AI生产率提升背后，谁在分配新增价值？

在AI技术快速发展的今天，一个看似矛盾的现象正在多个行业中显现：尽管AI显著降低了生产成本，但许多从业者却并未从中获得预期的收益增长。以AI漫剧为例，某团队原本需要三万元制作一部短剧，借助AI工具后成本降至三千元，理论上节省了两万七千元。然而，现实情况却是：内容供给激增导致市场竞争加剧，投流竞价抬高，原本省下的成本迅速被流量采购重新吸走，甚至还需要额外投入。

这种现象并非AI漫剧独有。在AI Coding、AI搜索、AI音乐等领域，同样面临着效率提升与收入增长脱钩的问题。究其原因，在于AI带来的收益并不会自动留在生产者手中，而是可能流向平台、算力、数据等新稀缺环节。经济学理论告诉我们，价值贡献并不等同于收入索取权。能否将贡献转化为收入，取决于对关键资产、分发入口、交易规则的掌控能力，以及谈判和审计能力。

当前，中国AI价值链的利润分配格局正在发生深刻变化。摩根大通预测，未来四年中国AI将创造约3.65万亿人民币的经营利润，但其中93%将由硬件环节（如算力、芯片）获取。然而到2030年，这一比例将降至30%，而模型和应用层将占据54%的利润份额。这意味着，接近三分之二的利润增量将不再属于卖铲子的人，而是真正将AI应用于企业流程的企业。

这种利润重心的转移，反映了AI从基础设施建设期向深度应用期的过渡。前两年是硬件抢滩期，大家都在抢显卡、建机房；但当硬件供给逐步饱和，价值一定会向下游传导——谁能将AI嵌入企业的真实工作流，做出让人愿意持续付费的产品，谁才能沉淀出真正的商业壁垒。

值得注意的是，AI参与自身研发的能力正在增强。Google的AlphaEvolve利用Gemini提出候选程序并筛选优化，使关键计算核加速23%，对应训练时间缩短约1%。支撑这套系统的模型已经用到了它帮助发现的改进，形成正反馈。这种递归自我改进（RSI）虽然尚未完全实现，但已经为企业争夺研发速度提供了新的可能。

然而，AI自我改进的过程也带来了新的挑战。如何评估改进是否真正有效？如何确保改进不会牺牲其他重要指标？这些问题都需要独立验证和实际检验。毕竟，AI可能找到符合某项指标（如速度）的方案，却牺牲了可重复性等其他要求。

总的来说，AI时代的价值分配问题远比表面复杂。它不仅涉及技术进步，更关乎制度设计、权力结构和市场规则。只有解决好谁有权对新增生产率提出索取权的问题，才能让生产力提升真正惠及广大从业者，而不是成为少数人的红利。

这张漫画形象地展示了AI生产率提升后的价值分配困境：左侧的劳动者面对飞速运转的机器，提出了"谁能主张？"的疑问；右侧的锁箱则代表了最终掌握价值的主体。这生动地反映了当前AI时代的核心议题：当生产力大幅提升时，究竟是谁拥有对新增生产率的索取权？

这张图片展示了一个充满硬币的工作台，象征着AI技术带来的潜在财富。然而，这些硬币并非自动落入生产者的口袋，而是需要经过复杂的分配过程。这提醒我们，在AI时代，单纯的技术进步并不能保证收益分配的公平性，必须要有相应的制度设计来保障各方权益。

这张图片提示关注前沿科技动态，呼应了文章的主题。随着AI技术的不断发展，价值分配问题将成为影响行业发展的关键因素。只有及时了解全球科技动态，才能更好地把握AI时代的机遇与挑战。