有趣的事

AI 红利高度向资本集中,该如何通过制度设计实现全民共享?

AI 带来的收益天然容易向资本集中:模型、算力、数据和平台都有较高的固定投入,规模越大,边际成本往往越低,领先者便能积累更多用户、数据与议价能力。要让全民共享,关键不是简单地把企业收益平均分掉,而是让公众既分享生产率提升,也有能力适应岗位和收入结构的变化。

一是让劳动者分享企业采用 AI 后的增量收益。可通过集体协商、员工持股或利润分享,把生产率提升的一部分转化为工资、奖金和缩短工时,而不是只体现为裁员和资本回报。制度设计需要看实际净收益,并配套透明的影响评估,避免企业把普通经营收益包装成“AI 红利”。

二是用税收和公共财政回流部分经济租。对超额垄断利润、资本所得和大型平台的合理征税,可以支持全民可及的教育、医疗、养老、失业保障以及转岗培训。与其单独征收一种难以界定的“机器人税”,更稳妥的是完善现有税制、减少劳动收入与资本收入之间不合理的税负差异,同时防止利润通过跨境安排逃避税负。税收应针对可识别的收益和市场势力,而不是惩罚所有自动化投资。

三是扩大公众对资本收益的持有。养老金、公共投资基金或面向全体居民的长期基金,可以在明确治理、风险披露和利益冲突规则的前提下持有多元化资产,让普通人通过退休金或公共服务间接分享增长。若设立居民分红,资金来源、分配公式和周期应公开,并保留跨周期储备,避免把短期资产价格上涨当作稳定收入。

四是把数据与 AI 的公共价值纳入治理。个人数据权利、可携带性、隐私保护和合理的收益安排可以增强用户议价能力;公共部门资助形成的研究成果、数据集或基础设施,也应在采购和许可合同中明确公共回报、开放条件与安全边界。这里不宜把每条个人数据简单标价分红:价值通常来自规模化组合,隐私和滥用风险也不能用小额补偿抵消。

最后,制度要防止收益共享被市场垄断抵消。促进互操作、可迁移和公平竞争,审查排他性并购与不合理的算力或平台准入限制,才能让创新收益不只落在少数守门者手中。可以先用可核算的企业分配、税收回流和培训保障等政策试点,持续公布就业、工资、生产率和市场集中度指标,再据此调整规则。目标不是阻止 AI 提高效率,而是让提高效率所创造的价值,通过劳动收入、公共服务和广泛持有资产等渠道,稳定地回到社会。

相关阅读