张晓晶：稀缺性的迁移：AI时代的国民财富重构

本文来自微信公众号： 北大汇丰PFR ，作者：张晓晶，原文标题：《张晓晶：稀缺性的迁移——AI时代的国民财富重构》财富的本质是稀缺要素的价值体现，不同经济时代的核心财富形态，始终对应着当期最稀缺的生产要素。

回溯人类经济发展史，每一次产业革命，均带来要素稀缺性的重构，进而重塑价值分配与财富格局。中国社会科学院国家金融与发展实验室主任张晓晶在《北大金融评论》发文指出，AI引发的国民财富重构，是要素稀缺性、价值体系、分配规则的全方位变革。

可复制认知劳动过剩、高阶人力与制度资源稀缺、无形资产主导价值创造、资本收益极化与分化，成为新时代财富演进的核心特征。本文完整版刊登于《北大金融评论》第29期。人工智能技术的快速迭代与产业化落地，正在引发全球范围内的要素重估、价格重构与财富范式变革。

依托长期国家资产负债表研究积累，可以清晰观测到，AI浪潮并非简单的技术升级，而是重塑国民财富结构、要素稀缺格局与社会分配体系的历史性变革。技术迭代之下，传统经济学的底层逻辑并未失效，稀缺性、相对价格、要素回报等核心规律依旧主导财富演进，只是各类生产要素的稀缺属性与价值权重发生了根本性迁移，最终推动国民财富形态、积累模式与分配格局出现深度分化。

本文基于经典经济学分析框架，梳理农业、工业、信息、AI四大时代的财富演化逻辑，剖析AI时代要素稀缺性变迁、财富结构重构的核心特征，辨析产业发展的硬约束与软约束，并结合中美AI竞争格局、就业冲击与分配矛盾，提出适配AI时代的财富治理与社会均衡发展路径。

技术迭代下的财富演化：基于稀缺性变迁的经济学框架财富的本质是稀缺要素的价值体现，不同经济时代的核心财富形态，始终对应着当期最稀缺的生产要素。回溯人类经济发展史，每一次产业革命，均带来要素稀缺性的重构，进而重塑价值分配与财富格局，经典经济学理论可以完整解释这一演化过程。

农业经济时代，土地是核心稀缺要素，地租与地权成为社会财富的核心载体。李嘉图的地租理论精准阐释了这一阶段的财富分配逻辑，土地资源的稀缺性决定了财富分配格局，土地所有者占据社会财富分配的主导地位，劳动要素的回报处于从属地位，成为农业时代最核心的经济特征。

工业经济时代，资本取代土地成为核心稀缺要素，资本回报主导社会财富分配。马克思指出，资本主义生产方式下，社会财富表现为庞大的商品堆积，工厂、机器、设备等实体生产资本成为价值创造的核心，劳动者依靠劳动获取有限分成，资本与劳动的分配张力初步显现，也奠定了工业时代财富分化的底层逻辑。

信息经济时代，财富格局进一步迭代。技能型劳动获得显著人力资本溢价，专业化、知识型人才成为价值创造的核心主体；同时，信息爆炸催生全新的稀缺形态，注意力成为稀缺资源，依托流量与用户注意力的互联网平台快速崛起，平台经济估值体系成型，无形资产的财富价值开始持续凸显。

进入AI时代，要素稀缺格局迎来颠覆性反转，核心逻辑是可标准化、可复制的认知劳动全面过剩，不可自动化的人类能力、核心生产资源与制度规则持续稀缺。AI可以大规模复刻常规认知型劳动，大幅降低此类劳动的边际价值，供给的无限化带来相对价格的持续下行。

与之对应，四类要素的稀缺性持续强化，成为AI时代财富创造的核心支撑。其一，算力、电力、关键矿产等基础物理资源，算力是AI运行的核心生产力，电力是AI产业的底层支撑，高端矿产、芯片原材料成为产业发展的硬性约束；

其二，专有数据资产，通用数据趋于泛滥，具备行业价值、隐私合规、场景专属的高质量数据成为稀缺核心资产；其三，高阶人力资本，AI可替代标准化工作，但人类独有的判断力、审美能力、跨域整合能力、人际沟通与信任构建能力无法被自动化替代，成为AI时代核心的人力稀缺资源；

其四，制度与规则体系，AI行业标准、监管框架、数据流通规则、风险治理机制等制度供给严重不足，形成新型制度性稀缺，具备制度话语权的主体将获得长期制度溢价。AI时代国民财富的核心结构性变迁要素稀缺性的重构，直接推动国民财富形态、积累模式与价值结构发生系统性变革，呈现出无形资产主导、资本回报抬升、人力资本分化、存量财富权重提升四大核心趋势，彻底改变了传统的财富积累逻辑。

第一，财富形态从有形资产主导全面转向无形资产主导，新型数字资本成为核心价值载体。传统财富体系以土地、厂房、设备等有形资产为核心，而AI时代数据、算法、模型权重、技术IP、合规体系等新型无形资产，成为价值创造的核心科目。

从资本市场数据可以直观印证这一变革，1975年标普500企业的无形资产价值占比仅为17%，到2025年这一比例已飙升至92%，无形资产已成为现代经济体财富创造的绝对主体，远超市场一般认知。

与此同时，算力基建、高端芯片、关键矿产、电力设施等新型有形战略资产的稀缺性与战略价值持续提升，但整体财富结构中，有形资产的总体占比仍持续下行，无形资产主导的财富格局彻底成型。第二，财富积累模式迭代，劳动收入权重下降，资本收入权重持续抬升。

传统时代，居民财富主要依靠工资性收入持续积累，人力资本回报是居民财富增长的核心路径。AI时代这一路径被大幅削弱，常规劳动贬值、标准化岗位被替代，普通劳动者的工资增长空间持续收窄，单纯依靠劳动、流量收入积累财富的难度大幅提升。

与之相对，算力、数据、AI企业股权、算法模型等资本类资产的回报持续攀升，成为财富增长的核心引擎。即便是高端人力资本持有者，其财富增长也不再依赖单一工资收入，更多通过股权、期权等资本性收益实现财富增值，人力资本逐步资本化，劳动与资本的收益张力持续放大，社会财富极化效应凸显，对当代青年的财富积累形成显著冲击。

第三，人力资本财富呈现结构性分化，整体社会占比趋于下行。依据国际通行的SNA核算体系，各国官方资产负债表均未纳入人力资本财富，而世界银行的综合性财富核算框架将自然资本、生产资本与人力资本纳入统一统计，测算显示，当前全球人力资本财富占社会总财富的比重超过60%，发达国家更是突破70%，是传统核算体系中被忽视的核心财富。

从直觉来看，AI发展依赖人类创新能力，人力资本价值理应持续提升，但结构性拆解可以发现，AI时代人力资本整体占比将稳步下行。一方面，海量中低端标准化人力资本面临大规模贬值，替代范围广、人群基数大，拉低整体人力资本价值；

另一方面，高端人力资本的收益逐步转化为资本回报，脱离传统人力资本核算范畴；同时，数据、算法、模型等新型无形资产独立成为财富主体，从传统人力资本中剥离，进一步压缩人力资本的财富占比，形成AI时代独特的人力资本分化格局。

AI产业发展的双重约束：硬约束固化价值、软约束决定上限AI时代的财富重构不仅由技术迭代驱动，更受到物理硬约束与制度软约束的双重制约，两类约束分别决定了产业发展的底层基础与长期可持续性，也重塑了资产价值的分化逻辑。

从硬约束来看，AI技术普及将持续强化物理资源的稀缺价值，颠覆“数字时代摆脱实体约束”的固有认知。AI算力中心、半导体工厂、高端封装产线、光学传感器制造等产业，对土地、电力、关键矿产的消耗远超传统制造业，部分高端产业的土地消耗是普通制造业的3至5倍。

在万物摩尔定律作用下，绝大多数数字化产品、技术服务的成本持续下降，但土地、能源、高端矿产等不可再生物理资源的稀缺性持续凸显，特定核心城市、产业集聚区的区位土地价值将持续上行。这也重塑了房地产的分化逻辑，AI产业集聚的创新型城市，依托算力基建、人才集聚、产业生态优势，土地与房产具备持续增值动力，而普通城市房地产将持续承压，楼市结构性分化格局彻底固化，打破了AI时代不动产全面贬值的片面认知。

从软约束来看，制度供给稀缺性成为AI产业高质量发展的核心瓶颈，也是长期竞争的核心护城河。当前我国AI硬科技研发、产业落地、基础设施建设成效显著，但数据隐私保护、跨域数据流通规则、行业准入监管、模型可解释性界定、风险责任划分等制度体系仍不完善。

制度供给的稀缺性，直接形成产业发展的差异化壁垒：合规完善的主体具备低风险、低成本的发展优势，而合规缺失的主体面临极高的整改与运营成本，长期锁定产业发展格局、重塑行业成本结构。从全球竞争来看，AI产业的短期比拼是技术与算力，长期比拼是治理体系与制度能力。

软约束的完善程度，直接决定一国AI产业能否实现安全、可持续、普惠性发展，是中美AI竞争中容易被忽视的核心维度。AI时代的产业泡沫与技术路径选择：竞争压力下的发展困境当前全球AI投资热潮备受争议，局部产能过剩、估值偏高的“泡沫化”特征凸显，但从宏观战略视角来看，本轮AI泡沫具备显著的理性属性。

数据显示，中国AI私人部门投资规模仅为美国的1/23，基础设施建设、核心技术投入仍存在巨大差距。诺贝尔经济学奖得主斯彭斯提出，AI领域的本轮投资泡沫属于理性泡沫，微观层面的资本错配与局部过热，是宏观战略竞争下的必然选择。

美国财长也曾明确表态，AI发展的最大风险是被中国超越。这一定位决定了中美AI竞争是长期、高强度的战略博弈，各国必然持续加码产业投资，局部泡沫是战略竞争的必要代价。在高强度竞争格局下，各国技术路径选择面临被动困境，难以兼顾效率与公平、赋能与替代。

从技术属性来看，AI发展存在两种路径：劳动赋能型技术与劳动替代型技术。从容的产业治理应当优先选择赋能型技术，依托AI提升生产效率、弥补人口老龄化与劳动力短缺短板，实现技术向善、就业稳定与民生改善。

但在激烈竞争的压力下，产业发展优先追求技术赶超、赛道卡位、硬科技突破与效率提升，而对于是否造成更大的不公平，以及是否更多地导致替代劳动而非赋能劳动，往往会顾及不周（或者把它们当作排序靠后的目标）。

这将带来远超技术迭代本身的社会风险，需要宏观治理层面主动纠偏。值得警惕的是，AI对就业的替代可能并非小规模、渐进式的，而是大规模、爆发式的。技术迭代速度远超劳动力转型速度，常规白领岗位、流程化工作将被批量替代，而新就业岗位的培育、劳动力技能的迭代存在显著滞后性，这可能在较短时期形成巨大的就业与社会稳定压力，这也是AI时代最核心的社会经济风险之一。

金融体系转型与财富分配的治理重构AI时代劳动收入弱化、资本收益极化的格局，意味着传统依靠市场自发调节的分配模式已然失效，单纯的技术进步无法自动实现社会普惠发展。因此，我们必须依托财政、金融与制度治理的系统性改革，破解财富分化困局，实现AI红利的全民共享。

传统金融体系以服务生产、服务供给为核心，AI时代需要转向兼顾生产与分配、赋能个体发展的全新模式。一是完善普惠性人力资本投资金融服务，优化学生贷款、终身学习金融支持体系，打破教育资源、技能提升的资金壁垒，弱化原生禀赋带来的发展差距，提升社会流动性，适配AI时代终身学习的刚需。

二是创新公共资本参与模式，推行全民基本资本制度（UBC），依托政府产业基金、国资平台入股头部AI高科技企业，将AI产业的资本红利转化为公共收益。通过国有资本分红、收益再分配等方式，对被AI技术替代、承受产业冲击的普通民众进行补偿，对冲技术迭代带来的收入损失，平衡资本与劳动的收益差距。

从宏观治理层面，AI时代的核心命题不在于抑制技术创新，而在于构建适配技术变革的分配与治理体系。AI能够创造海量社会财富、极致提升生产效率，但技术带来的创造性破坏会持续冲击传统就业与收入体系，若治理体系滞后，技术红利将高度集中于资本与高端技术群体，社会分化将持续加剧，最终引发系统性社会风险。

未来全球AI竞争的终极胜负，不仅取决于硬科技、算力、模型的技术比拼，更取决于国家治理能力。能够同时实现AI产业技术突破、自主可控，通过再分配机制平衡社会财富、维护社会公平，构建完善风险治理体系的经济体，才能真正把握AI时代的发展红利，实现技术进步、经济增长与社会均衡的多重共赢。······本文完整版刊登于《北大金融评论》第29期