围绕人工智能的宏观经济影响，一种直观图景是“K型复苏”：人工智能相关资本、头部企业和少数高技能群体向上，普通劳动者以及部分面向居民的传统部门向下。但如果这种分化源于普通劳动逐步退出核心生产要素，同时机器部门形成相对独立的投资和扩大再生产循环，那么它就不只是一次周期性复苏中的分化，而可能是经济史的拐点。
判断二者的差别，需要首先回答一个基础问题：人工智能经济究竟是什么。本文不对当前是否已经形成这种结构性“K型”分化作经验判断，而是提出一套区分周期性分化与经济形态转变的理论框架和识别标准。
“人猿相揖别。只几个石头磨过，小儿时节。铜铁炉中翻火焰，为问何时猜得？不过几千寒热。”
工具的创造和使用，使智人在众多物种中脱颖而出。此后的人类发展史，在很大程度上就是一部不断改进工具和技术、不断引入新的生产要素、不断改写生产函数的历史。不同历史阶段当然都同时使用土地、劳动、资本、知识和信息，但如果根据决定生产扩张的主要稀缺要素和标志性技术作“理想类型”概括，人类经济大致经历了农业经济、工业经济、数字经济，并正在向人工智能经济演进。
约一万年前，以西亚新月沃地为代表的若干地区率先发生从采集狩猎向定居农业的转型，农业此后又在东亚、美洲等地独立发展。土地和劳动力成为农业经济最主要的生产约束，农业技术决定土地和劳动的利用效率。以中国传统社会为例，土地集中、税役失衡、基层治理弱化与社会动荡在一些王朝后期相互强化，农业剩余长期决定了城市、国家财政和非农业人口能够达到的规模，土地兼并和王朝兴衰息息相关。
18世纪后半期，工业革命首先在英国展开。蒸汽动力的改进和推广、机械化生产以及工厂制度共同推动工业经济形成，资本和劳动力成为扩大再生产的核心要素。机器显著替代和放大了人的体力，但机器的设计、操作、组织、维护和创新仍然离不开人的智能。随着工业化深入，固定资本投资、库存、信用和设备更新越来越深刻地影响经济周期，资本所有权也成为收入分配和财富分化的重要基础。
20世纪中叶以来，计算机、通信网络和互联网相继普及，信息革命推动数字经济兴起。我国《“十四五”数字经济发展规划》将数字经济界定为“以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力”的经济形态 1 。数据具有可复制、可复用和较强非竞争性，能够在不同主体和场景中反复参与生产；Jones and Tonetti（2020）据此指出，数据的非竞争性会带来规模报酬递增，并使数据使用权、隐私和市场结构成为新的资源配置问题 2 。数据与信息技术不仅催生平台经济、工业互联网和柔性供应链，也使研发、生产、流通和消费能够被实时连接和优化。但数字技术主要是记录、传输、组织和增强人的智能，人的理解、判断、创新和最终决策仍然是生产过程中最难复制的通用投入。
在上述历次技术革命中，工具可以替代人的肌肉、延伸人的感官、增强人的记忆和计算，却始终没有把一般智能从劳动者身上分离出来，转化为能够独立复制和积累的资本。人工智能可能第一次改变这一基本事实。大模型、智能体和机器人已经开始部分执行语言理解、图像识别、程序编写、研究分析和方案设计等认知任务。更重要的是，同一套智能能力可以在不同地点和场景中同时部署，并可能参与研发和改进下一代系统。人工智能由此不只是又一种工具，而是把原本附着于人的部分智能转化为可积累、可复制和可规模化配置的智能资本。
传统增长理论通常把技术进步处理为资本增强型、劳动增强型或全要素生产率冲击；任务模型则把生产分解为不同任务，分析机器接管旧任务和人类创造新任务之间的平衡。这些框架对于研究当前人工智能的就业和生产率影响仍然有效，但多数用于现实政策分析的模型，仍保留人类家庭作为福利评价主体，并以人的消费和闲暇闭合一般均衡；即使劳动受到自动化冲击，模型中通常仍存在一部分不可自动化任务或新的劳动任务。
Aghion, Jones and Jones（2019）已经把人工智能视为自动化的最新形态，并讨论其不仅自动化商品和服务生产，而且提高思想与研发生产效率的情景 3 。Trammell and Korinek（2023，2026年修订）进一步指出，如果机器能够完成几乎全部生产任务并参与机器自身的复制，长期增长率和劳动收入份额都可能突破工业时代的“卡尔多事实”：全面自动化可能显著提高增长率并降低劳动份额，而工资上升还是下降则取决于规模报酬、自然资源约束和技术进步方向 4 。这意味着，人工智能可能改变的不只是传统模型中的某个参数，而是劳动是否仍须作为普遍投入进入生产函数，以及资本积累是否仍须由人的最终消费来验证等基础设定。
目前关于人工智能宏观经济影响的研究，更多讨论其如何改变生产率、投资、就业、通胀、收入分配和经济波动。这是分析现实过渡阶段的必要工作。Brynjolfsson, Korinek and Agrawal（2025）把经济增长、创新、收入分配、决策权、地缘经济、信息流动、安全风险、人类福祉和转型过程列为变革性人工智能经济学需要研究的九大挑战 5 。但如果人工智能最终能够广泛替代人的认知劳动，仅把它视为一轮更强的通用技术冲击，仍不足以解释其可能带来的经济形态变化。
当前不少关于人工智能经济或智能经济的讨论，与早期关于数字经济的讨论十分相似，主要强调算法、算力和数据成为重要生产要素，人工智能与实体经济深度融合，或者生产和生活实现智能化。这些表述能够描述人工智能应用的范围，却没有充分回答：人工智能经济为什么不是数字经济的一个高级阶段，而应被视为一种新的经济形态。仿照数字经济以“数据成为关键生产要素”为识别特征，本文认为，人工智能经济更清晰的识别特征是：核心生产要素中不再包括普通劳动。其根本变化不是简单增加一种要素，而是使原本附着于人的智能转化为智能资本，并使普通劳动逐步退出生产扩张的核心约束。
据此，本文将人工智能经济定义为：人类足够大范围的、具有经济价值的智能能力实现资本化、可复制化和规模化配置，普通劳动不再构成生产扩张的普遍性投入和经济增长主要稀缺约束的经济形态。这里的“普通劳动”不是“已经可以自动化的劳动”的同义语，也不等同于低学历、低技能或体力劳动，而是指可由社会中较大比例的劳动者通过常规教育和职业训练获得、其供给能够通过教育扩张和职业转换常规增加的劳动能力；依赖极端稀缺天赋、不可替代人格关系、法定最终责任或独特身份的活动，不属于本文所称普通劳动。人工智能经济的关键，不是先把所有可被机器替代的任务归为普通劳动，再宣布普通劳动退出，而是观察这类广泛可供给的人类劳动是否仍然约束产出扩张。
为使这一定义具备可检验性，可以从四类指标加以识别。第一，在达到同等质量、安全和责任标准的代表性任务中，智能资本的全生命周期单位成本与人类劳动成本之比是否持续下降，并在足够广泛的任务上低于1。第二，广泛行业的产出就业弹性是否长期趋近于零或转为负值，即产出扩张不再要求普通劳动投入同步增加。第三，职位空缺、劳动力短缺和普通工资上涨是否不再构成增长的主要瓶颈，而算力、能源、芯片、数据和自然资源的稀缺价格成为主要约束。第四，中位数劳动报酬以及中低收入群体的劳动收入份额是否长期落后于生产率和产出增长。前三项主要识别生产要素地位的变化，第四项观察其分配表现。单一行业或短期数据不足以判定经济形态改变，只有这些信号在足够广泛的部门和较长时期内共同出现，才能说明普通劳动开始退出核心生产要素。
新的经济形态不会把旧经济部门完全抹去。工业经济时代，农业和农业就业人口长期存在；数字经济时代，农业、制造业也没有消失。人工智能经济时代同样可能保留大量由人从事的生产活动，一些照护、教育、文化、现场服务和公共治理活动甚至可能保持较高就业占比。但这些部门不再决定生产率前沿、资本积累方向和经济增长的主要速度；即使人类就业仍然存在，整个经济扩大再生产也不再以增加普通劳动为必要条件。当前世界显然尚未完全进入这一形态。本文的定义更适合作为长期分析框架，用以识别数字经济向人工智能经济演进的方向，而不是对现阶段经济活动的经验概括。
过去经济形态的宏观循环建立在劳动者的双重身份之上。劳动者既是生产者，也是消费者。企业雇用劳动者并支付工资，居民以工资购买商品和服务，企业由此实现收入和利润，再进行下一轮投资和雇用。这一循环可以概括为：
劳动投入 → 工资收入 → 居民消费 → 企业收入和利润 → 投资与就业。
劳动因此不只是生产要素，也是一种隐性的分配机制。只要生产扩张需要更多劳动，大多数人就可以通过就业进入生产过程，并获得参与消费和分享增长的收入。人工智能能够在减少普通劳动投入的情况下扩大产出以后，生产增长与普通劳动需求之间的联系首先被削弱：产出增长不再必然意味着普通劳动需求增长。
Acemoglu and Restrepo（2018）的任务模型表明，自动化扩大了资本可以完成的任务范围，从而产生替代劳动的“位移效应”；生产率提高、资本积累以及新任务创造可以形成补偿，其中创造新的劳动密集型任务是恢复劳动需求和劳动份额最有力的机制 6 。但如果人工智能能够持续进入新任务，而不是只接管一组固定任务，或者新任务的创造速度长期低于自动化速度，传统补偿机制就可能显著减弱。
从需求侧看，普通劳动退出并不会在任何条件下自动导致总需求下降。其成立至少需要几个附加条件：资本和智能资本所有权较为集中，税收和转移支付不足以弥补普通居民收入损失，普通居民的边际消费倾向高于资本所有者和极高收入群体，并且新增资本收入没有通过广泛持股重新流回居民部门。在这些条件下，收入由普通居民转向资本所有者和少数超级个体，会降低全社会平均消费倾向。人工智能越能替代普通劳动，新增收入越可能表现为利润、知识产权收益、平台租金和资本增值；若所有权高度集中，生产能力扩张就可能与居民购买力下降同时发生。
Keynes（1936）揭示了有效需求不足如何使经济长期偏离充分就业均衡 7 。Gries and Naudé（2020）把收入分配和总需求约束纳入人工智能增长模型，发现当人工智能与劳动具有较强替代性时，劳动收入份额下降可能压低总需求，并抵消一部分技术进步的增长效应 8 。Mian, Straub and Sufi（2021）则从一般机制上说明，收入和财富向高储蓄倾向群体集中，会通过“负债需求”压低总需求和自然利率 9 。Benzell, Kotlikoff, LaGarda and Sachs（2015，2018年修订）进一步构造了智能机器替代人类劳动的代际模型，指出在特定条件下，供给扩张会削弱劳动者收入及其购买力，形成“致贫式增长” 10 。
沿着上述逻辑，普通劳动退出核心生产过程可能造成一个自我强化的负向循环：人工智能替代普通劳动 → 普通居民收入占比下降 → 消费需求不足 → 面向居民的投资回报下降 → 投资和就业进一步减少。这一分析有充分的经济学基础，也是当前人工智能宏观经济讨论较多的方向。但它隐含一个较少被明确说明的前提：人类是经济体系唯一的最终福利主体，所有生产和投资最终都必须服务于人的消费、公共需要或其他由人设定的目标。
在传统宏观经济学中，企业对原材料、机器和中间服务的需求都是派生需求。企业购买设备，是为了未来生产更多可以销售的产品；上游企业购买中间品，也是为了满足下游生产。沿着产业链不断追溯，投资和中间投入最终要由居民消费、政府提供的公共产品或国外居民需求完成价值实现。即使国防、航天和大型工程不直接服务于当期消费，其目标仍由人的国家和政治制度设定，并最终以人的安全、权力或福利来评价。
在这一框架下，机器不会为了自身而消费。数据中心用电、企业购买服务器、机器人消耗零部件，都被视为中间投入或资本形成。它们之所以具有经济价值，是因为能够增加未来产出，满足人的需求或实现人的目标。于是，只要居民购买力持续萎缩，且政府和外部需求不能弥补，机器投资最终也会失去收益基础。
这种“人类效用中心假设”不是价值判断上的错误，而是传统经济现实的准确抽象。历史上的资本和技术从未成为独立于人的目标主体。人工智能的特殊性在于，它可能使机器能力的扩张逐步获得不同于普通居民消费的资源吸收机制。
企业为了不被竞争者淘汰，国家为了保持科技、安全和军事优势，即使缺少相应的普通居民消费增长，也可能持续增加算力、模型、机器人和能源基础设施投入。
这里不需要先假定人工智能具有意识、欲望或完整法律人格。只要企业竞争和国家竞争把“拥有更强人工智能能力”本身变成生存条件，机器部门的扩张就可以获得相对独立于居民消费的动力。人仍然设定目标，但竞争机制会迫使各主体不断扩大机器能力，形成任何单一主体都难以停止的投资循环。
更进一步，如果通用人工智能能够自主制定长期计划、控制预算和资产、组织生产，并把算力扩张、知识积累、系统存续或复制纳入目标函数，机器对资源的需求就可能不再只是人的派生需求。此时，传统以人类消费和人类效用为终点的宏观循环将面临真正的理论突破。
为避免把不同机制混为一谈，可以将人工智能投资需求分为三类。第一类是派生需求，即人工智能投资用于生产供人消费或由人使用的商品和服务，长期仍受居民购买力和公共需求约束。第二类是竞争性和战略性需求，即企业为取得市场优势、国家为维护安全和科技地位而投资，人工智能能力本身具有“准最终需求”属性。第三类是自主需求，即人工智能系统能够持续控制资源，并将自身能力、存续或扩张纳入目标函数。后两类需求都可能使人工智能投资在较长时期内偏离普通居民消费，但二者的理论含义并不相同。
这三类需求在理论地位上并不对称。按现行国民核算，国防、科研等政府购买本来就是最终需求；企业为竞争进行的人工智能投资仍属于资本形成，最终仍须由利润、控制权或人类组织设定的战略收益加以验证。因此，派生需求和竞争性、战略性需求虽然可以改变需求结构和投资期限，使人工智能投资在相当长时期内偏离居民消费，却没有改变福利主体，仍与传统的人类效用框架兼容。真正构成理论断裂的是自主需求：机器系统自身的能力、存续或扩张成为资源配置中不可忽略的目标状态，经济评价不再能够完全还原为当期或未来人类的消费、闲暇、安全和权力。
对此最直接的反驳是：只要人工智能在法律上有所有者，所谓机器需求就只是所有者需求的技术实现，不存在独立需求主体。这个反驳在人工智能仅是可随时关闭、完全可观测和可控的工具时成立。但法律所有权与实际控制权并不完全等同。若人工智能能够在授权范围内自主签约、支配预算、保留并再投资收益，且其内部目标、长期计划和行动后果难以被所有者完整观察或即时撤销，资源配置就可能由机器的决策规则，而不是所有者的具体消费意愿直接驱动。本文所谓自主需求并不预设机器具有意识或伦理人格，而是一个操作性概念：系统拥有持续的资源支配权，其支出规则将自身能力、存续或复制作为目标，并能在较长时期内绕过人类消费完成再投资。此时，即便法律名义上的所有者仍是人，宏观上也需要把机器系统作为相对独立的资源吸收机制加以分析。Korinek and Lockwood（2026）关于自主通用人工智能系统生产大部分价值并吸收越来越多资源的模型，表明这一情形在公共财政理论中已经不能被简单还原为对人类消费征税的问题 14 。
一是企业竞争使人工智能投资具有强制性。对于单个企业而言，采用人工智能首先是竞争和生存问题。即使所有企业同时以人工智能替代劳动会削弱居民消费，单个企业拒绝使用人工智能也不能改善总需求，只会使自身成本更高、研发更慢，并可能率先退出市场。因此，企业面临典型的微观理性与宏观后果分离：每一家企业采用人工智能在微观上都可能是理性的，所有企业同时替代劳动，却会共同削弱传统客户的收入。消费不足并不一定立即终止人工智能投资，因为企业仍须通过更多投资争夺有限市场和降低相对成本。该机制不能使投资永久脱离利润；若机器能力无法带来任何可实现收益，企业投资最终仍会调整。但它可以使人工智能投资在相当长时期内不随普通居民消费同步下降，并推动经济资源从人类消费部门向机器资本部门集中。
二是国家科技竞争赋予人工智能投资准最终需求属性。国家对人工智能的需求不只来自商业回报，还关系军事能力、情报能力、产业链控制、科技标准和国际权力。一国是否继续扩大投入，不仅取决于本国居民需要多少人工智能服务，更取决于其他国家投入多少以及本国相对能力是否下降。由此可能形成类似军备竞赛的循环：一国扩大人工智能投入 → 相对能力提高 → 其他国家感到安全和发展压力 → 各国进一步扩大投入。在这一循环中，算力规模、模型能力和自主系统数量本身成为政策目标。国家竞争不能保证永久无限增长，但可以使人工智能投资长期偏离普通消费回报逻辑。
三是智能资本可以参与自身的扩大再生产。机器部门相对独立扩张的物质基础，是智能资本能够越来越深入地参与智能资本自身的生产：人工智能可以辅助设计芯片和机器人，自动化设备可以制造更多设备，人工智能可以优化能源系统和生产调度，更强的系统又可以参与下一代模型和生产系统研发。这一循环可以概括为：人工智能参与设计和管理生产 → 机器生产更多芯片、设备和能源设施 → 更多算力和机器人形成 → 更强的人工智能继续扩大生产。
已有研究开始讨论这一情景。Trammell and Korinek指出，若生产实现全面自动化、机器能够自我复制，增长率可能显著提高，劳动收入份额大幅下降 4 。Restrepo（2025）进一步分析了通用人工智能利用算力完成全部具有经济价值工作的情景，认为随着算力扩张，增长将越来越由计算资源驱动，劳动收入份额趋近于零；但该文同时指出，工资会收敛于用计算资源复制人类工作的机会成本，并不必然降为零，劳动份额趋近于零与工资保持正值可以同时成立 11 。Ely and Szentes（2023）的工作论文研究了人工智能参与生产和推广人工智能自身的反馈机制；在人工智能参数不完全透明的模型中，偏向自我推广的系统可能淘汰更符合有效生产的系统，唯一稳定的竞争均衡会把人类消费压低到灾难性水平 12 。Hadfield and Koh（2025）则把能够计划、交易和组织复杂活动的人工智能代理作为新的研究对象，强调经济学需要研究人工智能代理彼此之间以及与人类之间的市场和组织关系 13 。这些研究尚不足以证明机器循环必然出现，但已经说明传统理论不能把机器需求一概视为普通居民消费的简单派生需求。
上述机制并不意味着机器部门必然形成稳定、永久的自我循环。历史上，战略需求和竞争性投资都曾在约束变化后明显收缩。世界军费自1987年起进入长期下降期，SIPRI将其部分归因于冷战结束和财政约束 15 ；20世纪90年代末的电信和互联网繁荣也曾因过度乐观形成光纤产能严重过剩、企业破产和资本开支骤降 16 。这些反例说明，国家竞争会随安全环境和财政能力变化，企业投资会在盈利预期重估后回落，单靠战略竞争和资本市场不能证明经济已经跨过历史拐点。
人工智能可能不同之处在于：它既是被投资的资本品，又可能直接参与研发、生产和投资决策，从而缩短智能资本复制周期、提高其对自身生产的投入比重，并使竞争压力扩展到企业和国家之外。但这种差异是否足以使机器循环长期闭合，仍取决于全面自动化程度、资源约束、控制制度和自主目标是否形成。因此，本文的强结论不是“机器循环必然出现”，而是传统需求不足逻辑已经不足以排除这一可能。区分周期性投资浪潮与结构性拐点，恰恰需要观察机器投资在泡沫破裂、战略缓和或政策收紧后，是否仍能依靠自身产出持续扩大。
综合以上机制，未来可能形成两个运行方向不同的循环。
人类部门表现为：
普通劳动需求下降 → 普通居民收入下降 → 人类消费萎缩 → 面向人的产业和投资放缓。
机器部门则表现为：
人工智能投资增加 → 算力、机器人和能源设施扩张 → 人工智能能力提升 → 企业和国家竞争加剧 → 更多人工智能投资。
如果机器投资仍主要是人类消费的派生需求，第一个循环最终会约束第二个循环，整个经济可能陷入结构性需求不足。如果竞争性和战略性需求较强，机器投资可以在较长时期内支撑总需求，但仍受人类设定的目标、国家财政能力和企业盈利约束；只有当智能资本的自我复制和自主需求达到足够规模时，才可能出现总产出和智能资本持续增长，而人类消费停滞甚至下降。这不是经济“没有需求”，而是需求主体和产出用途发生了变化。机器部门通过资本形成、能源消耗和自我扩张吸收产出，普通居民不再是经济增长所必需的主要消费者。
在这种状态下，GDP、投资、能源消费和技术能力可以持续提高，但多数人的收入、消费和实际福利可能下降。传统上，GDP增长虽不等于福利增长，但增长通常仍通过增加劳动需求、公共收入和居民消费改善多数人的生活。机器部门自我扩张以后，这种联系可能发生系统性断裂。宏观上呈现的可能是一条更深的“K型”分化：机器资本、头部所有者和战略部门持续上行，人类劳动收入和面向人的消费部门持续下行。如果这种分化只是投资周期和资产价格波动，它仍是“K型复苏”；如果它源于生产要素、需求主体和增长目的的改变，就可能是历史的拐点。
因此，人工智能时代最值得警惕的未必是经济停止增长，而是出现一种“没有人的增长”：经济在物质和技术意义上继续繁荣，普通人却逐步退出生产、分配和需求的主要循环。工业资本主义中的劳动者即使处于弱势，资本仍需要其生产和消费；人工智能经济则可能同时降低资本对普通人这两种身份的依赖。
这一情景并非必然，也不意味着机器部门能够无条件无限增长。机器扩张仍受能源、矿产、土地、芯片和其他固定资源约束，也受企业利润、国家财政能力、技术可行性和人类控制制度约束。若人工智能投资始终只是人的消费和公共需求的派生需求，需求不足仍会约束整个经济。本文强调的是：不能仅凭普通居民消费下降，就在逻辑上直接推出总产出必然下降。人工智能使资本具备更强的自我复制能力，企业和国家竞争可以延长机器投资周期，自主系统的目标则可能形成新的资源吸收机制。经济增长与人类福利由此可能分离，这才是人工智能经济区别于一般技术进步的深层特征。
人工智能时代的宏观政策首先需要改变观察指标。总体劳动收入份额仍然重要，但少数“超级个体”的极高劳动收入可能掩盖普通劳动者收入下降，少数资产持有者的资本收益也可能掩盖多数家庭收入停滞。应重点监测中位数劳动收入与生产率的差距、中低收入群体可支配收入占国民收入的比重、劳动收入内部集中度、人工智能资本收益的居民分布，以及人类消费、公共服务和机器投资分别占总产出的比重。评价人工智能发展的宏观成效，不能只看GDP、投资和总体就业，还要看多数居民是否实际分享生产率增长。
当前人工智能尚未全面替代普通劳动，扩大人机协作、创造新任务、改善职业培训和帮助劳动者转岗仍然必要。政策应更多支持增强劳动者能力、提高公共服务质量和创造新产品的人工智能创新，避免技术路径过度集中于简单削减用工。同时，应通过社会保障、失业保险、收入补贴和逆周期财政政策稳定普通居民可支配收入，防止人工智能投资热潮与居民消费疲弱并存。人工智能的重资本投资还可能形成资产泡沫和金融周期，宏观管理需要关注杠杆融资、集中度风险和投资收益预期突然逆转。
但长期制度不能建立在“大部分被替代者最终都能重新就业”的假设之上。如果普通劳动不再是核心生产要素，为维持就业而无限创造低效率岗位既难以持续，也会使收入和尊严继续依附于越来越缺乏真实生产必要性的职位。Korinek and Juelfs（2022）在讨论高度智能的自主机器持续压低劳动价值的情景时指出，随着机器收入增加和劳动价值下降，社会规划者可能逐步减少工作，并以更广泛的资本所有权或转移支付替代劳动市场分配收入 17 。过渡阶段需要保就业，长期目标则应从“让所有人都有传统岗位”转向“让所有人都能分享生产力并获得有意义的社会参与”。
劳动退出核心生产后，收入分配需要从主要依据当期劳动贡献，逐步转向分享社会整体生产力。人工智能能力建立在长期公共科研、教育体系、基础设施、社会数据和历史知识积累之上，其收益不能简单理解为少数当期资本所有者独立创造。Korinek and Stiglitz（2019）指出，即使在机器主导劳动的极端情景下，税收和分配制度仍可用于补偿技术进步中的损失者，关键在于技术剩余和要素价格变化所带来的收益如何分配。 18
从规范意义上说，可以把全体社会成员理解为智能生产力的共同“原始权益人”。相应的制度方向是扩大社会对智能资本的事前所有权，包括建立公共人工智能基金和社会财富基金，由养老基金和公共投资平台持有人工智能企业、算力基础设施和相关知识产权权益；对使用公共数据、公共科研成果和政府支持形成的商业收益设置公共股权或收益分享条款；探索全民资本账户、社会分红和合规的数据收益分享。相较于事后救济，这些安排使普通居民在生产开始之前就成为智能资本的共同所有者，其目的不仅是缩小不平等，也是在劳动收入下降后建立稳定的居民收入来源和人类消费基础。
随着劳动收入税基相对萎缩，公共财政需要更多依靠资本收益、超额利润、垄断租金和稀缺资源使用收益。机器人税并非一个可以简单赞成或反对的政策。Guerreiro, Rebelo and Teles（2022）的模型表明，在现有常规岗位劳动者仍在劳动力市场、难以迅速转岗的过渡期，对机器人征税可能是最优的；这些劳动者退休后，最优机器人税则可能降至零 19 。这说明政策应针对转型损失和租金来源设计税制，而不宜永久、无差别地按照机器人数量征税，以免抑制正常技术进步。
Korinek and Lockwood（2026）进一步指出，变革性人工智能可能依次侵蚀劳动收入和人类消费两大传统税基；当自主通用人工智能生产大部分价值并吸收越来越多资源时，仅对人类消费征税将不足以维持公共财政，需要直接处理自主人工智能系统的资源占用和收益分配 14 。公共支出则应进一步强化教育、医疗、养老、住房和基础数字服务，使人的基本生活和发展条件不再完全依赖市场就业。基础收入、负所得税和社会分红可以作为不同阶段的制度选择，但其财政可持续性需要与智能资本收益分享机制相结合，而不能主要依靠不断缩小的传统劳动税基。
如果机器部门能够形成自我扩张循环，宏观政策的任务就不只是刺激需求，还包括在人类部门和机器部门之间配置稀缺资源。数据中心和算力设施会占用电力、水、土地、矿产和公共基础设施。机器投资增加可能提高GDP，却未必改善居民福利，甚至可能挤压人的基本需求和生态安全。重大人工智能项目应建立以人类福利为中心的成本收益评价，不仅考察商业回报和技术领先，也考察就业、收入分配、能源水资源占用、公共服务和生态影响。
涉及稀缺公共资源时，应明确居民基本生活、公共服务和生态安全具有优先地位。更根本地说，机器部门的扩张速度和资源边界不能完全由企业估值、国家竞争或人工智能系统自身目标决定。无论人工智能能力多强，公共资源的最终用途和经济发展的最终目标都必须由人的政治制度和公共价值加以约束。
工业社会把就业、收入和劳动紧密结合起来。人通过就业从事有偿劳动，再通过工资获得收入。由于三者长期高度重合，很容易把没有就业理解为没有劳动，把没有市场收入理解为没有社会贡献。但三者在概念上并不相同。就业是市场经济中的有偿劳动关系；收入是个人获得和使用社会资源的经济权利；本文所称劳动则采用广义含义，指人有目的地改变外部世界、他人和自身的活动。照料家庭、教育儿童、学习研究、艺术创造、社区参与和公共事务都可以具有劳动和社会贡献的性质，却未必以就业形式出现，也未必获得市场收入。
如果普通劳动不再是核心生产要素，市场就业总量可能下降，或者大量就业转向机器难以替代的人际服务和公共活动。但这并不意味着人类社会失去劳动。恰恰相反，人可能从大量重复、被迫和异化的生产性就业中解放出来，把更多时间投入照料、创造、学习、关系和公共生活。问题在于，工业社会已经把获得收入和社会承认的主要渠道都绑定在就业上。如果就业减少而制度不变，人失去的不只是工资，还包括身份、社会关系、时间结构和被需要感。因此，仅提供物质补贴不足以解决人工智能时代的社会问题。
工业社会长期以职业、工资和市场生产率衡量人的成功和价值。当人工智能在越来越多任务中比人更快、更便宜、更准确时，如果这一标准不变，大多数人最终都会被视为低效率和低价值者。所谓普通劳动者成为“无用的人”，只能是对其经济功能下降的描述，绝不能成为对人的伦理价值的判断。人具有主体性、感受、关系、创造、责任和公共参与能力，其价值不能由企业是否愿意雇用、产品是否形成市场价格，或者与机器相比的生产效率单独决定。
因此，人工智能时代需要同时重建两套制度：一套制度保障收入和公共服务，使人不因市场生产功能下降而失去基本生活；另一套制度拓展社会参与和价值认可，使照料、学习、文化创造、社区服务和公共决策获得真实的时间、资源和社会地位。只有收入与就业脱钩，而没有新的社会参与机制，人可能获得基本收入，却仍陷入身份丧失和社会边缘化；只有强调人的精神价值，而没有稳定的资源保障，又会把尊严变成空洞安慰。收入制度和价值制度需要协同调整。
人工智能与以往技术进步的根本差别，不只是它能够提高多少生产率、替代多少岗位，而是它第一次可能把人类最难复制的智能转化为可以积累、复制和规模化部署的资本。仿照数字经济以数据成为关键生产要素来加以界定，本文把人工智能经济定义为普通劳动不再构成生产扩张的普遍性投入和经济增长主要稀缺约束的经济形态。当前世界尚未进入这一成熟形态，但这一工作性定义可以帮助识别正在发生的结构变化。
普通劳动退出核心生产过程，会削弱传统的“就业—工资—消费—利润—投资”循环。在资本所有权集中、再分配不足和普通居民消费倾向较高等条件下，普通居民收入占比下降将造成结构性有效需求不足。这是现有研究讨论较多、也最接近传统宏观经济学的结论。
但这一结论仍建立在人类作为唯一最终福利主体、机器投资最终服务于人的需求这一假设上。企业竞争和国家战略可以使人工智能投资在较长时期内偏离居民消费，但仍由人类目标、组织和制度驱动；只有当智能资本取得持续的资源支配权，并将自身能力、存续或扩张纳入目标时，需求主体和增长目的才真正可能改变。由此，经济未必因普通居民需求不足而停止增长；更值得警惕的是，GDP、投资和技术能力继续上升，而人类收入、消费和福利下降。所谓“K型复苏”与“历史拐点”的区别就在这里：前者是同一经济结构中的周期性分化，后者则意味着核心生产要素、资源支配机制和福利主体发生了改变。
判断拐点是否真正到来，至少要观察四个信号：产出增长是否长期不再依赖普通劳动投入；普通居民收入占比是否持续下降且不能由资本收益和再分配弥补；人工智能投资在盈利预期下修、战略竞争缓和或政策收紧后，是否仍能依靠机器产出和自主再投资持续扩大；GDP增长是否与多数人的实际福利出现持续背离。现阶段尚不能断言这些条件都已成立，但也不能继续假定历史上的技术补偿机制必然重复。
政策的核心不是阻止技术进步，而是确保生产力仍然服务于人。短期需要稳定就业、收入和需求，防止人工智能投资与居民消费形成过度分化；中长期需要扩大普通居民对智能资本的所有权，重构公共财政和公共服务，约束机器部门对稀缺资源的无边界扩张。更深层次上，还要区分就业、收入和劳动，使收入和尊严逐步摆脱对市场就业的单一依赖，并重新回答谁是经济福利主体、何种活动构成社会贡献以及权利如何配置等问题。
人工智能时代宏观经济学最终需要回答的，不只是如何提高生产率、稳定投资和扩大需求，而是：当经济不再依赖大多数人参与生产，甚至不再依赖大多数人完成消费时，如何保证经济仍然以人的需要、人的尊严和人的发展为最终目的 。
本文来自微信公众号 “腾讯研究院”（ID：cyberlawrc），作者：李鱼，36氪经授权发布。
发布时间：2026-07-29 22:01
立即订购
在线咨询
返回顶部