夜雨聆风这几年，很多人都在说：
AI 会大幅提高生产力。
AI 会创造巨大财富。
会用 AI 的人会赚很多钱。
但这里有一个很朴素的问题：
如果老百姓手里的钱就那么多，AI 生产出再多东西，谁来买？
社会财富总量难道不是固定的吗？
一个人的收入，不就是另一个人的支出吗？
AI 所谓创造财富，会不会只是把钱从一部分人手里转移到另一部分人手里？
这个问题非常关键。
因为它直接关系到 AI 时代到底是多数人受益，还是少数人暴富。
一、技术进步会增加产能，但不会自动增加购买力
先说结论：
AI 确实可以创造增量财富，但它不会自动让普通人变有钱。
技术进步最直接的作用，是让同样的人力、土地、资本，生产出更多商品和服务。
过去十个人完成的工作，现在一个人加 AI 可能就能完成。
过去很贵的翻译、设计、分析、编程、客服，现在成本可能大幅下降。
这意味着社会的生产能力变强了。
但问题在于：
生产能力变强，不等于普通人就有钱消费这些新增产能。
历史上类似的事情发生过很多次。
工业革命让纺织品、钢铁、煤炭、铁路快速扩张，但工人并不一定马上买得起这些新增商品。1929 年大萧条也不是因为社会突然不会生产了，而是信用收缩、收入崩塌、需求消失。
工厂还能生产，商品也存在，但人们买不起。
所以，技术能创造供给，却不能自动创造有效需求。
二、AI 财富要进入普通人生活，必须通过六条通道
AI 创造的财富，只有通过某些机制进入普通人的收入和消费能力，才会真正变成大众福利。
主要有六条通道。
1. 降价：同样的钱买到更多东西
这是最直接的方式。
如果 AI 让某些服务成本下降，比如客服、翻译、教育、医疗辅助、法律咨询、内容生产、软件开发，那么普通人即使工资不涨，也能用同样的钱买到更多东西。
这本质上就是购买力提高。
过去拍照、修图、导航、搜索、翻译、剪辑都很贵，现在很多功能接近免费。普通人手里的钱没有明显变多，但生活能力被放大了。
不过，这里有个前提：
成本下降必须传导到价格下降。
如果一个行业被少数平台控制，AI 降低的成本可能不会让利给消费者，而是变成平台利润。
所以，AI 红利能不能变成低价，取决于市场竞争是否充分，也取决于开源模型、反垄断、数据可迁移、小企业能否低成本使用 AI。
2. 工资：普通人用 AI 提高赚钱能力
这是最健康的路径。
如果 AI 不是替代普通人，而是增强普通人，那么财富就能通过工资进入大众手里。
比如：
销售用 AI 服务更多客户。
设计师用 AI 做出更多方案。
程序员用 AI 开发更多产品。
小商家用 AI 自动写文案、做客服、分析数据。
老师用 AI 做个性化辅导。
医生用 AI 提高诊断和管理效率。
这时，AI 就不是“抢饭碗的机器”，而是普通劳动者的生产工具。
但问题是，AI 不会平均增强所有人。
越是标准化、重复性、可远程交付的工作，越容易被 AI 压价甚至替代。比如纯录入、初级文案、模板设计、简单翻译、基础客服、浅层数据整理，都会越来越便宜。
所以普通人真正要做的，不只是“学 AI”，而是：
把 AI 和自己的行业能力结合起来。
未来更值钱的不是“会用 AI 写东西”，而是：
懂业务的人使用 AI；
能判断结果对错的人使用 AI；
能对交付结果负责的人使用 AI；
能把 AI 接进流程、产品、客户和组织的人。
3. 新就业：旧岗位减少，新岗位吸收人
每一轮技术革命都会改变就业结构。
农业机械减少了农民，但制造业吸收了大量劳动力。
制造业自动化后，服务业继续扩张。
互联网减少了很多传统中介岗位，但创造了电商、运营、主播、外卖、本地服务、软件开发等新职业。
AI 也会创造新岗位。
比如 AI 产品经理、自动化流程搭建、模型评估、数据治理、AI 教育、行业顾问、智能体运维、AI 安全、AI 内容审核、垂直应用创业。
但这里最大的问题是：
新岗位不会刚好出现在旧岗位消失的地方。
它可能不在同一个城市。
不属于同一个行业。
不适合相同年龄段的人。
也不需要原来那套技能。
这就是技术转型中最痛苦的地方。
长期看，社会也许还有工作；但短中期内，一部分人会被甩出原来的收入系统。
解决这个问题不能只靠一句“去学习”。
更现实的做法包括：
企业内部转岗，而不是简单裁员；
政府补贴职业再训练；
社区大学、职业教育、在线证书降低学习成本；
给中年转型人群提供过渡收入；
鼓励小企业也能使用 AI，而不是只有大公司吃到红利。
4. 创业：AI 降低小团队赚钱门槛
AI 最大的机会之一，是让小团队拥有过去大公司才有的能力。
一个人可以同时做文案、客服、设计、数据分析、代码、广告投放、销售材料、财务初稿。
这会降低普通人创业的门槛。
以前开一个业务，需要很多员工、很多软件、很多外包。现在一个小团队，甚至一个人，就能完成过去一个部门的工作。
这意味着更多普通人有机会从“打工者”变成“小型生产者”。
但这条路也有风险。
如果流量、支付、云服务、模型、应用商店都被大平台控制，小创业者可能会被抽成、限流、封号，甚至被平台复制。
最后变成：
普通人负责试错，平台负责收租。
所以，要让 AI 真正帮助普通人创业，就需要更开放的生态、更清晰的平台规则、更低成本的云服务和模型，以及对小商家客户关系和数据资产的保护。
5. 资产收益：普通人也要拥有一部分 AI 生产资料
如果 AI 时代的利润主要归资本所有者，那么普通人只靠工资，很容易越来越被动。
因为机器越来越会赚钱，模型、算力、数据、平台、股权会变得越来越重要。
这时，普通人要分享 AI 财富，就不能只依赖劳动收入，还要有资产通道。
比如：
养老金投资科技企业；
全民基金或主权财富基金持有 AI 相关资产；
员工持股和利润分享；
合作社拥有自己的 AI 工具和数据；
公共部门投资基础模型和算力基础设施。
本质上说：
如果机器越来越能挣钱，普通人就要通过制度安排，拥有一部分机器收益。
否则，AI 越强，劳动者越弱，资本所有者越强。
这也是为什么未来员工持股、养老金覆盖、公共 AI 基金、利润分享机制会越来越重要。
6. 政府再分配和公共服务：把 AI 税基转成大众福利
如果 AI 真的让企业利润大增，同时压低劳动收入，那么税制和公共服务也必须调整。
过去政府主要从工资、消费、企业利润中收税。
未来如果劳动收入占比下降，而平台利润、资本收益、数据收益上升，就需要更多从这些地方筹集公共资源。
这不是简单地“惩罚创新”。
更准确地说，是要对垄断利润、平台抽成、资本收益、数据资源收益、超额利润进行合理征税，然后把这些钱转化为公共服务和普通人的安全感。
比如：
更好的公共医疗、教育、养老；
失业保险和转岗补贴；
劳动收入补贴；
儿童补贴和住房补贴；
对低收入者减税；
必要时讨论全民基本收入。
但再分配也不能走极端。
税太轻，财富会过度集中。
税太重，可能抑制投资和创新。
真正难的是平衡：既鼓励技术进步，又防止技术红利只流向少数人。
三、AI 时代最大的风险：供给很强，需求很弱
回到最开始的问题：
老百姓手里的钱就那么多，AI 生产出那么多东西，谁来买？
这个担心不是多余的。
如果 AI 替代劳动者，导致工资下降；
如果 AI 收益集中到少数公司和资本家；
如果商品和服务变多，但普通人收入不足；
那就会出现一种局面：
生产力很强，社会需求很弱。
内容、软件、服务都过剩。
企业账上利润很好看。
但普通人收入承压，消费不足。
最后只能依赖借债、补贴、低价内卷来维持运转。
这不是健康的繁荣。
健康的 AI 经济，应该是几种机制同时发生：
一部分通过降价释放购买力；
一部分通过工资提高释放购买力；
一部分通过新就业和创业释放购买力；
一部分通过资产收益释放购买力；
一部分通过公共服务和再分配释放购买力。
只有这样，AI 创造的财富才不会停留在少数公司的财报里。
四、普通人应该怎么做？
对普通人来说，最重要的一句话是：
不要站在被 AI 替代的一侧，要站在用 AI 交付结果的一侧。
具体来说，有几件事很重要。
第一，不要只做标准化执行环节。
纯录入、纯搬运、纯模板化写作、纯初级设计、浅层分析，都会越来越便宜。
第二，把 AI 变成自己的杠杆。
以前一天做一个方案，现在用 AI 做五个方案。以前只能服务本地客户，现在可以服务全国客户。
第三，绑定行业知识。
“会用 AI”不稀缺，“懂行业并能用 AI 解决具体问题”才稀缺。
第四，积累客户、渠道、品牌和数据。
这些东西比单纯技能更抗替代。
第五，尽量拥有资产。
包括股权、养老金、自己的产品、自己的客户池、自己的内容资产、自己的小生意。未来只靠工资会更脆弱。
五、企业和政府也不能缺位
企业如果只是用 AI 裁员，短期利润可能会上升，但长期市场需求会变弱，组织能力也可能空心化。
更好的路径是：
用 AI 提高员工产出，而不是只砍人；
让员工分享效率收益，比如奖金、分红、股权；
把 AI 用在新产品、新市场，而不只是降本；
对被影响岗位做转岗；
保留人类判断、客户关系和责任链条。
政府的任务也不是阻止 AI，而是保证 AI 生产率能转化成广泛购买力。
比如：
反垄断，防止少数平台吃掉全部红利；
支持开源模型和公共算力；
改造职业教育和再培训体系；
调整税制，让资本收益和平台利润承担更多公共责任；
加强社会保障，降低技术转型期的恐慌；
推动 AI 进入医疗、教育、政务、养老等民生领域。
六、最后的关键问题
AI 会不会创造财富？
会。
但真正的问题不是这个。
真正的问题是：
AI 创造的财富，是通过降价、工资、新就业、创业、资产收益和公共服务流向多数人，还是被少数平台、资本和技术垄断者拿走？
技术进步只负责把蛋糕做大。
市场、制度、企业治理和个人选择，决定蛋糕怎么分。
所以，AI 时代最重要的分水岭不是“会不会用工具”。
而是：
AI 最终会成为少数人的提款机，还是多数人的生产工具。