巴爾把 AI 的兩種未來並排攤開：生活水準普遍提高，還是財富更集中

他把題目設定成一個問句：AI 比較可能縮小所得與財富的不均、讓金融普惠繼續前進，還是擴大不均、把近年好不容易累積的普惠成果侵蝕掉。他說 AI 有潛力改變人的生活與美國經濟，可能讓工作者生產力提高，而且中低所得工作者受益最多；但它也可能反過來擴大不均，消滅一部分中低所得職位，同時推高高所得者的所得與財富。既然不知道哪一種未來會實現，用情境來談就有用。

“But it is also the case that AI may instead exacerbate inequality, eliminating some lower- and middle-income jobs while boosting the income and wealth of higher-income individuals. Since we don’t know which of these futures will come about, it is useful to use potential scenarios, as I’ve done previously with respect to AI and the economy.”

他接著把長期與過渡期分開處理：長期來看，技術進步創造的工作往往多於它摧毀的，加上生產力提高，傾向普遍拉高生活水準；但通用技術大規模普及之後的那段期間，被錯置的人數與傷害的程度可能既大且持久。他用網際網路當例子——它確實提高了經濟的產能、也普遍提高了生活水準，但受益集中在資訊密集的工作，因此很可能同時擴大了不均。

“In the long run, technological advances tend to broadly raise living standards by creating more jobs than they destroy and increasing productivity. But transitions and outcomes can vary, and in the period following the mass adoption of a general-purpose technology—such as electricity, the telephone, and internet-enabled personal computers—the number of people dislocated and the extent of the harm they may suffer can be large and persistent.”

他也先劃清界線：與 AI 有關的教育、職訓與勞動力發展、競爭、稅制這些政策，不在聯準會的職權範圍內，是其他政策制定者要決定的事。他把自己的角色設定成把機制與可能的結果講清楚，而不是主張某一套政策。

他從拆解所得的組成開始。最大的一塊是勞動所得，個人之間的差距反映技能的供給與需求、生產力，以及投入工作的時間——這三項都會被 AI 影響。所得還包含資本與投資的收益，因此也包含企業（例如 AI 公司）所有權的集中程度。2024 年，所得最高的五分之一美國家庭拿走全部所得的 52%，最低的 20% 只拿到 3%。

“In 2024, the highest-earning one-fifth of U.S. households earned 52 percent of all income, and the bottom 20 percent earned only 3 percent.”

財富端他給的數字更集中：後半數的美國家庭持有的財富不到 3%，前 10% 持有 59%，前 0.1% 持有 15%。他指出投資收益再投入時財富會自然複利，已經持有會增值資產的人，財富成長速度往往遠快於主要靠薪資的家庭，兩邊的差距因此持續拉開。他同時提到 2024 年美國在 G20 裡是所得分配第六不平均的國家。

“The bottom one-half of U.S. households hold less than 3 percent of wealth, the top one-tenth hold 59 percent, and the top one-tenth of a percent hold 15 percent.”

第一條機制是勞動取代。他引 Claudia Goldin 與 Larry Katz 的研究指出，過去幾波技術浪潮的好處傾向流向技能較高、教育程度較高的工作者；而這一次可能連年輕的大學畢業生都受影響，因為他們的技能比前幾波更容易被 AI 複製。他補充，使用 AI 更密集的人可能獲益最多，而用得起最先進、最昂貴模型的人，又可能贏過只能用基礎模型的人。

“But in this scenario, AI could harm not only less-skilled workers, but also younger college-educated workers whose skills are more easily replicated by AI than in prior technological waves.”

他用聯準會自家的家庭經濟決策調查給出落差：研究所學歷的工作者有 43% 表示上個月使用過 AI，高中以下學歷只有 10%。他接著指出這組事實的含意還不清楚——如果 AI 主要是取代勞動，那麼沒有接觸到 AI 對這些工作者反而是好事；如果 AI 是增強既有的工作，那麼沒接觸到的人會被落下。

“In the Federal Reserve’s most recent Survey of Household Economics and Decisionmaking, 43 percent of workers with a graduate degree reported using AI in the previous month, compared with 10 percent of workers with a high school degree or less.”

第二條機制是集中。他引 Anton Korinek 與 Jai Vipra 2025 年的論文：AI 仰賴資料、模型改良與算力，具備規模經濟與範疇經濟；更多資料、更好的模型與更多算力會換來大幅更強的能力，這解釋了為什麼投資規模巨大且集中在少數被稱為超大規模業者的公司。他另外點出一個看起來正在推動集中度再往上的特性——AI 本身就是訓練與加速開發新模型的強力工具，等於 AI 在改良自己的研發。

“While computing technology has always tended to support the market dominance of industry leaders, the extent of the advantage possessed by AI industry leaders may prove to be unprecedented.”

不過他在同一段把現況的證據講明：到目前為止，幾乎沒有證據顯示 AI 造成全經濟範圍的職位取代；能看到的是一些證據指向部分職類的年輕工作者更難進入職場。他的結論是考慮到 AI 採用還在很早期，應該把包含更大規模勞動錯置在內的完整可能區間都納入考慮。

“As of right now, there has been little evidence of economy-wide job displacement from AI.”

他把樂觀情境的核心講成一句類比：印刷術普及了知識、網路普及了資訊，AI 可能普及「能力」本身。透過家教、教練、寫作協助、程式支援與問題解決的指引，數以百萬計的人可以取得過去要靠特別的教育、財富或人脈才拿得到的技能。他說愈來愈多研究顯示 AI 能在不必然取代工作者的前提下增強生產力，而且對經驗較少的人效果特別大。

“Just as the printing press democratized knowledge and the internet democratized information, AI may democratize capability itself.”

他舉的實驗是：大學程度的專業工作者先獨力完成一批書面作業，再用 AI 做第二輪。平均完成時間縮短 40%、成果品質提高 18%，兩者相加是顯著的生產力提升；而且進步幅度最大的，是第一輪表現最差的那群人——生產力的差距因此縮小。他並指出 AI 可能降低創業門檻，讓有好點子但缺財務或會計技能的人也做得起來。

“AI reduced the average time to complete assignments by 40 percent and improved the quality of the results by 18 percent—a combination that constitutes a significant productivity gain.”

另一條路徑是全新的職業。他舉的例子是美國目前約有 1,200 萬名以社群媒體創作為全職工作的人，這在十年前無法想像。他接著點名經濟學上的「勞動總量謬誤」：勞動市場不是零和。試算表軟體取代了基礎會計裡技能較低的部分，結果是提高會計師的生產力——技術增強了人的能力，而不是取代那個人；它重新定義了什麼事情做得到，而不是消滅一個行業。

“Instead of eliminating a field, technological advances redefined what was possible.”

第一個變數是教育、職訓與勞動力發展。他認為 AI 素養很可能會像今天的電腦技能一樣成為許多工作的基本門檻：要會下提示、把 AI 整合進工作流程、監督寫程式的代理、管理多個代理，並對輸入與輸出行使判斷、查核結果。他用計算機、文書處理與簡報軟體當對照——不久前那些還是專門人員的工作，現在是多數辦公室職位的最低資格。

“Education will be critical in how well workers and the U.S. economy adapt to the AI revolution.”

但他馬上補一句：只盯著 AI 技能大概不是對的做法。他的直覺是好奇心、彈性，尤其是常識與人的判斷力，會是這個新經濟裡的關鍵能力。他引 Ethan Mollick 的《Co-Intelligence》——在 AI 時代能不能成功，靠的不是把技術本身練到精通，而是培養提出有洞察力問題的人的能力，包括分辨嚴謹推理與貌似合理的胡說、做出倫理判斷、跨領域整合知識。他的結論是對人文素養、人際關係這類以人為中心的能力的投資，與技術技能同樣重要。

“success in the AI era depends less on mastering the technology itself than on developing the human capacities to ask insightful questions.”

第二個變數是市場結構。他引 Korinek 與 Vipra 的論點：競爭是促進所得與財富平均的重要力量，它壓低成本、讓技術進步的取得管道擴散，使好處比較可能在消費者與工作者之間廣泛分享。他也誠實地加上限制條件——光有競爭不會自動降低不均，因為勞動與資本市場仍決定利得如何在企業與工作者之間分配，競爭只是廣泛共享的其中一項投入。

“Competition lowers costs, spreads access to technological advances and makes it more likely that the benefits of those advances are shared widely among consumers and workers.”

結論他收在一句把責任放回人身上的話：AI 會不會減少或增加所得與財富的不均並不明朗，但社會現在就可以開始做出影響結果的選擇。關於 AI 能做什麼，各種大膽的宣稱已經很多，有些會實現、有些不會；而未來的不均程度，不只取決於 AI 做得到什麼，也取決於我們選擇拿 AI 做什麼。

“But future inequality will depend not only on what AI can do, but on what we choose to do with AI.”