聯準會理事Michael S. Barr警告，人工智慧所帶來的利益，恐怕會比以往技術革命更集中在少數人手中。他在一場演說中提出新的證據，顯示美國的財富與所得不平等目前處於過去一世紀以來的最高水準之一。

2026年11月12日，Barr在康乃狄克州紐哈芬的耶魯大學發表題為「美國不平等與AI的未來」的演說。他指出，不平等是每一個經濟體的面向之一，了解美國不平等的程度與演變，有助於形成對經濟前景以及經濟如何因應新發展的清晰判斷。他表示，不平等擴大也可能——視許多因素而定——反映出許多人的經濟機會減少，進而限制經濟的生產能力。

這場演說延續Barr今年稍早探討AI可能以好或壞的方式影響經濟不平等的各種情境。這次他反轉了焦點：首先利用聯準會一項長期家庭調查的新結果，總結美國經濟不平等的現況，接著將這些數據置於過去一世紀的歷史脈絡中，最後檢視塑造不平等的各股力量，以及這些力量對AI可能如何影響財富與所得分配的啟示。

Barr表示：「依我的判斷，現在正是社會開始思考如何因應這些潛在挑戰的時機——趁AI採用仍處於相對早期階段——如此才能實現AI為社會帶來的長期利益。」

當前的財富與所得集中

有關美國不平等的最新且最詳細的資訊，來自聯準會每三年一次的消費者財務調查最新版本，該調查於2025年進行，並於2026年10月發布。調查訪問了近4,500個單人家庭與家戶。調查證實，財富與所得都高度集中，而財富的不平等程度高於所得。

以所得計，美國前10%的家庭獲得近一半的全國所得，前1%約獲得五分之一。在財富方面，最富有的10%家庭持有近四分之三的財富，前1%持有約三分之一——將近60兆美元。相比之下，以財富持有量衡量的整個下半部家庭，僅持有2%的財富。Barr指出，財富不足也使日常生活更難以為繼：聯準會每年進行的家庭經濟與決策調查發現，2025年有31%的受訪者沒有足夠現金應付500美元或以上的緊急支出。

在最頂層，集中情況更為顯著。最富有的0.1%家庭——僅13.5萬個人和家庭——擁有全國財富的六分之一。位於前1%下緣的家庭，財富是中位數家庭的75倍：1,630萬美元對比21.5萬美元。位於最富有0.1%下緣的家庭，財富是中位數家庭的300倍。

最頂層的財富集中度也在上升。Barr結合《富比士》雜誌的400位最富有人士榜單與消費者財務調查數據，粗略估計這群人的財富占總財富的比重，從2022年的3%升至最近一次調查的4%。《富比士》統計，美國有近1,000位億萬富翁。

企業資產推動頂層財富集中

深入探究不平等擴大的來源，Barr表示，頂層人群的財富主要以企業資產的形式持有。利用可追溯至1940年代的消費者財務調查數據的研究顯示，數十年來，企業股權報酬是財富不平等擴大的主要來源。富裕家庭的大部分所得是資本所得——利息、股息、資本利得和企業利潤——而非工資薪資。相比之下，中產階級家庭的大部分所得來自薪水，而這樣的方式累積財富較為困難。

雖然富裕家庭最大的資產類別通常是股票和其他金融資產，但其資本所得也有相當部分來自持有私人企業。私人企業大致可分為兩類：積極經營的企業——例如水電工程行、零售店或製造公司——以及對企業的被動投資，即一般所稱的私募股權。擁有並經營企業長期以來是家庭致富的途徑，但私募股權投資是被動經營的，通常僅對最富有的個人和家庭開放。這些私人投資為其持有人帶來的報酬，高於中等收入家庭典型資產組合的報酬。在聯準會最近的調查中，私募股權投資占最富有0.1%家庭資產的12%。

對於財富在中位數以上但低於第90百分位的家庭而言，最普遍的資產是房產和股票，但住房權益價值的增長速度低於企業股權。這一群體中約四分之三的家庭持有股票，主要是透過退休帳戶。雖然隨著401(k)計畫在過去幾十年普及，上市公司股權的持有在收入譜系上變得更廣泛，但以價值計算的股票持有仍高度集中在最富有的家庭：財富位於第50至第90百分位的家庭，以價值計僅持有全部公開股票的17%。

最後，淨額而言，財富分配位於下半部的家庭僅持有略高於2%的全部財富，平均為52,000美元。其中約40%擁有住房權益，近40%透過退休帳戶或自有事業持有企業股權——但與上半部家庭相比，其價值相當低。

一個世紀的擴大與縮小

據多方估計，目前的不平等水準是過去100年來最高的水準之一。但美國的財富與所得不平等在歷史上曾發生顯著變化，時而擴大、時而縮小，受到金融資產的繁榮與衰退、經濟結構變化，以及稅收與監管政策變化的驅動。

在鍍金時代（約1870年至1910年），大多數人的所得強勁上升，但那也是實業家及其家族積累鉅額財富的年代。由於最富有者沒有所得稅或遺產稅，且大眾的公共教育有限，頂層與大多數其他人之間的差距擴大。

在隨後的數十年，特別是在新政時期，法律與制度變革強化了勞工力量，累進所得稅與遺產稅的引入與擴大，有助於限制所得與財富的集中。二次世界大戰後的數十年間，不平等縮小，那是一個惠及許多家庭的快速經濟擴張時期，並受到公共教育改善（包括退伍軍人權利法案）、使稅率更累進的所得稅改革，以及提高勞工工資的工會化發展的支持。

然而，從1970年代末開始，財富與所得不平等再次擴大，那是一段經濟增長放緩、有時通膨高漲的時期。最高所得稅率下降，須繳納遺產稅的家庭減少。如同1910年代與1920年代，企業股權占總資產的比重上升，助長最富有的家庭更加富裕。住房——中產階級的典型資產——雖創造了財富，但速度低於企業資產，而全球金融危機期間住房財富的下滑使差距進一步擴大。同一時期，實質工資增長緩慢，最低工資法也未能跟上通膨與經濟增長。

Barr表示，這段歷史的教訓是，美國社會的不平等水準並非不可改變——它會隨時間變化。這些歷史模式顯示，政策選擇在塑造不平等水準上扮演關鍵角色，儘管經濟增長、技術變革、教育和全球化也扮演重要角色。

勞動在國民所得中份額的萎縮

部分趨勢最清楚地體現在過去25年勞動占國民所得份額的下降。由於中低收入家庭高度依賴工資薪資，勞動所得與資本所得——股息、利息和私人企業收益——之間的分配，是觀察不平等的有用視角，儘管各階層的家庭也都持有一些企業股權。

二次世界大戰後，勞動占國民所得的份額相當穩定地維持在60%至65%之間，但自2001年起開始斷斷續續地下滑。疫情後降幅加速，過去一年尤其陡峭，於2026年第二季創下52.8%的歷史新低。Barr承認，疫情後份額的急劇下降，部分反映了勞動密集度較低產業的相對崛起，且所得在勞動與資本之間隨時間分配方式的衡量問題也產生影響——一項研究估計，1986年至2017年間的降幅因企業轉型為穿透型公司而高估約三分之一。但他表示，即使調整這些因素後，下降趨勢依然明確。

經濟研究指出，數十年來勞動相對於資本所得份額下滑的三個原因，每一個都與AI對不平等的潛在影響高度相關：降低勞動需求並壓低工資的技術創新；許多產業中由少數企業主導的市場力量集中；以及相關的勞工議價能力下降。

科技、集中化與勞工力量

技術取代勞動已持續數個世紀，但新技術也能提升現有工作的生產力並創造新工作，包括在技術剛被採用時難以想像的工作——Barr表示他在多場演說中都指出過這一點。網際網路及其催生的企業減少了某些職業的就業——例如旅行社代理人——並淘汰了其他職業：想想錄影帶出租店員工。但新技術的發展也擴大了其他領域的工作：如今美國有數百萬名全職社群媒體創作者以此謀生，這在十年前是無法想像的。

Barr認為，對不平等而言，關鍵在於採用新技術後勞動報酬與資本報酬的比較。來自全球的現有證據顯示，數位技術的進步降低了技術投資相對於勞動的價格。當資本相對於勞動更便宜時，企業會相對使用更多資本，且資本可以取代勞動——例如透過採用自動化與機器人。有證據顯示，採用機器人的企業可能變得更有生產力並擴大勞動力，但在這種擴張中，勞動的增長落後於資本的擴張，表現在利潤上升和股權增值上，這會擴大不平等。Barr表示，鑑於投入AI產業的鉅額資本投資，密切關注這些發展非常重要。

市場集中化是勞動份額下降的另一個驅動因素。研究人員估計，自2000年以來，美國四分之三的產業集中度顯著上升，同期間工資的增長速度低於勞動生產力。由於較大的企業往往更有生產力，新技術反過來可能促成市場整合，產生所謂的「超級明星」企業。這些企業的勞動所得份額較低，因為在價格競爭較少、顧客替代選擇較少的情況下，它們能設定較高的產品加價——即成本與售價之間的差額。與此同時，即使加價較高，其部署新技術的能力意味著這些企業或能收取比以往更低的價格，這可能進一步擴大其規模，並可能降低消費者的成本。

Barr表示，技術變革、市場集中化與勞工議價能力下降，這些力量可能共同導致勞動所得份額隨時間下降——而所有這些變化都有利於所得與財富最高的人，推動財富不平等進一步擴大。

AI可能如何重塑勞動份額

Barr觀察到，談到超級明星企業，人們大概會想到主導AI的那少數幾家公司：超大規模雲端服務商和前沿AI實驗室。AI產業已出現鉅額投資，已宣布的計畫顯示該產業的資本深化還會進一步升級。AI有可能成為一些研究人員所稱的「偏向資本的創新」，即報酬主要流向資本而非勞動。

在先前的談話中，Barr曾探討AI作為技術可能如何演變，以及它可能如何影響勞動市場。關鍵問題包括：AI將在多大程度上取代人類勞工——或主要是補充人類——以及AI在多大程度上會創造新工作。市場競爭和勞工議價能力也將影響勞動所得份額。AI的特性——特別是其學習完成複雜、非例行任務的能力，這些任務需要人類難以達成的廣泛知識——引出了一個問題：AI對勞動市場的影響是否會比其他技術更強。Barr先前曾探討勞動取代規模是否可能大於過去，他表示，本次演說他考慮的是這場技術革命的利益是否可能比以往更狹隘分配的風險。

集中化情境

一些研究人員認為，AI具有某些在過去高科技進步案例中強化市場力量集中的特性。AI依賴資料、模型改進和運算能力的取得，因此受益於規模經濟與範疇經濟。AI本身就是訓練和加速開發新AI模型的強大工具，包括透過自我強化學習。AI領先者所擁有的優勢程度，可能被證明是前所未有的。

Barr表示，如果少數AI企業主導市場並獲得大部分投資報酬，這些企業的管理層和所有者的財富將激增。大型企業有能力負擔AI投資並持續成長，而較小的企業則會看到市場份額下滑。在這種情境下，絕大多數企業及其員工只能有限地取得不斷改進的AI資源，意味著他們獲得的報酬較小。整體而言，勞動所得份額將下降，市場集中度將上升，不平等將加劇。

廣泛取得情境

另一種可能是，競爭與分散式創新可使AI成為廉價且無處不在的商品，利益廣泛分享。在這種情況下，大多數企業都能取得足以支持生產力提升和進一步創新的AI資源，AI也可以讓小型企業蓬勃發展所需的技能與資訊取得民主化。一些人認為，許多企業會發現其大部分AI需求可由較小規模、無需位於技術最前沿的語言模型來滿足——在這種情況下，利益將更廣泛地分享。

Barr表示，迄今為止，AI取代勞工的情況相對較少，而且有重要證據顯示，向AI的轉型正在提升部分勞工的生產力、增加某些產業的需求，甚至創造新的職業。AI企業之間的激烈競爭意味著AI的取得仍然相當廣泛。但儘管AI發展迅速，其實施至今仍屬有限，沒有人知道其利益將在多大程度上被分享。

某些產業已出現勞動替代的跡象，尤其是對較年輕、經驗較少的勞工而言。具有明確護欄和可預期結果、易於自動化的任務，可能出現快速的勞動替代；而需要人類判斷、管理、協調與人際關係、創造力，或難以衡量產出的任務，則可能更多是勞動的增強。

Barr表示，變化的速度至關重要。如果勞動市場變化發生得很快，勞工將難以調適，衝擊可能很大；而較漸進的採用或許能允許更有序的調整。儘管如此，社會仍應為勞動市場可能出現嚴重短期動盪做好準備，並有效地加以管理，以確保AI的長期利益得以實現。如果AI被證明能夠從事取代人類的工作，勞動市場受衝擊的程度，部分將取決於社會是否進行必要的投資——包括創造新工作與勞工培訓、協助勞工銜接新工作，以及其他減緩長期負面影響的努力。

Barr總結指出，市場力量的集中可能助長不平等擴大，進而對美國夢構成壓力；社會應該現在就開始思考如何因應這些潛在挑戰——趁AI採用仍處於相對早期階段——如此才能實現長期利益。

附註

Barr強調，演說中表達的觀點僅代表其個人立場，不一定代表聯準會理事會或聯邦公開市場委員會其他委員的看法。

演說中引用的部分參考文獻：

• Michael S. Barr（2026），「人工智慧會普遍提高生活水準，還是加劇所得與財富不平等？」於聯準會理事會主辦的第三屆年度金融包容會議「Next-Gen Financial Inclusion」發表演說，華盛頓，7月14日 — federalreserve.gov
• 聯準會理事會（2026），Economic Well-Being of U.S. Households in 2025，華盛頓，5月
• Chase Peterson-Withorn與Matt Durot（2026），「Forbes 400: The Definitive Ranking of America's Richest People 2026」，《富比士》，9月15日，
• Moritz Kuhn、Moritz Schularick與Ulrike I. Steins（2020），「Income and Wealth Inequality in America, 1949–2016」，《Journal of Political Economy》，第128卷，頁3469–3519
• Emmanuel Saez與Gabriel Zucman（2016），「Wealth Inequality in the United States since 1913: Evidence from Capitalized Income Tax Data」，《Quarterly Journal of Economics》，第131卷，頁519–78；Vincent J. Geloso、Phillip Magness、John Moore與Philip Schlosser（2022），「How Pronounced Is the U-Curve? Revisiting Income Inequality in the United States, 1917–60」，《Economic Journal》，第132卷，頁2366–91
• Peter H. Lindert與Jeffrey G. Williamson（2016），Unequal Gains: American Growth and Inequality since 1700，普林斯頓大學出版社
• Jesse Bricker、Joseph Briggs、Sarah Friedman與Kamila Sommer（2025），「The Business Cycle Dynamics of the Wealth Distribution」，《Journal of Political Economy Macroeconomics》，第3卷，頁343–81
• Ann Harrison（2024），「Disentangling Various Explanations for the Declining Labor Share: Evidence from Millions of Firm Records」，NBER工作論文系列32015 — nber.org
• Richard Audoly、Miles Guerin、Srinidhi Narayanan與Rachel Schuh（2026），「The Post-COVID Decline in the Labor Share」，紐約聯準銀行，Liberty Street Economics（部落格），6月24日 — newyorkfed.org
• Matthew Smith、Danny Yagan、Owen Zidar與Eric Zwick（2022），「The Rise of Pass-Throughs and the Decline of the Labor Share」，《American Economic Review: Insights》，第4卷，頁323–40
• Michael S. Barr（2026），「人工智慧對勞動市場與經濟將意味著什麼？」於紐約商業經濟學協會發表演說，紐約，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與Brent Neiman（2014），「The Global Decline of the Labor Share」，《Quarterly Journal of Economics》，第129卷，頁61–103
• Daron Acemoglu與Pascual Restrepo（2020），「Robots and Jobs: Evidence from U.S. Labor Markets」，《Journal of Political Economy》，第128卷，頁2188–2244；Daron Acemoglu、Claire Lelarge與Pascual Restrepo（2020），「Competing with Robots: Firm-Level Evidence from France」，《AEA Papers and Proceedings》，第110卷，頁383–88
• Roc Armenter（2015），「A Bit of a Miracle No More: The Decline of the Labor Share」，費城聯準銀行，Business Review — philadelphiafed.org；Gustavo Grullon、Yelena Larkin與Roni Michaely（2019），「Are U.S. Industries Becoming More Concentrated?」，《Review of Finance》，第23卷，頁697–743
• Emin Dinlersoz與Zoltan Wolf（2024），「Automation, Labor Share, and Productivity: Plant-Level Evidence from U.S. Manufacturing」，《Economics of Innovation and New Technology》，第33卷，頁604–26
• David Autor、David Dorn、Lawrence F. Katz、Christina Patterson與John Van Reenen（2020），「The Fall of the Labor Share and the Rise of Superstar Firms」，《Quarterly Journal of Economics》，第135卷，頁645–709
• Gene M. Grossman與Ezra Oberfield（2022），「The Elusive Explanation for the Declining Labor Share」，《Annual Review of Economics》，第14卷，頁93–124；Anna Stansbury與Lawrence Summers，「The Declining Worker Power Hypothesis」
• David H. Autor（2025），「Polanyi's Paradox and the Shape of Employment Growth」，收錄於Re-Evaluating Labor Market Dynamics: A Symposium Sponsored by the Federal Reserve Bank of Kansas City，頁129–77
• Anton Korinek與Jai Vipra（2025），「Concentrating Intelligence: Scaling and Market Structure in Artificial Intelligence」，《Economic Policy》，第40卷，頁225–56
• Erik Brynjolfsson、Bharat Chandar與Ruyu Chen（2026），「No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%」，史丹佛數位經濟實驗室，8月12日 — stanford.edu；David Autor、Caroline Chin、Anna M. Salomons與Bryan Seegmiller（2026），「What Makes New Work Different from More Work?」，NBER工作論文34986 — nber.org；Isabella Loaiza與Roberto Rigobon（2024），「The EPOCH of AI: Human-Machine Complementarities at Work」，MIT Sloan研究論文No. 7236-24；Wilbur Xinyuan Chen、Suraj Srinivasan與Saleh Zakerinia（2024），「Displacement or Complementarity? The Labor Market Impact of Generative AI」，哈佛商學院工作論文25-039；Kathryn Bonney、Cory L. Breaux、Emin Dinlersoz、Lucia S. Foster、John C. Haltiwanger與Aditya A. Pande（2026），「The Microstructure of AI Diffusion: Evidence from Firms, Business Functions, and Worker Tasks」，NBER工作論文35141 — nber.org

資料來源：American Inequality and the Future of AI — 聯準會理事Michael S. Barr演說