人工智能替代风险与个体收入不平等
 
 摘要
 
人工智能技术的快速迭代正在深刻重塑劳动力市场的需求结构与收入分配格局。本文从人工智能的“任务偏向型”技术进步特征出发，系统分析了人工智能替代风险加剧个体收入不平等的理论机制与实证证据。研究表明，人工智能对常规型任务岗位的替代效应、对不同职业差异化的生产率提升效应、技能溢价与劳动力挤出效应，以及资本偏向的技术进步所导致的劳动收入份额下降，共同构成了人工智能时代收入不平等加剧的多重传导路径。人工智能对收入分配的影响在不同技能水平、不同教育程度和不同区域的劳动者群体中呈现出显著的异质性，低收入群体、低学历劳动者及欠发达地区劳动力承受的替代冲击更为严重。在人工智能技术持续渗透的时代背景下，缓解替代风险引致的收入不平等，需要从教育体系改革、社会保障制度完善和收入分配机制创新等多维度协同发力。
 
关键词：人工智能；替代风险；收入不平等；工资极化；技能溢价
 
 
 1 引言
 
人工智能作为引领新一轮科技革命和产业变革的战略性技术，正在深刻改变传统生产方式与经济运行模式。2023年，中国人工智能专利授权数已达8.5万项，同比增长约140%，占全球总量的近七成。人工智能在推动经济高质量发展的同时，也给收入分配带来了新的严峻挑战。根据世界不平等数据库（WID）数据，2023年中国收入前10%居民的收入份额已是后50%居民的3.2倍，该比值较2012年上升了12.2%。收入差距的持续扩大与人工智能技术的快速渗透在时间上高度重合，引发了一个重要的时代命题：人工智能替代风险是否正在加剧个体收入不平等？其内在的传导机制是什么？哪些群体承受的冲击最为严重？
 
从全球学术前沿看，人工智能对收入分配的影响已成为经济学研究的核心议题。Acemoglu和Restrepo（2020,2022）的研究揭示了人工智能技术对劳动力市场需求侧的冲击可能扩大收入不平等。国际清算银行（BIS）的研究发现，在高人工智能能力水平下，最高工资四分位群体中高达45%的技能暴露于人工智能替代风险，而最低工资四分位群体中这一比例仅为26%。中国情境下的研究同样表明，人工智能冲击加剧了不同职业之间的收入差距，促进了工资极化的产生。正如南开大学讲席教授万广华所指出的，AI在显著提升个体收入水平的同时，通过增加低收入群体失业风险、扩大劳动生产率差距、推高资本回报与压低劳动份额等多重机制加剧了收入不平等。本文旨在系统梳理人工智能替代风险加剧个体收入不平等的理论机制与经验证据，并在此基础上探讨缓解替代风险引致收入不平等的应对策略。
 
 2 人工智能替代风险的理论基础
 
 2.1 “任务偏向型”技术进步与常规任务替代
 
人工智能的技术特征决定了其对劳动力市场的影响具有鲜明的“任务偏向性”。与传统自动化技术主要替代体力劳动不同，智能机器人、大语言模型等人工智能技术善于完成具有一定技术难度但创造性和不可预测性较低的工作。这意味着人工智能是一种针对常规型工作的“任务偏向型”技术进步，其应用将对工作任务重复性较高的中等收入职业造成广泛冲击。
 
人工智能对常规型任务岗位的替代效应是工资极化的核心驱动机制。当人工智能能够高效完成中等技能劳动者所从事的常规型、程序化工作任务时，这些岗位的劳动力需求被压缩，中等收入群体的就业机会和工资水平受到直接挤压。与此同时，高技能劳动者从事的非常规、创造性工作难以被人工智能替代，甚至因人工智能的互补效应而获得更高的生产率溢价；低技能劳动者从事的非常规体力劳动同样面临较低的替代风险。这种替代效应的非对称性，使得劳动力市场需求结构呈现“两端扩张、中间收缩”的极化格局，直接拉大了不同职业群体之间的收入差距。
 
 2.2 技能溢价效应与劳动力挤出效应
 
人工智能对收入不平等的影响通过技能溢价和劳动力挤出两条路径传导。人工智能-技能相对互补假说认为，人工智能与高技能劳动力之间存在互补关系，而与低技能劳动力之间则呈现替代关系。人工智能应用通过非对称的生产率赋能效应显著提升高技能劳动者的边际产出，同时通过自动化替代降低低技能常规岗位的劳动力需求，这种结构性置换直接拉大了技能溢价。
 
技能溢价的扩大意味着高技能劳动者与低技能劳动者之间的工资差距持续拉大。人工智能应用显著提高了企业高技能岗位的工资水平，同时抑制了低技能岗位的工资增长。部分研究甚至发现，人工智能应用使企业高管的薪酬比普通员工高出0.327倍。
 
技能溢价的扩大与劳动力挤出效应相互叠加，共同加剧了收入不平等。人工智能不仅降低了低技能劳动者的相对工资，还直接减少了低技能岗位的就业机会。人工智能对低收入群体、低学历劳动者及非创业人群的收入不平等冲击更为显著。这种“强者愈强、弱者愈弱”的马太效应，使得人工智能时代收入分配的结构性矛盾更加突出。
 
 2.3 资本偏向机制与劳动收入份额下降
 
人工智能对收入分配的另一重要影响渠道是资本偏向的技术进步所导致的劳动收入份额下降。人工智能作为资本密集型技术，其生产率跃升的收益极易沉淀为资本-数据要素的独占收益。即使人工智能赋能劳动者提高了人均产出，增加的回报也极有可能被资本或技术所有者占有，导致全社会的劳动收入份额持续下降。
 
从微观企业层面看，人工智能技术通过提升企业市场势力，强化了企业的收入分配主导权，导致劳动收入份额下降。从行业层面看，人工智能提升了高、中技术行业的劳动收入份额，却减少了低技术行业的劳动收入份额，加剧了行业间的收入分化。劳动收入份额的下降意味着国民收入分配中劳动者所得的比重持续萎缩，而资本所得的比重不断上升。这种分配格局的结构性转变，不仅直接拉大了资本所有者和劳动者之间的收入差距，也弱化了“多劳多得”的分配原则，使得技术进步的红利更多地向资本集中。
 
 3 人工智能替代风险对收入不平等影响的实证证据
 
 3.1 工资极化的经验发现
 
多项基于中国数据的实证研究一致表明，人工智能冲击显著加剧了工资极化现象。李钧宇、翟少轩、袁持平（2025）基于中国家庭追踪调查（CFPS）数据，利用职业被人工智能技术替代可能性和地区人工智能发展水平的差异，构建广义双重差分模型进行实证检验，发现人工智能冲击加剧了不同职业之间的收入差距，促进了工资极化的产生。工资极化意味着中等收入群体的工资增速慢于高收入和低收入群体。
 
进一步分析表明，人工智能通过三种机制加剧工资极化：一是对常规型任务工作的替代效应，直接压缩了中等收入职业的就业和工资空间；二是对不同职业有差异的生产率提升效应，使高技能职业获得更高的生产率溢价；三是阻碍中等收入群体职业转换的技术鸿沟效应，限制了中等收入劳动者向高收入职业的流动。值得注意的是，研究发现教育的持续扩张未能缩小职业间的收入差距，过度的教育扩张可能反而放大人工智能的工资极化作用。
 
 3.2 人工智能与收入不平等的因果识别
 
万广华及其合作者基于专利数据库，利用双层中文BERT大语言模型分类器从海量专利数据中精准识别AI技术，构建区县层面的AI发展指标，并结合CFPS微观个体数据，运用基于回归模型的不均等分解方法，深入分析了AI对整体收入分配的影响。研究发现，AI在显著提升个体收入水平的同时，通过多重机制加剧了收入不平等。研究者从技能、任务与性别维度揭示了AI对不同群体收入分配的异质性影响。
 
另有研究基于2014—2022年中国家庭追踪调查和城市统计年鉴数据，采用面板数据模型与双重差分法，系统考察了人工智能对收入不平等的影响。研究发现，人工智能显著加剧了收入不平等，技能溢价效应和劳动力挤出效应是人工智能加剧收入不平等的重要实现路径。人工智能对农村地区及中西部地区的收入冲击更为显著，呈现出“强者愈强”的马太效应。
 
 3.3 替代风险的结构性特征
 
人工智能替代风险对不同技能水平劳动者的影响存在显著的结构性差异。低技能职业面临的是偏弱的现实——替代冲击已经发生；高技能职业面临的是极弱的预期——即使当前岗位安全，未来的不确定性也在持续上升。在AI冲击下，劳动者的收入曲线将呈现K型分化：被AI赋能的群体将获得更好机会，而轻易被AI替代的群体则面临收入和职场空间的萎缩。
 
从国际比较的视角看，人工智能对收入不平等的影响并非线性。有研究揭示了人工智能发展与收入不平等之间存在显著的U型关系，拐点出现在人工智能发展水平为0.112处。教育在这一关系中发挥着显著的负向调节作用，更高的教育水平可以将U型关系转变为倒U型关系。
 
 4 异质性影响与传导路径
 
 4.1 技能与教育维度的分化
 
人工智能替代风险在不同技能和教育水平的劳动者群体中呈现出显著的分化特征。在技能维度，人工智能应用显著提高了高技能劳动者的就业规模和工资水平，但降低了低技能劳动者的就业机会和相对工资。人工智能应用在企业内部显著替代常规与非技能岗位，同时创造非常规与技能岗位，这种此消彼长的结构性置换直接拉大了技能溢价。
 
在教育维度，低学历劳动者面临更为严峻的替代风险。人工智能显著加剧了低学历劳动者的收入不平等。受教育程度较低的地区，人工智能技术对收入不平等的影响更为明显。教育能够有效缓解人工智能渗透对收入分配的负面冲击，但当教育水平较低时，劳动者缺乏适应技术变革的人力资本基础，更容易被人工智能所替代。
 
 4.2 区域与城乡维度的非对称冲击
 
人工智能替代风险在不同区域和城乡之间同样呈现出非对称的冲击特征。研究发现，人工智能对农村地区及中西部地区的收入冲击更为显著。欠发达地区由于产业结构相对传统、劳动者技能水平相对较低、数字基础设施相对薄弱，应对人工智能替代冲击的能力更为有限。同时，人工智能技术带来的生产率提升和就业创造效应更多集中在发达地区和城市区域，进一步拉大了区域间的收入差距。
 
 4.3 职业结构与代际效应的叠加
 
人工智能替代风险的职业结构效应与代际效应相互叠加，加剧了收入不平等的代际传递。中等收入职业受到的替代冲击最为严重，限制了中等收入群体规模的扩大。当“被替代”的职业集中在中等收入区间时，社会流动的通道被收窄——中等收入群体难以向高收入群体流动，同时面临滑入低收入群体的风险。正如相关研究所警示的，人工智能发展会增大就业极化风险，过度依赖技术替代将限制长期劳动生产率增长潜力。只有当人工智能技术与劳动力技能结构实现最优匹配时，才能实现效率与公平的共赢。
 
 5 应对人工智能替代风险引致收入不平等的政策启示
 
 5.1 教育体系的结构性改革
 
教育是缓解人工智能替代风险、改善收入分配格局的基础性制度安排。然而，传统教育扩张策略在人工智能时代可能失效——过度的教育扩张可能反而放大人工智能的工资极化作用。因此，教育体系改革应当从“量的扩张”转向“质的提升”，从“通用教育”转向“技能适配”。
 
具体而言，应在以下方向发力：一是强化STEM（科学、技术、工程、数学）教育和数字素养教育，使劳动者具备与人工智能互补而非竞争的核心技能；二是构建终身学习和技能更新的制度框架，为在职劳动者提供持续的技能提升通道；三是推动职业教育与人工智能产业的深度融合，培养适应智能经济时代的新型技能人才。
 
 5.2 社会保障与收入再分配机制
 
随着人工智能对劳动的大规模替代，传统以劳动、资本投入为基础的分配规则将面临挑战。为应对这一挑战，社会保障体系和收入再分配机制需要进行前瞻性调整。
 
首先，应建立与人工智能时代相适应的失业保障和就业援助体系，为受替代冲击的劳动者提供过渡性收入支持和职业转换服务。其次，应探索数据分红等新型分配机制，将人工智能带来的生产率跃升收益通过适当的制度安排惠及更广泛的群体。再次，应强化劳动权益保障，防止人工智能应用被用于侵蚀劳动者的基本权益和议价能力。
 
 5.3 区域协调发展的制度保障
 
鉴于人工智能替代风险在欠发达地区和农村地区更为显著，区域协调发展的制度保障同样不可或缺。应加大对中西部地区的数字基础设施投资和教育投入，缩小区域间的数字鸿沟和技能鸿沟。同时，应通过产业政策引导人工智能相关产业向欠发达地区合理布局，使技术进步的红利能够惠及更广泛的区域。
 
无线互联科技的快速普及为缩小区域数字鸿沟提供了技术可能，而大陆桥视野所倡导的区域经济联动发展理念，则为构建人工智能时代区域协调发展格局提供了战略参照。两者共同指向一个基本方向：只有通过技术赋能与区域协同的双轮驱动，才能在人工智能时代实现效率与公平的统一。
 
 6 结语
 
人工智能替代风险与个体收入不平等的关系，是智能经济时代最值得关注的分配命题之一。本文从“任务偏向型”技术进步的理论框架出发，系统分析了人工智能替代风险通过常规任务替代、技能溢价与劳动力挤出、资本偏向与劳动收入份额下降等多重渠道加剧收入不平等的传导机制。实证研究表明，人工智能冲击显著促进了工资极化，拉大了不同技能、不同教育水平和不同区域劳动者之间的收入差距。
 
面对这一趋势，政策制定者需要在教育体系改革、社会保障制度完善和收入分配机制创新等方面前瞻布局。正如相关研究所强调的，人工智能对就业的影响既蕴含岗位创造与效率提升的机遇，也面临引发替代效应与收入分配不均的挑战。唯有在推动人工智能技术持续发展的同时，同步构建与之相适应的制度安排和分配机制，才能真正实现技术进步与共同富裕的共赢。
 
 
 参考文献
 
[1] 李钧宇, 翟少轩, 袁持平. 人工智能冲击、教育扩张与工资极化[J]. 经济评论, 2025(5): 99-118.
 
[2] 人工智能对收入不平等是否存在马太效应——基于微观数据的实证检验[J]. 山西财经大学学报, 2025(8): 43-56.
 
[3] 蒋为, 陈星达, 倪诗程. 人工智能、产业结构转型与跨越“中等收入陷阱”[J]. 经济研究, 2025(10).
 
[4] 万广华. AI与整体收入分配：来自中国超乎预料的发现[R]. 山东大学产经论坛学术报告, 2026.