恩格斯停顿会重演吗？人工智能时代的资本、劳动与分配（二）

　　文｜李嘉 张丹丹 

　　艾伦的故事有两根支柱：技术进步快于配套资本积累，解释了停顿为何发生；资本与劳动的高度互补，则解释了资本积累为何最终能够推动工资追赶生产率。比较今天的人工智能与第一次工业革命，也可以沿着这两个维度展开。先看第一个：资本的角色与稀缺性。

　　在这一点上，今天与1800年前后的英国有一个重要的相似之处：技术能力的进步快于配套资本的形成。大模型的能力在短短几年内迅速提高，模型一旦训练完成，软件本身的复制成本很低，有利于大规模应用。但支撑模型训练和推理的资本却不能以同样的速度扩张。原因是即使企业能够筹集到足够的资金，资金也不能立即变成算力：先进芯片需要生产，数据中心需要建设，电力需要扩容和接入。这与19世纪初主要受储蓄和资本积累速度约束不同，今天AI面临的资本约束不仅是“能筹到多少钱”，更是“能多快把钱转化为芯片、算力、电力和数据中心”。