AI越繁荣,谁在承担K的另一半?17.9%青年失业率给出答案

2026年的模型显示，在极端情景下，到2030年美国GDP将因AI高出无AI基准32.4%，劳动收入份额从60%跌至45.2%，认知类岗位失业率逼近17.9%。但更值得细看的是另一个数字：总劳动收入几乎与无AI情景持平——0.45×1.32≈0.60。蛋糕大了三分之一，劳动份额少了四分之一，两相抵消，劳动者的总收入并没有比没有AI时更少。

问题恰恰藏在这个“总量持平”里。总量稳住了，内部却在剧烈重组：高AI暴露职业集中在精算师、金融审查员、预算分析师等年薪中位数两倍以上的认知岗位，AI暴露度与工资的相关系数已经高达0.54。被替代的是初级分析师、基础法务、文案和行政支持岗位，受益的是能调度AI工具的资深从业者和资本所有者。普华永道的数据更直白：2025年掌握AI技能的就业群体平均获得62%的工资溢价。

所以，“AI会不会让劳动收入消失”是一个伪问题。真问题是：技术红利在劳动内部、在代际之间、在区域之间的分配，正在比总量增长更快地撕裂社会。

只要AI跑得够快，增量就能覆盖旧动能的收缩。数据不支持这个判断。2026年中国宽口径AI资本支出约1.2万亿元，占GDP比重仅0.8%，远低于美国约3%的水平，也低于此前“新三新”投资高峰期的约2%，与房地产高峰期占GDP约14%的投资规模更不在一个量级。三新经济占GDP比重2025年为18.39%，传统产业仍然是就业和收入的基本盘。

这意味着一个关键的时间错配：旧动能（房地产、传统制造、线下零售）的收缩是即时的，新动能（AI、半导体、高端装备）的就业创造和收入外溢是滞后的。 AI资本支出占GDP突破2%的阈值之前，它对全要素生产率的拉动微弱；突破之后，红利才会从算力硬件向上游集中，再缓慢渗透到下游行业。在这个窗口期里，如果传统产业快速失速，AI赛道的增长根本对冲不了整体下行，反而会让K型的下半支更深。

框架是对的：总量做大、传统产业赋能、民生保障兜底，三者缺一不可。但真正卡住的地方在于，这三件事各自都面临激励扭曲。

第一，企业没有动力主动选择“增强型AI”而不是“替代型AI”： 对单个企业来说，用AI裁掉十个初级员工、留下两个能驾驭工具的资深员工，是最优的成本决策。要求企业“优先人机协同”，等于让企业承担本应由社会分担的转型成本。没有财政补贴、税收抵免或监管约束向增强型应用倾斜，企业的理性选择会持续放大替代效应。

第二，中小传统企业用不起、也不会用AI：算力成本、复合型人才缺口、投入回报周期长，三个约束叠在一起，使得AI渗透很可能先发生在少数头部企业和原生科技公司，而不是吸纳绝大多数就业的传统制造业和服务业。行业公共AI服务平台、轻量化开箱即用工具、普惠数字化转型补贴，这些不是“锦上添花”，而是防止K型在产业维度上固化的底线基础设施。

第三，劳动收入份额的下滑不会自动触发再分配：市场机制不会因为劳动者受损就自动把资本收益转移过去。Anthropic自己的模拟也承认，即使社会总财富足以补偿受损群体，补偿也需要制度设计来完成。而中国目前的社保体系仍然以标准劳动关系为锚，外卖骑手、零工劳动者、灵活就业者进入职工社保的成本和门槛依然偏高。如果AI催生的新就业形态大量落在社保网络之外，保障体系覆盖的人群恰恰是最需要保护的人。

在讨论AI的长周期红利之前，有一个短周期的硬约束需要被正视。按照原文的静态测算，在新动能尚未显著拉动有效需求的阶段，每年需要为实体经济新增约4万亿元有效需求，才能让国民经济不滑入资产负债表收缩的循环。2026年1—9月社零总额同比仅增长1.1%，9月单月剔除汽车后增长3.9%，消费修复的力度离这个量级还有距离。

这不是否定AI的长期价值，而是提醒政策的节奏感：用稳定增长的时间，换新质生产力发展的空间。 如果消费和投资在AI红利兑现之前持续走弱，传统部门的收缩会先于新部门的扩张完成，K型分化就会从“阶段性现象”变成“结构性锁定”。

AI本身没有立场。它既可以是扩散式收敛的引擎，也可以是K型撕裂的加速器。区别不在于模型能力跑得多快，而在于三个制度选择：AI资本配置是继续涌向算力硬件的重复建设，还是更多流向传统产业的增强型应用；劳动收入份额的下滑是被再分配机制对冲，还是任由市场自行完成；被技术甩下车的劳动者，是由社会共同承担转型成本，还是由个体独自消化。

2026年的数据已经给出了预警信号：青年失业率17.9%，品牌专卖店下降10.3%，而AI技能溢价62%。K的下半支不是抽象的风险，它已经坐在招聘会的走廊里，刷着第2801份求职申请。扩散式收敛不会因为技术进步而自动到来——它需要有人主动把桥架过去。