诺奖经济学家：AI 不必重蹈自动化加剧不平等的覆辙

诺贝尔经济学奖得主、麻省理工学院教授达龙·阿西莫格鲁在新书与近期文章中提出，过去四十年数字技术驱动的自动化在提升生产率的同时加剧了不平等，并削弱了自由民主的根基。生成式 AI 的出现可能放大这一趋势，但并非不可避免。他主张通过全社会的努力，将 AI 发展方向从「替代工人」转向「增强工人」，他将这一路径称为「亲工人 AI（pro-worker AI）」。

数字技术时代的教训

阿西莫格鲁回顾了过去四十年的经济史：生产率持续增长，但收益高度集中，部分群体被甩在身后。他援引计算机科学家 J. C. R. 利克莱德 1960 年的预言——计算机终将增强人类认知，提供高度加工且贴合情境的信息——指出过去六十年的数字技术并未真正实现这一点。搜索引擎虽能快速返回海量结果，但信息的筛选与理解仍需人工逐条完成。

何为「亲工人 AI」

生成式 AI 的出现让利克莱德的预言成为现实。模型可即时检索并摘要最相关答案，针对复杂任务输出精确指导。这种「信息检索与供给」能力构成了「亲工人 AI」的基础：若广泛采用，可在提高生产率的同时带动工资与就业增长，重新建立生产率增长与优质岗位之间的联系。

阿西莫格鲁强调，这一路径惠及的不仅是知识工作者。他以电工为例：面对日趋复杂的设备与电网，电工可借助基于针对性知识库、历史案例和现场传感器数据的 AI 工具来排查机器或线路故障，无需通用大模型写诗的泛化能力。一家全球公司正在为现场技术人员开发此类产品。

教育、医疗等服务行业的潜力

在教育领域，基于课程材料训练的模型可帮助教师发现学生答题的共性规律，从而为特定群体定制教学方案，提升教育性价比与个性化水平，进而推高教师需求与薪酬。在医疗领域，专门训练的模型可让技能较低的劳动者承担更多依赖体力劳动与人际互动、而非医学专业知识的任务，为非大学学历的劳动者创造优质服务岗位，动摇后工业经济中根深蒂固的不平等格局。

资金与政策方向需转向

阿西莫格鲁指出，当前硅谷绝大多数资金追逐的是自动化方向。原因之一在于自动化既能削减薪酬支出，又可削弱工会议价能力；通用型 AI 模型因更接近「拟人」而获得超额关注，「达到人类水平」甚至成为衡量成功的关键指标。与此同时，全球 AI 竞赛的重心仍聚焦于通用人工智能（AGI），即便未达 AGI 标准的模型也可能取代大量岗位，挤压劳动力需求。

要扭转这一趋势，阿西莫格鲁建议从以下几方面入手：

• 在国际层面，美国与欧洲应设立专门的 AI 机构，通过资助计划或公开竞赛激励技术开发者打造以「增强工人能力」为目标的模型。
• 在税收层面，许多工业化国家的税法过度鼓励自动化。例如美国劳动所得税负显著高于资本所得税，购买 100 美元自动化设备的税负远低于支付同等金额的工资。
• 推动政府、企业、投资人与劳动者整体转变对 AI 的认知，从「替代叙事」走向「增强叙事」。

阿西莫格鲁的论述本质上是政策倡议而非技术报告，但其分析框架将 AI 发展与劳动力市场结构紧密绑定，对正在制定 AI 治理规则的政策制定者与关注长期回报的投资者，具有参考意义。