在經濟理論中，資本—勞動比（Capital-Labor Ratio，K/L）是衡量生產技術選擇和要素密集度的核心指標。它既是微觀企業利潤最大化的決策變量，也是宏觀經濟增長路徑的關鍵參數。長期以來，技術進步對K/L的影響遵循著相對清晰的路徑。然而，人工智能（AI）的快速發展打破了這一傳統范式。作為新一輪科技革命和產業變革中最具代表性的“通用目的技術”（GPT），AI不僅具有替代重復性體力和腦力勞動的能力，還具備增強人類認知、重構生產流程甚至創造新生產要素的特性。這種復雜性使得其對K/L的影響不再是一個簡單的線性替代關系，而是在微觀與宏觀兩個尺度上展現出截然不同甚至相互矛盾的機制。理解這一機制，對于研判全球產業分工的未來走向至關重要。

替代效應和互補效應

人工智能對微觀意義上資本—勞動比的影響主要表現為替代效應和互補效應。AI的引入直接改變了企業的成本函數與生產函數，我們可以從替代效應、互補效應兩個維度來看其對單個企業資本—勞動比的影響。

從替代效應看，人工智能會帶來資本有機構成的快速提升。馬克思在《資本論》中提出了資本有機構成概念，即由資本技術構成決定并反映資本價值構成的變化。在傳統工業時代，機器的引入使得機器、廠房等不變資本相對于工資這種可變資本的比例上升。人工智能將這一邏輯從“物理世界”推向了“認知世界”。當企業引入人工智能時，實際上是用高固定成本的智能資本替代了低可變成本的重復性勞動崗位。這導致微觀層面的K/L呈跳躍式上升。

從互補效應看，人工智能會導致高技能勞動的“資本化”。AI并非簡單替代所有勞動，而是作為一種“決策輔助”工具，極大地提升高技能勞動者的邊際產出。例如，在醫院的放射科，AI讀片系統并未完全替代放射科醫生，而是使得醫生從繁重的初篩工作中解放出來，專注于疑難雜癥的診斷。此時，“醫生+AI”的組合形成了新的“人機協作單元”。從會計學角度看，企業為這些高技能勞動者支付了更高的薪酬，但在生產函數中，這些勞動者的價值屬性發生了改變，他們不再僅僅是“勞動”，而是成為駕馭和優化“資本”的關鍵要素。這種現象導致了微觀層面的“勞動極化”。企業內部的K/L出現了結構性分化，對于低技能、高重復性的崗位，K/L急劇上升，也就是資本替代勞動；對于高技能、強創造性的崗位，K/L表現為“資本賦能勞動”，實際上是勞動的稀缺性在上升，但在統計上，由于資本存量的大幅增加，整體K/L依然是上升的。

復雜的“非均衡性”

人工智能對宏觀意義上資本—勞動比的影響呈現出更為復雜的“非均衡性”。不同發展階段的國家，由于要素稟賦、產業結構和制度環境的不同，AI對K/L的影響截然不同，進而催生了“替代鴻溝”。

一是對發達經濟體來說，人工智能成為資本深化的“加速器”。發達經濟體，其本身就處于資本相對充裕、勞動相對昂貴的狀態。AI的引入加速了“資本深化”進程。數據顯示，近年來發達國家非住宅固定投資中，以軟件和算法為代表的知識產權產品占比持續攀升，而勞動報酬占GDP的比重在部分行業出現了加速下滑的趨勢。這種宏觀K/L的上升并非壞事，它意味著勞動生產率的潛在提升。但問題在于，AI帶來的生產率增益并未均等分配。AI的互補性偏向于高技能勞動，導致宏觀層面出現了“技能溢價”擴大、中等技能崗位“空心化”的現象。

二是對發展中經濟體來說，人工智能會帶來比較優勢的“侵蝕”。對于眾多具有低成本勞動力優勢的發展中國家，AI帶來的宏觀沖擊更具顛覆性。傳統上，這些國家通過融入全球分工，依靠廉價勞動力承接勞動密集型產業，實現資本積累和K/L的逐步提升。這也是改革開放以來，我們曾經走過的路。然而，AI正在侵蝕這種比較優勢。當發達國家的企業通過引入AI使得制造業的“單位勞動成本”大幅下降，甚至低于考慮到物流、關稅和管理成本后將工廠外包給發展中國家的總成本時，發展中國家的核心競爭力將被釜底抽薪。數據顯示，一些發展中經濟體在制造業就業占比尚未達到歷史峰值時，就開始出現制造業就業的絕對下降。這種替代不僅發生在國內工廠，更發生在全球供應鏈的源頭上。對于這些國家而言，因為勞動投入增長停滯或下降，而資本存量緩慢增長，宏觀K/L可能被動上升，但這種上升往往伴隨著失業率上升和經濟結構失衡，是一種“破壞性”的資本深化。

從“離岸外包”到“智能集聚”

資本—勞動比重構，使得全球價值鏈正從“離岸外包”向“智能集聚”演變。微觀與宏觀層面的K/L重構，最終匯聚成改變全球產業分工格局的巨大力量。主要體現在以下三個邏輯轉變。

一是價值鏈形態：從“微笑曲線”到“悲傷曲線”。傳統的微笑曲線理論認為，全球價值鏈中，以研發為代表的上游和以品牌營銷為代表的下游附加值最高，而中間的制造環節附加值最低。因此，發達經濟體占據兩端，發展中經濟體占據底端。AI正在重塑這一形態。一方面，正如沉默曲線理論所指出的，隨著智能制造的普及，制造環節本身開始重新獲得高附加值，曲線形態不再“微笑”，而是趨于平直，制造環節的利潤率甚至可以超越研發和營銷環節。另一方面，AI也在侵蝕“微笑曲線”的兩端。例如，AI輔助設計降低了研發端的門檻；AI驅動的精準營銷和智能客服，也在改變品牌與消費者的連接方式。最終，價值鏈的附加值分布變得更加扁平化，甚至呈現出“塊狀化”，價值不再沿著鏈條線性分布，而是集中在擁有數據—算法—算力“鐵三角”的節點上。

二是比較優勢：從“要素稟賦”到“算法與數據稟賦”。比較優勢理論的核心邏輯是勞動生產率和要素豐裕度的差異。然而，AI正在創造一種新的比較優勢——“智能稟賦”。一個國家的比較優勢不再僅僅取決于其擁有多少勞動力或多少自然資源，而是取決于數據規模與質量、算法創新能力和算力基礎設施。這意味著，全球產業分工正在從“離岸外包”模式轉向“智能集群”模式。那些能夠建立“AI—制造業”閉環的國家和地區，將吸引高端制造業回流或集聚。例如，如果新型基礎設施足夠完善，基于智能制造和智能服務的“黑燈工廠”就可以部署在靠近高消費市場的高成本國家，因為勞動力成本在總成本中的比重已大幅下降。

三是空間布局：從“全球化”到“區域化”。AI對K/L的替代效應，極大地降低了勞動套利的空間。傳統意義上，跨國公司全球布局的核心邏輯是尋找最低的勞動成本。當AI使得一個美國工廠的工人成本占比從30%降至5%時，將工廠從亞洲遷回美國或墨西哥的總成本差異就不再顯著。更重要的是，AI時代對供應鏈的敏捷性和韌性要求超過了單純的成本要求。距離越遠，數據延遲、物流不確定性越高。因此，AI正在推動全球產業分工從“極致效率導向”的全球分散布局，轉向“效率與安全平衡”的區域集聚布局。全球價值鏈的長度正在縮短，分工的顆粒度正在變粗。

AI對兩種意義上K/L的重構以及全球分工的重塑，雖然帶來了效率提升，但也伴隨著深層次的矛盾。一是收入分配與就業極化。微觀層面的勞動極化與宏觀層面的替代鴻溝，可能導致全球范圍內中等收入群體的萎縮和貧富差距的擴大。對于發展中國家，如何避免在AI浪潮中被鎖定在原材料供應國的地位，是亟待解決的問題。二是數據主權。數據成為關鍵資本后，全球產業分工出現了新的依附關系。擁有先進AI技術和數據平臺的國家，可能通過算法控制全球價值鏈的“接口”。缺乏自主AI能力的國家，可能淪為純粹的數據產地或AI產品的消費市場，其產業升級路徑將被技術標準所封鎖。三是人機關系的再定義。隨著K/L中勞動的內涵發生質變，未來的勞動可能更多地指向與AI協作的能力。教育體系、社會保障體系都需要適應這種從“人力資本”向“人機資本”的過渡。

對于政策制定者而言，面對這一變局，需要在鼓勵技術創新與保障就業穩定之間、在追求效率最大化與維護供應鏈安全之間、在擁抱全球化與防范數字依附之間尋找新的平衡點。而對于企業而言，未來的核心競爭力將不再取決于單純的規模大小或成本高低，而是取決于能否將人與“AI資本”有機整合，形成高效、敏捷且具有韌性的新型生產函數。AI時代，資本—勞動比的演化，本質上是人類文明在“人機邊界”上的又一次大規模遷移。理解并駕馭這一遷移，將決定國家與企業在新一輪全球產業版圖中的位置，這也是我們需要高度關注并提前研判的重大戰略問題。

作者系中山大學國家發展研究院院長、嶺南學院講席教授

來源：中國社會科學報

責任編輯：梁華

新媒體編輯：宗敏

如需交流可聯系我們