美联储理事迈克尔·S·巴尔（Michael S. Barr）警告称，人工智能带来的收益可能比以往历次技术革命更加集中地分配。他在一次演讲中提出新的证据，表明美国的财富和收入不平等目前处于过去一个世纪以来的最高水平之一。

2026年11月12日，巴尔在康涅狄格州纽黑文的耶鲁大学发表了题为"American Inequality and the Future of AI"（美国不平等与AI的未来）的演讲。他表示，不平等是每一个经济体的一部分，理解美国不平等的程度和演变有助于形成对经济前景以及经济如何应对新发展的清晰判断。他还表示，不平等加剧可能在诸多因素的作用下反映出许多人经济机会的减少，从而限制经济的生产能力。

此次演讲建立在巴尔今年早些时候的发言基础上，当时他探讨了AI可能以好坏两种方式影响经济不平等的各种情景。这一次，他调整了重点：首先利用美联储一项长期进行的家庭调查的最新结果，总结美国经济不平等的现状；然后将这些数据置于一个世纪的历史背景中；最后探讨塑造不平等的各种力量，以及这些力量对AI可能如何影响财富和收入分配方式的启示。

巴尔说："在我看来，社会现在就应该开始考虑如何应对这些潜在挑战——在AI应用尚处于相对早期阶段之时——以便我们能够实现其长期的社会效益。"

当今的财富与收入集中度

关于美国不平等的最及时、最详细的信息，来自美联储最新一期每三年一次的消费者财务状况调查（Survey of Consumer Finances），该调查于2025年进行，并于2026年10月发布。近4,500个单人家庭和住户接受了访问。调查证实，财富和收入都高度集中，且财富不平等程度高于收入不平等。

按收入计，美国收入最高的10%家庭获得了全国近一半的收入，收入最高的1%获得约五分之一。在财富方面，最富有的10%家庭拥有近四分之三的总财富，最富有的1%拥有约三分之一——接近60万亿美元。相比之下，按财富持有量衡量，处于下半部分的全部家庭仅拥有2%的财富。巴尔指出，财富匮乏也让日常生活更为艰难：美联储一年一度的家庭经济与决策调查（Survey of Household Economics and Decisionmaking）发现，2025年有31%的受访者没有足够现金应对500美元或以上的紧急支出。

在最顶端，集中程度更为突出。最富有的0.1%家庭——仅约13.5万个人和家庭——拥有全国六分之一的财富。处于前1%下限的家庭拥有中位数家庭75倍的财富：1,630万美元对21.5万美元。而处于最富有0.1%下限的家庭，其财富是中位数家庭的300倍。

最高端的财富集中度也在上升。将《福布斯》杂志对400位最富有人士的统计与消费者财务状况调查数据相结合，巴尔粗略估计，这部分人群占美国总财富的比重从2022年的3%上升至最近一次调查中的4%。据《福布斯》统计，美国亿万富翁近1,000人。

商业资产推动财富向顶层集中

在探究不平等扩大的根源时，巴尔表示，顶层人群的财富主要以商业资产形式持有。使用可追溯至20世纪40年代的消费者财务状况调查数据的研究显示，几十年来，商业股权回报一直是财富不平等扩大的主要来源。富裕家庭的大部分收入是资本收入——利息、股息、资本收益和商业利润——而非工资。相比之下，中产阶级家庭的大部分收入来自工资，这使积累财富更加困难。

尽管富裕家庭最大的资产类别通常是股票和其他金融资产，但其资本收入的相当一部分也来自私人企业的所有权。这些私人企业大致分为两类：主动经营的企业——如管道维修公司、零售店或制造企业——以及被动投资的企业，通常被称为私募股权。拥有和经营企业长期以来是家庭致富的途径，但私募股权投资是被动运营的，通常只向最富有的个人和家庭开放。这些私人投资带来的回报高于中等收入家庭通常持有的资产组合。在美联储最近一次调查中，私募股权投资占最富有0.1%家庭资产的12%。

对于财富处于中位数以上、90分位以下的家庭来说，最常见的资产是住房和股票，但住房权益价值的增长速度慢于商业股权。该群体中约四分之三的家庭持有股票，主要通过退休账户。虽然随着401(k)计划在过去几十年变得普遍，上市公司的所有权已在各收入阶层中更加普及，但按价值计算，股票持有仍高度集中于最富裕家庭：财富处于50至90分位的家庭按价值计仅持有17%的全部公开市场股票。

最后，就净值而言，处于财富分布下半部分的家庭仅拥有略高于2%的总财富，平均为5.2万美元。其中约40%拥有住房权益，近40%拥有商业股权，或通过退休账户，或通过自有企业——但与上半部分家庭相比，其价值较低。

一个世纪以来的扩大与收窄

据多方估计，当今的不平等水平处于过去100年来的最高之列。但纵观美国历史，财富和收入不平等曾发生显著变化，时而扩大、时而收窄，其驱动因素包括金融资产的繁荣与萧条、经济的结构性变化以及税收和监管政策的调整。

在镀金时代（大约1870年至1910年），大多数人的收入大幅增长，但那也是实业家及其家族积累巨额财富的时代。由于最富裕人群无需缴纳所得税或遗产税，且公共教育普及程度有限，顶层与大多数其他人之间的差距不断扩大。

在随后的几十年里，尤其是在新政时期，法律和制度变革增强了劳动者力量，累进所得税和遗产税的引入与扩展有助于限制收入和财富的集中。第二次世界大战后的几十年里，不平等有所收窄，那是一个惠及众多家庭的快速经济扩张时期，其支撑因素包括以《退伍军人权利法案》为代表的公共教育改善、使税率更具累进性的所得税改革，以及提高工人工资的工会化发展。

然而，从20世纪70年代末开始，财富和收入不平等再次扩大，这一时期经济增长放缓且有时通胀高企。最高所得税税率下降，需要缴纳遗产税的家庭减少。与20世纪10年代和20年代一样，商业股权占总资产的比重上升，帮助最富裕家庭变得更加富有。住房——典型的中产阶级资产——同样创造了财富，但增速慢于商业资产，且全球金融危机期间住房财富的下降加剧了这一差距。同期，实际工资增长缓慢，最低工资法也未能跟上通胀和经济增速。

巴尔表示，这段历史的教训在于，美国社会的不平等程度并非不可改变——它随时间而变化。这些历史模式表明，政策选择在塑造不平等水平方面发挥着关键作用，尽管经济增长、技术变革、教育和全球化也起着重要作用。

劳动收入份额的萎缩

其中一些趋势最明显地体现在过去25年中劳动收入占国民收入份额的下降。由于中低收入家庭高度依赖工资收入，劳动收入与资本收入——股息、利息和私营企业收益——之间的分配是观察不平等的一个有用视角，尽管各阶层的家庭都持有一定的商业股权。

二战后，劳动收入占国民收入的份额在60%至65%之间保持相对稳定，但从2001年开始时断时续地下滑。疫情之后，下降加速，并在过去一年尤为陡峭，2026年第二季度降至52.8%的历史低点。巴尔承认，疫情后劳动份额的急剧下降，部分反映了劳动密集度较低行业的相对崛起；此外，收入在劳动与资本之间如何分配的历史计量问题也产生影响——一项研究估计，由于企业转向穿透型实体，1986年至2017年之间的劳动份额下降被高估了约三分之一。但他表示，即使经过这些因素调整，下降趋势仍然明显。

经济学研究指出，数十年来劳动收入向资本收入转移有三个原因，每一个都与AI对不平等的潜在影响高度相关：降低了劳动需求并压低了工资的技术创新；许多行业中由少数企业主导的市场力量集中；以及与之相关的劳动者议价能力下降。

技术、集中度与劳动者力量

技术取代劳动已持续数个世纪，但新技术也能提升现有岗位的生产率并创造新的就业，包括那些在技术最初被采用时难以设想的岗位——巴尔表示，他在多次演讲中都提到过这一点。互联网及其催生的企业减少了一些职业的就业——如旅行社代理——并消灭了另一些职业，例如音像店店员。然而，新技术在其他领域扩展了就业：如今美国有数百万全职社交媒体创作者以此为生，这在十年前是不可想象的。

巴尔认为，对不平等而言，关键在于新技术采用带来的劳动回报与资本回报相比如何。来自全球的证据表明，数字技术的进步降低了技术投资相对于劳动的价格。当资本相对劳动更便宜时，企业会相对更多地使用资本，而资本也可以替代劳动——例如通过采用自动化和机器人。一些证据显示，采用机器人的企业可能变得更具生产率并扩大劳动力规模，但在这一扩张中，劳动扩张速度落后于资本扩张，表现为利润上升和股权增值，从而扩大了不平等。巴尔表示，鉴于巨额资本正投入AI领域，密切关注这些发展十分重要。

市场集中度是劳动份额下降的另一个驱动因素。研究人员估计，自2000年以来，美国四分之三的行业的集中度显著上升，同期工资增速低于劳动生产率。由于较大的企业往往更具生产率，新技术反过来可能促成市场整合，产生所谓的"超级明星"企业。这些企业的劳动收入份额较低，因为它们能够设定更高的产品加价——即成本与售价之间的差额——这是由于价格竞争较少、消费者的替代选择较少。与此同时，即使加价更高，这些企业运用新技术的能力也意味着它们可能收取比以前更低的价格，这可能进一步扩大其规模，并可能降低消费者的成本。

巴尔表示，技术变革、市场集中度以及劳动者议价能力下降这些力量，可能共同促成了劳动收入份额的长期下降——所有这些变化都倾向于有利于收入和财富最高的人群，加剧财富不平等。

AI可能如何重塑劳动收入份额

巴尔指出，对超级明星企业的讨论，很可能让人联想到主导AI的那少数几家公司：超大规模云服务商和前沿AI实验室。AI领域投资巨大，已公布的投资计划表明该领域的资本深化将进一步加剧。AI可能成为一些研究者所称的"资本偏向型创新"，其回报主要流向资本而非劳动。

在此前的发言中，巴尔曾探讨AI作为一项技术可能如何演进，以及它可能如何影响劳动力市场。关键问题包括：AI在多大程度上会替代人类劳动者——或主要作为补充；AI创造新就业的程度；以及市场竞争和劳动者议价能力将如何影响劳动收入份额。AI的本质特征——尤其是它能够学习完成复杂的、非常规的、需要人类难以掌握的广泛知识的任务——引出了一个问题：AI对劳动力市场的影响是否会比其他技术更强。巴尔表示，此前他已探讨过劳动替代是否可能超过以往，而在本次演讲中，他考虑的是这场技术革命的收益可能比以往更为狭窄地分配的风险。

集中情景

一些研究者认为，AI具有一些特征，而在以往高科技进步的例子中，这些特征曾强化市场力量的集中。AI依赖于数据、模型改进和算力的获取，因此受益于规模经济和范围经济。AI本身就是训练和加速开发新AI模型的强大工具，包括通过自我强化学习。AI领先者所拥有的优势之大，可能被证明是前所未有的。

巴尔表示，如果少数AI企业主导市场并获得投资回报的绝大部分，这些企业的管理者和所有者的财富将激增。大型企业有能力承担AI投资并继续增长，而较小的企业则将看到市场份额下降。在这一情景下，绝大多数企业及其员工只能有限地获取不断改进的AI资源，这意味着他们获得的回报更少。总体而言，劳动收入份额将下降，市场集中度将上升，不平等将加剧。

普惠获取情景

另一种可能是，竞争和分散式创新可以使AI成为廉价且无处不在的商品，收益得到广泛分享。在这种情况下，大多数企业都能获得足以支撑生产率提升和进一步创新的AI资源，AI可以普及小企业发展所需的技能和信息。一些人认为，许多企业会发现其大部分AI需求可以由规模较小的语言模型满足，而这些模型无需处于技术前沿——在这种情况下，收益将得到更广泛的分享。

巴尔表示，到目前为止，AI对劳动者的替代相对有限，且有显著的证据表明，向AI的过渡正在提升部分劳动者的生产率，增加某些行业的需求，甚至创造新的职业。AI企业之间迄今激烈的竞争意味着AI的获取仍相当广泛。但尽管AI发展迅速，其落地实施仍然有限，没有人知道其收益将在多大程度上被分享。

一些行业已经出现劳动替代的迹象，尤其是在较年轻、经验较少的劳动者中。那些容易自动化、有明确护栏和可预测结果的任务，可能迅速出现劳动替代；而需要人类判断、管理、协调与关系处理、创造力或产出难以衡量的任务，则可能更多出现劳动增强。

巴尔表示，变革的速度至关重要。如果劳动力市场变化发生得太快，劳动者将难以适应，错位可能很大；而更渐进式的采用则可能允许更有序的调整。尽管如此，社会仍应为劳动力市场出现严重短期冲击的可能性做好准备，并需要有效应对，以确保AI的收益在长期得以实现。如果AI被证明能够完成替代人类的工作，对劳动力市场的冲击程度将部分取决于社会是否进行必要的投资——包括创造新就业、劳动者培训、帮助劳动者对接新岗位，以及其他在长期减轻不利影响的努力。

巴尔的结论是，市场力量的集中可能推动不平等扩大，从而对"美国梦"造成压力；社会应当趁AI应用尚处于相对早期阶段之际，现在就开始考虑如何应对这些潜在挑战，以便实现其长期效益。

注释

巴尔强调，演讲中表达的观点仅为其个人观点，不一定代表美联储理事会或联邦公开市场委员会（FOMC）其他同事的立场。

演讲中引用的部分参考文献：

• Michael S. Barr (2026), "Will Artificial Intelligence Broadly Raise Living Standards or Drive Income and Wealth Inequality?" — 在美联储理事会于华盛顿主办的第三届年度普惠金融会议"Next-Gen Financial Inclusion"上发表的演讲，7月14日 — federalreserve.gov
• Board of Governors of the Federal Reserve System (2026), Economic Well-Being of U.S. Households in 2025, 华盛顿, 5月
• Chase Peterson-Withorn and Matt Durot (2026), "Forbes 400: The Definitive Ranking of America's Richest People 2026," Forbes, 9月15日,
• Moritz Kuhn, Moritz Schularick, and Ulrike I. Steins (2020), "Income and Wealth Inequality in America, 1949–2016," Journal of Political Economy, 第128卷, 第3469–3519页
• Emmanuel Saez and Gabriel Zucman (2016), "Wealth Inequality in the United States since 1913: Evidence from Capitalized Income Tax Data," Quarterly Journal of Economics, 第131卷, 第519–78页; Vincent J. Geloso, Phillip Magness, John Moore, and Philip Schlosser (2022), "How Pronounced Is the U-Curve? Revisiting Income Inequality in the United States, 1917–60," Economic Journal, 第132卷, 第2366–91页
• Peter H. Lindert and Jeffrey G. Williamson (2016), Unequal Gains: American Growth and Inequality since 1700, 普林斯顿大学出版社
• Jesse Bricker, Joseph Briggs, Sarah Friedman, and Kamila Sommer (2025), "The Business Cycle Dynamics of the Wealth Distribution," Journal of Political Economy Macroeconomics, 第3卷, 第343–81页
• Ann Harrison (2024), "Disentangling Various Explanations for the Declining Labor Share: Evidence from Millions of Firm Records," NBER Working Paper Series 32015 — nber.org
• Richard Audoly, Miles Guerin, Srinidhi Narayanan, and Rachel Schuh (2026), "The Post-COVID Decline in the Labor Share," 纽约联邦储备银行, Liberty Street Economics (博客), 6月24日 — newyorkfed.org
• Matthew Smith, Danny Yagan, Owen Zidar, and Eric Zwick (2022), "The Rise of Pass-Throughs and the Decline of the Labor Share," American Economic Review: Insights, 第4卷, 第323–40页
• Michael S. Barr (2026), "What Will Artificial Intelligence Mean for the Labor Market and the Economy?" — 在纽约商业经济学协会发表的演讲，纽约，2月17日 — federalreserve.gov
• Mark Schaefer (2023), "How Big Is the Creator Economy? Three Times Larger Than We Thought!" LinkedIn, 11月14日,
• Loukas Karabarbounis and Brent Neiman (2014), "The Global Decline of the Labor Share," Quarterly Journal of Economics, 第129卷, 第61–103页
• Daron Acemoglu and Pascual Restrepo (2020), "Robots and Jobs: Evidence from U.S. Labor Markets," Journal of Political Economy, 第128卷, 第2188–2244页; Daron Acemoglu, Claire Lelarge, and Pascual Restrepo (2020), "Competing with Robots: Firm-Level Evidence from France," AEA Papers and Proceedings, 第110卷, 第383–88页
• Roc Armenter (2015), "A Bit of a Miracle No More: The Decline of the Labor Share," 费城联邦储备银行, Business Review — philadelphiafed.org; Gustavo Grullon, Yelena Larkin, and Roni Michaely (2019), "Are U.S. Industries Becoming More Concentrated?" Review of Finance, 第23卷, 第697–743页
• Emin Dinlersoz and Zoltan Wolf (2024), "Automation, Labor Share, and Productivity: Plant-Level Evidence from U.S. Manufacturing," Economics of Innovation and New Technology, 第33卷, 第604–26页
• David Autor, David Dorn, Lawrence F. Katz, Christina Patterson, and John Van Reenen (2020), "The Fall of the Labor Share and the Rise of Superstar Firms," Quarterly Journal of Economics, 第135卷, 第645–709页
• Gene M. Grossman and Ezra Oberfield (2022), "The Elusive Explanation for the Declining Labor Share," Annual Review of Economics, 第14卷, 第93–124页; Anna Stansbury and Lawrence Summers, "The Declining Worker Power Hypothesis"
• David H. Autor (2025), "Polanyi's Paradox and the Shape of Employment Growth," 载于 Re-Evaluating Labor Market Dynamics: A Symposium Sponsored by the Federal Reserve Bank of Kansas City, 第129–77页
• Anton Korinek and Jai Vipra (2025), "Concentrating Intelligence: Scaling and Market Structure in Artificial Intelligence," Economic Policy, 第40卷, 第225–56页
• Erik Brynjolfsson, Bharat Chandar, and Ruyu Chen (2026), "No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%," Stanford Digital Economy Lab, 8月12日 — stanford.edu; David Autor, Caroline Chin, Anna M. Salomons, and Bryan Seegmiller (2026), "What Makes New Work Different from More Work?" NBER Working Paper 34986 — nber.org; Isabella Loaiza and Roberto Rigobon (2024), "The EPOCH of AI: Human-Machine Complementarities at Work," MIT Sloan Research Paper No. 7236-24; Wilbur Xinyuan Chen, Suraj Srinivasan, and Saleh Zakerinia (2024), "Displacement or Complementarity? The Labor Market Impact of Generative AI," Harvard Business School Working Paper 25-039; Kathryn Bonney, Cory L. Breaux, Emin Dinlersoz, Lucia S. Foster, John C. Haltiwanger, and Aditya A. Pande (2026), "The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks," NBER Working Paper 35141 — nber.org

来源：American Inequality and the Future of AI — remarks by Governor Michael S. Barr, Federal Reserve