怎样把 AI 红利变成公共红利
---桑德斯《美国 AI 主权财富基金法案》给中国的启示
马四维
桑德斯提出《美国 AI 主权财富基金法案》，表面上看，是一项激进的美国左翼经济政策。它主张由政府通过一次性股票税，取得大型 AI 公司一半左右的股份，再把这些股份放进一个公共财富基金，未来收益用于美国人的医疗、教育、住房和直接分红。支持者说，这是让人民分享 AI 红利；反对者说，这是政府夺取企业股权，是变相国有化。
窃以为，不能只把它看成“美国左派又要向富人征税”。这个提案真正重要的地方，不在于它能不能按原样通过，也不在于 50% 这个比例是否现实，而在于它提出了一个 AI 时代无法回避的政治经济学问题：当 AI 的生产能力来自全社会积累的知识、语言、数据、公共教育、科研体系和基础设施时，AI 创造出来的巨额财富，为什么只能由少数公司、少数股东和少数技术精英占有？
这不是一个简单的税收问题，而是一个所有权问题。过去工业资本主义的核心资产是工厂、机器、土地和能源。金融资本主义的核心资产是资本、信用和资产定价权。平台资本主义的核心资产是流量、用户、数据和网络效应。到了 AI 时代，核心资产进一步变成模型、算力、芯片、数据、云平台、应用入口和人才组织能力。谁拥有这些东西，谁就站在未来财富分配的上游。
普通人当然也可以使用 AI。一个学生可以用 AI 写提纲，一个教师可以用 AI 备课，一个小商家可以用 AI 写广告，一个程序员可以用 AI 生成代码，一个社区工作者可以用 AI 整理材料。表面上看，AI 好像把能力分发给了所有人。但真正能从 AI 海啸中获得最大收益的，并不是最会提问的人，而是拥有模型、算力、数据、股权和平台入口的人。普通人得到的是工具，资本得到的是基础设施；普通人提高的是效率，资本获得的是所有权。
这就是桑德斯提案刺痛美国政治的地方。他不是在讨论 AI 好不好用，而是在讨论 AI 到底归谁。美国长期相信私人企业创新、资本市场融资、风险投资推动技术突破。硅谷神话的核心叙事是：少数天才、创业者、投资人承担风险，最后获得回报。这套叙事在互联网时代已经形成强大正当性。可是 AI 不同。AI 公司的模型训练并不是从真空中长出来的。它吸收了人类长期积累的文本、图像、代码、论文、新闻、法律、艺术、教育成果和公共知识。它站在全社会的肩膀上，却可能把收益集中到极少数人手里。
更尖锐的是，AI 还可能反过来替代那些为社会知识积累作出贡献的人。教师、写作者、程序员、客服、设计师、翻译、媒体工作者、普通白领，过去都在用自己的劳动维持知识生产和社会运行。现在，他们的劳动成果成为模型训练的养料，而模型又被用来压低他们的岗位价值。于是，一个新的悖论出现了：人民贡献了数据和知识，AI 公司获得了模型和估值；人民面临裁员和降薪，资本获得股权和垄断收益。
所以，面对大型 AI 公司裁员，政府不能只说一句“市场会自动调整”。这句话在普通技术变化中也许还有部分道理，但在 AI 时代远远不够。因为 AI 不是一般机器，它不是只替代某一项体力劳动，而是进入写作、编程、设计、客服、研究、教育、管理和决策这些认知劳动领域。它压缩的不是一个岗位，而是一整套职业成长阶梯。过去年轻人可以从初级岗位做起，慢慢积累经验。现在，如果初级任务被 AI 吃掉，新人从哪里入行？如果企业用 AI 提高产出，却把节省下来的工资全部变成利润和股东回报，社会如何维持中产阶层？如果 AI 一边依赖公共知识，一边制造私人财富，政府凭什么保持旁观？
因此，政府至少应该做五件事。
第一，建立 AI 就业影响评估制度。大型企业在大规模部署 AI、重组岗位、裁撤员工之前，应当披露 AI 对岗位数量、岗位结构、劳动强度和薪酬体系的影响。不能让企业把“技术升级”当作一个黑箱，今天说提高效率，明天就裁员，后天又把利润分给股东。AI 应用当然不能被简单禁止，但凡是影响大量就业的应用，都应当进入公共评估和社会协商。
第二，建立 AI 转型基金。凡是因 AI 自动化获得巨大成本节约和超额利润的企业，都应按一定比例缴纳转型基金，用于被替代劳动者的再培训、职业转换、失业保障、社区就业和公共服务岗位创造。这不是惩罚创新，而是让创新承担社会成本。过去企业污染环境，需要缴纳环保成本；现在企业用 AI 重组劳动力，也应该承担就业转型成本。
第三，要求 AI 企业承担“岗位替代责任”。如果一个公司用 AI 大规模替代客服、编辑、程序员、审核员、运营人员，它不能只给一笔遣散费了事。它应当提供转岗机会、培训经费、过渡期收入保障和职业咨询。尤其是那些长期依赖平台劳动、合同劳动和外包劳动的行业，更不能让最弱势的人承担技术升级的最大代价。
第四，缩短劳动时间，分享效率收益。AI 如果真的大幅提高生产率，合理结果不应该只是裁员，而应该是减少工时、提高工资、改善福利。技术进步的文明意义，应该是让人从重复劳动中解放出来，而不是让一部分人失业，另一部分人被迫更高强度工作。政府可以通过税收、采购、补贴和劳动法，引导企业把 AI 效率红利用于四天工作制、带薪培训、育儿照护、养老支持和公共服务。
第五，建立公共 AI 基础设施。不能把 AI 的底座完全交给少数商业公司。政府、大学、公共机构和社会组织应该共同建设可审计、可监管、可负担的公共模型、公共算力和公共数据平台。这样，中小企业、学校、医院、社区和普通开发者才不会永远依附于少数巨头。
桑德斯的提案对中国也有重要启示，但不能机械照搬。美国的问题，是私人资本太强，政府往往在危机出现后才补救。中国的问题则不同。中国政府从来不是单纯的“守夜人”，而是经济发展的重要组织者、投资者、规划者和协调者。中国有国有企业体系，有产业政策，有地方政府竞争，有超大规模市场，有完整制造业链条，也有“集中力量办大事”的制度传统。中国发展 AI，不只是靠几家企业野蛮生长，而是国家战略、市场竞争、地方政策、资本投入、科研体系和应用场景共同推动。
这既是优势，也是风险。优势在于，中国可以更快建设算力基础设施，更快推动 AI 进入制造业、政务、医疗、教育、交通、能源和城市治理。美国常常先由企业创新，再由政府追赶监管；中国则可以在技术扩散之初，就把公共目标写进发展框架。比如基层医疗短缺、教育资源不均、养老压力上升、住房质量和城市治理问题，都可以成为 AI 发展的应用场景。中国不必等到 AI 巨头把市场吃完之后，再讨论如何向它们征税；中国可以一开始就要求 AI 红利服务公共利益。
但风险也在这里。集中力量办大事，如果只集中在芯片、模型、算力、数据中心、机器人和产业园区，就可能变成新一轮技术竞赛和地方投资冲动。很多地方容易把 AI 理解成建园区、上项目、买服务器、搞大屏、做展示。看起来很热闹，最后却可能留下闲置算力、重复建设、低效平台和新的财政压力。AI 时代真正的大事，不只是把模型做大、参数做多、数据中心建得更漂亮，而是把技术优势转化为普通人生活中的确定改善。
所谓集中力量办大事，到了 AI 时代，应该有一个新的含义：集中力量把科技优势用于办好医疗、教育和住房这些民生大事。
先看医疗。中国医疗最大的痛点，不只是缺少顶尖医院，而是资源分布不均。大城市三甲医院拥挤，基层医院能力不足，老年人慢病管理薄弱，医保控费压力越来越大。AI 在医疗中的真正价值，不应只是让大医院更强，而是让基层医疗更可靠。国家可以推动公共医疗 AI 平台，优先用于基层辅助诊疗、影像筛查、慢病管理、医保审核、药物相互作用提醒、家庭医生支持和老年健康助手。一个县医院医生如果能通过 AI 获得更好的辅助判断，一个乡镇卫生院如果能借助 AI 识别高风险患者，一个老人如果能获得持续健康提醒，这比把 AI 做成少数富人使用的私人医生更有公共意义。
但医疗 AI 必须守住底线。AI 可以辅助医生，不能替代医生承担最终责任。医保数据、病历数据、影像数据属于高度敏感数据，不能变成企业随意训练模型的资源。中国如果要把医疗 AI 做成公共工程，就必须建立清楚的责任链：谁开发，谁部署，谁审核，谁负责，患者如何申诉，错误如何追责，数据如何脱敏，商业公司如何获得合理收益但不能垄断公共数据。这些问题比技术本身更重要。
再看教育。AI 可以帮助中国推进大规模因材施教，但也可能加剧教育不平等。富裕家庭会购买更好的 AI 家教、更强的学习系统、更个性化的升学服务；普通家庭可能只得到一个廉价聊天机器人。这样一来，AI 表面普惠，实际可能制造新的教育分层。中国政府应当把基础教育 AI 当作公共教育基础设施，而不是完全交给商业教培公司。国家可以建设公共智能学伴、公共题库、公共阅读平台、农村学校 AI 支持系统，让边远地区学生也能获得高质量解释、反馈和练习。
但教育 AI 不能变成新的刷题机器。如果 AI 只是更精准地推题、更高效地排名、更细致地监控学生注意力，那它只是把应试教育变得更智能，并没有让教育更好。AI 进入教育，真正要解决的是学生不会提问、不会表达、不会判断、不会合作的问题。教育的目标不是培养更会调用 AI 的答案搬运工，而是培养能提出问题、核验证据、理解现实、承担责任的人。政府在推动 AI 教育时，不能只看覆盖率、使用率、平台数据，而要看它是否促进教育公平，是否保护学生隐私，是否减轻教师负担，是否让孩子保留自己的思考能力。
再看住房。住房问题看似与 AI 距离较远，实际关系很深。中国房地产已经不能再走过去那种高杠杆、高周转、高房价、土地财政驱动的老路。未来住房政策的重点，应从“卖房子”转向“住得好”。AI 可以用于城市更新、保障房分配、物业管理、建筑质量监测、能源节约、适老化改造、社区安全、维修调度和住房全生命周期管理。所谓“好房子”，不是户型图上的概念，而是从建设、交付、居住、维修、养老、托育、节能到社区服务的一整套生活系统。
在这个领域，AI 的公共价值尤其明显。政府可以用 AI 更准确识别住房困难群体，更公平分配保障房，更及时发现危房和建筑质量风险，更有效管理老旧小区改造，更透明监督维修基金使用，更好匹配养老、医疗、交通和社区服务。技术如果只用于房地产营销和精准推送广告，意义很小；如果用于保障居住权、降低生活成本、提升社区质量，才是真正把科技用在民生大事上。
如果把“交易”也纳入讨论，AI 还可以用于建设更公平的市场交易秩序。平台经济中，消费者、商户、骑手、司机、主播、外包工人，常常面对看不见的算法定价、排序、派单和处罚。AI 时代的交易公平，不只是防假货、防诈骗，也包括算法透明、价格公平、劳动者申诉权、数据可携带和平台责任。政府可以用 AI 监管平台，但也必须监管政府自己的 AI。因为一旦公共权力借助 AI 放大，效率提高的同时，也可能带来新的不透明和新的权力任性。
这正是中国从桑德斯提案中应当吸取的真正启示：不一定要照搬“拿走 AI 公司一半股票”的形式，但必须回答“AI 红利如何公共化”的问题。中国有自己的制度条件，不必等到私人 AI 巨头形成之后，再用激烈方式重新分配。中国可以通过国有资本收益、数据资源入表、公共算力平台、政府采购条件、行业基金、税收制度、社保缴费、反垄断监管和公共服务应用，把 AI 收益的一部分制度化地转化为社会收益。
具体说，可以建立中国式 AI 公共红利机制。凡是使用大规模公共数据、公共科研成果、财政补贴、国有算力、政府场景训练和公共服务接口成长起来的 AI 企业，都应承担相应公共义务。它们可以盈利，可以上市，可以竞争，但必须在医疗、教育、养老、住房、就业转型等领域回馈社会。政府采购 AI 系统时，也不应只看价格和功能，而要把数据安全、就业影响、公共可及性、开源贡献、社会责任纳入条件。拿公共资源成长起来的技术，就不能只为私人利润服务。
同时，中国还要警惕另一种倾向：把公共利益简化为政府控制。AI 红利公共化，不等于所有东西都由政府直接经营，也不等于技术越集中越好。政府可以规划、监管、投资和引导，但不能让 AI 变成新的行政扩张工具。公共 AI 必须有透明规则、外部审计、责任追究和公众参与。尤其在医疗、教育、住房、社保、执法和金融领域，AI 决策必须可解释、可申诉、可纠错。否则，技术本来要解决不公平，最后可能制造更硬、更冷、更难反抗的不公平。
因此，中国的 AI 政策不能只问三个问题：模型强不强，产业大不大，应用快不快。还要问另外三个问题：普通人有没有受益，弱势群体有没有被保护，公共服务有没有变好。一个国家的 AI 能力，不应只体现在大模型排行榜上，也应体现在县医院能不能少误诊，乡村学校能不能获得好资源，老旧小区能不能更安全，普通劳动者被 AI 替代后有没有再出发的机会。
桑德斯的法案也许很难在美国政治中通过。它的比例太高，阻力太大，也确实存在公司治理、资本流动、创新激励和政府干预边界等复杂问题。但它提出的问题不会消失。AI 不是一般行业，它正在重写生产力，也在重写生产关系。如果生产力的突破只带来少数人的财富暴涨，而把多数人推向就业不安、教育焦虑、医疗负担和住房压力，那么 AI 就不会成为人类文明的解放力量，而会成为新一轮财富集中机器。
对中国来说，真正的启示不是“也去拿走企业一半股票”，而是更早、更稳、更制度化地把 AI 红利导向公共生活。中国的优势，是有能力把技术战略和公共政策结合起来；中国的考验，是能不能克服地方投资冲动、平台利益固化、数据权力扩张和形式主义政绩工程。集中力量办大事，不应只集中力量造更大的模型，也要集中力量办好普通人的大事。医疗是大事，教育是大事，住房是大事，就业转型也是大事。
AI 海啸来了，国家不能只修更高的技术灯塔，也要修普通人能上岸的堤坝。真正成功的 AI 中国，不只是拥有强大的模型、算力和机器人，而是能让技术进步变成更好的医院、更公平的学校、更安心的住房、更有尊严的劳动和更可持续的公共生活。桑德斯的提案提醒美国：AI 不能只属于亿万富豪。它也提醒中国：科技优势如果不能转化为民生优势，集中力量就会失去最深的正当性。AI 时代最大的政治经济学问题，不是机器会不会超过人，而是社会能不能让机器创造的财富重新回到人。