AI时代的劳动份额危机：技术进步与收入不平等的博弈

在1月和2月发布的《宏观经济信号》报告中，我们已深入探讨了AI技术的加速应用正以前所未有的速度重塑全球经济格局。自上述报告发布以来，市场对AI及其相关创新、组件、基础设施和能源的强劲需求，已开始对美国通胀水平产生显著上行压力。考虑到AI对国家安全的影响日益加深，这种价格压力或将延续。

然而，从中长期维度审视，随着经济体逐步消化AI带来的冲击，物价压力可能转向通缩方向——尤其是当AI创造的收益难以有效传导至劳动者和消费者群体时。

过去一年间，业界领先企业推出的新一代模型持续突破AI的能力边界。根据多项性能评估，Anthropic的Mythos模型在网络攻防能力方面已领先于其他AI系统。由于这一进展恰逢伊朗战争等地缘政治紧张期，各界讨论的重心正从AI提升效率和生产力，转向将其视为应对国家安全威胁的必要技术手段。

与此同时，尽管全球能源供应正面临数十年来最严峻的考验，但市场对AI驱动生产力增长的预期持续推高资产估值，美国对AI应用和基础设施的投资也在加速扩张。当前多重因素的叠加似乎催生了一种新的紧迫感，推动了芯片、存储设备等关键组件的需求提前释放，价格随之攀升（详见图1）。

AI题材正为美国需求端带来短期正向提振，电脑、内存、游戏硬件等AI相关产品的消费价格呈上涨态势。鉴于这些品类在美联储青睐的通胀指标——个人消费支出（PCE）指数中占据较高权重，我们观察到PCE通胀面临上行压力。这令美联储的决策更加棘手，因为该机构还需应对能源价格飙升对旅游服务等核心领域的传导效应（详见宏观信号报告，“美国通胀指标呈现两种截然不同的态势”）。事实上，当前市场预期美联储将于2027年启动加息——尽管这并非我们的基准预测。

当市场和美联储共同应对AI带来的短期经济冲击时，其中长期影响同样不容忽视。AI能够拓展发展的可能性边界，但由此产生的收益未必能均衡分配。资本和部分技术型劳动力可能成为最大受益者。

随着美国经济效率提升、生产率增长、财富增加，劳动者获得的收益份额却在缩减，实际工资增长滞后，长远来看这可能加剧通缩压力（尽管可能出现政策驱动的价格波动）。

即便不出现某些业内人士所预期的结构性高失业率——他们认为这是AI发展的必然结果——资本持有者仍可能不成比例地获取AI带来的收益。

历史回眸：技术变革引发大规模失业的忧虑古已有之。约翰·梅纳德·凯恩斯早在1930年就警示过“技术性失业”的风险，历次重大技术革新都会引发类似的预言。

然而，历史经验表明，技术进步并未从根本上加剧失业困境。自1960年以来，美国劳动生产率增长约四倍，而总劳动时间增长约2.3倍——与劳动力供给的增长基本吻合（数据来源：美国劳工统计局）。在数十年的深刻变革中，美国并未经历持续性的结构性失业。

但这并不意味着技术进步毫无代价：它导致部分行业工人失业，同时将劳动力重新配置至其他领域。例如，2000年代美国经济经历了从制造业向服务业的重大转型。互联网革命通过物品追踪、准时制库存系统以及优化分散供应链沟通等技术创新，使外包至中国等国变得更加便利。技术进步使实体生产与设计管理更易分离——贸易经济学家理查德·鲍德温将此趋势称为“第二次解绑”。

这种变革对劳动者造成的代价是切实的。在美国，这不仅体现为制造业就业岗位的流失（伴随工会式微和劳动者议价能力削弱），正如麻省理工学院戴维·奥特尔的研究所示，部分群体——尤其是中年男性——彻底退出了劳动力市场。

数十年来，衡量技术变革影响的更有效指标是劳动收入份额。

从20世纪40年代至80年代前后，美国生产率提升与劳动收入份额的总体稳定并行不悖。政府对研发、基础设施、工业产能及核能航天技术的投资惠及实体经济，尤其在20世纪60年代显著推动了生产率增长。在此阶段，技术进步和生产率提升使制造业受益，但与国内劳动力的贡献基本形成互补关系。换言之，美国劳动者能够获得总体稳定的收益份额。

然而，自20世纪80年代以来，这种关联有所松动。劳动收入占总收入的份额呈下降趋势，尤其自21世纪初以来（详见图2），其根源在于技术进步推动了全球化生产和供应链布局，从而释放了大量低成本劳动力。无论从净劳动份额还是总劳动份额指标衡量，这种下降趋势在美国及全球范围内普遍存在。

在此期间，技术进步的收益不仅总体上更有利于资本而非劳动力，也更有利于技术工人而非低技能工人。自2000年代以来，美国低技能劳动者的实际工资停滞不前甚至下滑（据美国劳工统计局数据）——这种模式通常被称为技能偏向型技术变革。

与2000年代的情况相似，AI可能对部分行业和职业产生更大冲击，但随着时间推移，经济体可能会将劳动力重新配置至AI难以胜任的任务领域。医疗、教育和建筑等行业已开始吸纳劳动力，这既反映了当前的技术局限，也体现了人口结构变化的需求。一个核心问题是，这种重新配置能否使实际工资跟上生产率的增长。

AI的两个结构性特征导致劳动份额面临风险。

首先，关于替代性与可扩展性：AI具有高度可扩展性，与以往技术创新相比，它更可能替代劳动力或在小范围内补充劳动力，而非广泛增强劳动力。换言之，AI可能降低投资的相对成本，因为它会替代过去劳动密集型的工作。技术进步和普及的速度也远超以往，这可能导致在新一轮劳动密集型岗位以相近工资水平出现之前，现有岗位更容易被取代。Eloundou等人的研究绘制了受AI影响的工作和职业图谱。基于该研究，我们估算美国劳动力市场中约4%至7%的人极可能被替代，更大比例的劳动者在其现有岗位上至少面临一定程度的岗位替代风险。信息技术、专业服务和金融等行业——这些行业在AI兴起前往往支付较高的相对工资——受冲击最大。受影响最小的行业——医疗保健、个人服务、餐饮服务和建筑业——往往相对工资较低。

其次，超大规模数据中心运营商的市场力量不断增强：随着AI应用的普及，超大规模数据中心运营商正在积累庞大且不对称的知识资产。这可能强化其市场地位，并使其能够获取更大的价值份额。一家AI开发商近期发表的研究论文表明，它可以轻松综合分析终端用户如何使用其模型。基于工作流程的利用率，该开发商可将当前正在被自动化替代的任务映射至未来可能自动化和替代的任务前沿（详见Eloundou等人论述）。这种信息集中化使得少数企业比以往更有可能提升利润率和利润。

生产率提升与劳动收入份额下降并存，意味着生活水平的平均提升可能以收入和财富不平等加剧为代价。历史经验表明，这可能伴随选民偏好向更民粹主义政策转向，同时自由放任的监管方式可能让位于政府加大干预力度，以帮助面临最大挑战的群体。

政府如何引导AI发展是另一个重要议题。如今，AI可能被视为国家安全的当务之急，类似于20世纪中期的核军备竞赛。领先的AI企业被视为国家战略资产。然而，随着时间推移，政策制定者可能需要在国家安全优先事项与市场集中度上升、劳动力重新配置以及劳动收入份额下降等风险和成本之间寻求平衡——尤其是在选民压力之下。民调数据和反数据中心情绪都显示出对AI发展的社会抵触。

对于投资者而言，当前高度不确定的时期意味着需要更加注重韧性——更高的多元化程度、更强的灵活性、更低的集中度以及积极的投资管理。部分观点认为，随着投资需求和生产率的增长，AI正在（并将继续）推高自然利率或中性利率——央行称之为r*。

然而，我们对此持审慎态度。劳动力市场重新配置的不确定性加剧导致储蓄需求上升，这可能抵消AI基础设施和其他投资领域更高的投资需求。正如纽约联邦储备银行前行长约翰·威廉姆斯近期所指出的——他曾于2003年发表关于自然利率衡量方法的重要论文——从历史数据看，导致劳动收入份额下降的因素往往与较低的r*值相呼应。研究还表明，收入不平等加剧也与较低的r*值相关。

1Tyna Eloundou、Sam Manning、Pamela Mishkin和Daniel Rock。“GPT就是GPT：大型语言模型对劳动力市场影响潜力的早期展望。” arXiv.org论文2303.10130（2023年8月修订）。↩

2Maxim Massenkoff和Peter McCrory。“AI对劳动力市场的影响：一项新的衡量标准和初步证据。”《人类经济研究》（2026年3月）。↩

© PIMCO