53%之问：AI是否已经在把收入从劳动转向资本？

53%之问：AI是否已经在把收入从劳动转向资本？

人工智能投资周期中最重要的问题之一，不是安装了多少加速器，也不是模型性能提升多快，而是谁获得新生产体系创造的收入。“劳动份额”——经济产出中以劳动者薪酬形式支付的比例——是一个自然观察点。随着生产变得更资本密集，增加值中较小部分可能流向工资和福利，较大部分则归属于数据中心、芯片、软件、知识产权、能源基础设施及其组织企业的所有者。

最新信号十分醒目。过去一年劳动份额迅速下降，2026年第二季度达到约53%，是可追溯至20世纪40年代的序列最低值。这与大规模资本建设开始改变议价能力和要素支付的经济图景一致，但并不能证明AI造成了下降。劳动份额是一个会受到商业周期、法律组织形式、税制、行业构成、折旧、业主收入、股权薪酬、加价率和计量选择影响的会计结果，技术只是其中一个因素。

因此，正确的分析姿态既不是忽视，也不是单因归因。创纪录的低劳动份额不能忽略，因为分配决定生产率收益能否转化为广泛需求、工资增长和政治合法性。但把全部变化归因于AI，会把有用指标误当作因果实验。经济问题不只是劳动份额是否下降，而是这种下降是否在工资、生产率、就业、利润、投资和相对价格中留下了资本深化与劳动替代型技术冲击应有的指纹。

最简单的会计中，国民收入分为雇员薪酬、资本回报、生产税以及难以分类的混合收入。一个示意性的劳动份额是 LS = 雇员薪酬 / 总增加值。如果薪酬增长3%，名义增加值增长6%，即使没有劳动者少拿一美元，劳动份额也会下降。繁荣的分母会压低比率。反过来，在衰退中，利润可能因就业和工资调整有滞后而比工资更快崩塌，使劳动份额暂时上升，即使劳动者更不安全。因此，这个统计既有周期性，也有结构性。

AI可能通过几条渠道进入。它可以用资本替代特定任务，减少每单位产出所需劳动数量或价格；可以补充高技能劳动者，提高其生产率和工资，同时减少对常规支持岗位的需求；可以通过规模经济和模型、数据、算力的集中所有权提高企业加价率；还可以因服务器和芯片快速过时而提高计量折旧，使总资本收入与所有者可持续获得的净回报更难区分。每条渠道对福利和市场的含义都不同。

本文的核心论点是，53%读数应被视为诊断仪表盘，而不是AI归因分数。考虑到计算基础设施的非凡投资，以及入门、常规和协调密集型工作的压力，这种下降与AI驱动的资本深化相容。但20世纪80年代以来扩张的穿透实体，会把部分业主经营者收入移出传统雇员薪酬；股权薪酬最终在经济上可能更接近资本收入；经济向高利润、低劳动份额行业转移，也会在行业内部份额不变时压低总量。严肃结论必须分离这些机制。

劳动份额衡量什么，又会在哪里误导

这个比率表面简单，背后却有困难的分类。雇员工资和福利显然是劳动薪酬；公司利润、利息、租金和折旧通常与资本相关。但以合伙企业或S公司经营的律师、医生、顾问或小企业主，其收入混合了劳动回报与所有权回报。国民账户必须估算拆分。组织形式变化因此可能在基础生产过程没有变化时改变劳动份额。

20世纪80年代开始的税制改革鼓励更多活动通过穿透实体组织。当一个过去可能作为高薪雇员出现的人，改为以所有者身份获得企业收入时，一部分经济上类似劳动的收入会迁出雇员薪酬。几十年累积后，这种法律形式效应会制造技术本身无法解释的下降趋势。研究者常把部分业主收入分配给劳动以构建调整后份额，但估计依赖对可比工资和资本密集度的假设。

股权薪酬造成第二个边界问题。股票授予和期权是因工作而获得，因此经济上属于劳动回报；但其实现价值取决于资产价格，在税务、公司和国民账户系统中的记录方式，未必与工作发生时点整齐对应。在高技能员工越来越多通过股权获得薪酬的经济中，劳动者与资本所有者之间的区别变得模糊。传统劳动份额下降，可以与少数持股劳动者获得巨大财富收益同时发生。

总收入与净收入的区别也很重要。AI基础设施资本密集，但经济折旧速度异常快。数据中心建筑可持续几十年，领先加速器却可能随着新架构出现，在几年内失去相对价值。总营业盈余包含固定资本消耗。如果折旧上升，总资本收入可以增加，而所有者可持续消费并未同等增加。扣除折旧后的净劳动份额可能讲述与头条总量不同的故事。

最后，总量会产生构成效应。假设制造、医疗、零售和软件内部的劳动份额都不变，但产出转向劳动份额更低、利润率更高的软件和平台企业，总劳动份额仍会下降。即使没有行业内部资本在边际上直接替代劳动，这仍有经济意义——经济确实重新配置到资本密集生产——但它不同于机器人或模型直接替代每个行业的劳动者。因此，按行业分解至关重要。

AI资本深化的生产经济学

标准生产函数把产出写为 Y = A F(K,L)，其中K是资本，L是劳动，A是生产率。在竞争性要素定价下，劳动份额反映劳动的产出弹性。在柯布—道格拉斯基准 Y = A K^alpha L^(1-alpha) 中，劳动份额近似固定为1-alpha。简单增加资本会提高产出和工资，却不会永久改变要素份额。因此，劳动份额下降意味着相关技术并不符合固定弹性的柯布—道格拉斯描述、市场力量正在改变，或计量正在移动。

替代弹性至关重要。如果资本和劳动容易替代，更便宜、更强大的AI资本会替代劳动任务并降低劳动份额。如果两者互补，更多算力会提高使用它的劳动者的生产率和工资。现实取决于任务。模型可能替代起草、分类、基础编程和常规分析，同时补充判断、客户信任、物理执行、领域知识与责任。总量结果取决于新任务和需求扩张相对于被自动化任务的速度。

现代劳动经济学的任务框架，比想象整个职业消失更有信息。职业是一组活动。AI改变部分活动成本，重组工作流，并改变谁获取剩余。如果高级员工用AI完成过去由数名初级员工承担的工作，高级员工人均产出上升，入门需求下降。如果成本下降、质量改善使企业充分扩张，总就业最终可能恢复。但在过渡期，资本收入和高技能租金可能先于广泛工资收益上升。

市场结构决定生产率如何分配。在竞争市场中，成本下降应降低价格、扩大产出，并把收益传递给消费者和互补型劳动者。在集中市场中，企业可能维持价格，把成本节约转化为加价和利润。稀缺芯片、专有数据、分销和模型生态的所有权会形成瓶颈。因此，同样的技术生产率收益，会因进入、互操作性、议价能力和反垄断条件而产生非常不同的劳动份额路径。

结论：监测份额，诊断机制

2026年第二季度劳动份额降至约53%，是一个真实的宏观金融信号。它说明薪酬没有跟上经济产生的收入，劳动者与所有者之间的平衡向资本移动。在前所未有的AI基础设施周期中，假定两者毫无关系会过于自满。

把全部下降归因于AI同样错误。穿透实体模糊劳动收入与企业收入；股权薪酬把部分劳动者变成资本所有者并使时点复杂化；快速折旧使总资本收入相对净回报膨胀；行业构成、周期性利润恢复和加价变化，可以在直接任务替代显现前推动总量比率。这个头条是在邀请分解，而不是授予宣告因果的许可。

最强的AI解释，应当把调整后劳动份额下降与AI资本密度上升、每小时产出加速、暴露任务薪酬走弱、入门招聘减少、采用企业利润上升联系起来，并在控制周期和法律形式后仍看到行业内部持续下降。较弱解释则会发现，在调整混合收入、折旧、股权薪酬、行业权重或暂时利润率后，头条下降消失。

对投资者而言，这一区别把持久生产率租金与周期性利润率高点区分开来。资本所有者最初在两种情景中都可能受益，但只有真正生产率才能支持长期实际增长，而不最终撞上需求疲弱或政治反弹。对政策制定者而言，目标不应是冻结要素份额，而应确保竞争、劳动流动、技能形成、技术扩散和所有权结构，让生产率收益足够广泛地到达家庭，从而维持需求与合法性。

因此，劳动份额是AI建设周期中值得监测的正确指标之一，前提是不要求它完成超出能力的任务。它可以揭示分配正在改变，却不能单独告诉我们原因是技术、市场力量、税制、会计还是商业周期。分析任务是把比率与其下机制连接起来。在53%的水平上，这项任务已经变得紧迫。