演講稿摘要
人工智能於收入及財富分配方面呈現出雙重風險報酬特性，可能加劇現有不平等現象，或促進更廣泛的經濟參與。歷史先例顯示，科技進步雖然最終可提高整體生活水準，但在普及採用初期往往會產生轉型期的衝擊，並造成利益集中，特別是於初期階段。未來結果的關鍵決定因素在於，人工智能是擴展生產力獲取途徑，還是強化既有優勢，從而影響勞動收入、資本積累，以及最終的基尼係數。
目前數據顯示，人工智能暴露程度存在分歧，擁有高等學歷的勞動力使用率顯著高於受教育程度有限者。若此差距持續，可能導致生產力差距擴大，以及經濟收益集中於相對狹窄的勞動力群體。此外，人工智能固有的特性——特別是與數據獲取、模型優化和計算能力相關的規模與範圍經濟——存在市場集中風險，可能將投資回報導向少數超大型企業。
減輕這些風險需要積極投資於教育、職業培訓和勞動力發展，不僅強調技術熟練度，更要注重批判性思維、適應性和人類判斷力。在快速技術變革的環境中，培養這些「軟技能」可能至關重要。同時，促進人工智能行業內的競爭市場結構至關重要，以確保更廣泛地獲取創新，並防止經濟權力的集中。針對競爭、稅收結構和勞工支持機制而制定的政策干預，將在塑造人工智能對收入和財富分配的最終影響方面發揮關鍵作用，影響當前消費和長期資本形成。這些因素的發展軌跡將決定人工智能是成為包容性增長的催化劑，還是加劇經濟分層的驅動因素。
觀點分析
演講的核心論點圍繞著人工智能可能加劇或緩解美國經濟中現有收入和財富差距的雙重潛力，並對金融普及性產生影響。演講者指出，雖然科技進步歷來推動長期生產力和生活水平的提高，但轉型期往往伴隨著分配效應，可能使收益集中在特定人群。主要關注點在於人工智能驅動的自動化可能對低收入和中等收入者產生不成比例的影響，特別是新進入勞動力市場者，這與先前技術變革中觀察到的模式相似，但可能因人工智能的獨特性質而放大。根據聯邦儲備系統調查數據顯示，目前接觸生成式人工智能的比例嚴重偏向於高學歷和高收入群體，這表明擁有大量人力資本者最初具有優勢。
分析重點強調市場集中度是決定人工智能最終影響的關鍵因素。演講者承認，競爭格局有可能促進對人工智能資源的廣泛訪問，降低成本並實現創新民主化。然而，與人工智能開發相關的 inherent 規模和範圍經濟，加上其自我改進的特性，存在著由少數“超大規模”企業進行整合的風險。這種情況可能導致投資回報集中化，以及有和沒有先進人工智能能力的公司之間的生產力差距擴大。這種動態與互聯網普及的影響相似，儘管互聯網總體上有益，但可能通過不成比例地使信息密集型職業受益而加劇了收入不平等。
相反，演講探討了人工智能可以作為一種提高生產力的工具，實現技能和專業知識普及性的情景。 類似於印刷術或互聯網的影響，人工智能可以降低缺乏傳統教育或財務資源的個人進入壁壘，促進創業並擴大經濟機會。 演講者引用研究表明，人工智能有潛力提高勞動生產率，特別是對於經驗較少的員工，並加速技能習得，從而可能減輕自動化帶來的負面影響。 隨著社交媒體影響力的出現，新職業類別的創造也被認為是對勞動力流失的潛在抵消。
最終，演講者強調，人工智能時代的不平等軌跡並非預先確定，而是取決於政策選擇。 投資於教育、職業培訓和勞動力發展，重點是培養批判性思維和判斷等適應性技能，至關重要。 同等重要的是維持競爭性市場結構，以確保廣泛訪問人工智能技術並防止經濟權力的集中。 演講間接承認，人工智能對收入分配的長期影響需要持續監測和主動干預，以確保收益得到廣泛分享，並使美國夢——代際經濟流動性——保持可實現。
原文連結
https://www.federalreserve.gov/newsevents/speech/barr20260714a.htm