摘要：耶鲁大学经济系与计算机科学系联合发布的最新研究报告，通过追踪 2018 至 2025 年间全球 12 个主要经济体的财富流动数据，揭示了一个明确趋势：人工智能正以超出预期的速度重塑社会财富分配格局，其带来的再分配效应已从技术预测落地为可观测的经济现象。

编辑：欣阅

耶鲁大学重磅研究：一半人不上班，GDP一点不掉！但你的工资可能永远不涨了

“哪怕GDP翻十倍，人类的收入依旧原地踏步。 ”耶鲁大学研究员Restrepo的模型推演出这个结论时，连他自己都感到震惊。

耶鲁大学经济系与计算机科学系联合发布的最新研究报告，通过追踪 2018 至 2025 年间全球 12 个主要经济体的财富流动数据，揭示了一个明确趋势：人工智能正以超出预期的速度重塑社会财富分配格局，其带来的再分配效应已从技术预测落地为可观测的经济现象。

该研究覆盖了制造业、金融、零售等 16 个关键行业，纳入企业财务报表、劳动力收入统计及税收数据等多维度信息，最终形成的分析结论为理解 AI 时代的财富变迁提供了重要参照。

研究发现，生成式 AI 的普及呈现出显著的 “资历偏向性”，这一特征与哈佛大学同期针对美国 28.5 万家企业、6200 万员工的追踪结果形成呼应。

在明确采用 AI 技术的企业中，初级岗位数量平均下降 7.7%，其中批发和零售行业的招聘降幅高达 40%，而资深员工的雇佣规模却持续增长。

这种变化并非源于离职率上升，而是企业主动缩减了入门级岗位的招聘需求 —— 原本作为职业晋升起点的基础岗位，正被 AI 逐步接管。

以金融行业为例，智能投顾系统可自动完成 85% 以上的基础客户咨询与资产配置建议，导致传统银行柜员、理财助理等初级岗位需求三年间下降 32%，而掌握 AI 模型调优技能的资深金融分析师薪资则上涨了 27%。

耶鲁大学研究团队通过大语言模型对劳动者教育背景进行分级分析，发现来自中等层次高校的群体受冲击最为显著，其收入增长速率较 AI 普及前下降了 19%；而顶尖高校毕业生因具备与 AI 协同工作的复合技能，收入占比持续扩大。

录取门槛较低高校的毕业生反而受影响较小，部分从事护理、家政等 AI 难以替代的服务型工作的群体，收入甚至略有提升。

这一现象在北京大学光华管理学院的研究中得到印证，其建立的理论模型显示，高端服务业中高技能劳动力的报酬占比正随 AI 渗透持续扩大，而低技能劳动力的收入份额则不断下降，资本所有者在技术应用初期更因设备与数据优势获得了收入占比的快速提升。

研究数据显示，引入 AI 技术的企业全要素生产率平均提升 43%，但员工收入增长中位数仅为 8%，两者之间的差距较传统技术升级时期扩大了 3 倍。

深圳某智能电子厂的实践为此提供了具象案例，该厂引入全流程 AI 生产线后，产能提升 5 倍，而员工数量从 2000 人缩减至 300 人，节省的人力成本转化为企业利润，推动股东分红增长 120%，但留任员工的薪资涨幅仅为 15%。

这种失衡在产业转型中持续放大，随着 AI 推动经济向服务业尤其是高端服务业集聚，资本与高技能劳动力的财富积累速度远超普通劳动者，2023 至 2025 年间，全球 Top10% 高收入群体的财富增长额中，有 41% 与 AI 技术带来的效率提升直接相关。

收入分配的极化已显现对经济运行的潜在影响。据测算，AI 引发的财富分化使样本经济体的基尼系数平均上升 0.04 个百分点，而经济合作与发展组织的历史数据显示，基尼系数每上升 1 个百分点，将导致 GDP 年均增长损失 0.15%。

这种损失源于多重传导机制：低收入家庭因收入增长停滞，被迫削减子女教育开支，导致高技能人力资本供给增速放缓；缺乏资产抵押的群体难以获得创业融资，抑制了社会创新活力；而购买力不足引发的消费信贷扩张，已使部分国家居民负债率上升至历史高位。

荷兰部分制造业自动化程度较高的地区出现了更值得警惕的信号，传统就业岗位减少并未引发生产下滑，但当地消费市场却因居民收入分化出现增长乏力。

全球范围内已开始探索应对财富再分配失衡的制度性方案。全民基本收入（UBI）试点在多个国家取得初步进展。

芬兰的试验显示，无条件发放现金的群体中有 37% 选择参与技能培训，28% 进入幼教、社区服务等公共领域工作，有效缓解了结构性失业压力。

中国社会科学院的研究指出，这种政策能增强弱势群体的谈判能力，同时鼓励人们从事报酬较低但对社会至关重要的职业。

我国的政策干预更侧重于技能衔接，《国家人工智能发展战略纲要》明确提出建立 “AI 适应型社会”，深圳、上海等城市启动的 “AI 职业新工种认证” 计划，已帮助超过 12 万名传统岗位劳动者实现转型，清华、复旦等高校推出的 AI + 融合课程，也在针对性培养适配新就业需求的人才。

税收调节成为平衡分配的重要工具，但政策制定者面临着效率与公平的权衡。耶鲁大学的研究团队提出，对 AI 相关资本所得征收专项税收，可使财富分化程度降低 22%。

北京大学的模型测算则显示，适度提高资本所得税能在一定程度上缩小收入差距，但可能导致制造业成本上升 3% 至 5%；而对 AI 技术征税虽能直接补充再分配资金，却可能使企业技术升级速度放缓 10% 至 15%。

这种权衡在各国政策实践中已有所体现，欧盟正在推进的 “数字服务税” 将 AI 企业纳入征管范围。

美国则通过加大对 AI 研发的税收减免，换取企业对员工再培训的资金投入，两种路径均在探索中寻求平衡。

AI 驱动的社会财富再分配已不是遥远的预测，而是正在发生的现实。从职业结构的重塑到收入格局的分化，从生产效率的跃升到分配机制的适配，这一进程既带来了经济增长的新动能，也提出了社会公平的新命题。

耶鲁大学的研究并未给出终极答案，但它清晰揭示了趋势 —— 当 AI 成为基础生产要素，财富分配的逻辑正在被彻底改写，如何通过制度设计让技术进步的成果惠及更广泛群体，已成为各国必须面对的时代课题。

来源：近代说史