AI为什么会加剧加速贫富差距
AI 让很多人更高效。
但它也在把世界拆成两条轨道。
一条往上。
一条往下。
这不是情绪。
它更像一种分配机制的加速器。
贫富差距从哪里来：先分到“资产”，再分到“工资”
贝莱德的拉里·芬克在年度信里说了一句很重的话：
绝大多数财富流向了拥有资产的人，而非靠工作赚钱的人。现在 AI 正在以更大规模重复这个模式。
这句话的关键不是“AI”。
关键是“资产”。
因为在现代经济里，财富增长的主通道并不是工资。
是资产的价格。
当股票上涨、当行业估值重估、当某类公司的利润预期被上调，财富会先落到“持有者”身上。
而持有者，本来就更可能是富人。
工资的调整慢得多。
工资需要谈判，需要预算，需要组织结构的重新分配。
资本市场不需要。
资本市场只需要一个新的叙事：AI。
AI为什么天然偏向“上半笔”：它更像一台资产定价机器
你可以把 AI 理解成三件事的叠加：
- 更强的预测与决策
- 更低的边际复制成本
- 更高的规模收益
这三件事，最适合装进哪里？
最适合装进“可规模化的系统”。
也就是公司。
也就是平台。
也就是资本可以持有、可以定价、可以交易的东西。
于是你会看到一类非常典型的现象：
一家企业的利润预期先被抬高。
股价先涨。
财富先增加。
而工资是否增长，要么在等。
要么没了。
K型不是比喻：它是两种复利的分叉
AI带来的复利，至少有两种。
一种是资本的复利。
另一种是劳动的复利。
问题在于：AI 更容易把复利交给资本。
因为资本可以直接持有“AI带来的规模收益”。
劳动不行。
劳动需要把价值重新谈回工资里。
当一个行业进入“工具升级期”，组织往往会先做两件事：
- 把交付周期压缩
- 把人力结构压薄
于是个人会经历一种很典型的体验：
你更高效了。
但你更累了。
你的产出更快了。
但你的议价能力未必更强。
AI加速贫富差距的三个技术路径
我把它拆成三个更具体的路径。
它们都不“新”。
但 AI 让它们同时发生，而且更剧烈。
1）算力与数据成为新的“生产资料门槛”
过去的门槛是资本与机器。
今天的门槛是资本、机器、以及能够把机器喂饱的数据与场景。
当某件事需要：
- 大规模算力投入
- 长期数据积累
- 可闭环的产品分发
它就天然更偏向大公司。
个人即便“会用 AI”，也很难享受到同等规模的复利。
2）生产率提升不直接等于工资提升
AI 的直接效果往往是“同样的工作，用更少的人做完”。
这会先反映为利润。
再反映为估值。
最后才可能反映为工资。
而且最后一步经常不会发生。
因为组织完全可以用另一种方式来分配这部分收益：
回购、分红、股权激励、并购。
它们都更偏向资产持有者。
3）“最值钱的能力”从执行转向组织化的控制面
当一个岗位的价值来自“执行”，AI 会替代你。
当一个岗位的价值来自“控制”：
- 定义问题
- 拆解任务
- 验证结果
- 负责风险
AI 会放大你。
这会把人群切成两类：
会写 prompt 的人，和能为结果负责的人。
这两类人不一样。
后者更稀缺。
也更贵。
“让更多人去投资”不是答案，它只是把问题往后推
芬克给出的一个方案是：让更多人参与资本市场。
听上去很合理。
但它隐含了一个现实约束：
最容易被 AI 替代的入门级白领，恰恰是最不可能拥有稳定投资组合的人。
你让受害者去买施害者的股票。
逻辑上能说通。
现实里做不到。
因为他们缺的不是“认知”。
是现金流。
更根本的命题：AI到底是工具，还是关系
如果 AI 只是一个工具，差距会继续扩大。
因为工具会被强者更早、更大规模、更系统性地使用。
如果 AI 逐渐变成一种关系——一种长期陪伴、持续协作、能帮助个人获得更高议价能力的关系——差距才可能被缓和。
但这条路很难。
它要求 AI 不只是让你更快。
还要让你更强。
让你在组织面前更可替代，还是更不可替代。
这是两个世界。
参考
- 微信公众号：文科生看AI时代《K：AI正在造成史上最大贫富差距》