📈 经济学

AI and the Productivity-Income Gap: A Theory of Demand Decoupling

本文提出了一个理论模型，论证了人工智能可能通过以一种由于边际消费倾向差异而超过总消费增长的速度来降低劳动收入份额，从而创造出一种“生产率-收入差距”，同时明确指出当前数据仅说明了这一模式而并未证明因果关系，并强调历史性制度最终可能——但未必会迅速——恢复这种平衡。

原作者： Ahmad Alamgir Khan

发布于 2026-09-30

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ahmad Alamgir Khan

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在现代经济的大部分时期，一个简单的规则似乎一直成立：当一个国家变得更擅长制造产品时，其人民也会变得更富有。如果工厂变得更高效，或者工人们掌握了新技能，所创造的额外价值并不会凭空消失；它会转化为工资，让家庭能够购买更多的商品和服务。这种生产与购买力的循环使经济引擎平稳运行。然而，随着人工智能开始重塑工作方式，一个新的问题出现了：是否可能出现这样一种社会，即在生产力大幅提升的同时，其人民平均而言却发现自己可支配的资金反而减少了？这是当今经济学家面临的核心谜题：如果机器和软件可以用更少的人力创造更多的产出，那么谁来获取这些额外产出的价值，而这些新财富是否最终流向了那些需要它来维持经济运转的人手中？

霍尼韦尔（Honeywell）的研究员艾哈迈德·阿拉姆吉尔·汗（Ahmad Alamgir Khan）建立了一个理论模型来探讨这种可能性，称之为“生产力-收入差距”（Productivity-Income Gap）。该理论并不主张人工智能必然会导致大规模失业，也不认为人们会完全失去工作。相反，它指出即使每个人都保持就业，也可能出现一个更微妙的问题。其核心思想在于收入如何在劳动者与他们所使用的机器或软件的所有者之间进行分配。在标准经济中，当生产力提高时，工资通常也会随之增长。但如果人工智能允许公司在支付给劳动者的收入份额显著降低的情况下生产出更多产品，平衡就会发生倾斜。资金将流向技术的拥有者，而这些人通常更为富有。

这里，机制本身变得至关重要。低收入人群往往会将赚到的几乎每一美元都用于食物、住房和日常需求。而当劳动者份额缩减时，获得大部分收入的富裕个体往往倾向于将更多的钱用于储蓄，而不是立即消费。如果经济生产了大量的商品，但拥有最多资金的人选择储蓄而非购买，而原本应该购买这些商品的人却没钱购买，那么对这些商品的总需求就会落后于其生产能力。工厂可以制造更多，但顾客却买不起。这造成了一个缺口，即经济的生产能力超过了公众的购买能力。

该论文并未声称这种差距已经完全到来，也没有认为人工智能是当前经济趋势的唯一原因。相反，作者使用美国 2026 年第一季度的统计数据作为一个假设性的案例，用以说明如果这种情况正在发生，其景象会是如何。在那个特定的时间点，劳动生产率（即每小时生产的商品和服务量）增长了 2.8%。与此同时，工人的实际每小时薪资仅增长了 0.6%。此外，分配给劳动者的总商业收入份额下降到了 53.7%，这是自 1947 年以来的最低水平。这些数字符合该理论所描述的模式：产出的增长速度远快于工资的增长，且分配给劳动者的收入份额正在萎缩。

然而，作者谨慎地指出，单凭这些数字并不能证明人工智能导致了这种转变。其他因素也可以解释同样的模式，例如能源价格的变化、增长产业的转移，或是利率政策的影响。这些数据是现实世界中该理论条件的映射，而非对其成因的定论。该模型表明，要使这一差距成为一个持久的问题，必须有两个条件同时发生：人工智能必须降低分配给劳动者的收入份额，并且获得这些收入的人（富有的所有者）必须比劳动者更少进行消费。

研究还探讨了经济如何自我修复。历史表明，当生产与购买力曾经发生脱节时，工会、税收政策和社会保障体系等制度最终都会介入以缩小差距。然而，这一过程往往需要数十年的时间以及显著的政治努力。论文指出，新的就业创造也可以弥补这一差距，但前提是这些新工作必须能提供足够的薪酬，以恢复劳动力的消费能力。在这些调整发生之前，经济面临着一种风险，即具备生产更多产品的能力，却因为缺乏买家而导致增长放缓。

最终，这篇论文提供的是一种有条件的警告，而非预测。它并不是说未来注定毁灭，而是明确了问题可能出现的具体条件。如果人工智能在提高生产力的同时，持续将收入集中在那些倾向于储蓄而非消费的人手中，且没有新的就业机会或政策来重新分配这些财富，那么经济可能会面临持续的需求短缺。它提出的根本问题不是我们能否生产更多，而是这些生产带来的收益是否能被广泛分享，从而维持系统运行所需的持续需求。答案不仅取决于技术本身，更取决于社会如何选择分配其创造的财富。

技术摘要：人工智能与生产率-收入缺口：需求脱钩理论

问题陈述
本文探讨了与人工智能（AI）应用相关的特定宏观经济风险：潜在的“生产率-收入缺口”（Productivity-Income Gap）。这被定义为一种情景，即即使在经济处于充分就业的状态下，由 AI 驱动的生产率增长（ $g_A$ ）仍会超过总需求增长（ $g_{AD}$ ）。不同于关注技术性失业（缺乏工作）的传统叙事，本框架提出了一个“分配传导失败”的概念。核心问题在于：增加的生产所带来的收益，是否能以一种可持续的方式进行分配，从而维持吸收这些产出所需的购买力。具体而言，本文研究了在 AI 降低劳动收入份额（ $\lambda$ ）且劳动收入的边际消费倾向（MPC）大于资本收入边际消费倾向（ $c_K$ ）时，满足何种条件。

研究方法
本文采用了一个基于功能性收入分配和标准消费函数的理论宏观经济模型，而非对 AI 效应进行因果性的实证测试。

理论框架： 该模型通过将消费（ $C$ ）明确分解为劳动收入（ $Y_L$ ）和资本收入（ $Y_K$ ），扩展了标准的总需求方程（ $AD = C + I + G + NX$ ）。
- $C = c_L Y_L + c_K Y_K$
- 劳动份额定义为 $\lambda = Y_L / Y$ 。
- 模型推导出消费增长率（ $g_C$ ）是产出增长率（ $g_Y$ ）和劳动份额增长率（ $g_\lambda$ ）的函数。
- 关键推导（公式 5a）表明，如果 $g_\lambda < 0$ （劳动份额下降）且 $c_L > c_K$ ，则 $g_C < g_Y$ 。
形式化条件： “生产率-收入缺口”被正式定义为 $g_A > g_Y \geq g_{AD}$ 的状态。该条件仅在以下两个标准同时满足时才会发生：
- AI 降低了劳动收入份额（ $\lambda$ ）。
- 劳动收入的边际消费倾向严格大于资本收入的边际消费倾向（ $c_L > c_K$ ）。
实证方法： 本文利用 2026 年第一季度（Q1 2026）的美国数据作为一种纯粹的说明性案例研究，旨在展示该理论条件在现实数据中的表现形式。作者明确声明，这一单季度的数据并不建立因果关系。分析承认存在多种混杂因素（货币紧缩、能源价格冲击、后疫情时代的部门转移、测量滞后等），这些因素也可能解释观察到的生产率与薪酬之间的背离。

主要结果与命题
本文形式化了从模型中得出的五个命题：

AI 与劳动依赖性： 在其他条件不变的情况下，AI 在提高生产率的同时减少了对劳动的边际依赖。
缺口条件： 当 $g_A > g_Y \geq g_{AD}$ 时，存在生产率-收入缺口。这特别发生在 $g_\lambda < 0$ 且 $c_L > c_K$ 时。
中介作用： 收入分配在中介 AI 驱动的生产率与总需求之间的联系中起作用。
集中风险： 随着 AI 产生收益的集中度增加，缺口出现的概率也会增加，因为更高的集中度意味着在给定的生产率增幅下， $\lambda$ 会更剧烈地下降。
制度缓解： 能够提高 $\lambda$ （例如集体谈判、利润分享）或扩大资本所有权（例如养老金、员工持股计划）的制度可以降低缺口持续存在的概率。

说明性证据（Q1 2026）
本文将 2026 年第一季度的美国数据作为该理论条件的“压力测试”：

劳动份额： 下降至 53.7%，为 1947 年以来的最低水平。
生产率 vs. 薪酬： 劳动生产率同比增长 2.8%，而实际小时薪酬仅增长 0.6%。
企业利润： 税后企业利润达到 GDP 的 12.4%，利润率创下历史新高。
消费集中度： 私营数据表明，自 2023 年以来，实际零售支出的几乎所有增长都来自收入超过 12.5 万美元的家庭，这与高收入群体具有较低 MPC 的假设一致。

作者强调，虽然这些数字与理论条件一致，但并不证明是由 AI 引起的。其他解释（如货币政策紧缩和能源冲击的消退）仍然是合理的。

意义与主张
本文的主要贡献在于形式化了一个由分配转变（而非失业）驱动的“需求侧约束”。

与失业的区别： 该框架阐明，即使在充分就业的情况下，如果收入集中在（资本所有者）储蓄而非消费的人群中，也会出现需求短缺。
与长期停滞的区别： 虽然与长期停滞文献相关，但所提出的机制是分配性的（谁获取了收益），而非人口统计学特征或与自然利率下降相关的。
政策相关性： 模型表明，如果缺口出现，仅靠市场力量可能无法快速弥补。历史先例（如新政）表明，需要制度性调整（谈判、税收、福利）来缩小差距，但这些过程是缓慢且具有政治争议的。
主张的审慎性： 本文明确避免预测 AI 将会导致缺口。相反，它提供了一个精确的框架，用于识别产生此类缺口压力的特定分配条件（ $g_\lambda < 0$ 且 $c_K < c_L$ ）。作者指出，新的就业创造、工资谈判和市场适应可能会在缺口变得具有显著经济影响之前将其弥合。该模型假设美国是一个“工资主导型”体制（即需求由工资驱动），这一分类仍是一个有待实证讨论的假设。

局限性与遗漏
作者承认，静态模型中遗漏了可能抵消缺口的几个渠道：

货币政策： 中央银行降息可以刺激需求，但通胀约束限制了这一工具的使用。
投资抵消： 更高的利润可能会刺激投资（ $I$ ），但目前的 AI 相关资本支出（约占 GDP 的 0.8%）似乎不足以完全抵消消费短缺，与历史上的技术周期相比。
财富效应与债务： 模型排除了资产价格上涨带来的财富效应以及债务融资消费的影响，而这些因素可能会在劳动份额下降的情况下暂时维持支出。
价格调整： 模型假设价格传导是不完全的；如果 AI 显著降低了价格，即使名义工资滞后，实际收入也可能上升。

总之，本文并非声称 AI 已经导致了生产率与需求的脱钩，而是提供了一个严谨的理论视角，用以监测在何种特定的分配条件（ $g_\lambda < 0$ 且 $c_L > c_K$ ）下，这种脱钩会成为一种宏观经济风险。

技术摘要：人工智能与生产率-收入缺口：需求脱钩理论

类似论文