j9九游会

这项由伊利诺伊大学厄巴纳-香槟分校磋议东谈主员完成的表面经济学磋议，以预印本神志发布于2026年5月，论文编号为arXiv:2605.05558v2，有敬爱敬爱真切了解的读者不错通过该编号在arXiv平台查询完竣论文。

说到AI抢饭碗这件事，简直每个东谈主都听过一个听起来很有风趣风趣的说法：AI不错无尽复制，成本简直为零，是以它会像激流一样涌入职场，把脑力作事者的工资平直冲到地板上。这个说法流传甚广，以致连不少经济学家也默许给与了它。但是，这篇磋议以为，这个说法在逻辑上犯了一个根人性的失误——它把"AI是谁"这件事搞混了。

搞明晰这个污染，不单是是学术上的较真，它平直决定了你如何知晓我方将来的工资单，也决定了政府应该拧哪个阀门来支吾AI冲击。

一、一个流行但失误的直观：AI是"无尽供应的劳能源"

先来收复阿谁流行的直观是怎么运作的。传统经济学告诉咱们，工资由劳能源的供给和需求共同决定。当商场上某种劳能源的供给一会儿大幅加多，就像多半侨民涌入某个城市——工资天然会被压低。沿着这个念念路，许多东谈主把AI智能体（也即是能实行多样脑力任务的AI系统）动作一种"新式劳能源"。况且这种劳能源不错无尽复制，角落成本趋近于零，非凡于有用之不断的"工东谈主"自得以接近零的价钱作事。按这个逻辑，脑力作事者的工资天然会崩溃到零。

这个推理链条听起来趁人之危，但磋议者指出，它在第一步就走错了标的——AI智能体根底不是劳能源。

把AI当劳能源，就像把一台纺织机器当成纺织工东谈主。纺织机器如实能完成织布这件事，但它不是"工东谈主"，它是"机器"。莫得东谈主会说"因为纺织机器不错无尽生产，是以纺织工东谈主的工资会归零"——这显现忽略了机器自己需要遽然资源（电力、原材料、崇尚用度）这一基身手实。AI智能体亦然如斯。它不是一个坐在那里恭候雇佣的"东谈主"，而是一套需要遽然多半算力资源才能开动的工夫系统。

二、正确的框架：AI是把算力酿成劳能源的和谐机器

磋议者提议了一个更准确的知晓框架。在这个框架里，AI智能体演出的脚色是"本钱到劳能源的和谐工夫"——它把算力本钱（GPU芯片、电力、数据中心、模子权重等）飘摇为有用的领路作事单元。

用一个更直不雅的譬如来知晓：不错把AI智能体动作一座发电站，而算力本钱是发电站遽然的燃料。发电站自己不会因为能发出无尽多的电就不需要燃料——它每发一度电，都要遽然确凿的资源。AI每完成一个小时的领路作事，都需要遽然确凿的GPU机时、电力和带宽。这些资源不是免费的，也不是无尽的。

在这个框架下，一个症结问题就变了：决定AI"劳能源"成本的，不再是什么"劳能源商场的供给弧线"，而是算力本钱的租用价钱。而算力本钱的供给，受到芯片制造产能、电力基础智商、数据中心拓荒周期、地缘政事限度等一系列非凡确凿、非凡有限的物理和政事敛迹。这意味着算力的供给是有限且短少弹性的，尤其是在短期内。

换句话说，AI劳能源的"弹性"不是无尽的，它的弹性秉承自算力本钱商场的弹性，尔后者是有限且受敛迹的。这极少从根底上更动了咱们对工资订价机制的知晓。

三、"算力锚定工资"：一个直率但庞杂的订价公式

基于上述框架，磋议者推导出了一个中枢论断，称之为"算力锚定工资"（Compute-Anchored Wage，简称CAW）。

中枢命题是这样的：在那些东谈主类领路作事和AI智能体不错相互替代的任务上，竞争性商场中东谈主类作事者的工资上限，由三个因素共同决定——算力本钱的租用价钱（rc，不错知晓为租用一块GPU芯片的每小时用度）、完成一个有用作事单元所需的算力数目（k，不错知晓为AI完成一小时等效作事需要遽然些许GPU时）、以及东谈主类相对于AI的生产率比值（λ，要是东谈主类比AI结果高，λ大于1；要是AI更强，λ小于1）。把这三个数字乘起来，就获得了东谈主类工资的上限：WH ≤ λ × k × rc。

这个公式背后的经济逻辑其实非凡朴素。一家公司在决定是雇东谈主如故用AI时，本体上是在比拟两种形式完成归拢项作事的成本。要是东谈主类的工资比用AI更贵，公司就会实足转向AI；要是东谈主类工资更低廉，公司就会实足雇东谈主；唯有当两者成本绝顶时，东谈主类和AI才会同期被使用，此时东谈主类工资恰好等于λkrc。在竞争性商场中，这个等式即是工资的锚定点。

最繁难的推广就此浮现出来：在可替代任务上，东谈主类劳能源的供给弧线（有些许东谈主自得以什么价钱作事）根底不出当今决定工资的阿谁症结方程里。决定工资的是算力商场的参数，而不是劳能源商场的参数。价钱决定权，从劳能源商场搬动到了算力本钱商场。

四、用确凿数字感受这个上限有多低

为了让这个公式不单是停留在数学层面，磋议者用2024至2025年确凿的商场价钱进行了数值标定，结果非凡发东谈主深省。

以算力租用价钱为例，2024年商场上H100型号的GPU云狡计租用价钱狂妄在每小时2到5好意思元之间，恒久合约价钱约为每小时1.5好意思元，磋议者取中间值每小时2好意思元作为基准。

算力强度方面，对于一个前沿大模子（比如当前最强的那类推理模子），要完成非凡于一位资深常识作事者一小时作事量的任务，狂妄需要遽然0.5到2个H100 GPU小时的算力，磋议者取1个GPU小时作为基准。而对于那些用袖珍精简模子就能完成的肤浅任务（比如文献分类、摘记索求），算力遽然只需0.05个GPU小时。

东谈主类相对AI的生产率比值，磋议者取三种景色：AI更强（λ=0.5）、两者非凡（λ=1.0）、东谈主类更强（λ=2.0）。

把这些数字代入公式，获得的结果廓清地展示了AI对工资的压制力度。在袖珍精简模子就能胜任的任务上，即便东谈主类结果是AI的两倍（λ=2.0），工资上限也唯有每小时0.20好意思元——这远远低于任何国度的最低工资程序，意味着在这类任务上，东谈主类作事者现实上如故实足失去了竞争力，工资早已被压到底部。在需要前沿大模子才能完成的任务上，工资上限当前狂妄在每小时1到10好意思元之间，具体取决于东谈主类的结果上风有多大。

这个数字还会跟着工夫越过持续下落。每当算法结果升迁（k下落），或者算力价钱裁汰（rc下落），这个上限就会按比例压缩。要是将来算法结果每年翻倍，表面上这个工资上限会呈指数级下落，趋近于零——天然，这需要以硬件瓶颈莫得阻难算法越过为前提。

五、不是悉数脑力作事都会被拖下水

一个合理的担忧是：这个表面是不是意味着悉数脑力作事者都会被算力商场要挟？磋议者给出了一个更精良的复兴：唯有"可替代任务"才受这个工资上限敛迹，"互补性任务"不但不受压制，还可能因为AI的普及而工资上升。

可替代任务是指那些AI和东谈主类不错相互取代的作事，比如草拟协议、生成代码、撰写摘记、进行初步文献审阅、数据分类等。在这些任务上，老板确切不错在东谈主和AI之间开脱遴荐，是以工资会被算力成本锚定。

互补性任务则是指那些AI的存在反而让东谈主类更有价值的作事，比如在高度不细目性下作念判断、承担法律使命息兵德使命、处理复杂的东谈主际相干和政事配合、跨鸿沟整合判断、回味与审好意思有野心、对AI自己进行监督和纠错等。在这些任务上，AI是东谈主类的助手而不是替代品，跟着AI才略增强，东谈主类在这些任务上的角落价值反而上升，工资可能随之提高。

这带来了一个症结瞻望：脑力作事者之间的工资分化，将不再主要沿着传统的"高技能vs低技能"轴线发生，而是沿着"可替代任务占比vs互补性任务占比"这条新轴线扯破。

磋议者用两个法律行业的例子作念了直不雅对比。低级协议审阅讼师助理的作事狂妄80%属于可替代任务（索求要求、对照模板标注、撰写摘记备忘录），唯有20%属于互补性任务（判断是否需要升级处理）。高档诉讼讼师则相背，狂妄唯有30%是可替代任务（文献审阅、草拟简报），而70%是互补性任务（案件策略、客户惩处、出庭辩白）。按照这个框架，讼师助理的工资会跟着k下落而持续被压缩，而高档讼师的工资则可能因为AI缓助而升迁。两个受过同等端庄西宾年限的东谈主，只是因为作事内容中两种任务的比例不同，就会走上霄壤之别的薪资轨迹。

六、对通盘社会的钱流向了那处的影响

从宏不雅角度来看，这个机制带来的不单是个体工资的变化，而是通盘社会金钱分派阵势的重塑。

当算力替代东谈主类领路作事在可替代任务上发生时，东谈主类作事的工资收入这块蛋糕就在放松，而算力本钱的租用收入这块蛋糕在推广。也即是说，本来属于作事者的收入份额，正在以加快度流向算力基础智商的悉数者、能源生产者以及模子常识产权持有者。

更微妙之处在于，这些新式"本钱悉数者"和历史上那批领有工场和机器的本钱家并伪善足重合。如今受益的是那些持罕有据中心股权的科技巨头、向数据中心供电的能源公司、以及掌执模子权重这一症结无形资产的AI实验室。这把现存的对于"本钱与作事"的计谋辩论带入了一个新的具体战场。

正因如斯，磋议者以为，信得过有用的计谋纷扰技巧不在劳能源商场，而在算力本钱商场。具体来说，有四条计谋杠杆值得端庄酌量。

对算力纳税是第一条杠杆。对rc纳税会按比例提高CAW上限，非凡于给东谈主类工资设了一个更高的"地板"。短期内，由于算力供给弹性低，税收背负主要落在算力悉数者身上；恒久来看，当算力供给弹性升迁后，背负会舒缓向产物价钱和最终消费者转换。不管是从能源外部性启程的"庇古税"念念路，如故从算力供给相对短少弹性启程的"拉姆皆税"念念路，都指向对算力纳税是合理的。

提供大众算力是第二条杠杆。要是政府以角落成本供应算力，不错压缩私营算力的订价空间，进而裁汰rc中的利润加成部分。不外需要细心的是，这现实上是在压低CAW上限，让领路输生产物的消费者受益，而不是让可替代任务上的作事者受益——因为工资上限裁汰了，工东谈主并莫得获得克己。

对芯片商场进行反把持是第三条杠杆。要是算力商场存在把持，rc里就包含了逾额利润加成。冲破把持会压缩这个加成，裁汰rc，这一样会裁汰CAW上限。这里存在一个经典的计谋衡量：消费者剩余加多了，但可替代任务上的工东谈主工资空间进一步收窄，分派后果非凡显耀。

能源计谋是第四条杠杆。算力成本中有非凡大一部分是电力成本。但凡裁汰数据中心电力成本的计谋（拓荒输电走漏、为核电站审批松捆、补贴可再生能源），都和会过rc这个渠谈传递到CAW上限。由于领路产物通过数字网罗全球请示，这种影响不局限于土产货，而是具有世界乃至全球性的分派效应。

七、这个框架的鸿沟在那处

诚挚的磋议需要诠释晰我方的局限。磋议者挑升列出了几个可能使这个框架失效或需要修正的情形。

"杰文斯效应"是一个繁难的反驳。历史上，蒸汽机让每单元煤炭能作念的功大幅加多，但煤炭的总消费量反而上升了——因为用煤炭干活变低廉了，巨匠就干更多活。同理，领路作事单元成本下落，可能会激勉对领路作事产物的需求爆炸式增长，最终反而让东谈主类在可替代任务上的总作事量上升。CAW锚定的是工资，而不是作事量，总赔偿是否上升，取决于领路产物需求的价钱弹性有多大。

比拟上风的问题也需要酌量。即便AI在悉数任务上都比东谈主类结果更高，东谈主类也不错凭借比拟上风留在某些鸿沟——专注于我方相对障碍最小的任务。但磋议者指出，比拟上风决定的是作事分派，而不是价钱，可替代任务上的工资仍然被算力成本锚定。

工资中非生产率的部分也阻挡残暴。确凿工资不单由角落产出决定，还包括法律使命溢价（比如东谈主类讼师要署名负责）、信任溢价、信号传递溢价、物理在场溢价等。CAW锁定的只是角落产出对应的那部单干资，其他溢价因素并不在这个框架之内。

算力商场的竞争性假定也需要防御。要是算力商场高度把持，rc就不再是竞争性价钱，而是包含了把持溢价的订价，通盘分析就酿成了一个对于政事经济学的问题，而不单是价钱机制的问题。

还有一个动态问题：任务鸿沟不是固定的。跟着AI才略持续升迁，原来属于互补性任务的作事会舒缓搬动到可替代任务一侧。今天让高档讼师不能替代的"案件策略判断"，也许五年后就会酿成AI擅长的鸿沟。这意味着CAW不单是一个静态的工资上限，而是一个跟着AI才略扩张而不绝向更高技能端倪蔓延的动态天花板。

归根结底，这篇磋议作念的事情，是把一个如故被许多东谈主直观感受到却说不明晰的征象——"AI在压低工资"——放到一个精准的经济框架里，然后指出压力来自那处、经由哪条管谈传导、不错通过哪些计谋杠杆加以纷扰。说到底，你的工资天花板是由某个你可能从未传闻过的GPU芯片租用价钱决定的，这件事自己就宽裕引东谈主深念念。要是你从事的作事里，有非凡大比例不错被形色为"按范例实行、索求信息、归纳回首、初步分析"，那么这个框架形色的恰是你薪资走势的底层逻辑。而要是你的作事中枢是"在拖拉情境下作念判断、承担使命、配合相干"，那么AI的普及反而可能是你的契机。有敬爱敬爱进一步探究这个问题的读者，不错通过arXiv:2605.05558v2找到完竣论文。

Q&A

Q1：算力锚定工资（CAW）公式里的三个参数λ、k、rc具体是什么风趣，庸碌东谈主怎么知晓？

A：rc是租用GPU算力的每小时价钱，就像租一台机器的房钱；k是AI完成一小时等效作事需要遽然些许GPU时，非凡于这台机器的"油耗"；λ是东谈主类和AI结果的对比，东谈主类更强则λ大于1，AI更强则小于1。三者相乘，即是东谈主类工资的上限——公司最多只自得付这样多雇东谈主，因为超越这个数就不如平直用AI了。

Q2：互补性任务和可替代任务怎么分辩，如何判断我方的作事属于哪种？

A：可替代任务是那些不错用明确规定形色、输出不错被磨练的作事，比如归纳摘记、对照模板审阅文献、按范例生成代码。互补性任务则是需要在信息不完竣时作念判断、需要承担使命、需要处理东谈主际相干或跨鸿沟整合的作事。判断程序是：要是一项作事的进程和程序不错被完竣写下来，它能够率是可替代的；要是它的中枢价值正好在于处理"写不下来的部分"，它更可能是互补性的。

Q3：政府对算力纳税会提高如故裁汰庸碌作事者的工资？

A：短期内j9九游会，对算力租用价钱纳税会提高CAW上限，非凡于给可替代任务上的东谈主类工资设了更高的竞争门槛，对作事者成心。但恒久来看，当算力供给变得更有弹性，税收背负会向消费者转换，并通过价钱机制迤逦影响工资。同期，大众算力供给这条门路固然裁汰了rc，但反而会压低工资上限，让消费者而非作事者受益——是以计谋联想需要在结果和分派野心之间作念出明确衡量。