一、引言

全球人工智能（AI）发展已进入技术突进与应用扩散并行的阶段，多国均将AI纳入国家战略，推动AI与经济社会各领域深度融合，期望借助技术红利实现经济高质量增长。但现实发展表明，AI技术能力的飞速进步，并未自动转化为广泛的经济收益与社会普惠采用，反而形成创新扩散与普惠公平的对立。少数头部科技巨头凭借基础模型、算力资源、数据优势构建起坚固的行业壁垒，垄断AI核心生产要素与应用市场，而中小企业、欠发达地区及普通劳动者难以分享技术红利，甚至面临发展空间被挤压、就业岗位被替代的风险。

2026年5月18日，美国智库布鲁金斯学会（Brookings Institution）发布的《人工智能增长加速与分配公平性》（AI growth acceleration versus distributional fairness）报告，依托跨国调研、微观企业实证、宏观经济模型及全球多经济体政策实践数据，论证了AI增长与分配公平的内在冲突，明确指出AI扩散失衡、生产力测算困境、中小企业鸿沟、劳动力分化是阻碍普惠发展的挑战。

同期，布鲁金斯学会就这一主题，再次发布了《释放AI创新：阻止模型供应商挑选赢家》（To unleash AI innovation, stop model providers from picking the winners）的深度评论，则聚焦AI市场垄断问题，深入分析基础模型供应商通过控制技术、数据、分发渠道“挑选赢家”的行为，揭示垄断对创新生态、市场竞争及社会公平的严重危害，强调打破模型垄断是释放AI创新活力、实现分配公平的前提条件。

 二、问题的提出：人工智能技术扩散与分配公平的矛盾

AI驱动经济增长的可行性已被全球共识，但增长的普惠性并非技术发展的必然结果，而是取决于两大条件：一是AI能否持续带动全社会生产力稳步提升；二是生产力增长红利能否在各类市场主体、全体劳动者之间广泛分配，而非仅集聚于头部科技巨头及其股东群体。这种增长与公平的矛盾在AI领域尤为突出，根源在于AI技术的通用属性、自然垄断特征与资本逐利性的深度绑定。

图1：人工智能对GDP的影响

来源：布鲁金斯学会

 2.1 人工智能创新的不确定性

全球多国已从政策层面推动AI与经济增长深度绑定，美国、中国、欧盟等主要经济体均出台专项战略规划，加大AI研发投入、完善产业生态、推动场景落地，AI驱动经济提速具备现实可行性。从技术层面看，生成式AI、大语言模型、计算机视觉等前沿技术持续突破，模型参数规模、训练数据量、算力水平不断提升，AI的技术能力呈指数级增长，为生产力提升奠定技术基础。从应用层面看，AI已渗透至金融、医疗、制造、教育、交通等多个领域，在提升生产效率、降低运营成本、优化服务质量等方面成效显著，成为企业转型升级的核心动力。

但AI增长并非既定必然结果，其长期成效面临多重不确定性。一方面，AI作为通用技术呈现典型的生产力J曲线特征，技术落地、配套资产建设、组织模式适配存在漫长的滞后周期，短期内难以全面释放生产力红利。另一方面，当前学界与市场对AI生产力的测算存在严重困境，普遍混淆模型前沿技术能力、微观任务与员工层面生产力、行业及宏观经济层面生产力三类独立维度，传统GDP统计框架无法精准核算AI软件与服务的隐性价值，导致AI创造的经济盈余难以被及时量化统计。各类机构对AI长期GDP拉动效应的测算结果差异悬殊，区间覆盖0.9%至30%，宏观层面仍缺乏直接实测证据，多依赖情景模拟推演，进一步加剧了AI增长的不确定性。

2.2 分配公平的核心阻碍：基础模型垄断与红利集中

AI增长与分配公平的挑战在于前沿基础模型系统对生产要素的掌控，形成“赢者通吃”的垄断格局，导致技术进步的红利难以实现普惠共享。基础模型作为AI产业的基础设施，具有强烈的自然垄断倾向，其研发需要投入巨额资金、海量数据和高端算力，形成极高的进入壁垒，全球范围内仅有少数科技巨头（如OpenAI、谷歌、微软、百度等）具备研发能力。头部企业通过控制基础模型、算力资源、云服务、数据渠道等核心要素，构建起封闭的产业生态，一方面通过技术授权、API调用、定制化服务等方式获取高额垄断利润，另一方面通过设定技术标准、限制互操作性、捆绑销售等手段，主导市场竞争，“挑选”符合自身利益的合作伙伴与应用场景，挤压中小企业的生存空间。

这种垄断格局直接导致AI红利高度集中，加剧分配不公。从企业层面看，头部科技巨头凭借垄断地位收割大部分AI增长红利，2025年，全球AI市场规模超万亿美元，其中超过60%的利润集中于排名前10的科技企业，而占市场主体90%以上的中小企业，由于缺乏资金、技术、人才和数据资源，难以有效应用AI技术，更无法分享红利。从资本层面看，AI红利主要流向头部企业的股东与高管，资本持有者获得超额收益，而普通劳动者难以分享技术进步成果，进一步拉大资本与劳动的收入差距。从区域层面看，全球北方经济体凭借技术、资金、人才优势，占据AI产业主导地位，人均AI使用率与区域收入水平高度正相关，而全球南方经济体面临技术壁垒、模型质量偏低、扩散速度放缓等困境，难以参与AI红利分配，全球发展鸿沟持续扩大。

2.3 增长与公平的矛盾激化：多维分化与系统性风险

AI基础模型垄断与红利集中，进一步激化了增长与公平的矛盾，导致行业、地域、企业、劳动力群体的全方位多维分化，引发系统性经济与社会风险。行业层面，金融、专业科技服务、信息文化产业AI采纳率位居前列，农业、住宿餐饮等服务业采纳度最低，大型服务业企业优先布局AI应用，大型制造企业则更倾向落地机器人技术，行业发展差距持续拉大。地域层面，全球北方经济体AI采纳增速近乎全球南方的两倍，当前主流大语言模型以英语为核心完成训练与评估，非英语国家天然面临模型质量偏低、AI扩散速度放缓的短板，全球数字鸿沟进一步固化。

企业层面，AI采纳概率随企业规模扩大单调递增，大型企业与中小企业长期存在显著鸿沟，中小企业数字成熟度偏低、人才壁垒突出、基础设施缺失，成为AI普惠发展的核心短板。劳动力层面，AI对劳动力市场的冲击体现为工作任务重构、薪资结构分化、就业群体层级固化，生成式AI主要冲击文书、专业认知类白领岗位，传统自动化机器人则更多影响常规体力岗位，性别、技能水平、城乡区域差异，导致不同群体受AI冲击的程度截然不同，入门级青年从业者面临更大就业压力，资深职场人岗位稳定性更强，AI相关技能逐步形成稳定薪资溢价，收入分配差距持续拉大。

 三、人工智能技术扩散的主流叙事与特征

3.1 采用不均叙事：圈层的局限会加剧发展的差距

采用不均叙事认为，AI只有突破早期少数使用者圈层，同步配套组织架构重构、员工技能升级，才能实质拉动经济增长；若仅局限于局部应用，只会持续拉大企业、区域、资本与劳动力之间的发展差距。当前AI扩散正处于典型的“采用不均”阶段，前沿AI技术与应用主要集中于头部科技巨头、大型企业和发达地区，形成“少数人先用、少数人受益”的圈层格局。这些早期使用者凭借技术先发优势，进一步巩固市场地位、扩大利润空间，而中小企业、欠发达地区由于缺乏资源与能力，难以突破技术壁垒，无法进入AI应用圈层，发展差距持续拉大。

3.2 广泛增强叙事：人工智能赋能普通劳动者会促进公平

广泛增强叙事认为，生成式人工智能以赋能普通员工为核心，优化常规办公、专业写作、数据处理等工作的质量与效率，压缩劳动者绩效收入差距，有效提升中底层劳动者薪资水平，具备普惠发展潜力。与传统自动化技术替代劳动力不同，生成式AI更多扮演“辅助工具”角色，通过自动化完成重复性、事务性工作，让普通员工将精力集中于创造性、高价值工作，从而提升整体工作效率与产出质量。

3.3 瓶颈扩散叙事：资源集中与成本壁垒制约公平与技术普惠

瓶颈扩散叙事认为，AI生产力红利高度向具备成熟数字技能、优质数据储备、高效管理体系、稳定云资源的企业集中；基础模型与云基础设施产业集中度高，企业更换供应商的成本居高不下，缺乏配套组织投资成为中小企业普及AI的核心瓶颈。当前AI扩散面临多重瓶颈，核心是资源集中与成本壁垒，导致红利难以向中小企业扩散。

从资源层面看，基础模型、算力资源、优质数据高度集中于头部科技巨头，中小企业难以获取低成本、高质量的AI技术与服务，只能依赖头部企业提供的API接口或定制化服务，不仅成本高昂，还面临数据安全、技术依赖等风险。从成本层面看，AI落地部署需要投入巨额资金用于技术采购、设备升级、人才招聘、组织培训，中小企业资金实力薄弱，难以承担高额成本；同时，企业更换AI供应商的成本极高，涉及数据迁移、系统适配、员工再培训等多个环节，进一步锁定中小企业对头部供应商的依赖，形成“路径锁定”效应。从组织层面看，中小企业普遍缺乏成熟的数字治理体系、高效的管理机制和专业的技术人才，即便引入AI技术，也难以有效落地应用，无法发挥技术价值，进一步制约AI普惠扩散。

3.4 高摩擦转型叙事：短期效率损耗与长期矛盾将会加剧

高摩擦转型叙事认为，从中期视角来看，AI落地部署成本高、企业内部协调难度大，还会衍生出错漏核查、合规风控、流程监督等新增工作，极易出现低效部署问题；部分复杂高技能任务甚至会因AI介入增加工作负担、降低初期效率，全社会生产力提升将长期保持温和状态，而成本承担与收益分配的矛盾会持续加剧。AI转型并非“一蹴而就”的高效过程，而是充满摩擦与阵痛的长期过程，短期内不仅难以提升效率，还可能增加成本、降低产出，加剧企业与劳动者的负担。 

参考文献：

① To unleash AI innovation, stop model providers from picking the winners[EB/OL].[2026-05-18].[2026-06-02] https://www.brookings.edu/articles/to-unleash-ai-innovation-stop-model-providers-from-picking-the-winners/

② The Quadrillion-Dollar Disagreement on AI and the Economy[EB/OL].[2026-05-11].[2026-06-02] https://ai-frontiers.org/articles/the-quadrillion-dollar-disagreement-on-ai-and-the-economy

③ AI growth acceleration versus distributional fairness[EB/OL].[2026-05-05].[2026-06-02] https://www.brookings.edu/articles/ai-growth-acceleration-versus-distributional-fairness/