生产率红利不再自动等于工资契约

生产率红利不再自动等于工资契约

这张图的核心信息很简单，但背后的经济机制并不简单。美国劳动生产率与实际小时薪酬在战后很长一段时间里基本同步上升，但从20世纪70年代末开始明显分离。生产率继续提高，因为每小时产出仍在增长；实际薪酬也在上升，但速度慢得多。从指数看，生产率从20世纪40年代末的大约100升至如今的500以上，而实际小时薪酬大约在300出头。图中的差距不是一个技术性细节，而是一部压缩版的增长分配史。

最重要的含义是，生产率增长并不等同于广泛的工资增长。标准经济直觉认为，当工人每小时创造更多产出时，他们也应获得更高收入。在竞争充分、议价能力均衡、技术扩散广泛、经济租金有限的环境中，这种直觉大体正确。但真实经济已经发生变化。许多行业的产品市场更集中，劳动议价能力更弱，全球供应链扩大了有效劳动力池，无形资本和软件规模效应让赢家企业不再需要等比例增加劳动力，金融市场也更奖励利润率扩张和轻资产模式。如今人工智能可能进一步强化同一个分配问题：如果机器和软件提升了产出，谁拥有对这部分产出的索取权？

这就是为什么这张图不仅对劳动经济学家重要，也对投资者重要。一个能够广泛提高实际工资的生产率繁荣，是需求友好、政治更稳定、利润率更平衡的环境。一个主要流向资本所有者的生产率繁荣，则是另一种环境：部分企业利润更强，家庭劳动收入传导更弱，不平等更高，政治反弹风险更大，消费基础也更脆弱。因此，同一个生产率数字可能意味着完全不同的市场结果，关键取决于收益被谁捕获。真正的问题不只是人工智能能否提高生产率，而是人工智能会修复生产率与工资之间的连接，还是进一步扩大裂口。

差距背后的会计恒等式

第一步是把会计恒等式与经济机制区分开。总产出可以分解为支付给劳动、资本和利润的收入。如果生产率上升，每小时可分配的产出确实增加。但分配比例取决于劳动份额、资本份额、相对价格、加价率、税收、福利和劳动者构成。即使整体经济中的劳动者变得更有效率，如果更大一部分增加值流向利润、知识产权所有者、土地所有者、高管或资本密集型企业，普通工人也未必获得同等比例的薪酬增长。

一个简洁的工资传导框架是：实际薪酬增长约等于劳动生产率增长，加上劳动收入份额变化，再减去价格和构成相关的测量差异。粗略写成公式就是：`实际薪酬增速 ≈ 生产率增速 + 劳动份额变化 + 分布/构成效应`。如果生产率增长2%，但劳动份额下降1%，那么薪酬可能只增长1%，甚至还没有考虑典型工人与平均工人之间的差异。如果收益集中在高收入群体，中位数或普通生产工人的薪酬会进一步落后。

这也是为什么围绕生产率与薪酬缺口的争论常常混乱。有一部分差距来自用什么价格指数把名义薪酬和名义产出转换为实际值；有一部分来自薪酬是否包括福利；还有一部分来自比较对象是平均薪酬还是典型工人薪酬。这些测量问题确实存在，但它们并不能抹去一个经济事实：20世纪70年代以后，生产率收益的分配方式发生了持续变化。无论是美国劳工统计局的生产率与薪酬序列，还是经济政策研究所关于生产率与工资缺口的研究，都指向战后旧连接的持续弱化。

市场含义是，生产率数据本身无法回答分配问题。投资者通常欢迎生产率提升，因为它可以提高潜在增长、降低单位劳动成本、支撑利润率并缓解通胀压力。但如果生产率增长长期无法进入典型劳动收入，经济需求端就更依赖信用、资产价格、财政转移或高收入群体消费。这种结构可以支撑市场很长时间，但它改变了周期的性质。

战后契约为何破裂

战后早期经济具有若干特征，使生产率收益更容易转化为工资收益。工会密度更高，制造业就业占比更大，大企业常通过内部劳动力市场、养老金、资历制度和生活成本调整与员工分享租金。许多可贸易行业面对的国际竞争不那么强。金融市场也没有像后来那样持续要求轻资产利润率和回购。这套制度并没有消除不平等，但它建立了更强的渠道，让生产率变成广泛薪酬。

到20世纪70年代末和80年代初，这种安排开始弱化。通胀冲击、衰退、放松管制、全球化、去工业化以及股东价值治理的兴起共同改变了议价环境。面临外国竞争或金融压力的企业，不再愿意把生产率收益视为工资池。劳动者也缺少集体争取收益的机制。工会衰落的意义不只在于工会提高会员工资，还在于工会会设定工资规范并对非工会雇主形成压力。当这个制度性基准弱化后，工资制定变得更个人化，也更暴露于本地劳动力市场权力。

同时，经济部门结构也发生变化。制造业生产率可以通过可见的车间产出、集体谈判和规模经济传导到工资。服务业生产率更难测量，也更难分享。在许多服务业中，效率提升来自排班、软件、外包、客户自助或平台控制。劳动者可能确实更有效率，但企业或平台拥有数据、路径分配、客户关系、品牌和定价算法。剩余价值不会自动进入工资单。

这段制度史很重要，因为它提醒我们不能做技术决定论。技术不会自动分配自己。同一种创新在不同议价制度下会产生不同工资结果。一个拥有强工会、紧劳动力市场和有限外部劳动力供给的工厂，可能会分享生产率收益；一个依靠全球承包商、劳动者分类模糊和强网络效应的平台公司，则可能不会。生产率是生产概念，薪酬是权力与契约结果。

市场集中与超级明星企业问题

解释裂口扩大的最强结构性原因之一，是超级明星企业的兴起。David Autor、David Dorn、Lawrence Katz、Christina Patterson和John Van Reenen的研究认为，行业销售额越来越集中到高生产率、低劳动份额的企业手中。当最高效企业获得更多市场份额时，整体生产率可以上升，同时劳动份额下降。这并不是因为生产率不好，而是因为创造生产率的企业可能被设计成无需等比例提高劳动薪酬也能扩大收入。

机制很直接。软件平台、主导型市场、半导体生态、云服务商或数据丰富的网络，可以以较低边际成本服务更多客户。一旦固定投资建成，增量收入可能不需要太多增量劳动。如果企业还拥有定价权、网络效应、知识产权保护或高切换成本，大量剩余价值就会变成经营利润。经济看起来更高效，但工资传导更薄。

这个逻辑也解释了为什么生产率与薪酬缺口同时是股票市场故事。如果捕获生产率收益的是上市且高利润企业，股东就会通过利润率、回购、股息和估值倍数获得红利。劳动者会通过稀缺技术岗位的高薪获得一部分收益，但不一定通过广泛工资增长获得收益。在超级明星经济中，生产率收益在企业、行业、劳动者和资产所有者之间分配极不均衡。

风险在于，投资者可能把生产率外推为一种自动平滑的社会结果。事实并非如此。市值加权股票指数可以受益于少数企业捕获经济租金，而中位数家庭却感到收入增长乏力。这种组合可以带来强劲股票回报，同时伴随政治不满。它也会制造集中度风险：如果总利润增长依赖少数拥有强护城河的企业，市场就更容易受到监管、反垄断、税收、技术颠覆或利润率正常化的冲击。

劳动议价能力是缺失的传送带

生产率只有在劳动者有能力争取剩余价值时，才会提高工资。在教科书式竞争劳动力市场中，工人工资接近边际产出。但真实劳动力市场充满摩擦。劳动者无法立刻跨地区、企业、职业和技能类别流动。他们面对搜寻成本、医疗保险约束、家庭约束、许可制度、移民身份、债务负担和信息不对称。雇主往往比员工更了解薪酬区间。在集中度较高的本地劳动力市场，少数大雇主还能行使买方垄断力量。

当议价能力较弱时，生产率收益首先表现为较低的单位劳动成本，而不是更高工资。这有利于利润率，也可能抑制通胀，但它不等同于广泛繁荣。工资反应变得滞后，并取决于劳动力市场是否足够紧。20世纪90年代末扩张和疫情后的劳动力紧张都表明，强劲劳动需求仍能让中低收入群体获得实际工资增长。这个证据有双重含义：工资增长是可能的，但通常需要劳动者拥有可信的外部选择。

一个简单的剩余价值条件可以说明问题。假设软件让某个工人的边际收入产出从100升至120。如果这个工人有许多外部工作机会，工资可能明显上升。如果外部机会很少，工具归企业所有，而且替代较容易，工资可能只小幅上升。两种情况下生产率提升都存在，但议价结果不同。这张图本质上展示的是几十年来第二种情况越来越常见。

因此，离职率、跳槽、工会化、竞业限制政策、移民规则、职业流动性和本地集中度，都是宏观分配变量。它们不是边缘问题，而是决定生产率红利变成工资还是利润的机制。对市场而言，这意味着劳动力紧张不仅是通胀变量，也是分配变量。紧劳动力市场可能压缩利润率但扩大需求；松劳动力市场可能支撑利润率但削弱消费下面的收入基础。

全球化扩大了有效劳动力池

全球化并不只是转移工厂。它改变了议价集合。当企业获得更低成本的全球劳动力、进口中间品和离岸生产网络时，可贸易部门的国内劳动者面对的是更大的有效劳动力供给。Autor、Dorn和Gordon Hanson等人关于中国冲击的研究显示，进口竞争造成了严重的本地劳动力市场调整成本。即使消费者从更便宜商品中受益，许多劳动者也失去了议价能力、就业稳定性和社区层面的工资支撑。

生产率与薪酬缺口反映了这种更广泛的全球整合。美国企业可以通过供应链优化、离岸外包、集装箱物流和全球采购提高生产率。这些收益可以降低消费价格并提高利润，但并不必然提高美国小时薪酬。国内劳动者竞争的对象不只是彼此，也包括全球生产网络。即使工作留在本土，迁移生产的威胁也足以削弱议价能力。

全球化还与技术相互作用。软件让供应链更易管理。企业系统、数字通信和物流平台让企业能够跨境协调生产。结果是一种资本赋能的劳动力套利。生产率提高，是因为企业更擅长组合全球投入。但那些工资基准受到全球竞争约束的劳动者，并不会自动按比例分享收益。

当下并不是超全球化的简单延续。供应链韧性、关税、地缘政治碎片化、国家安全考量和产业政策已经改变了方向。但议价遗产仍在。劳动者知道生产可以转移，企业知道供应链可以重组，投资者也学会奖励通过全球采购保护利润率的公司。即使部分生产回流，工资结果仍取决于回流是否创造紧劳动力需求，还是仅仅结合自动化和资本密集型设施。

资本深化、无形资产与劳动份额下降

Karabarbounis和Neiman关于全球劳动份额下降的研究很有用，因为它把分配变化与投资品相对价格下降联系起来。当设备、软件、计算能力和其他资本形式相对于劳动变得更便宜时，企业更有动力用资本替代劳动。如果资本与劳动之间的替代弹性足够高，更便宜的资本就可能降低劳动收入份额。这一点在软件和自动化成为通用工具的经济中尤其重要。

无形资本的兴起进一步强化了这个逻辑。软件、数据、品牌、专利、组织知识和网络关系等无形资产可以产生规模效应，却不需要像传统工业扩张那样增加同等就业。传统工厂需要大量工人、维护、供应商、物流和本地工资外溢。数字平台增加用户所需的增量劳动少得多。其价值更多取决于代码、数据、设计、法律权利和分发，而不是小时劳动。

这种变化改变了投资的宏观含义。在制造业经济中，资本开支往往创造可见的劳动需求。软件、云基础设施和AI模型投资可以提高生产率，同时减少某些劳动任务需求。经济可以变得更资本深化，但未必更劳动收入密集。这就是为什么AI对这张图的未来如此重要。AI不只是另一个生产率工具，它是一种能够执行过去属于劳动者认知任务的资本形式。

对投资者而言，含义是双刃剑。拥有稀缺无形资产的企业会在生产率提升时变得更有价值。但如果一个社会的收入分配过度偏向资本，就可能面对更弱的总需求、更强的民粹压力和更激进的政策干预。市场可以庆祝资本替代的微观经济学，但低估宏观和政治反馈。

AI可能修复连接，也可能进一步打断连接

人工智能位于下一轮生产率与工资争论的中心，因为它既可能补充劳动，也可能替代劳动。如果AI让护士、教师、工程师、分析师、技工和小企业主更有效率，同时保留他们的议价能力，它就能提高工资并扩大繁荣。如果AI主要自动化任务、把能力集中到平台内部，并强化数据、算力、模型和分发所有者，它就可能在提高生产率的同时扩大缺口。

方向不是由技术本身决定的。Erik Brynjolfsson一直强调，应设计增强人类能力的AI，而不是只模仿和替代人类工作的AI。这个区别很重要。帮助医生更快诊断、帮助律师更高效起草、帮助小制造商优化库存的工具，可以提高人类使用者的价值。完全商品化任务的系统则可能削弱劳动者索取权。同一类模型可以根据产品设计、所有权、劳动制度和竞争结构，被部署到不同方向。

同样的纪律也应适用于宏观预测。一个声称生产率将加速的预测，如果没有说明工资渠道、利润率渠道、价格渠道和财政渠道，就是不完整的。没有这种分解，预测就无法区分广泛繁荣周期与狭窄资本收入周期。因此，这张图不只是回顾历史，也是下一轮技术环境的一份必要且实用的检查清单。

AI也改变进入壁垒。一方面，它可以降低编码、设计、营销、研究、客服和行政成本，从而赋能个人和小企业，使经济更创业化、更分散。另一方面，前沿AI需要大规模算力、专有数据、分发伙伴和资本支出。如果前沿能力由少数平台控制，AI可能加深超级明星企业模式。分配结果取决于AI是在应用层民主化，还是在基础设施层集中化。

这张图的警告是，默认路径未必有利于劳动。如果过去几十年的生产率收益已经不成比例地流向资本，投资者就不应假设AI会自动逆转这个趋势。AI可能让认知产出的边际单位更便宜。这对用户和股东有利，但会威胁任务更容易被复制的劳动者。工资结果将取决于稀缺性：稀缺判断、稀缺信任、稀缺关系、稀缺物理执行、稀缺监管责任和稀缺创业能力可能获得溢价；常规认知生产则未必。

通胀和利率含义并不单向

一个由资本捕获的生产率繁荣，短期内可能是反通胀的，因为它降低单位劳动成本。如果企业能用相同或更少劳动小时生产更多产出，每单位产出的工资压力就下降。这给央行更大空间容忍增长，也能支撑更高利润率和更低通胀波动。这是市场对生产率的乐观解释：供给更好，通胀更低，盈利更强。

但分配渠道让利率故事更复杂。如果生产率收益广泛流向工资，家庭收入上升，需求增强，经济可能承受更高的中性实际利率。如果生产率收益主要流向利润和高收入资产所有者，消费会更不均衡，也更依赖资产价格。储蓄与投资平衡会以不同方式变化。高企业利润可能提高储蓄，而AI基础设施需求可能提高投资。对实际利率的净影响取决于哪种力量占主导。

还有一个政治通胀渠道。如果劳动者认为生产率收益没有被分享，他们可能要求政策回应：提高最低工资、强化工会、再分配、关税、反垄断、利润税或限制自动化。有些回应可能提高劳动成本或降低效率，有些则可能改善议价和需求。关键在于，纯技术生产率模型忽略了制度反应函数。分配压力最终会变成政策。

因此，对投资组合而言，利率含义不是单向的。AI驱动的生产率可以在提高可持续盈利并降低通胀时支撑更高估值；如果它提高预期增长和投资需求，也可以支撑更高实际利率；如果收益过度集中、需求依赖资产升值、政治转向赢家企业，它也可能制造更不稳定的环境。生产率与薪酬缺口提醒我们，供给侧改善本身并不能决定宏观结果。

当劳动没有分享收益时，消费基础会更脆弱

即使中位数工资增长令人失望，美国仍能长期维持消费，因为家庭可以依靠信用、住房财富、股票财富、财政转移和高收入群体消费。但这种结构不如广泛劳动收入周期稳健。劳动收入具有重复性、分布广和行为稳定性。资产收入更集中，也更周期性。信用可以把需求提前，但会留下资产负债表脆弱性。

如果生产率收益主要流向股东和顶层收入者，总消费可能看起来仍然健康，但构成会变化。奢侈消费、旅行、金融服务和资产相关支出可能保持强劲，而中低收入家庭会更利率敏感。信用卡拖欠、汽车贷款压力、租金负担和学生债务压力会变成更重要的信号。经济不再只是平均收入问题，而是分布性现金流问题。

这很重要，因为广泛工资增长有较高乘数。预算更紧的劳动者通常会花掉新增收入。当工资收益集中在顶部，更多收入可能被储蓄或投资。这可以支撑资产价格，但会削弱需求广度。宏观上，劳动收入的边际消费倾向通常高于富裕家庭资本收入的边际消费倾向。偏向资本的生产率环境，因而可能同时带来强市场和较弱的大众消费需求。

投资者应仔细观察这个分裂。销售企业软件的公司可能受益于AI驱动的生产率和利润率扩张。服务现金流受限家庭的零售商未必受益。银行可能从资产所有者那里获得财富管理流入，同时在低收入借款人中看到信用压力。宽基指数会隐藏这些不同渠道。生产率与薪酬缺口不只是一张劳动图，它也是需求分层地图。

政策问题是捕获，而不只是生产率

政策辩论常问生产率增长是否足够高。这是正确起点，但不是完整问题。社会需要生产率增长，因为没有生产率，实际生活水平无法可持续提高。但生产率是必要条件，不是分配机制。更难的政策问题是，如何创造一种经济，让生产率收益被广泛捕获，同时不扼杀产生这些收益的激励。

政策菜单并不只包括粗糙再分配。竞争性产品市场很重要，因为竞争会通过更低价格把部分生产率收益传递给消费者，并防止企业把全部剩余转化为租金。竞争性劳动力市场很重要，因为劳动者需要外部选择。教育和培训很重要，因为劳动者需要互补技能。流动性很重要，因为人们需要进入高生产率地区和职业。反垄断很重要，因为过度集中会削弱消费者和劳动结果。税收政策也重要，因为它决定资本收入和劳动收入如何被对待。

劳动制度同样重要，但现代版本未必与中世纪工业模式完全相同。可携带福利、薪酬透明、限制竞业协议、部门培训体系、劳动者发声、利润分享、员工持股以及更强的劳动标准执行，都能改变生产率收益分配。目标不是把经济冻结在旧工业结构中，而是确保技术活力不会变成从劳动到资本的单向转移。

AI政策也属于这个讨论。如果公共研究、开放标准、互操作性、数据可携带性和竞争性云服务降低AI采用壁垒，更多企业和劳动者就能使用这项技术。如果AI技术栈变成纵向整合且封闭，生产率收益就可能集中。AI能力如何分布，将塑造AI收入如何分布。

市场策略：拥有赢家，也要给反弹定价

从市场角度看，生产率与薪酬缺口制造了一种张力。最能捕获生产率收益的企业可能是优秀投资标的。它们可能拥有高利润率、可扩展产品、定价权和持久竞争优势。忽视这个微观经济现实是错误的。股票市场奖励现金流捕获，而不是道德对称。如果AI和无形资本提高主导企业的投入资本回报率，股东可能显著受益。

但投资者也需要给反弹和需求约束定价。一种单纯持有资本、以劳动为代价的策略，可以一直有效，直到政治、监管、税收或需求疲弱改变收益结构。反垄断审查、数字服务税、劳动分类规则、AI责任、数据监管和政府采购政策，都是国家重新打开分配问题的方式。裂口越大，政治系统回应的动力越强。

还有因子含义。偏向轻资产平台的生产率环境支持质量成长、高利润率和无形护城河。推动再分配、竞争或劳动议价的政策回应，则可能支持不同暴露：国内服务、劳动收入敏感型消费、基础设施、小盘竞争者或监管风险较低的企业。这张图并不告诉我们明天哪笔交易会赢。它告诉我们，当前环境内嵌了一个政治期权。

对资产配置者而言，教训是要区分生产率贝塔和捕获贝塔。生产率贝塔是对更高效经济的暴露。捕获贝塔是对能够把效率货币化的主体的暴露。两者并不相同。劳动者、消费者、企业、股东和政府都可能捕获一部分。投资机会取决于下一部分由谁捕获，以及这种分配是否稳定。

什么证据能说明裂口正在收窄

乐观情景并非不可能。如果AI和其他技术以强化劳动稀缺性的方式提高劳动者生产率，裂口可能收窄。例如，AI可以让小团队更具竞争力，提高对高质量判断的需求，扩大创业，改善医疗和教育生产率，并创造新职业的速度快于自动化旧职业。紧劳动力市场也可能迫使企业分享收益。竞争则可能把收益传递给消费者，即使名义工资没有完全跟上生产率，也能提高实际购买力。

几个指标可以支持这种乐观情景。生产和非管理员工的实际薪酬开始更接近生产率增长；劳动收入份额稳定或恢复；工资收益不再只集中于最高技能职业；企业创立真正转化为雇主企业和工资单增长，而不只是注册数量；AI采用扩散到中小企业，而不只是前沿平台；市场集中度和加价率停止上升；黄金年龄劳动参与率和跳槽流动性保持健康。

悲观情景则不同。生产率改善，但中位数实际工资增长仍弱；AI相关龙头企业利润率扩大；劳动份额进一步下降；入门级白领招聘恶化，因为AI替代初级任务；AI基础设施层仍集中在少数平台；家庭需求更依赖资产价格和信用；政治压力上升，但只有在分配损伤已经明显之后才出现。

关键是避免把AI生产率当作单一宏观变量。同一个总生产率数字可以与非常不同的工资、利润率、消费和政治环境并存。这张图正是在历史层面提醒我们这个区别。

给投资者的一套简洁分解框架

实际投资者不需要解决关于生产率与薪酬缺口的每一个学术争议，才能正确使用这张图。更有用的分解方式很简单。每一次生产率冲击都可以拆成四个捕获渠道：劳动者通过更高薪酬捕获，消费者通过更低实际价格捕获，企业通过更高利润率捕获，政府通过更高税基捕获。总生产率红利可以为正，但其中任何一个渠道都可能令人失望。政治和市场环境由这些渠道之间的分配决定。

第一个渠道是劳动捕获。当生产率提高劳动者外部选择，或劳动制度迫使企业分享收益时，这个渠道就会出现。它体现在更快的实际工资增长、更广泛的收入分布改善、更强的跳槽、更低的非自愿兼职，以及稳定或上升的劳动收入份额。这个渠道支撑需求，因为新增劳动收入分布广，且通常会被消费。如果工资涨幅超过生产率，它也可能推高通胀；但如果工资与生产率同步，单位劳动成本不必加速。

第二个渠道是消费者捕获。当竞争迫使企业通过更低价格或更高质量传递效率收益时，这个渠道就会出现。许多技术浪潮都有这一面。消费者获得免费或廉价的数字服务、更低搜索成本、更快物流和更丰富产品。即使工资落后，消费者捕获也能通过价格而非工资提高实际生活水平。但它在政治上不如工资增长可见。一个工人即使享受更便宜软件、更便宜进口品和更快配送，如果工资没有反映生产率收益，仍可能觉得劳动力市场不公平。

第三个渠道是企业捕获。这就是利润率故事。企业通过更低成本、更强定价权或规模经济保留生产率收益。股票投资者通常最喜欢这个渠道，因为它直接转化为盈利、自由现金流、回购、股息和估值支撑。但企业捕获只有在产品市场仍集中、劳动力市场仍受约束、政策没有重新分配租金时才稳定。高企业捕获环境可以对股票极其有利，同时在社会层面不稳定。

第四个渠道是政府捕获。更高生产率可以扩大税基、缓解财政压力，并为公共投资创造空间。但如果生产率收益主要流向享受税收优惠的资本收入、海外利润或轻税无形资产租金，财政渠道可能弱于产出数据所暗示的程度。这也是为什么当劳动份额下降时，政府最终会关注企业税设计、数字利润分配和资本收入征税。

这张图显示，自20世纪70年代末以来，美国从劳动捕获转向企业、资本所有者和不均衡消费者捕获的组合。这并不是说劳动者什么都没有得到，而是说生产率的边际美元越来越流向利润、资产价值和高技能薪酬，而不是广泛小时工资。AI也应通过同样的四渠道框架来评估。一次模型发布不只是生产率事件，也是捕获事件。

一个有用的总结是：生产率回答经济还能多生产多少，议价回答谁获得工资，竞争回答谁获得更低价格，所有权回答谁获得利润，政策回答这种分配还能在政治上维持多久。这张图之所以有力量，是因为它显示这些问题不再拥有同一个答案。在战后早期，这些答案更一致：生产率上升，工资上升，消费扩张，社会契约看起来可信。自20世纪70年代末以来，答案开始分离：生产率仍然上升，但薪酬没有跟上，所有权索取权升值，政治契约变得更有争议。AI最终会被这样评判：它是重新对齐这些答案，还是让分离变得更极端。

企业利润率是工资渠道的镜像

生产率与薪酬缺口常被当作劳动市场问题讨论，但它也有助于解释长期企业利润率环境。如果每小时产出增长快于每小时薪酬，那么除非其他成本吸收差额，单位劳动成本相对于产出价格就会下降。这为更高经营利润率创造空间。在竞争市场中，这些利润率应通过降价被竞争掉。在集中或无形资产密集的市场中，更多利润率可以持续存在。

因此，这张图必须与利润份额、回购和股票集中度上升一起阅读。现代美国股票市场高度偏向那些把生产率增强技术与强捕获机制结合起来的企业。它们用软件、数据、规模和全球供应链降低成本，然后通过护城河保护剩余价值。市场用高倍数资本化这些剩余价值，因为投资者相信这些企业能够保留它们。生产率与薪酬裂口因此是高投入资本回报率和巨型科技股持续主导的同一宏观故事的一部分。

但利润率镜像也带来脆弱性。如果劳动市场收紧、工会恢复力量、薪酬透明扩散或政策限制买方垄断，工资渠道重新打开，历史利润率顺风的一部分可能逆转。这并不意味着利润崩溃，而是意味着生产率收益分配发生转移。拥有真实创新和定价权的企业可以承受这种转移。利润率故事主要依赖弱劳动议价的企业则未必能承受。

第二个脆弱性是，来自劳动低捕获的利润率会引发政治重估。当家庭看到企业利润和高管薪酬上升，而典型工资落后时，利润份额的合法性会下降。这可能带来反垄断执法、劳动监管、行业特定税、回购压力或偏向国内就业的政府采购规则。市场常把这些看成孤立政策新闻。更好的理解是，它们是图中分配历史的滞后回应。

对股票分析而言，正确问题不只是企业是否高效，而是其生产率捕获是否可防御。通过创造独特客户价值、降低价格并扩大需求来提高生产率的企业，政治风险不同于主要通过替代劳动但维持价格来提高生产率的企业。通过工资、培训和客户价值分享收益的企业，短期利润率可能较低，但社会许可更持久。生产率与薪酬缺口迫使投资者为这种区别定价。

AI采用中的劳动市场测试

未来几年应能更清楚地显示AI是在收窄还是扩大裂口。第一个测试是入门级招聘。如果AI主要替代初级分析、编码、法律、设计、营销和行政任务，损害会首先出现在校园招聘、实习、分析师项目、初级律师岗位和早期职业工资增长中。这不会立即表现为经验丰富劳动者的大规模失业，而会表现为更弱的劳动力市场入口、更慢的职业形成，以及经验判断溢价扩大。

第二个测试是企业内部任务重组。健康的互补性故事会显示劳动者使用AI处理更多工作量、提高质量，并转向更高价值任务。企业会投资培训，并围绕人机团队重新设计岗位。替代故事则会显示人员上限、减少补招、更平的招聘计划，以及主要以节省劳动为表达方式的生产率目标。两种故事可能在不同行业同时发生。总体工资结果取决于哪一种占主导。

第三个测试是向前沿企业之外扩散。如果中小企业使用AI更有效竞争，集中度可能下降，劳动捕获也可能通过创业和本地企业形成改善。如果AI采用需要专有数据、昂贵算力合约和与主导平台深度整合，集中度可能上升。因此，扩散本身就是分配变量。便宜、互操作、易部署的AI工具帮助许多企业。稀缺、封闭、资本密集的AI基础设施栈则帮助栈的所有者。

第四个测试是按任务类型观察工资溢价。如果AI是互补性的，那些结合行业专长、责任承担、关系资本和AI熟练度的劳动者应获得更高收入。如果劳动者产出主要是常规文本、代码、研究摘要或行政处理，则可能面对价格压力。工资结构将揭示AI是在提高人类判断价值，还是在商品化认知吞吐量。投资者应像关注软件收入增长一样关注职业工资数据。

第五个测试是生产率测量本身。AI可能首先表现为质量改善、周期缩短、错误率下降、客服更好，或小团队产出更多。其中一些收益很难进入官方统计。但薪酬会对现金流现实作出反应，而不是对统计优雅作出反应。如果企业能先把AI生产率货币化，而劳动者还无法围绕它议价，裂口可能在官方生产率数据完全反映改善之前就扩大。

这些测试很重要，因为它们避免了错误二分法。AI可以同时有利于总生产率、有利于某些劳动者、不利于另一些劳动者、极有利于部分股东，并对某些社区造成不稳定。生产率与薪酬图提醒我们，宏观平均数可以把分配裂缝隐藏几十年。现在的任务是在裂缝变成另一条漫长历史缺口之前识别它。

结论：生产率是奖品，捕获机制才是环境

美国劳动生产率与实际小时薪酬之间不断扩大的差距，是现代经济最重要的宏观事实之一。它显示战后工资契约已经弱化：劳动者继续帮助创造一个更高生产率的经济，但他们捕获的增量产出份额低于过去。原因是结构性且相互强化的：劳动议价能力下降、产品市场集中度上升、全球化、资本深化、无形资产规模效应，以及资本所有者成为生产率收益主要索取者。

人工智能如今提高了赌注。如果AI补充劳动、广泛扩散、强化创业并运行在竞争性市场中，它可能帮助重建生产率与工资之间的联系。如果AI替代劳动、集中在少数平台，并主要提高技术所有者和股东利润，它可能让图中的两条线进一步分离。技术本身会重要，但制度、竞争、议价能力和所有权同样重要。

对投资者而言，信息并不是反生产率。生产率仍是长期增长的基础。真正的信息是，必须通过捕获机制分析生产率。变成广泛劳动收入的生产率繁荣，支撑持久需求和社会稳定。主要变成资本收入的生产率繁荣，支撑利润率和资产价格，但也会提高不平等、政治风险和需求脆弱性。AI周期下一阶段的评判标准，不只是它创造多少产出，而是谁拿到这份红利。