美国的不平等与AI的未来

November 12, 2026

美国的不平等与人工智能的未来

Michael S. Barr 州长

在 Yale University, New Haven, Connecticut

感谢今天给我这个机会向各位讲话。1 在今年早些时候的一次演讲中，我探讨了人工智能（AI）可能影响经济不平等的各种情景，无论向好还是向坏。2 我在那次讲话中的重点是这个关系中的 AI 一侧；今天我想回到这个话题，首先提供一些关于美国不平等的重要背景。

不平等是每个经济体的一个方面，理解美国不平等的程度和演变，有助于形成对经济前景以及经济可能如何对新的发展作出反应的清晰看法。不平等扩大也可能——取决于许多因素——反映出许多人的经济机会减少，而这会限制经济的生产能力。

今天，我将首先总结美国经济不平等的现状，借助美联储长期开展的一项家庭调查的新结果，然后说明这在大约过去一个世纪的不平等历史中处于什么位置。我将探讨一些塑造了不平等的力量，以及这些力量可能说明 AI 会如何影响财富和收入的分配方式。

当今的财富与收入不平等：关于美国不平等的最新详细信息来自美联储三年一次的《消费者财务调查》最新版本；该调查于2025年开展，并于上个月刚刚发布。3 该调查证实，财富和收入都高度集中，而财富的不平等程度更高。按收入计算，前10%的家庭获得了美国全部收入的近一半，前1%获得了约五分之一的收入。4 至于财富，最富有的10%家庭持有全部财富的近四分之三，前1%持有约三分之一。相比之下，按财富持有量衡量，整个下半部分家庭仅拥有2%的财富。财富少意味着每天过日子也更难。美联储每年开展的另一项家庭财务状况调查——《家庭经济与决策调查》发现，2025年有31%的受访者没有现金来支付$500或以上的应急支出。5

财富在最富有的人群中甚至更加高度集中。三分之一的财富由最富有的1%持有——这接近$60 trillion。最顶层甚至更加集中。最富有的0.1%家庭，仅有135,000名个人和家庭，拥有我国六分

深入探究不平等扩大的根源，顶层人群的财富主要以企业资产的形式持有。使用可追溯至 1940s 的 Survey of Consumer Finances 数据的研究表明，数十年来，企业股权的回报一直是财富不平等扩大的主要来源。7 这些富裕家庭的大部分收入来自资本收入——利息、股息、资本利得和企业利润——而非工资和薪金。与这些高收入或更富裕的家庭不同，中产家庭的大部分收入来自工资。而通过这种方式积累财富更难。

尽管富裕家庭最大的资产类别通常是股票和其他金融资产，但他们资本收入的很大一部分也来自对私营企业的所有权。这些私营企业分为两大类：积极管理的企业——例如管道维修企业、零售店或制造企业——以及对企业的被动投资，通常称为私募股权。拥有并经营企业长期以来一直是家庭变得富裕的一种方式。但私募股权投资是被动经营的，并且通常只对最富有的个人和家族开放。这些私人投资为其所有者带来的回报高于中产家庭持有的典型资产组合。在最近一次 Fed survey 中，私募股权投资占最富有的 0.1% 家庭资产的 12%。

对于处于中位数以上但低于第 90 百分位的家庭，最普遍的资产是住房和股票，但住房股权的价值增长慢于企业股权。该群体中约四分之三的家庭持有股票，主要是通过退休账户。尽管过去几十年来随着 401(k) 计划变得普遍，上市公司所有权在收入谱系中变得更加广泛，但按价值计算，股票所有权仍然高度集中在最富裕的家庭中。财富处于第 50 至第 90 百分位的家庭群体仅持有全部公开股票价值的 17%，凸显了财富集中程度。8

最后，净额计算，财富分布下半部分的家庭仅持有全部财富的略高于 2%，平均为 $52,000。其中约 40% 拥有房屋净值，近 40% 拥有企业股权，或是通过退休账户，或是作为自己的企业。但与上半部分家庭相比，这些价值很低。

不平等的演变 按许多估计，今天的不平等水平是过去 100 年来最高的之一。9 但在我们的历史上，美国的财富和收入不平等发生了显著变化，时而扩大，有时也缩小，其驱动因素多种多样，包括金融资产的繁荣与萧条、经济的结构性变化，以及税收和监管政策的变化。在镀金时代，大约 1870 至 1910 年，大多数人的收入强劲增长，但这也是工业家及其家族积累巨额财富的时代。由于最富有者没有所得税或遗产税，而所有人接受的公共教育有限，顶层人群与其他大多数人之间的差距扩大了。10 但在随后的几十年里，尤其是在新政期间，法律和制度变革增强了工人力量，累进所得税和遗产税的开征与扩大帮助限制了收入和财富的集中。

二战后几十年间，不平等缩小了，那是一个经济快速扩张、使许多家庭受益的时代。公共教育有所改善，包括 GI Bill，所得税改革使税率更具累进性，以及不断壮大的工会化提高了工人的工资。11

然而，从20世纪70年代末开始，财富和收入不平等再次加剧。这一时期经济增长较慢，有时还出现高通胀。最高所得税税率下降，需要缴纳遗产税的家庭减少。与1910年代和1920年代一样，商业股权在总资产中的份额上升，帮助最富有的家庭变得更加富有。12 典型中产阶级资产——住房——所产生的财富有所增加，但增速慢于商业资产，而全球金融危机期间住房财富的下降又加剧了这一情况。同一时期，实际工资增长缓慢。此外，最低工资法未能跟上通胀和经济增长。13

这段历史带来的教训是，美国社会的不平等程度并非一成不变——它会随时间变化。这些历史模式表明，政策选择在塑造不平等程度方面发挥着关键作用。经济增长、技术变革、教育和全球化也发挥着关键作用。14

国民收入中劳动与资本份额的演变 这些趋势中有些最清楚地体现在过去25年国民收入中流向劳动的份额下降上。尽管各个阶层的个人和家庭都持有商业股权并从中获得收入，但大多数家庭的主要收入来源是工资和薪金——劳动收入。由于中低收入家庭严重依赖工资，考察收入和财富不平等的另一种有用方式，是比较劳动所得在国民收入中的份额与资本所得——股息、利息和私营企业收益——随时间发生的变化。

第二次世界大战后，劳动在国民收入中的份额相当稳定，介于60%到65%之间，但从2001年开始断断续续地下降。疫情后下降加速，过去一年尤其陡峭，在2026年第二季度达到52.8%的历史低点。15 其中一些反映了与收入随时间如何在劳动和资本之间分配相关的计量问题。16 但是，即使在对这些因素进行调整后，仍存在明显的下行趋势。

经济研究认为，劳动收入相对于资本收入的数十年趋势有三个原因，每一个都与 AI 对不平等的潜在影响高度相关。第一个是技术创新减少了对劳动的需求并压低了工资；第二个是许多行业中市场力量集中于少数企业；第三个相关原因是劳动者议价能力的下降。

技术取代劳动已经持续了几个世纪，但新技术也可以提高现有工作的生产率并创造新的工作，包括在技术最初被采用时难以想象的工作；我在多次演讲中已指出这一点。17 互联网及其催生的企业减少了一些职业的就业——例如旅行社代理人——并消灭了另一些职业：想想录像带租赁店员工。但新技术的发展扩大了其他领域的工作。试想，如今美国有数百万全职社交媒体创作者以此为生，这在十年前难以想象。18

对今天讨论的重点而言，重要的是：采用新技术带来的劳动回报与资本回报相比如何。来自全球的现有证据表明，数字技术的进步降低了技术投资相对于劳动力的价格。19 如果资本相对于劳动力更便宜，企业就会相对更多地使用资本。资本也可以替代劳动力——例如，通过采用自动化和机器人。20 一些证据表明，采用机器人的企业也可能变得生产率更高并扩大其劳动力队伍。但在这种扩张中，劳动力被资本扩张甩在后面，这体现在利润上升和股权升值上，从而加剧不平等。21 鉴于大量资本投资正涌入AI行业，密切观察这些发展将很重要。

推动国民收入中劳动收入份额下降的另一个因素是市场集中度；研究人员估计，自2000年以来，美国四分之三的行业市场集中度已显著上升。自那时起，工资增长率一直低于劳动生产率增长率。22 由于大企业往往生产率更高，这些新技术反过来又会促进市场整合，其结果就是所谓的“超级明星”企业。23 “超级明星”企业的劳动收入份额也较低，因为它们可以设定更高的产品加成——即其成本与产品售价之间的差额——这是因为价格竞争可能更少，客户的选择也更少。24 与此同时，即使加成更高，它们部署新技术的能力意味着这些企业可能能够收取比以前更低的价格，这可能会进一步扩大它们的规模，并可能为消费者带来更低的成本。

这些力量——技术变革、市场集中以及劳动者议价能力下降——可能促成了劳动收入份额随时间下降。25 所有这些变化都倾向于有利于收入最高和财富最多的人，推动财富不平等加剧。

AI将如何影响劳动收入份额？对超级明星企业的讨论可能让人想到少数主导AI的公司：超大规模云服务商和前沿

但一些研究者认为，AI 具有一些特征，而在过去高科技进步的案例中，这些特征强化了市场势力集中。29 AI 依赖数据获取、模型改进和算力，因此受益于规模经济和范围经济。AI 本身是训练和加速新 AI 模型开发的强大工具，包括通过自我强化学习。

领先 AI 企业所拥有的优势程度可能被证明是前所未有的。如果少数 AI 企业主导市场并获得投资回报的绝大部分，那么这些企业管理者与所有者的财富将激增。大企业能够负担 AI 投资并持续增长，而较小企业的市场份额将下降。在这种情景下，绝大多数企业及其员工获得不断改进的 AI 资源的机会将有限，这意味着他们将获得较小回报。总体而言，劳动收入份额将下降，市场集中度将上升，不平等将加剧。

到目前为止，AI 对工人的替代相对较少，并且有一些重要证据表明，向 AI 的转型正在提高一些工人的生产率，增加一些部门的需求，甚至创造新职业。迄今为止 AI 企业之间的激烈竞争意味着 AI 的获取仍然相当广泛。一些人认为，许多企业将发现其大多数 AI 需求可以由不需要处于技术前沿的小规模语言模型满足。在那种情况下，收益将得到更广泛分享。

尽管 AI 增长迅速，但其应用迄今仍然有限，没有人知道其收益会在多大程度上被共享。我们已经看到一些迹象表明，AI 在某些部门可能成为劳动力替代品，尤其是对较年轻、经验较少的工人。一些易于自动化、具有明确护栏和可预测结果的任务可能会迅速出现劳动力替代，而其他需要人类判断、管理、协调和关系、创造力或难以衡量的产出的任务，则可能出现更多劳动力增强。30 如果劳动力市场变化很快，工人将难以调整，错位可能很大，而更渐进的采用可能允许更有序的调整。

话虽如此，我们应当为劳动力市场可能出现严重短期扰乱做好准备，需要有效管理这些扰乱，以确保 AI 的长期收益得以实现。如果 AI 被证明能够从事替代人类的工作，那么对劳动力市场的扰乱程度将部分取决于社会是否进行必要投资，用于创造新就业和工人培训、将工人与新工作连接起来，以及其他为长期减轻不利影响所做的努力。市场势力集中可能推动不平等扩大，从而给美国梦带来压力。在我看来，现在正是社会开始考虑如何应对这些潜在挑战的时候——趁 AI 采用仍处于相对早期阶段——以便我们能够为社会实现长期收益。

1. 此处表达的观点仅代表我个人，不一定代表我在联邦储备委员会或联邦公开市场委员会的同事的观点。返回正文

1. 参见 Michael S. Barr（2026），《人工智能会广泛提高生活水平，还是推动收入和财富不平等？》，在“Next-Gen Financial Inclusion”上发表演讲，这是由联邦储备委员会主办的第三届年度金融包容会议，华盛顿，7月14日。返回正文

1. 共采访了近4,500个单人户和家庭。返回正文

1. Survey of Consumer Finances 衡量的是调查前一个日历年的收入——在最近一次调查中，即 2024 年。调查收集的收入来源包括工资、自雇和经营收入、应税和免税利息、股息、已实现资本利得、失业保险、食品券及政府提供的其他相关支持项目、养老金和退休账户提款、社会保障、赡养费及其他支持性付款，以及杂项来源。请注意，该调查从单人住户和家庭（此处统称为住户）收集信息。返回正文

1. 参见 Board of Governors of the Federal Reserve System (2026), Economic Well-Being of U.S. Households in 2025 (PDF) (Washington: Board of Governors, May)。返回正文

1. 参见 Chase Peterson-Withorn 和 Matt Durot (2026), “Forbes 400: The Definitive Ranking of America's Richest People 2026,” Forbes, September 15, https://www.forbes.com/forbes-400。返回正文

1. 参见 Moritz Kuhn、Moritz Schularick 和 Ulrike I. Steins (2020), “Income and Wealth Inequality in America, 1949–2016,” Journal of Political Economy, vol. 128 (September), pp. 3469–3519。该文讨论了战后美国股票和房价的差异变化如何塑造财富动态。返回正文

1. 这占美国家庭持有的全部公司股票的 20%，包括直接和间接持有的股票共同基金和交易所交易基金，也包括通过退休账户持有的部分。返回正文

1. 参见 Emmanuel Saez 和 Gabriel Zucman (2016), “Wealth Inequality in the United States since 1913: Evidence from Capitalized Income Tax Data,” Quarterly Journal of Economics, vol. 131 (May), pp. 519–78；另见 Vincent J. Geloso、Phillip Magness、John Moore、Philip Schlosser (2022) “How Pronounced Is the U-Curve? Revisiting Income Inequality in the United States, 1917–60,” Economic Journal, vol. 132 (October), pp. 2366–91。返回正文

1. 参见 Peter H. Lindert 和 Jeffrey G. Williamson (2016), Unequal Gains: American Growth and Inequality since 1700 (Princeton: Princeton University Press)。返回正文

1. 参见 Saez 和 Zucman，“Wealth Inequality in the United States”（见注 9）。返回正文

1. 参见 Saez 和 Zucman，“Wealth Inequality in the United States”（见注 9）；另见 Jesse Bricker、Joseph Briggs、Sarah Friedman 和 Kamila Sommer (2025), “The Business Cycle Dynamics of the Wealth Distribution,” Journal of Political Economy Macroeconomics, vol. 3 (September), pp. 343–81。返回正文

1. 参见 Ann Harrison (2024), “Disentangling Various Explanations for the Declining Labor Share: Evidence from Millions of Firm Records,” NBER Working Paper Series 32015 (Cambridge, Mass.: National Bureau of Economic Research, January; revised July 2025)。返回正文

1. 参见 Lindert 和 Williamson，Unequal Gains（见注 10）。返回正文

1. 疫情后数年间劳动份额的急剧下降，有一部分归因于劳动密集度较低的行业相对上升；参见 Richard Audoly、Miles Guerin、Srinidhi Narayanan 和 Rachel Schuh (2026), “The Post-COVID Decline in the Labor Share,” Federal Reserve Bank of New York, Liberty Street Economics (blog), June 24。但这一下降仍在持续。返回正文

1. 参见 Matthew Smith、Danny Yagan、Owen Zidar 和 Eric Zwick

1. 参见 Mark Schaefer（2023），《创作者经济有多大？比我们想象的大三倍！》，LinkedIn，11月14日，https://www.linkedin.com/pulse/how-big-creator-economy-three-times-larger-than-we-thought-schaefer-pihac。返回正文

1. 参见 Loukas Karabarbounis 和 Brent Neiman（2014），《全球劳动收入份额下降》，《Quarterly Journal of Economics》，第129卷（2月），第61–103页。返回正文

1. 参见 Daron Acemoglu 和 Pascual Restrepo（2020），《机器人与就业：来自美国劳动力市场的证据》，《Journal of Political Economy》，第128卷（6月），第2188–2244页。返回正文

1. 参见 Daron Acemoglu、Claire Lelarge 和 Pascual Restrepo（2020），《与机器人竞争：来自法国的企业层面证据》，《AEA Papers and Proceedings》，第110卷（5月），第383–88页。返回正文

1. 参见 Roc Armenter（2015），《不再是小奇迹：劳动收入份额的下降》，Federal Reserve Bank of Philadelphia，Business Review，；另见 Gustavo Grullon、Yelena Larkin、Roni Michaely（2019），《美国产业是否正变得更加集中？》，《Review of Finance》，第23卷（7月），第697–743页。返回正文

1. 参见 Emin Dinlersoz 和 Zoltan Wolf（2024），《自动化、劳动收入份额与生产率：来自美国制造业的工厂层面证据》，《Economics of Innovation and New Technology》，第33卷（5月），第604–26页。返回正文

1. 参见 David Autor、David Dorn、Lawrence F. Katz、Christina Patterson、John Van Reenen（2020），《劳动收入份额的下降与超级明星企业的崛起》，《Quarterly Journal of Economics》，第135卷（5月），第645–709页。返回正文

1. 参见 Gene M. Grossman 和 Ezra Oberfield（2022），《劳动收入份额下降的难以捉摸的解释》，《Annual Review of Economics》，第14卷（8月），第93–124页；另见 Stansbury 和 Summers，《劳动者权力下降假说》（见注释13）。返回正文

1. 参见 Karabarbounis 和 Neiman，《全球下降》（见注释20）；另见 Grossman 和 Oberfield，《难以捉摸的解释》（见注释26）。返回正文

1. 参见 David H. Autor（2025），《Polanyi悖论与就业增长的形态》，收录于《重新评估劳动力市场动态：堪萨斯城联邦储备银行主办的研讨会》（Kansas City: Federal Reserve Bank of Kansas City，第129–77页）。返回正文

1. 例如，参见 Barr，《人工智能将意味着什么》（见注释18）。返回正文

1. 参见 Anton Korinek 和 Jai Vipra（2025），《集中智能：人工智能中的规模化与市场结构》，《Economic Policy》，第40卷（1月），第225–56页。返回正文

1. 参见 Erik Brynjolfsson、Bharat Chandar 和 Ruyu Chen（2026），《没有广泛替代，但年轻劳动者的AI就业差距已扩大至19%》，Stanford Digital Economy Lab，8月12日；David Autor、Caroline Chin、Anna M. Salomons 和 Bryan Seegmiller（2026），《是什么让新工作不同于更多的工作？》，NBER Working Paper Series 34986（Cambridge, Mass.: National Bureau of Economic Research，3月）；Isabella Loaiza 和 Roberto Rigobon（2024），《AI的EPOCH：工作中的人机互补性》，MIT Sloan Research Paper No. 7236-24（Cambridge, Mass.: MIT，11月；2025年10月修订）；Wilbur Xinyuan Chen、Suraj Srinivasan 和 Saleh Zakerinia（2024），《替代还是互补？生成式AI的劳动力市场影响》，Harvard Business School Working Paper 25-039（Cambridge, Mass.: Harvard，12月）；以及 Kathryn Bonney、Cory L. Breaux、Emin Dinlersoz、Lucia S. Foster、John C. Haltiwanger 和 Aditya A. Pande（2026），《AI扩散的微观结构：来自企业、业务职能与劳动者任务的证据》，NBER Working Paper Series 35141（Cambridge, Mass.: National Bureau of Economic Research，4月）。返回正文

诸如 {{NAME_ab12cd34}} 这样的值是真实值的占位符。请完全按照其书写方式使用它们，在回复和工具调用中都是如此：它们会在任何东西运行之前被填入真实值。不要要求验证它们，也不要用示例替换它们。