恩格斯停顿会重演吗？人工智能时代的资本、劳动与分配（二）

2026年09月25日 17:59

: 李嘉
李嘉，现任新加坡管理大学经济学院院长、李光前经济学讲席教授，普林斯顿大学经济学博士。国际知名计量经济学家，主要研究计量经济学理论及其在金融和经济学中的应用，研究成果发表于《美国经济评论》（AER）、Econometrica、《经济研究评论》（REStud）等国际顶尖学术期刊。现任 Econometric Theory 联合主编，Econometrica 副主编，并担任多本国际学术期刊编委。其研究与合作领域还涉及劳动经济学、宏观经济学、货币经济学和国际金融，并关注中国经济、劳动力市场等现实经济问题。

资本为什么再次变得稀缺？物理瓶颈、快速折旧和资本所有权的高度集中，可能使资本稀缺及其分配效应以新的形式持续存在

原图当地时间2026年7月8日，美国加利福尼亚州弗农市，一座49.5兆瓦的三层数据中心正在建设中。人工智能基础设施需求激增，推动了美国及全球数据中心的建设热潮。图：视觉中国

　　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”。