种族、族裔、性别、年龄和教育程度群体之间的收入差异通常被解释为相对经济困境和经济公平的指标。在最近几十年中，涉及美国收入差异的一个最引人注目的时间模式是，在20世纪80年代和90年代，受过更好教育的工人的经济地位总体上有所提高，并且几乎没有迹象表明此后会下降（Katz and Murphy 1992, Levy and Murnane 1992, Heathcote et al. 2023）。
许多努力致力于测试和衡量各种供应、需求以及制度因素如何促进了受过更多教育的人群的增长和持续高收益溢价。重点是评估移民和贸易流量的变化、更受教育工作者的相对供给量、工会密度、实际最低工资以及技术变革的影响。总体而言，最强有力的证据突显了技术变化（Krusell等，2000）的作用。其论点认为，1980年代和1990年代出现的新技术（尤其是自动化），要么倾向于取代低教育程度工人执行的常规任务（Autor等人，2008年；Acemoglu等人，2023b），或者与教育高度互补，从而极大地提高了对更受教育者（即更具技能的人）的需求和报酬（Bound和Johnson，1992）。
最近，技术变革以不同的形式出现，尤其是在人工智能（AI）出现的情况下（Agrawal等人2019年，Acemoglu等人2023a年，Acemoglu 2024年）。一些学者认为，AI革命将有利于受过良好教育和技能娴熟的工人，并进一步加剧收入不平等现象（Korinek 和 Stiglitz 2019年）。另一些人则推测相反的情况（Webb 2019年），他们指出，人工智能执行的是以往由高技能工人主导的任务，从而缓解了对这些技能工人的需求。例如，基于AI的模型和设备越来越多地用于诊断疾病、开发药物和疫苗、撰写和翻译各种文本及代码，或者帮助市场营销和研发领域产生新的创意。由于这些任务通常是非例行性的，并且主要由高技能工人完成，人工智能可能会对其工资施加下行压力，从而降低技能溢价。Autor（2024年）甚至认为，AI可以帮助重建中产阶级，使低技能个人能够从事更复杂的任务。
为了分析人工智能对宏观经济层面技能溢价的影响，我们开发了一个模型，将总产出与低技能和高技能工人的就业以及三种不同的生产性资本类型联系起来：机器和装配线、工业机器人和AI（Bloom等，2024）。我们强调这些不同类型的资本在多大程度上替代了具有不同技能的工人。人类或工业机器人需要操作机器和装配线。因此，机器和装配线与人力劳动或工业机器人是互补的。相比之下，工业机器人不需要太多的人类输入即可运行，并且旨在取代常规、通常为低技能密集型的工作，例如装配线上的工人。最后，AI被设计为主要替代以前被视为难以自动化的非常规任务以及通常由高技能工人执行的任务。总体而言，这种人力资本和物理资本在生产过程中的复杂互动结构使我们能够探讨工业机器人的部署如何提高技能溢价的条件，以及人工智能的出现和使用增加如何降低技能溢价的条件。
依赖于相关经济文献中的标准参数值以及美国就业和不同类型资本在美国经济中使用的数据，我们研究了技能溢价对工业机器人和人工智能存量的依赖性。我们将拥有学士学位或更高学历的工人定义为高技能工人，将没有大学学位的工人定义为低技能工人。我们在不使用AI的情况下发现技能溢价约为2.00；换句话说，在没有AI的情况下，高技能工人的平均工资是低技能工人工资的两倍。在这个数值下，技能溢价接近2000年代数据中观察到的值，这在一定程度上令人放心，因为我们的框架正确预测了技能溢价。
接下来，我们研究了人工智能资本（及其使用）增加的影响。这种增加导致以人工智能形式的资本与高技能工人之间的竞争更加激烈，从而使得技能溢价减少。这一减少发生的速率递减；也就是说，在初始的人工智能资本存量较低的情况下，其对技能溢价的冲击较强，但随着人工智能资本存量进一步上升，这种影响逐渐趋于平稳。因此，我们的模拟生产框架表明，在其他条件不变的情况下，部署和不断增加使用人工智能会对高技能工人与低技能工人之间的平均工资差距产生向下压力。
因为“其他条件不变”的情况在现实中很少出现，我们也允许作为装配线工人替代品的工业机器人存量积累。在这种情况下，我们可以证明当人工智能资本存量较低而工业机器人存量较高时，技能溢价最高。低的人工智能资本存量意味着高技能工人面临的来自生产要素（资本）的竞争较少，从而使他们的工资上涨；而较高的工业机器人存量则意味着资本与低技能工人之间的竞争激烈，从而压低了后者的工资。然而，当两种类型的资本（人工智能和工业机器人）都增长时，技能溢价的上升会受到强烈抑制。这进一步表明了人工智能减少不平等的效果。
除了对技能溢价的影响之外，我们还分析了工业机器人和人工智能对低技能工人和高技能工人工资水平的影响。总的来说，工业机器人的存量增加会降低低技能工人的平均相对工资，而人工智能的存量增加则会提高它。对于高技能工人的工资水平而言，则情况相反。总体来看，工业机器人和人工智能使用的增长可以在一定程度上抵消技能溢价的变化并因此缓和这些变化。就收入（而非收益）不平等而言，人工智能资本所有者的回报——这可能会促进不平等的加剧——也与此相关。
底线是，人工智能具有缓解甚至逆转上世纪80年代和90年代出现并一直持续至今的技能溢价和收入不平等急剧增加的潜力。
参考文献
阿奇莫格鲁，D（2024），“AI的简单宏观经济分析”，麻省理工学院，4月5日。
阿西莫格鲁，D，D 阿托尔和S 约翰逊，S（2023a），“如何让AI变得有利于工人”，VoxEU.org，2023年10月4日。
阿塞莫格鲁，D，Koster，H和Ozgen，C（2023b），“工业机器人对工人：赢家与输家””，VoxEU.org，2023年3月31日。
Agrawal, A, J S Gans 和 A Goldfarb (2019)，《人工智能：自动化预测对劳动力市场的影响》经济学展望期刊33(2): 31–50.
作者, D (2024)，“将人工智能应用于重建中产阶级工作岗位”，NBER工作论文32140。
作者,D,L Katz和M Kearney(2008),“美国工资不平等趋势：修订修正论”经济学与统计学评论 90(2): 300–23.
布鲁姆，D E，K Prettner，J Saadaoui和M Veruete（2024），“人工智能与技能溢价”，NBER工作论文32430。
J. Bound 和 G. Johnson (1992)，“20世纪80年代工资结构的变化：对替代解释的评价”美国经济评论 82(3): 371–92.
海斯科特，J，F佩里，G L沃伊奥兰特和L张（2023），“我们站得更加不平等了吗？1967-2021年美国的不平等问题”经济动力学评论 50, 235–66.
卡茨，L. F. 和 K. M. 墨菲（1992），“相对工资的变化，1963-1987：供给和需求因素”经济学季刊 107(1): 35–78.
科罗尼克，A 和 J E 斯蒂格利茨（2019），《人工智能及其对收入分配和失业的影响》人工智能的经济学：一个议程芝加哥大学出版社
克鲁塞尔，P，L E 奥汉安，J V 里奥斯-鲁尔和G L 维奥兰特（2000），“资本技能互补性与不平等：宏观经济分析”计量经济学杂志 68(5): 1029–53.
莱维，F和R J默纳尼（1992），“美国工资水平与工资不平等：近期趋势回顾及解释提议”经济学文献杂志30(3): 1333–81.
韦布，M (2019)，“人工智能对劳动力市场的影响”，SSRN 3482150。