人工智能（AI）技術革命是一次歷史性機遇，但也可能帶來結構性經濟風險。總體上看，AI時代的宏觀矛盾集中體現為供給躍升與需求萎縮，供強需弱矛盾加劇，收入與財富分配改革至關重要，「超額利潤調節稅」等系列財稅制度改革或是應有之義。

AI時代極可能加劇「供強需弱」形勢。當前中國經濟有兩個基本特點：一是經濟發展階段已從供給短缺轉向需求不足階段，但是制度體系仍是「供給導向型」而非「需求導向」型，內生地存在供強需弱傾向。二是當前經濟處於新舊動能轉換階段，新動能是資本密集型、技術密集型產業，排斥勞動力，房地產、基建投資等舊動能釋放的勞動力難以融入新動能，於是產生就業與收入分化問題。

在這兩個基本特點的背景下，AI進一步加劇宏觀供需失衡矛盾：供給端，AI以前所未有的速度提升全要素生產率、提高供給能力、重塑產業形態；需求端，就業的不對稱衝擊導致收入分配分化、勞動議價能力弱化導致財富分配集中於AI投資背後的資本，導致需求弱化。

加大國民收入分配調節

應對之策不能止於傳統的逆周期調控，而需從國民收入分配改革、財稅激勵重構、工資增長機制等方面進行系統性制度安排，將AI的生產率紅利轉化為居民可支配收入的增長與消費能力的提升。其中，財稅制度尤為關鍵，要優化財稅激勵方向引導企業「增效不減員」，提高個稅、財產稅等直接稅對收入分配的調節功能、探索開徵「超額利潤調節稅」等。

2025年以來，AI相關投資對全球經濟增長的拉動效應強化，投資增長勢頭仍在延續。2026年第一季度，中國規模以上高技術製造業增加值按年增長12.5%，AI商業化應用加速落地，帶動集成電路製造、電子專用材料製造行業增加值分別增長49.4%和32.5%，供給側新動能加速壯大。IMF（國際貨幣基金組織）今年1月預測，若AI投資熱潮轉化為設備技術採購需求與生產率提升，2026年全球GDP增速有望在基準預測（3.3%）基礎上額外提升0.3個百分點。

中長期來看，AI應用有望提升全要素生產率，擴大供給能力。企業在使用AI工具後，單位產出成本明顯下降，AI輔助使得「一人抵多人」的產出效應成為現實。同時，AI應用並非簡單的勞動替代，而是對生產要素配置方式的重構，數據、算力與算法成為新的關鍵生產要素，與資本、勞動形成新的組合關係，繼而提升全要素生產率（TFP）。

然而，供給端的效率革命越是迅猛，需求端的適配壓力越是凸顯。現階段，全球經濟增長與就業增長分化是供需矛盾的直觀體現。

長期以來，GDP與就業增長是順周期的同步指標，但近年來，全球「低就業增長」的現象愈發普遍。一方面，AI投資需求急劇增長，直接拉動了GDP增長；另一方面，由於AI替代效應、經濟周期和人口周期等共振，就業市場需求不振。

換言之，AI對於經濟增長的拉動還停留在第一階段的投資拉動，但是AI帶來的生產力提升、繼而擴大總需求和就業需求的第二階段影響還未能顯現。

需求弱在於消費不振

中央經濟工作會議明確當前經濟面臨「供強需弱」的基本形勢，「需弱」的核心癥結在於消費不振。當前中國居民消費率顯著偏低，2024年中國居民消費佔GDP比例為39.9%，顯著低於美國的67.9%，即便剔除自有住房折算租金和醫療支出後，這一差距依然超過20個百分點。

與此同時，當前中國正處於新舊動能轉換的關鍵時期，需要通過發展新質生產力彌補房地產、基建投資等舊動能下行帶來的缺口。值得注意的是，新動能多為資本密集型、技術密集型，而非勞動密集型，導致部分勞動者難以融入新動能發展浪潮，進而引發就業與收入分化。能夠獲得穩定就業和收入的群體佔比相對下降，使得需求端增長乏力，進一步加劇供需失衡。

總之，AI技術革命在提升「做蛋糕」能力的同時，若不能同步優化「分蛋糕」的機制，反而可能使到供需失衡從周期性矛盾固化為結構性困境。

AI技術應用對就業市場的影響具有複雜性，不僅改變就業數量與結構，更將重塑生產要素的稀缺性，進而衝擊整個社會分配體系。

其一，勞動者內部收入差距擴大。IMF預計，全球約40%的工作屬於「AI技術高暴露」崗位，其中發達經濟體約60%。從事這類工作的勞動者面臨被AI直接替代的風險，市場議價能力弱化。與此同時，對於能夠借助AI實現效率提升的勞動者，「一人抵多人」的產出效應可能推動其薪酬進一步上漲。不少學者也指出，AI對中等技能崗位需求的衝擊，可能迫使大學畢業生「向下流動」進入低技能服務業，這不僅造成人力資本浪費，更因勞動力供應過剩而拉低社會底層工資水平。

勞方議價能力難免弱化

其二，勞動者整體議價能力弱化，分配格局向資本傾斜。長期以來，人類的「智能」是一種稀缺的生產要素，但是AI的出現讓「智能」不再稀缺，繼而引發整個經濟系統對人類「智能」的重新定價。

史丹福大學教授埃里克·布萊恩約弗森（Erik Brynjolfsson）指出，如果人工智能發展旨在模仿或取代人類（自動化）而非拓展人類能力（增強），機器將成為勞動者的替代品。在此過程中，勞動者的整體議價能力將大幅削弱，財富會迅速向資本所有者集中。

其三，生產要素及分配權力更加集中，加劇分配向技術平台和資本方傾斜。傳統經濟中，有價值的知識分散在人類大腦中，天然促進了生產要素與分配權的「去中心化」；而當知識被編碼並數字化為AI模型後，將更容易被少數人擁有和集中。由於高收入群體持有更多資本資產，AI推高的資本回報將進一步固化和擴大貧富差距。此外，AI模型的訓練依賴海量用戶數據，但數據要素的收益分配機制尚未完善，進一步加劇了分配向技術平台與資本方的傾斜。

在AI時代，中國收入分配面臨雙重壓力：一是居民部門在國民收入分配中的佔比以及居民財產性收入提升的難度；二是不同勞動者之間收入分化加劇。若AI帶來的效率紅利主要沉澱為企業利潤和資本回報，而勞動報酬增長緩慢，則居民收入佔比可能進一步承壓。

中國收入分配的結構性短板（居民收入佔比偏低、財產性收入匱乏、企業佔比偏高等）與AI的分配效應（資本回報上升、勞動報酬承壓）存在同向疊加風險，若不加以制度性干預，「供強需弱」可能從周期性矛盾固化為持續性結構困境。

從中國國民收入分配的基本格局來看，上述分配效應與既有特徵相互疊加，可能產生更為複雜的衝擊。2023年中國初次分配中居民收入佔比為62.8%，再分配調整後為68.3%，在主要經濟體中仍然處於中等偏低水平。與美國相比，無論初次分配還是再分配，居民收入佔比均相差約10個百分點。

進一步分析，核心差距在於財產性收入佔比不足：中國財產性收入佔國民總收入的比重僅為4.6%，與美國相差約10個百分點；2023年中國財產收入中75.5%來自於利息收入，只有14.2%來自於企業分紅，而其他主要經濟體紅利收入佔財產收入的平均比例在50%以上。

與此同時，企業部門收入佔比在國際上處於偏高水平，2023年中國企業部門初次分配總收入佔國民總收入比重為22.4%。

資源稟賦宜向勞動傾斜

唯有將收入分配改革置於與技術進步同等重要的位置，才能確保中國經濟在AI浪潮中行穩致遠，實現高質量發展與高水平民生的良性互動。收入分配格局由發展階段、資源稟賦和產業結構決定。1978年改革開放初期，中國處於供給短缺階段，資源稟賦條件是資本稀缺、勞動力過剩，制度設計需要向資本傾斜。

如今，中國已從供給短缺進入需求不足階段，資源稟賦發生深刻變化，勞動尤其是高技能勞動變得稀缺，制度就要向勞動傾斜，同時也只有向勞動傾斜才能解決需求不足的問題。因此，提高勞動報酬佔比、優化國民收入分配格局，不僅是社會公平的訴求，更是解決AI時代「供強需弱」矛盾、實現經濟良性循環的關鍵所在。

（作者為粵開證券首席經濟學家）