从劳动创造财富到社会共享财富：人工智能时代的经济制度与人的全面发展

最近，Anthropic关于人工智能与经济增长的讨论引起了我的注意。在它提出的一种极端情景中，到2030年，美国GDP可能达到44.4万亿美元，按2025年的价格计算。与此同时，劳动收入占GDP的比例可能从约60%降到45.2%。这些数字来自特定假设下的模型，并不是对未来的确定预测。模型本身也没有纳入政策调整等重要因素。
来源：https://www.anthropic.com/institute/econ-scenarios

但这个讨论提出了一个值得认真研究的问题。如果人工智能使社会生产能力大幅提高，人类直接参与生产的劳动却越来越少，那么新增的财富究竟通过什么途径进入普通人的生活？如果工资仍然是多数人的主要收入来源，而工作机会或者劳动的议价能力在下降，那么GDP增长与普通人生活改善之间，就可能出现很大的距离。沿着这个问题往下想，会涉及过去两百年来劳动与资本关系的变化、所有权和收益权的边界，以及人在不再高度依赖谋生劳动之后，怎样发展自己、评价别人。这几个问题是连在一起的。

马克思在《政治经济学批判大纲》有关机器的讨论中，已经注意到，随着大工业发展，实际财富的创造会越来越依赖科学、技术和社会知识的积累，而不只是直接投入的劳动时间。他进一步设想，社会必要劳动时间的减少，可以为个人的艺术、科学等活动释放时间和物质条件。这里既有对生产方式的观察，也有对人的发展可能性的思考。
来源：https://www.marxists.org/archive/marx/works/1857/grundrisse/ch14.htm

回顾工业化以来的历史，许多国家的平均劳动时间确实经历了长期下降。OECD一份研究援引的历史估计显示，先进工业国家的年均工作时间，从1870年前后的约3000小时，下降到1990年前后的1500至2000小时。不过，不同国家的变化并不同步，这种下降也没有在所有时期持续下去。
来源：https://www.oecd.org/content/dam/oecd/en/publications/reports/2001/03/trends-in-working-hours-in-oecd-countries_g17a14e3/674061356827.pdf

这里需要区分几件事情。生产一件商品需要多少劳动时间，一个人每年实际工作多久，以及劳动者最终取得多少收入，并不是同一个指标。假设生产某件商品原来需要八小时，现在只需要一小时，企业可以扩大产量，也可以减少用工，还可以让员工缩短工时而保持收入。生产效率的提高提供了这些可能，究竟采用哪一种方式，还要看市场需求和具体制度。

因此，不能把过去两百年简单概括为劳动收入占比一直下降、资本收入占比一直上升。以澳大利亚为例，劳动收入占比在20世纪60年代和70年代初曾经提高，此后才呈现长期下降趋势。国际劳工组织与OECD在2025年发布的研究则指出，2004年至2024年，全球劳动收入占比下降了1.6个百分点。近几十年的下降值得重视，但它不是一条贯穿两百年、从来没有改变过方向的规律。
来源：https://www.rba.gov.au/publications/bulletin/2019/mar/the-labour-and-capital-shares-of-income-in-australia.html

普通人的收入改善，也不能只归结为少数人通过职位晋升和专业化取得高薪。生产率增长的收益可以通过工资制度和集体协商，让处在同一职位上的人也获得更好的待遇。技术、全球化和劳动者议价能力的变化，共同影响着劳动收入的份额。
来源：https://www.ilo.org/publications/policy-measures-address-inequalities-and-increase-labour-income-share

不过，专业能力的稀缺性，确实是理解收入差异的一条重要线索。一个人掌握了别人难以掌握的知识，能够承担别人难以承担的工作，就可能取得更高报酬。沿着这个思路看，人工智能可能冲击的，恰恰是过去通过教育、专业训练和职业晋升获得收入优势的路径。

假如一项原来需要多年训练才能完成的专业任务，现在可以由人工智能以较低成本完成，那么这项能力原有的稀缺性就可能减弱。学历和专业资格仍然有意义，但它们与高收入之间的关系未必能够保持不变。一个人过去掌握了别人没有的知识，今后可能面对的是许多人都能借助AI调用这些知识的情况。这不意味着所有专业劳动都会失去价值。人工智能也可能帮助普通人承担原本只有少数专家才能完成的任务，扩大人的能力范围。具体结果要看它主要是在帮助人工作，还是在替代原本由人完成的工作，以及新的需求能否产生足够的新任务。我关心的是一种需要提前考虑的可能性：企业增加产出时，越来越可以通过部署模型和增加算力来实现，而不需要同比例增加员工。

在这种情况下，新增财富就可能更多地流向掌握相关资产的所有者。但这里也不能把资本收入总额、资本收入占比和每一元投资的回报率混为一谈。资本收入的总额增加，不代表所有投资都更赚钱；劳动收入的占比下降，也不代表所有劳动者的实际收入都下降。需要研究的是，生产能力扩大之后，不同群体取得收入的渠道和份额怎样变化。

这就把问题带到了分配制度上。一个人不再需要为了生活而长时间工作，和一个人失去了工作却没有其他收入，是完全不同的处境。两个人都可能减少了工作时间，但前者获得了更多自主安排生活的空间，后者却可能失去生活保障。谈“从劳动中解放出来”，必须把这一区别说清楚。

我认为，讨论这个问题时，需要重新审视一个经常被当作理所当然的前提：资本属于谁，由它产生的收益就应当在多大程度上属于谁。

私人投资需要得到回报，承担风险、组织生产、开发技术的人也应当获得相应收益。但承认这一点，并不意味着私人收益权应当没有边界。股权可以规定投资者之间怎样分配企业的可分配利润，却不能单凭股份比例，就回答整个社会对这项生产活动有没有正当的收益要求。企业内部的分配规则，与社会整体的分配正当性，是两个层次的问题。

可以设想，同样是年度个人收入，一个人取得一千万元，另一个人取得一千亿元，我们是否必须认为，二者都应当按照相同的最终比例保留自己的收入？我的看法是，没有这样的必然性。这里讨论的是制度应该怎样设计，并不是说现行法律已经规定，收入达到某个数字之后就会自动改变性质。数额本身不会让一种收入突然变成另一种收入，但收入的规模可以促使我们重新审视它的形成条件。当收益达到极大的规模，仅仅用一个人的劳动、才能或者投入解释全部结果，就需要面对一个问题：其中有多少依赖于社会共同提供、却没有逐项计价的条件？

如果一种收益离不开广泛的知识积累、基础设施、公共教育和制度保障，那么“这是我的资本产生的”就还不是完整的道德说明。这也不等于说收入越高就越不正当，而是说，对超高收入提出更强的社会分享要求，可以有合理依据，不能一概认定为对私人财产的不公平侵犯。

当然，这种要求应当落实为事先明确、普遍适用、能够执行的制度，而不是看到某个人赚得很多之后，临时决定怎样处理。具体税负仍然需要考虑成本、风险、创新激励和执行效果。但这些设计上的困难，并不能否定重新讨论收益边界的必要性。

人工智能使这个问题更加突出。以Anthropic公开的训练资料说明为例，其模型使用的数据包括互联网公开信息、公共与私人数据集，以及其他来源的数据。模型的形成还涉及训练、筛选和后续调整等过程，不能简单理解为把网上资料收集起来就完成了。
来源：https://www.anthropic.com/transparency

但我们同样不能只看到最后投入的资金和算力，而忽略它所利用的知识来自哪里。语言、科学、艺术、程序代码以及各行各业的经验，包含着跨越许多代人的积累。IMF在讨论AI的财政政策时也特别指出，近期的技术突破建立在多年基础研究投入之上，其中包括公共资金支持的研究。
来源：https://www.imf.org/en/blogs/articles/2024/06/17/fiscal-policy-can-help-broaden-the-gains-of-ai-to-humanity

在我看来，这为AI收益的社会分享提供了重要理由。私人企业把分散的知识转化为可以使用的技术，应当取得相应回报；社会共同积累的知识进入这一生产过程，也应当在分配制度中得到承认。不能因为社会贡献很难逐项登记、很难换算成股份，就把它视为不存在。由此还不能直接推出，每一项AI成果在法律上都已经属于全人类，或者私人资本不应获得收益。那是不同层次的问题。我的主张是，AI的收益应当有面向全社会、乃至全人类的分享机制，私人所有权不应成为排除这种分享要求的最终理由。

这样的制度可以怎样实现？比较直接的途径，是让新增的资本收益通过税收进入公共财政，用于收入保障、教育、医疗和其他公共服务。IMF关于生成式AI的研究已经提出，应加强资本收入相关税收，改善社会保障，以应对可能加剧的财富集中，同时也提醒，简单地对AI技术本身征收专项税，可能抑制有益的投资和创新。
来源：https://www.imf.org/en/blogs/articles/2024/06/17/fiscal-policy-can-help-broaden-the-gains-of-ai-to-humanity

也可以考虑，让公众通过公共投资基金等形式，持有一部分能够分享增长收益的资产。这样，普通人与生产增长的联系，就不完全依靠出售自己的劳动，也可以通过共同持有的资产取得社会红利。这种安排需要透明的治理、明确的受益规则和风险控制，不能把公共投资想成只会盈利、没有成本的工具。

社会受益也不必全部表现为每个人账户上多了一笔钱。如果教育、医疗和养老服务更容易取得，基本生活成本降低，人们同样分享了生产能力提高的成果。但不能只用“商品会更便宜”来替代分配讨论。假如一个人的主要收入来源已经消失，即便部分商品降价，也未必足以保障他的生活。

这些机制的共同方向，是让普通人分享生产成果的资格，不再完全取决于他当下能够向市场出售多少劳动。这里的社会保障，也不宜只被理解为成功者对失败者的照顾。假如生产能力本来就包含广泛的社会贡献，那么社会成员分享其中一部分收益，可以被视为一种需要制度化的权益。

如果把这一理由进一步扩展到全人类，就还要面对国家之间的差异。知识的积累并不局限于某一个国家，而税收和公共服务主要由各国政府组织。如何使缺少资本、算力和大型AI企业的社会也能受益，需要另外的国际安排。不能把“全人类受益”理解成少数技术领先国家内部的再分配。

只有这些分配条件逐渐建立起来，劳动减少才可能进一步改变人的生活方式。这里所谓从劳动中解放，也需要说得准确一些。人仍然会照顾家庭、研究问题、创作作品、参与社区，这些活动都需要付出努力。可能减弱的是对有偿谋生劳动的依赖，而不是人从此不再做任何需要投入的事情。

我更感兴趣的是，在这样的条件下，人和人之间的评价标准会不会变化。今天我们判断一个人的社会位置，经常会问他读过什么大学、从事什么职业、担任什么职位。这些信息之所以受到重视，很大程度上与收入、生活保障和未来机会联系在一起。假如人工智能削弱了部分专业能力的市场稀缺性，而社会又能通过其他渠道提供比较可靠的生活条件，那么文凭和职业作为收入优势标志的作用，就可能减弱。知识本身并没有因此失去价值，只是学习的意义可以更多地体现在理解世界、作出判断和发展自己，而不必总是围绕就业竞争展开。

在这种情况下，哲学能力、艺术能力、批判性思维、情感理解和个人修养，就可能获得更大的评价空间。一个人能否把问题想清楚，能否认真理解别人，是否有自己的审美和持续投入的兴趣，可能更直接地影响他与他人的关系。

这种变化不需要以“这些能力永远不会被AI超过”为前提。一个人学习钢琴，可以因为他希望自己能够听懂、表达和演奏音乐；一个人研究哲学，可以因为他希望对自己的生活和世界形成更清楚的理解。即使这些活动不能带来更高收入，也不意味着它们对个人发展的意义减少了。

沿着这个方向，还可以提出一个有关择偶的推测。如果职业和收入不再像过去那样直接决定生活保障，人们选择伴侣时，就可能更重视相处的质量、情感能力、思想交流、艺术兴趣和生活态度。人与人之间仍然存在吸引、选择和比较，但受到重视的特征及其权重可以发生变化。

这与进化的视角可以相容，却不是仅凭进化论就能推出的必然结论。择偶偏好的改变，首先属于文化、制度和生活条件的变化，是否进一步形成生物学意义上的长期变化，还需要另外的证据。不能把某一种职业更受欢迎，或者未来某一种修养更受重视，直接等同于人的生物学“优化”。

而且，前面设想的分配条件不能在这里被忘掉。如果工作收入下降，资本所有权却变得更加重要，而多数人又没有分享资本收益的渠道，那么择偶和社会评价完全可能更加看重家产和继承财富。哲学、艺术和个人修养不会因为AI出现，就自动取代财富成为主要参照。人的发展能否获得更大空间，仍然取决于普通人有没有取得这种空间的实际条件。

所以，我所设想的制度调整，不是取消私人投资的回报，也不是要求每个人获得完全相同的收入，而是修正一种把资本收益权绝对化的理解。生产越依赖社会长期共同积累的条件，就越有必要把社会分享机制纳入其中，让没有直接投入资本的人，也能够稳定地分享生产能力增长的成果。

这最终可以落实到很具体的生活上。一个普通人能够减少一部分谋生时间，而不必担心基本生活失去保障；能够继续学习、照顾家人、发展兴趣，而不必先证明这些事情将来能换来多少收入。到那个时候，生产能力的提高才真正为更多人的全面发展提供了条件。