AI让生产力民主化，但没有让稀缺性民主化

AI让生产力民主化，但没有让稀缺性民主化

AI真正冲击普通人的，不只是岗位，而是“劳动为什么值钱”

生产能力在普及，决定收入的稀缺资源却没有同步普及

这篇文章只回答一个问题：当AI让越来越多人拥有过去只有专业人士才有的生产能力，为什么普通人的收入未必同步增长，甚至还可能承受更大的价格竞争？

一句话读懂：AI让“做出来”越来越便宜，却让“谁有客户、谁有流量、谁有数据、谁能做决定”越来越重要。普通人真正面临的风险，是生产效率提高了，但议价权和所有权没有一起提高。

01 先看最直观的变化：AI真的让人干得更快了

AI并不是一个只存在于资本市场里的故事。它已经真实地改变工作效率。NBER对5,179名客服人员的研究发现，使用生成式AI助手后，平均生产率提高14%；对于新手和低技能员工，提升达到34%。这说明AI最擅长的一件事，就是把优秀员工的经验“复制”给更多普通员工。

图1｜生成式AI对客服生产率的提升

来源：Brynjolfsson, Li & Raymond, NBER Working Paper 31161；研究发表于QJE（2025）。

这其实是好消息。过去要几年才能掌握的一些标准化技能，AI可以让更多人迅速获得。但从收入角度看，问题也从这里开始：当大家都能更快地做出“合格产品”，合格本身就不再稀缺。

02 为什么产量翻了几倍，收入却不会跟着翻几倍？

一个简单公式

个人收入 ≈ 有效产出 × 单位价格 × 你能分到的比例。AI主要猛推第一项，但第二项“单价”和第三项“分配比例”并不会自动上升。

假设过去一个文案一天写5篇，每篇500元。AI出现后，他一天能写25篇。如果客户需求也同步增长5倍，他当然会赚更多。但现实往往不是这样：客户并不会因为写手效率提高5倍，就突然多买5倍的稿件。相反，所有同行也都能用AI，供给一下子涌上来，500元一篇可能很快变成300元、100元，甚至更低。

所以，AI提高的是“供给能力”，而收入取决于“供给能力有没有对应的新增需求”“单位价格能不能守住”“生产率红利最终由谁拿走”。这也是为什么很多知识工作会出现一个看似反常识的局面：产量暴涨，价格下降。

03 AI没有消灭稀缺性，只是让稀缺性搬家了

AI以前，能写、能画、能做视频、能写代码，本身就是门槛。现在这些能力正在快速变成普及型能力。真正难复制的东西开始向另一层迁移：独家数据、真实客户、品牌信任、流量入口、专业判断、责任承担以及资产所有权。

图2｜AI时代的“稀缺性迁移”

说明：概念图，用于展示价值重心变化，不代表具体价格变动幅度。

这就是本文的核心：AI让生产力民主化了，但没有让稀缺性民主化。人人都可能拥有模型，但不是人人都有客户；人人都能做内容，但不是人人都有流量；人人都能分析数据，但不是人人拥有高质量数据。

04 普通人最需要警惕的，不是“失业”，而是“劳动被商品化”

当一种工作越来越容易被标准化，客户就越来越容易比较价格，而不是比较“这个人是谁”。2026年一项基于Upwork的研究发现，在AI暴露更高的工作类别里，客户对劳动者人力资本信息的重视下降，而对价格的重视上升。研究者把这种变化称为“劳动商品化”：差异越来越难被看见，价格越来越容易成为决定因素。

Upwork自己的2026年平台数据也出现了很有意思的分化：生成式AI和创意生产类工作合同启动量同比增长90%，但单合同收入下降13%；与此同时，更复杂的AI协同工作收入同比提高45%，AI增强型专业服务收入提高22%。这不是说所有市场都会复制Upwork，而是说明一个方向：越接近“标准执行”，越容易陷入价格竞争；越需要行业知识、判断和业务结果，越有可能保住溢价。

图3｜AI工作内部也在分化：执行层掉价，复杂协同层升值

来源：Upwork Future Workforce Index 2026。平台数据仅反映其市场，不等同于整体劳动力市场。

05 但这不等于“四分之一的人马上没工作”

讨论AI冲击，很容易走到另一个极端：把“被AI影响”直接等同于“被AI替代”。ILO在2025年的全球评估中估计，大约四分之一劳动者所在的职业具有某种程度的生成式AI暴露，但它同时强调，由于大量任务仍需要人的输入，大多数岗位更可能发生的是“转型”，而不是直接消失。

图4｜全球约四分之一就业处于某种GenAI暴露之下

来源：ILO & NASK《Generative AI and Jobs: A 2025 Update》，2025年5月。

真正的变化可能不是“这个岗位还有没有”，而是“这个岗位里还有多少环节值得付钱”。一个编辑岗位可能还在，但查资料、摘要、改写、排版等环节被AI压缩后，企业愿意为“执行”支付的钱会减少，更愿意为选题、判断、风险把关、独家信息和最终结果付钱。

06 稀缺性是不是被平台掌握了？一部分是，但不止平台

平台确实更靠近新的稀缺资源：它掌握流量入口、推荐排序、交易关系、用户账户和支付系统。当内容供给无限增长，而人的注意力一天仍然只有24小时，分发入口的价值自然会上升。更上游的算力、云和芯片也有类似特征。

图5｜AI关键基础设施存在明显集中

来源：OECD《Artificial Intelligence markets》（2026）；云服务与GPU市场份额数据口径为2023年。

但把结论简单写成“平台拿走所有钱”也不准确。AI的红利会同时流向消费者、企业、平台与资本、劳动者。消费者可能得到更低价格和免费服务，企业得到更低成本，平台和资本获得模型、算力、渠道等收益，劳动者能拿多少，则取决于他有没有议价权、有没有不可替代的互补资产，以及企业如何分配生产率红利。

图6｜生产率红利的四个主要去向

说明：概念图。各方实际分配比例取决于竞争格局、产权结构、制度和议价能力。

07 所以真正需要调整的，是生产关系怎么跟上生产力

所谓“生产关系”，放到AI时代并不抽象。它就是几个很现实的问题：谁拥有模型、算力、数据和平台？谁能接触最终客户？谁承担被替代的风险？生产率提高后，新增利润是变成绩效奖金、缩短工时，还是只体现为裁员和利润率上升？

IMF在关于生成式AI的研究中提醒，AI有潜力显著提升生产率，但也可能带来劳动力市场冲击和不平等扩大。换句话说，技术能创造多少财富是一回事，财富怎样分配是另一回事。后者并不会因为模型变聪明而自动解决。

一个更值得问的问题不是：“AI能替代多少人？”而是：“AI每多创造1元价值，其中有多少会进入普通劳动者的收入、保障和资产？”

08 普通人怎么办？不要只和AI比赛“谁干得快”

最危险的个人策略，是把全部时间都用来训练自己成为一个更高效的执行者。因为效率优势很快会被工具普及抹平。更稳妥的方向，是往AI难以商品化的位置移动：从执行走向判断，从工具走向行业，从按件收费走向结果收费，从单纯出售劳动走向积累一点真正属于自己的资产。

图7｜普通人的升级方向：从“执行位置”往“稀缺位置”移动

说明：这不是要求所有人创业，而是尽量减少收入对单一、可复制技能的依赖。

要移动的方向

说人话解释

执行 → 定义问题

不要只会“把稿子写出来”，要能判断“什么值得写、写给谁、为什么现在写”。

工具 → 行业

Prompt很快会普及，行业Know-how、客户语境、合规边界、业务判断更难复制。

按件收费 → 按结果收费

如果AI让你做得更快，按小时和按件容易被压价；能把价值绑定到结果，议价更强。

劳动 → 小型资产

逐步积累作品版权、客户关系、数据库、账号、社群、品牌、产品或股权。

单技能 → 组合能力

最值钱的往往不是单点技能，而是“AI + 行业 + 判断 + 交付 + 责任”的组合。

09 企业怎么办？AI不是“少招人”的同义词

企业最容易走的一条路，是“原来100个人，现在70个人加AI就能干完，所以砍掉30个人”。短期成本会很好看，但长期可能出现三个问题：新人没有基础任务可练，人才梯队断层；员工担心“教会AI就是消灭自己”，于是拒绝沉淀知识；组织只追求生成量，不追求真正的收入、转化和质量。

·把AI指标从“生成了多少”改成“增加了多少收入、减少了多少成本、缩短了多少有效工时、提升了多少转化”。

·保留人才培养的入口岗位，让新人从“机械执行”转向“核验、判断、场景理解和结果负责”。

·建立生产率分享机制：奖金、利润分享、员工持股、培训预算，甚至在条件成熟时把一部分效率红利转成更短工时。

·真正建设企业自己的稀缺资产：高质量数据、客户关系、品牌、流程、行业知识库，而不是把“会调用模型”当作壁垒。

10 平台怎么办？不能让“生产开放、入口封闭”成为常态

如果人人都能生产，但只有极少数平台掌握用户入口、排序规则、交易数据和抽成机制，那么普通人的生产能力越强，反而越依赖平台分发。AI时代的平台治理因此不能只讨论模型安全，也要讨论竞争、数据可迁移、接口开放、透明分发、创作者与商家的议价权。

·降低迁移成本：用户、商家和创作者的数据与资产尽可能可携带。

·提高分发规则透明度，减少“平台既当裁判又当运动员”的自我优待。

·让收益分享机制更清楚，避免AI带来的新增效率全部沉淀为平台租金。

11 政府怎么办？培训大家用AI，只是第一步

如果所有人都学会使用同一个工具，解决的是“会不会用”的问题，却没有解决“谁拥有稀缺资源、谁承担转型成本”的问题。政策端需要同时关注就业、公共数字基础设施、社会保障、竞争政策和税收分配。

中国2026年的政策已经开始往这个方向走。《关于加快推进“人工智能+人社”应用发展的实施意见》提出，加快建立人工智能就业影响评估体系和调查制度，引导创新资源向创造就业潜力大的方向倾斜，减少对就业的冲击；“十五五”就业规划也提出探索人机协同的新型工作形态，强化AI的就业创造效应。

·建立更细的就业影响监测：不要只看总就业，要看青年入口岗位、工资、工时、外包价格和职业晋升链条。

·投资于人：职业教育、转岗培训、终身学习和失业保障要更贴近AI导致的任务重组。

·增加公共AI基础能力：公共数据、低成本算力、开源工具，让中小企业和个人也能获得新生产资料。

·强化竞争政策：重点关注算力、云、模型、平台入口形成新的“守门人”。

·如果资本收益明显快于劳动收益，税收与社会保障体系也要及时适配，避免生产率红利长期只向资产端集中。

12 最后：真正危险的，不是不会用AI，而是只有劳动

AI时代最容易被误解的一点，是把“人人都能生产”当成“人人都能赚钱”。事实上，生产能力越普及，生产本身越不稀缺；而客户、流量、数据、信任、决策权和所有权的价值反而会上升。

所以普通人真正需要关心的，不只是“我会不会使用AI”，而是“我的收入里，有多少来自AI难以复制的东西”。如果答案始终只有一种——出售自己的时间和执行能力——那么即使效率越来越高，议价能力也可能越来越弱。

AI让生产力民主化，是技术进步；让更多人拥有稀缺资产、分享生产率红利，才决定这场技术革命最终会变成怎样的社会结果。

工业革命长期回答的是“机器越来越强以后，人怎样工作”。AI革命迟早还要回答另一个问题：当机器越来越能干以后，普通人靠什么获得收入、尊严和向上流动的机会？这个问题，可能比模型最终有多聪明更重要。