资产膨胀与收入停滞：AI时代的新经济悖论
我们或许正步入一个"资产丰裕、收入匮乏"的全新时代
近日，美联储新任主席 Kevin Warsh 的若干言论，再度让一个十余年前浮现、如今愈发凸显的议题重回大众视线： 为何资产价值持续攀升，而大众薪资增长却日趋艰难？ 许多人将此现象简化为： "通胀" "货币超发" "房价飙升" 但若将视野拉长，会发现其背后可能隐藏着更深层次的结构性变迁。 而 AI 技术，或将加剧这一变迁。 一、"资产丰裕、收入匮乏"并非今日新现象 2014 年，前美联储理事 Kevin Warsh 与传奇宏观投资者 Stanley Druckenmiller 曾共同发布一篇论文： 《The Asset-Rich, Income-Poor Economy》 论文链接（WSJ）： https://www.wsj.com/articles/kevin-warsh-and-stanley-druckenmiller-the-asset-rich-income-poor-economy-1403210858 他们当时提出一个核心论点： 2008 金融海啸后的长期极度宽松货币政策，可能推升了资产价格，却未同步促进薪资增长与实体生产效率。 简言之： 股市上扬 房地产增值 金融资产增值 但： 普通薪资增长有限 年轻族群更难涉足资产市场 财富鸿沟扩大 这并非表示经济"毫无增长"。 而是： 增长日益集中于资产端，而非劳动端。 二、为何长期低息会推高资产？ 从金融理论角度，这其实并不复杂。 资产价格，本质上是未来现金流的折现。 利率越低： 股票估值通常越高 房地产估值通常越高 长期资产越易上涨 因此： 长期低利率环境，会天然放大"拥有资产者"的财富。 而薪资并非金融资产。 薪资更多源自： 劳动力供需 企业投资 生产效率提升 实体经济扩张 若资本更倾向于： 股票回购 金融套利 投资流动性资产 而非： 建厂投资 提升真实生产效率 那么： 资产上涨与薪资增长脱节，就会愈发明显。 三、AI 可能会让这个结构进一步复杂化 许多人认为： AI 会提升生产效率，因此会让所有人更富裕。 但经济学中有一个重要议题： "生产效率提升"与"劳动收入提升"并不一定同步。 例如： 工业革命提升了生产效率， 但在不同阶段： 工人 资本拥有者 平台公司 获得收益的比例并不相同。 当前的大语言模型（LLM）与 AI 自动化，也可能出现类似情况。 四、AI 正在改变"劳动"的结构 过去数十年的自动化，主要替代的是： 重复性体力劳动 标准化制造流程 但这一轮 AI 的特殊性在于： 它开始进入"认知劳动"。 例如： 写代码 写文档 数据分析 法律文书 教学辅助 内容生成 工业设计支持 这意味着： AI 不再只是"替代蓝领"， 而是开始影响白领与知识工作。 五、真正重要的议题：AI 会增强人，还是替代人？ 目前全球主要有两种观点。 观点一：AI 增强（Augmentation） 此派认为： AI 更像： 计算器 搜索引擎 CAD 软件 它会提升人的效率，而非完全替代人。 例如： 工程师使用 AI 提升设计效率 医生使用 AI 辅助诊断 教师使用 AI 个性化教学 在这种模式下： AI 是"生产力放大器"。 观点二：AI 替代（Substitution） 另一派则认为： 随着模型能力提升， AI 会逐渐接管越来越多标准化认知任务。 尤其是： 初级分析 初级编程 初级写作 初级办公 也就是： "知识行业的 entry-level 工作"。 这也是为何越来越多大型科技公司开始探讨： AI Agent 自动化工作流 软件工程自动生成 AI 员工 六、为何央行与宏观经济学界开始关注 AI？ 这是最近两年一个很重要的新变化。 过去央行主要关注： 失业率 薪资 CPI 通胀 但现在： 越来越多研究开始探讨： AI 会不会成为一种"供给侧去通胀力量"？ 逻辑是： 若 AI 提升生产效率： 单位成本下降 服务自动化 软件规模化 研发效率提升 那么理论上： 经济可能： 保持增长 同时缓解通胀 相关参考： IMF Artificial Intelligence Topic Hub： https://www.imf.org/en/topics/artificial-intelligence OECD Report： "The Effects of Generative AI on Productivity, Innovation and Entrepreneurship" https://www.oecd.org/en/publications/the-effects-of-generative-ai-on-productivity-innovation-and-entrepreneurship_b21df222-en.html McKinsey Future of Work： https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/how-ai-is-and-isnt-changing-the-future-of-work 七、真正值得思考的议题，可能不是"AI 会不会来" 而是： AI 带来的收益，最终会流向哪里？ 未来几年，可能会愈发明显出现： 资本收益 算力收益 平台收益 数据收益 与： 普通劳动收入 之间的重新分配问题。 八、未来什么能力会变得更重要？ 若 AI 越来越强： 单纯重复性的知识工作， 价值可能会下降。 但以下能力，反而可能变得更重要： 跨学科理解 系统思维 结构化分析 提出问题的能力 长周期判断 人机协同 创造新机制 复杂现实中的决策能力 换句话说： 未来的重要竞争力， 可能不只是"知道答案"。 而是： "能否理解系统如何运作"。 九、最后 过去数十年， 许多人默认： 努力工作 → 收入增长 → 生活改善 但 AI、全球资本流动、长期低利率与资产结构变化，可能正在改变这个逻辑。 未来真正重要的问题， 可能已经变成： 如何理解技术与经济结构的变化？ 如何建立长期可持续的能力？ 如何在 AI 时代保持人的创造性与独立判断？ 如何避免只成为"系统中的可替代节点"？ 这些问题， 可能比"AI 会不会写代码"，更值得长期思考。 延伸阅读（推荐） WSJ: The Asset-Rich, Income-Poor Economy https://www.wsj.com/articles/kevin-warsh-and-stanley-druckenmiller-the-asset-rich-income-poor-economy-1403210858 IMF AI Hub https://www.imf.org/en/topics/artificial-intelligence OECD Generative AI Report https://www.oecd.org/en/publications/the-effects-of-generative-ai-on-productivity-innovation-and-entrepreneurship_b21df222-en.html McKinsey – AI and Future of Work https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/how-ai-is-and-isnt-changing-the-future-of-work Ben Thompson – AI and the Human Condition https://stratechery.com/2026/ai-and-the-human-condition/