智胜｜AI员工不消费，谁来买单？谁来交税？

当我写完这篇文章之后，就越来越理解为什么国家强调数字经济

必须要以服务实体经济为基础和前提

智胜 | THE INTELLIGENCE EDGE

STRATEGY · INSIGHTS · IMPACT

AI员工不消费，谁来买单？

工资社会的终局、社会治理的重构与新分配革命

一、人类历史的财富分配，长期围绕“劳动力”展开

人类经济史，说到底是一部关于“谁掌握生产能力，谁分配财富”的历史。农业时代，最重要的生产资料是土地。谁拥有土地，谁就拥有粮食、租税、人口和军队。农民提供劳动力，地主、贵族和王权通过土地所有权参与分配。那个时代的逻辑是：土地创造剩余，农民提供劳动，地主和国家分配剩余。

工业时代，机器、工厂、铁路、煤炭、钢铁和资本成为新的生产资料。农民进入城市，变成工人。工人把自己的时间、体力和技能出售给资本家，换取工资。现代消费社会由此建立：企业雇佣人，人获得工资，工资形成消费，消费支撑企业收入，企业继续扩大生产。

到了知识经济时代，工程师、程序员、产品经理、销售、咨询顾问、律师、会计师、设计师、运营人员，成为新的脑力劳动者。他们出售的不再主要是体力，而是人的认知能力。可不管劳动形态如何变化，底层制度没有变：人提供劳动，组织支付工资，工资形成购买力，购买力支撑商业，商业继续雇佣人。

这套机制不仅支撑经济，也支撑现代政府治理。因为政府默认：人有工作，人有收入，人能纳税，人能消费，企业有收入，政府有税基，社会有秩序。就业、税收、消费、社保、房贷、教育、医疗、养老，全部建立在这个循环之上。

二、AI 的本质变化：劳动不再是生产的必要入口

过去所有技术革命都会替代一部分劳动，但通常也会创造新的劳动需求。蒸汽机替代体力，创造了工厂工人；电力替代手工，创造了流水线和现代制造业；计算机替代重复计算，创造了程序员和 IT 行业；互联网替代线下渠道，创造了电商、运营、客服、物流、广告和产品经理。

过去的规律是：机器替代旧劳动，同时创造新劳动。AI 的不同之处在于，它开始替代“认知劳动”本身。它不是只替代一只手、一条腿、一个工序，而是替代表达、分析、写作、编程、设计、沟通、销售、客服、管理和决策辅助能力。

IMF 的研究认为，全球约 40% 的就业暴露在 AI 影响下，发达经济体中这一比例约为 60%；AI 既可能增强部分岗位，也可能降低工资、减少招聘甚至替代部分岗位。[1] 世界经济论坛《Future of Jobs Report 2025》预计，到 2030 年，全球将有 9200 万个岗位被替代，同时创造 1.7 亿个新岗位，净增 7800 万个岗位。[2] 但真正的难点在于：新旧岗位并不是同一地点、同一技能、同一人群之间的平滑转移。

三、AI 员工最可怕的地方：它只生产，不消费

一个人类员工拿到工资之后，会买房、租房、吃饭、买车、旅游、教育孩子、看病、健身、买保险、买手机、点外卖、喝咖啡、看电影、买衣服、还贷款。

一个 AI 员工只消耗电力、芯片、算力、存储、带宽、冷却系统、模型调用费和数据中心折旧。它不买奶茶，不买房，不结婚，不生孩子，不交学费，不还房贷，不为焦虑买保险，也不为孤独去旅行。

这意味着 AI 员工不是传统意义上的劳动者。它更像一种新的生产机器。但它比工业机器更深刻，因为它不仅替代蓝领，也替代白领；不仅替代重复劳动，也替代大量标准化认知劳动。

于是，一个巨大的悖论出现了：企业越成功地用 AI 降本，社会越失去工资性购买力。每个企业都在理性裁人，所有企业最终共同消灭自己的客户。

四、旧社会治理体系为什么会失效？

过去政府治理的基本假设是：社会大多数人通过就业获得收入，通过收入形成消费，通过消费和收入纳税，通过社保缴费支撑养老和医疗体系。也就是说，现代政府治理不是抽象地治理“人”，而是在治理一个围绕就业展开的社会系统。

这个系统有五根柱子：就业、工资、消费、税收、社保。AI 冲击的不是其中某一个柱子，而是五根柱子之间的连接。

1. 就业治理失效：不是失业率上升这么简单，而是岗位入口消失

AI 最先替代的往往不是 CEO，而是初级岗位：初级程序员、测试、客服、文案、数据分析助理、销售助理、财务助理、法务助理、HR 筛选、行政助理、咨询分析师、产品助理。

这些岗位看起来低端，却是年轻人进入行业的入口。如果入口岗位被 AI 吃掉，就会出现一个严重问题：年轻人没有经验，所以公司不雇；公司不雇，年轻人永远没有经验。

ILO 关于生成式 AI 与就业的研究指出，文职和行政支持类岗位暴露程度最高，部分专业和技术岗位的暴露程度也在上升；并且因为岗位分布差异，女性可能面临更高暴露风险。[3] 这说明 AI 不是中性地冲击所有人，而是会沿着既有职业结构放大不平等。

2. 税收治理失效：工资税基下降，资本和算力税基上升

现代财政大量依赖工资、消费、企业利润和房地产相关税收。如果 AI 替代劳动，工资性收入占比下降，政府会面对个人所得税压力、社保缴费压力、消费税和销售税压力。与此同时，财富会更多流向资本所有者、平台公司、AI 公司、芯片公司、数据中心和能源公司。

OECD 对过去二十年劳动收入份额变化的研究指出，技术变化、全球价值链参与和市场份额向低劳动份额的“超级明星企业”集中，都压缩了劳动收入份额。[4] AI 会把这种趋势进一步推向极致：价值可能由全球用户数据、模型训练、云端推理、算法调度共同创造，但利润却可能被少数平台集中确认。

3. 社保治理失效：社保建立在稳定就业的假设上

传统社保体系默认一个人有稳定雇主、稳定工资、稳定缴费。但 AI 时代可能出现大量非标准就业：自由职业者、平台零工、短期项目制人员、半失业人群、AI 辅助个体户、内容创作者、小型智能体创业者、多职业组合人群。

如果社会保障仍然绑定雇主，很多人会掉出体系。未来社保要从“雇主绑定”转向“个人账户 + 公共底座 + 平台责任”。否则，AI 时代的最大问题不是没有工作，而是越来越多人有活干，却没有保障；有收入，却不稳定；有技能，却没有组织保护。

4. 消费治理失效：企业利润增长不等于社会需求增长

AI 可能提升企业利润率，但如果利润集中在资本端，普通人的购买力下降，消费就会疲弱。这会造成一种奇怪局面：GDP 可能增长，企业利润可能增长，资本市场可能上涨，但居民消费不强，年轻人不敢结婚，家庭不敢生育，中产不敢负债，地方财政承压。

过去看 GDP、投资、就业率可能还够。未来必须看劳动收入份额、居民可支配收入、消费倾向、年轻人就业质量、家庭资产负债表、AI 收益分配结构和平台利润集中度。否则会出现“宏观繁荣，微观体感很差”的治理错位。

5. 社会心理治理失效：工作不仅给钱，也给身份

工作不仅是收入来源，也是身份来源。一个人说“我是工程师”“我是老师”“我是销售”“我是设计师”“我是产品经理”，其实是在说明自己在社会里的位置。AI 替代的不只是任务，而是职业身份。

当一个人发现自己多年训练出来的能力，被 AI 用几秒钟完成，他失去的不只是收入，还有价值感。这会带来年轻人的无意义感、中年人的身份坍塌、家庭压力上升、社会怨气积累、政治极化、技术仇恨和对政府与企业的不信任。

五、政府治理将面临的七大挑战

挑战一：就业政策从“促进就业”变成“重构收入来源”

过去就业政策的目标是创造岗位。未来只创造岗位可能不够，因为 AI 会让很多岗位不再需要人。政府要从“就业治理”升级为“收入治理”：没有稳定岗位的人如何获得稳定收入？被 AI 提效的人如何分享提效收益？被 AI 替代的人如何获得转型资本？不适合转型的人如何获得基本保障？

挑战二：税收政策要追上价值创造方式

过去税收主要盯着企业利润、个人工资、商品交易和财产。未来价值创造可能发生在模型训练、数据采集、用户反馈、算法推理、算力调度、智能体执行、自动化决策和跨境 API 调用中。AI 时代税收必须从“看得见的人和企业”转向“看得见的数据流、算力流、模型流和收益流”。

挑战三：社会保障不能继续只绑定劳动合同

如果劳动合同越来越不稳定，社保就不能只靠雇主缴费。未来需要个人终身保障账户、平台缴费责任、AI 替代收益缴费、公共财政补贴和基础服务兜底。

挑战四：地方政府不能只招商企业，还要招商消费能力

一个高度自动化工厂可能产值很高，但雇人很少；一个 AI 公司估值很高，但员工很少；一个数据中心投资很大，但长期岗位有限，且主要消耗电力和土地。所以地方政府要重新评估项目价值：不只看投资额、产值和税收，还要看就业质量、本地消费带动、人才培养、中小企业带动、公共算力外溢和居民收入提升。

挑战五：教育体系不能继续训练“可被 AI 替代的人”

如果学校仍然训练学生做标准答案、标准写作、标准分析、标准代码和标准汇报，学生毕业后会直接撞上 AI。教育要转向问题定义、系统思考、跨学科判断、真实项目、人机协作、责任伦理、社会沟通和复杂场景决策。未来教育最大的任务不是让人比 AI 更会答题，而是让人更会提出值得回答的问题。

挑战六：公共服务需求上升，传统财政收入却可能承压

AI 替代劳动后，失业救助、职业培训、心理健康、基本收入、住房保障、医疗保障、养老压力、教育转型、社区服务都会上升。但如果工资税基下降，财政收入反而承压。这会形成新的财政剪刀差：需要政府花钱的人更多，传统税基却变弱。

挑战七：国家能力竞争从产业政策升级为分配制度设计

过去国家竞争看产业政策、制造能力、科技能力和资本市场。未来还要看一个国家能不能把 AI 生产力转化为社会稳定和大众福祉。AI 时代最强的国家，不一定是模型最强的国家，而是最能把 AI 红利转化为普通人生活改善的国家。

六、可能的解决方式：建立智能生产力社会分红制度

（以下仅供探讨，不代表作者认可这些观点）

AI 时代的治理不能只靠一个政策。不能只靠裁员税，不能只靠 UBI，不能只靠培训，也不能只靠平台自觉。需要一套组合制度。暂且把它称为：智能生产力社会分红制度。

1. 对 AI 替代性裁员建立调节税或社会补偿金

这不是简单反对企业裁员。企业有经营自由，也有技术升级权利。但如果企业通过 AI 大规模替代人类岗位，并因此获得显著成本节约，就应该承担一部分社会转型成本。

可以建立 AI 替代性裁员调节金、自动化替代补偿金、就业转型基金缴费、大规模岗位削减申报制度和企业 AI 替代影响评估。征收逻辑不是“裁一个人罚多少钱”这么粗暴，而是看裁员规模、岗位类型、是否由 AI 替代、企业利润改善程度、是否提供转岗培训、是否提供长期补偿、是否参与行业再培训基金。

2. 对算力征税，建立公共算力基金

AI 时代算力就是新土地。谁拥有算力，谁拥有生产能力。因此，可以对大规模商业算力使用建立公共贡献机制。税基可以包括大规模 GPU 集群使用量、商业推理调用量、数据中心能耗、高强度 AI 训练任务和商业智能体运行规模。

这笔钱不应该简单进入一般财政，而应该专项用于公共算力券、中小企业 AI 支持、学生 AI 学习额度、科研机构算力补贴、开源模型生态和地方公共智能体平台。核心目标是：不能让算力成为少数巨头的新土地。

3. 对数据收益征税，建立数据红利制度

AI 的能力来自数据。但数据并不是凭空产生的。它来自个人行为、公共服务、企业交易、城市运行、产业活动、互联网内容、专业知识、用户反馈、社会语言和文化积累。过去平台把数据免费拿走，训练模型后再卖给社会。未来应该建立数据收益分配机制。

数据税不是对所有数据简单收费，而是对数据商业化收益进行分配。尤其是公共数据、城市数据、医疗数据、交通数据、教育数据、能源数据，这些不是某一家企业私产。它们应该服务社会整体利益。

4. 建立 AI 红利基金或全民智能生产力基金

可以把 AI 替代性裁员调节金、算力税、数据收益税、平台超额利润税、机器人税、自动化收益税、公共模型授权收益、国有 AI 股权收益和数据中心能源收益，汇入一个长期基金。然后用于全民基础分红、职业转型账户和公共服务升级。

5. 从 UBI 升级为 UBS：全民基本服务

全民基本收入有必要，但不能只靠发钱。如果只是发一笔最低生活费，可能会变成“技术时代的贫困管理”。真正重要的是全民基本服务：基础医疗、基础教育、基础住房保障、基础网络、基础 AI 助理、基础能源额度、基础交通、基础养老和心理健康服务。

AI 时代，基本 AI 助理应该像义务教育一样，成为公共服务。否则，穷人不仅输在钱上，还会输在智能工具上。未来的贫富差距，不只是收入差距，而是智能增强差距。

6. 建立终身学习账户和转型资本账户

传统培训政策的问题是太短期、太形式化。AI 时代需要每个人拥有一个长期账户：职业技能账户、AI 工具学习额度、转岗培训资金、创业试错补贴、证书学习补贴和行业迁移支持。这个账户由政府、企业和个人共同出资。

但不能把所有责任都推给个人。不是每个人都能转型成 AI 工程师。转型政策要分层：可升级者提供技能培训，可迁移者提供行业转换，难迁移者提供收入保障，高风险者提供长期公共岗位。

7. 建立 AI 社会影响评估制度

未来大型企业部署 AI，不应该只做技术评估和安全评估，还应该做社会影响评估：会替代多少岗位，影响哪些人群，是否影响女性和青年，是否影响低收入人群，是否有再培训计划，是否有内部转岗计划，是否影响公共服务公平，是否造成算法歧视，是否加剧地区差距。

8. 建设公共智能体和公共数字劳动力平台

如果 AI 员工会成为生产力，那么不能只让大企业拥有 AI 员工。政府应该建设公共智能体平台，为中小企业、个体户、社区组织、学校、医院提供低成本 AI 能力。

例如中小企业财务智能体、社区养老智能体、公共法律咨询智能体、基层政务智能体、小微企业营销智能体、农户经营智能体、学生学习智能体、就业辅导智能体。这相当于给社会提供“公共数字劳动力”。

七、政府治理方式本身也要改变

AI 不只是治理对象，也会成为治理工具。未来政府治理要从“审批型政府”转向“智能响应型政府”。

从事后救济转向实时预警

政府要建立 AI 时代的社会风险仪表盘：行业岗位流失、企业 AI 替代率、年轻人就业入口、劳动收入份额、平台利润集中度、居民消费能力、家庭负债压力、心理健康指标、区域就业风险。过去很多政策是出了问题再补救。AI 时代变化太快，必须提前预警。

从统一政策转向分层政策

AI 对不同人影响不同。高技能人群可能被增强，中等技能白领可能被挤压，文职岗位可能被替代，年轻人可能失去入口，老年劳动者可能难以转型，女性可能在部分岗位中暴露更高。所以政策不能一刀切，要按照行业、年龄、技能、地区、性别、收入层级做精细化治理。

从补贴企业转向补贴能力

过去政府喜欢补贴企业、补贴项目、补贴园区。AI 时代更应该补贴能力：补贴人学习 AI，补贴小企业使用 AI，补贴公共算力，补贴数据开放，补贴开源生态，补贴职业迁移，补贴社区服务。否则补贴会进一步流向大企业，加剧集中。

八、企业也必须重构：从裁人降本到重建消费生态

如果企业只把 AI 当成裁员工具，最终会把自己带进死胡同。短期看，裁员能提升利润；长期看，企业需要客户、信任、创新和组织能力。如果把新人入口全部砍掉，企业未来会失去人才梯队。

真正有远见的企业，会把员工变成 AI 生产力的分享者。例如 AI 提效收益分享、员工智能体分红、内部创业基金、人机协作绩效权益和知识资产贡献奖励。否则员工会把 AI 看成敌人。

当软件功能被 AI 磨平，企业差异化会重新回到人类体验：信任、审美、体验、关系、品牌、责任、社区、文化、陪伴和安全感。未来真正稀缺的不是更快完成任务，而是有人真正理解你、陪伴你、为你负责。

九、个人怎么办：不要只做“可被自动化的任务执行者”

对个人来说，最危险的位置，是只会执行标准任务。标准任务最容易被 AI 学会。未来更安全的人，要拥有五种能力。

第一，定义问题的能力。AI 很擅长回答问题，但真正稀缺的是提出好问题。第二，整合资源的能力。AI 可以生成方案，但复杂世界里的资源、关系、信任、利益协调仍然需要人。第三，判断责任的能力。AI 可以建议，但出了事谁负责？未来有责任承担能力的人会更贵。

第四，真实关系能力。越是 AI 泛滥，越需要真实的人类关系。教育、咨询、医疗、心理、社区、养老、销售、高端服务，都会重新强调“人”。第五，拥有资产的能力。未来不能只靠工资，个人要尽可能拥有技能资产、内容资产、数据资产、股权资产、品牌资产、社区资产和智能体资产。

十、最终判断：AI 时代的政府，不只是监管者，而是新分配制度的设计者

工业时代的政府，核心任务是管理资本和劳动的关系。互联网时代的政府，核心任务是管理平台和市场的关系。AI 时代的政府，核心任务会变成：管理智能生产力和社会分配之间的关系。

如果政府只把 AI 当产业政策，就会鼓励企业疯狂降本，最后造成消费塌陷、就业压力和社会不满。如果政府只把 AI 当监管对象，就会陷入算法备案、内容安全、数据合规的局部治理，错过真正的大问题。

AI 时代的国家能力，不只是看谁的大模型强、谁的芯片强、谁的数据中心多。更要看谁能把 AI 生产力变成社会稳定能力，谁能把技术红利变成大众购买力，谁能把机器效率变成人的尊严。

结语：真正的崩盘，不是机器失控，而是分配制度停留在过去

真正的危机，不是 AI 没有生产力，而是 AI 太有生产力。真正的风险，不是社会没有财富，而是财富不再通过劳动流向大多数人。真正的崩盘，不是机器突然失控，而是生产力已经进入未来，分配制度还停留在过去。

农业时代，政府治理土地；工业时代，政府治理资本和劳动；互联网时代，政府治理平台和流量；AI 时代，政府必须治理算力、数据、模型、智能体和生产力红利。

如果这套制度设计不好，未来会出现一种可怕的繁荣：算力繁荣，消费萎缩；企业高效，家庭焦虑；资本增值，工资停滞；模型进化，人心失落。

如果这套制度设计得好，AI 就不是人类劳动的终结，而是人类从低价值重复劳动中解放出来的开始。但前提是：AI 不能只替资本生产，AI 必须为社会分红；AI 不能只让少数人拥有未来，AI 必须让大多数人仍然买得起、活得好、有尊严、有希望。

这才是 AI 时代真正的治理命题。

附：AI 时代治理制度清单（可作为政策讨论框架）

参考资料

[1] IMF, “Fiscal Policy Can Help Broaden the Gains of AI to Humanity”, 2024. 该文指出 AI 对全球约 40% 就业、发达经济体约 60% 就业产生影响，并讨论财政政策如何扩大 AI 收益。https://www.imf.org/en/blogs/articles/2024/06/17/fiscal-policy-can-help-broaden-the-gains-of-ai-to-humanity

[2] World Economic Forum, “The Future of Jobs Report 2025”, 2025. 报告预计到 2030 年，全球 9200 万个岗位被替代，同时创造 1.7 亿个新岗位。https://www.weforum.org/publications/the-future-of-jobs-report-2025/

[3] International Labour Organization, “Generative AI and Jobs: A Refined Global Index of Occupational Exposure”, 2025. 报告指出文职/行政支持类岗位暴露较高，女性岗位暴露风险值得关注。https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

[4] OECD, “Labour share developments over the past two decades”, 2018. 研究指出技术变化、全球价值链参与和超级明星企业集中压缩劳动收入份额。https://www.oecd.org/en/publications/labour-share-developments-over-the-past-two-decades_3eb9f9ed-en.html

THE INTELLIGENCE EDGE | 史凯 Kai Shi | AI & Data Strategist · Author · Advisor | © 2026