过去几个世纪，每当技术进步长期脱离社会大多数人的福祉，社会动荡与经济失衡几乎不可避免。

回望历史，第一次工业革命虽然极大提升了生产效率，却也同时制造了城市贫困、童工泛滥与工人阶层的困境。直至工会兴起、劳动立法完善与福利国家逐步建立，技术红利才开始真正下沉。第二次工业革命依托电气化与大规模生产，进一步强化了资本集中与产业垄断，财富分配失衡一度催生了“镀金时代”的贫富鸿沟。20世纪上半叶的历史更为惨痛地证明，严重的分配失衡若不能通过制度温和修正，最终往往会通过大萧条、极端主义崛起乃至战争等极端形式被迫出清，这正是制度调节滞后于技术扩张所付出的巨大代价。所谓“技术解放生产力”，若缺乏制度约束与再分配机制，往往先成为少数人的财富加速器，却并不能成为带动社会全体的繁荣引擎。换言之，技术本身不决定分配结果，制度才是决定“技术红利能否转化为公共福祉”的关键所在。

当下，经过四十年的新自由主义改造，美国经济社会中的工会组织、税收调节与反垄断监管等“制度缓冲层”已大幅削弱。当AI这种“超级技术”降临在一个高度不平等、缺乏再分配机制的结构性环境中，它不会自动填补裂谷，反而会顺着既有的“K型”分化轨迹加速社会撕裂。换言之，若缺乏制度层面的干预与引导，技术变革所释放的能量可能持续在高位累积、从底部抽离，在裂谷中持续积蓄张力，进而引发沉重的社会代价。

当洪流遇上陡坡：

警惕地缘竞争压力下的“加速偏航”

当前的AI繁荣既包含真实的技术突破，也伴随着典型的资本过热。历史上，几乎所有的重大技术革命都伴随一定程度的投机与泡沫，这本是市场试错的正常过程。然而，当下的危险在于，这种“周期性过热”正在与“地缘政治焦虑”发生共振，使AI浪潮被推向更陡峭的斜坡。

在大国竞争压力下，决策层为确保关键技术领先，对AI行业内的乱象与估值泡沫给予了极高的“默许度”；而那些被视为“含金量不足”的传统行业与民生领域，则遭到了“战略性忽视”。这种“不顾内部平衡，只顾追求领先”的策略，本质上是一种危险的战略误判。当政策与资本过度聚焦于算力、芯片等高端赛道时，制造业、物流业、公共医疗与基层教育等吸纳大量就业的领域，可能因资源被虹吸而陷入“供血不足”。若中等技能岗位在尚未完成转型前便因资源挤压而过早萎缩，需求端的收缩也将反过来限制新技术的扩散与落地。基础产业的快速“挤出”，将显著削弱经济体的就业承载力、需求拉动力与整体内循环韧性。在冷战时期，苏联率先将人类送入太空，拥有庞大的军工体系，在核技术、航天工程、基础数学等领域具有世界级实力。然而这些尖端能力并未转化为居民生活水平的大幅改善——消费品长期短缺，居民需要排队购买基本生活物资；农业效率低下导致粮食依赖进口；企业缺乏激励机制，生产效率持续偏低。技术“树冠”向上疯长，而承载日常生活的“根系”和“土壤”持续贫瘠，最终削弱了社会的整合能力。这深刻提醒我们，决定地缘竞争胜负的关键，不仅在于技术高峰能攀多高，更在于经济“地基”是否稳固——取决于经济结构的韧性、中产阶级的广度以及社会整合的深度。若收入与资本过度集中于少数高技能群体与资产持有者手中，消费结构趋于收缩，宏观波动性上升，创新红利便难以在全社会扩散。

如果说宏观层面的问题在于战略偏差，那么微观层面的风险，则来自AI产业内部“循环嵌套投资”与“私人信贷黑箱”。当前，美国AI科技巨头通过向初创公司提供股权投资或云服务额度，再由初创公司将这些资金用于购买云算力和GPU资源，从而形成“左手倒右手”的闭环交易。账面营收与估值因此迅速抬升，但却并未创造出与之匹配的真实社会生产力。这种“增长”更像是在系统内部循环加压，而非来自外部河道的自然补给。与此同时，以Blue Owl为代表、深度嵌入本轮AI基础设施和软件融资的私人信贷市场迅速扩张，高杠杆（企业债务与EBITDA比率普遍超过7倍）与信息不透明（底层资产结构与流动性条款披露不足）成为其显著特征。近期围绕其资产质量与流动性的争议与处置举措，已在市场上引发明显的紧张情绪。当AI的“资本自循环”与私人信贷的“黑箱扩张”相互叠加，其逻辑与2008年次贷危机前“拆分打包、层层杠杆、信息不对称” 的模式高度相似。若不能及时引导资本回归“真实”，一旦AI项目现金流中断或宏观流动性收紧，可能触发上游云服务营收下修与下游信贷违约的连锁反应，放大系统性风险。

AI操控的机器人虽难以完全替代实验科学家，但AI系统已开始接管人类的数据分析师、研究编码员等工作（图源：《自然》）

为浪潮校准航向：

如何构建面向AI的“制度导流渠”？

作为一股势不可挡的洪流，当下属于AI的核心命题不是“要不要发展”，而是如何在发展过程中通过制度创新，将其由“激荡的泡沫”引向“温和的普惠”，避免重蹈历史覆辙。

目前来看，这并不存在一套“标准答案”。尽管不同国家在制度传统、产业结构与社会契约间的差异巨大，但方向性的命题是共通的——如何在鼓励创新的同时，为技术红利修建“导流渠”；在技术替代加速发生之际，保障劳动者的平稳过渡。与其等到社会矛盾全面爆发后再被迫进行“事后修补”，不如对“制度河道”进行前瞻性干预。毕竟，历史曾反复证明，在危机爆发前主动调整规则的代价，总是远低于在社会撕裂后重建秩序的成本。

在这一过程中，首先需要对竞争秩序进行再构，从源头上缓冲浪潮本身的冲击力。模型平台和算力基础设施天然具有规模经济与网络效应，资源和权力的集中趋势几乎不可避免。若创新生态被少数巨头通过排他性协议或接口壁垒“封存”，生产率红利势必无法穿透至广泛的经济毛细血管。因此，在不扼杀头部企业创新动力的前提下，重点在于保障数据的公平接入，强化数据可携带性并推动接口开放，防止技术与市场的双重垄断。

其次是对财税结构进行重塑，引导资本洪流有序汇入社会蓄水池。历史经验证明，当生产率大幅提升而分配机制滞后时，财富往往先于规则调整在资本一端迅速集中。在AI时代，算法与自动化极大提高了资本收益率，若税制结构仍主要依赖劳动收入，社会保障的财政基础将被逐步侵蚀。因此，需以“财政之手”对分配结构进行调节：优化资本利得税，引入超额利润调节机制，并探索与数据价值相关的公共收益分配。其核心并非惩罚创新，而是确保技术发展的成本与红利不会在少数节点堆积，而能够通过制度分流，在社会内部实现更为均衡的循环，以此巩固共同体的财政韧性。

最后是构建普惠转型的“底座”，让经由疏导后的活水浸润每一寸土壤。具体来说，可通过公共投资建设开放算力平台，支持开源模型生态，将算力纳入新的公共基础设施范畴。这不仅能降低中小企业、教育、科研与公共医疗等领域应用AI的门槛，也能防止技术红利被资本垄断。在此基础之上，须同步建立“全民技能转轨机制”，将政策重心由“补贴企业”转向“赋能个体”。针对受冲击最为严重的岗位，设立长期稳定的技能再造基金，并配合工资补贴、负所得税等工具，为劳动者提供必要的过渡期缓冲。归根结底，这些制度创新并非推翻既有的市场秩序，而是在历史经验基础上的动态修正与持续校准，确保技术转型不再意味着社会撕裂，而可以成为包容增长的新起点。

需要强调的是，这些讨论并非针对某一国家，而是AI时代所有经济体共同面对的结构性命题。历史已多次证明，技术扩散的指数级浪潮与制度调整的线性步伐之间，存在天然的“时间差”。当巨浪已至而河道尚未拓宽，率先决堤的往往不是技术本身，而是尚未完成加固的制度堤防。因此，AI时代的真正竞赛，不只是算力的角逐与算法的迭代，更是一场社会治理能力的“升级大考”。谁能够在鼓励创新的同时，稳固分配结构的韧性，谁就更可能在文明的洪流中不仅站稳脚跟，更引水灌溉出自己的绿洲。从这个意义上说，叩问AI未来的便不只是技术本身，更在于社会契约能否顺利完成重塑。或许，技术革命不可阻挡，但其社会形态如何展开，最终取决于人类的制度选择——这正是AI时代留给社会科学研究者的核心追问。

本文作者

曾译瑶：香港中文大学（深圳）前海国际事务研究院研究助理。

包宏：香港中文大学（深圳）前海国际事务研究院助理院长。

*本文内容原载于新京报，作者于原版内容基础上进行了扩充和修改。

GBA Review 新传媒

校对 | 李 征

排版 | 许梓烽

初审 | 王炳云

终审 | 冯箫凝