智能时代的财富新逻辑

人工智能正在彻底重塑“财富创造者与获取者”的界定。其核心走向表现为：整体财富规模扩张，但分配结构却严重向资本方、大型平台及高技能人群倾斜，导致了显著的K型分化。

资本挤压劳动份额：随着AI让“人类智慧”不再稀缺，企业转而使用算力来替代人力，导致国民收入中资本回报的比例攀升，而劳动报酬占比下降，“r＞g”这一现象被进一步放大。

赢家通吃机制：大模型的训练需要耗费天文数字般的算力（单次数千万美元起步），这限制了入场门槛，仅少数科技巨头和顶级风投能参与，从而形成“认知垄断”，巨额利润被平台公司和股东瓜分殆尽。

劳动力内部阶层分化：善于利用AI提效的高技能群体薪资上涨；而客服、初级程序员、翻译、法务等标准化脑力工作面临被替代的风险。中低技能劳动者议价能力减弱，甚至被迫流向低薪服务业，加剧了初次分配的差距。

据IMF估算，全球约有40%的岗位属于“AI高暴露”范畴，发达经济体这一比例更是高达60%；其中，初级岗位（22至25岁）是受替代冲击最严重的领域。

学界及政策制定者提出的应对策略：

对资本及超额利润征税：上调资本利得税率，或针对科技巨头征收“数字税”和“AI/机器人税”

数据要素公有化：将用户行为数据定义为公共资源，模型商业化的收益需回馈公共财政

全民基本收入/公民红利：利用AI企业的部分超额利润建立公共财富基金，向公众分发红利（韩国及OpenAI均有相关讨论）

加大人力资本投入：通过大规模再培训、缩短工时以及完善社会保障体系，辅助劳动力实现跨周期的转型

尽早转型为“AI放大器”而非“替代品”：学会借助AI提升效率、辅助决策判断、处理复杂的人际关系或创意事务，向高不可替代性的方向迈进。

重视资产端参与：通过持有宽基指数或科技类基金来间接分享AI带来的资本增值，单纯依靠工资收入已越来越难以跑赢贫富分化。

保持持续学习：随着初级岗位减少，“一劳永逸”的学历模式已失效，唯有终身学习才能构筑护城河。

如果你关注个人如何规划资产/职业以应对AI带来的分配效应，或是想了解特定国家的政策细节，欢迎继续提问。