滕泰:AI时代的财富路线图与人类命运（下）

来源：市场资讯

（来源：新经济观澜）

四、为什么AI时代的财富不平衡会更极端？

理解了AI时代的财富版图之后，我们来到本章开头提出的另一个紧迫问题：人类将如何应对更极端的财富不平衡？

这个问题之所以紧迫，是因为AI革命在结构上就内在地倾向于加剧财富集中。

在工业时代，财富创造遵循生产函数Y=f(K,L,T)。虽然资本K高度集中，但劳动L是分散的——数以亿计的工人通过出卖劳动获得工资，形成了“资本-劳动”的二元分配格局。财富虽然不平衡，但劳动报酬构成了社会分配的“底盘”。哪怕是最低工资的工人，也是经济循环中不可或缺的一环——他们生产、他们消费，他们的工资连接着供给和需求。

然而在AI时代，创新函数中的几个关键变量都具有强烈的集中化倾向，而这种集中化与工业时代的资本集中有着本质区别。

工业时代，一个企业拥有更多的工厂，工厂越多，工人越多。劳动报酬虽然在总产出中的占比可能下降，但它始终是一个庞大的“底盘”，连接着生产和消费两端。

AI时代，创新函数中的核心变量——灵感概率P%、企业家才能E、创新环境ε——都具有天然的“赢者通吃”属性。全球能提供硅谷级别创新环境的地方屈指可数，能像黄仁勋那样企业家和顶尖创意者也是稀缺资源。更重要的是，AI工具进一步放大了这些变量之间的差距——顶尖创意者+最强AI工具的产出，与普通创意者的产出之间，不是几倍的差距，而是几何级数的差距。

结果就会产生了一个工业时代不存在的结构性问题：传统的劳动分配渠道正在被拆解。在工业时代，即使资本、地租等拿走了部分利润，工人的工资仍然构成了一个庞大的“分配底盘”——工资→消费→需求→生产→工资，形成了一个自我维持的经济循环。但在AI时代，当大量劳动被AI替代，当大量消费行为被AI智能体执行，当大量数据生产被平台占有，这个循环的桥梁正在断裂。产出可能仍在增长，但不经过劳动报酬的环节，直接流向了算力和资本所有者。

2026年初，图灵奖得主Yoshua Bengio团队的研究伙伴发布了一份引发全球投资界高度关注的思想实验：这个思想实验描绘了AI时代的“替代螺旋”：AI替代白领工作→失业→消费萎缩→利润承压→进一步裁员。产出仍在增长，但财富集中于算力所有者，不再通过工资循环渗透到真实经济——结果就是，看得见的增长，而感受不到的繁荣。

MIT经济学家Daron Acemoglu等人提出了一个更深层的担忧：生成式AI可能通过替代人类学习努力而侵蚀社会长期运行的集体知识积累机制。当AI建议的准确性超过某个阈值时，人们可能不再愿意投入艰苦的学习过程——反正AI比我知道得多，我为什么还要学？长此以往，社会的通用知识基础可能逐渐萎缩。

从创新函数来看，Acemoglu的担忧触及了一个根本性的问题：当AI的创意能力远超人类，大部分人在创新函数中的贡献趋近于零——信息态财富的创造完全由AI接管。但AI的创新思维本质上是既有信息元素的重新组合，而人类历史上那些真正的突破性创新——从牛顿万有引力到爱因斯坦相对论，从DNA双螺旋到原创音乐——当人类放弃了深度思考和创新努力，整个社会的灵感概率P%可能系统性下降，即使AI工具再强大也无法弥补。

国家间的“新一轮大分化”同样值得警惕。AI时代的财富不平衡不仅存在于人与人之间，也存在于国家与国家之间，而且可能比工业时代更难弥合。

创新环境ε的差异是分化的根源——全球能提供硅谷级别创新生态的地方屈指可数，而创意人才天然地向创新环境最好的地方流动。灵感概率P%的分布不均加剧了分化——发达国家顶尖创意者配备了最强AI工具，与发展中国家之间的差距被进一步拉大。企业家才能E的不对等则固化了分化——能够整合全球算力、数据和人才资源的企业家，绝大多数集中在少数几个创新中心。

更值得关注的是，AI时代的国家间差距可能比工业时代更难弥合：制度和文化环境的改善需要数十年，人才生态的培育和聚集需要更长时间，而这些恰恰是AI时代最核心的财富创造要素。一旦在AI革命中落后，追赶的难度可能远超工业时代。

五、人类如何应对：面向AI时代的制度创新

面对AI时代更极端的财富不平衡和更深层风险，人类需要从几个层面构建全新的应对框架。

（一）制度层面：最大化创新环境ε

从创新函数来看，提升创新环境ε是普惠性最强的干预方向——它不偏袒任何特定的技术路线或企业，而是为所有人提供更好的创新土壤。保护知识产权，让创意者有动力投入长期不确定的研发；促进学术自由和知识开放，防止思想被垄断；建设宽容多元的社会文化，降低创新失败的成本。在反垄断方面，核心是防止AI时代的“创新生态”被少数巨头永久锁定——确保数据和AI工具的可迁移性，促进开源生态和协议标准，保护中小开发者和创业者的权益。

（二）个人层面：教育改革的方向

AI时代，教育的目标不是灌输知识，而是培养创造力、同理心和终身学习能力。

这里有一个深层的变化需要理解：在创新函数中，信息元素i的供给已经不再是瓶颈——AI可以瞬间检索数十亿级别的信息元素。因此，传统教育中“积累信息元素”的训练方式（背诵、刷题、知识竞赛）正在迅速贬值。真正稀缺的，是那些能够将信息元素组合成前所未有之物的能力——发现问题、跨领域联想的能力、面对不确定性的冒险精神。这些能力对应着创新函数中那个最不可替代的变量：人类独特的灵感概率。教育应该从“知识传授”转向“思维训练”。这不是一句口号，而是创新函数理论给我们的明确指引：当信息元素不再稀缺，真正稀缺的是创造力。

（三）治理层面：AI时代的治理框架

全民基本收入（UBI，Universal Bacis Incom），不仅是应对AI时代财富不平衡的重要制度创新，而是一种不可或缺的必然安排。从创新函数的逻辑来看，当AI替代了大量有效创意劳动，传统“劳动-报酬-消费”的经济循环被打破，社会需要一种新的机制来维持需求端的活力。

全民基本收入（UBI）的本质正是在创新函数之外注入一个“分配常数”，为被AI替代的劳动者提供基本保障，同时维持消费能力，防止经济陷入“幽灵GDP”式的循环萎缩。支持UBI的理由是充分的：它承认了AI时代劳动与报酬之间的传统联系正在松动这一基本事实；它为每一个人提供了试错和创新的底线保障，反而可能激发更多人投身于不确定性极高的创造性活动；它比传统的失业救济更简洁、更尊重个体自由、更少行政摩擦。

除了UBI，其他方案也值得探索中：数据分红（用户从平台获得数据收益分成）、全民算力配额（每人享有免费的AI计算资源）、创意创业补贴（定向支持不确定性高的创造性活动）。UBI不是唯一答案，但承认“劳动-报酬”链条断裂的事实，是所有方案的共同起点。

更根本的治理框架还需要解决技术层面的问题。第一，责任归属：当AI智能体自主做出决策导致损失时，谁来承担责任？第二，算法公平：当算法的推荐逻辑系统性偏向某些群体时，如何进行纠偏？第三，知识产权：当AI的创新产出模糊了“人类创造”和“机器生成”的边界时，如何界定产权归属？这些都需要全新的法律和治理安排。

六、当创意也可以被AI模仿时，人类不可替代的那个支撑点，究竟在哪里

站在千年历史的尺度上回望，三次财富革命呈现出一条清晰的底层逻辑演化路线。

在采猎时代和早期农业时代，土地不是稀缺资源，人口和劳动是核心生产要素，人口聚集之处就是财富聚集之处。随着人口增长，土地才变得相对稀缺，成为核心生产要素。工业社会早期，资本成为组织生产的核心要素，城邦和国家之间的实力对比开始以资本来衡量。

而到了人工智能时代，资本与创新创造要素之间的关系发生了进一步的转变。那些拥有研发创意、企业家精神、品牌影响力、技术生态优势的人和企业，可以轻而易举地从金融市场获得资本——资本有时会沦为技术拥有者和企业管理者的附属品。创新环境、创意者、企业家才能、信息元素、技术生态，开始成为创造财富的核心要素，并主导财富流向。

当大部分物质产品都被研发创意和品牌影响力等软价值所主导，从而成为信息态产品的载体时，那些拥有优美自然环境和自由的创新环境、最适宜创意人才生活和工作的地区，都将成为新的财富聚集地。

这就是千年财富流向图的深层逻辑——它不是资源的简单重新分配，而是财富形态从物质态到信息态的哲学范式转换。三次财富革命的本质，是从“向土地要财富”到“向物质要财富”，再到“向信息和创意要财富”的认知跃迁。而人工智能革命最终拷问的是：当创意也可以被AI模仿时，人类不可替代的那个支撑点，究竟在哪里？