谁在决定 Agent 时代的工资？认知劳动的“算力锚定”新范式

TL;DR

在 AI Agent 迅速普及的今天，一个普遍的焦虑是：如果 AI 可以以近乎零的成本复制，人类的工资是否会趋向于零？本文提出了一个颠覆性的视角：Agent 不是劳动力，而是一种资本转化技术。 决定你工资的不再是你的同事，而是云服务商的 GPU 租赁价格。

背景定位

本文由伊利诺伊大学厄巴纳-香香槟分校的 Siqi Zhu 提出。它并非一篇纯理论的数学堆砌，而是对经典 Mankiw 要素定价理论在 AI 时代的“系统漏洞修复”。该研究将 Agent 视为将算力资本（Compute Capital）转化为认知产出的中介，从而锁定了工资定价的新边际。

核心洞察：从劳动力到算力的定价权迁移

在传统的经济模型中，工资由劳动力供给（人口、教育）和需求（生产率）的交点决定。但当 Agent 介入时，逻辑变了：

• 误区：将 Agent 看作无限供给的临时工。
• 真相：Agent 是消耗 GPU、电力和模型权限的“机器”。其供给弹性并不源于人类意愿，而是受限于半导体产能、能源和地缘政治。

因此，决定可替代性认知工作（如合同审查、数据摘要）价格的不再是劳动力市场的竞争，而是算力市场的租金（Rental Rate, $r_c$）。

方法论详解：CAW 公式

作者推导出了核心的 Compute-Anchored Wage (CAW) 边界： $W_H\le \lambda \cdot k\cdot r_c$

• $\lambda$ (相对生产率)：人类完成任务相对于 Agent 的效率倍数。
• $k$ (算力强度)：产生一单位有效劳动所需的 GPU 小时数。
• $r_c$ (算力租金)：算力市场的实时租赁成本。

架构直觉

如下图所示，在可替代任务集（$T_S$）中，人类劳动力供给曲线（实则变成虚线）不再起决定作用。工资被一条水平的“算力锚定线”封顶。

如果你的工资 $W_H$ 高于这条线，企业会毫不犹豫地全部转向算力；只有当你的工资低于或等于这条线时，人类员工才能保住这份工作。

实验与结果：2025 年的工资校准

作者根据 2024-2025 年的 H100 租赁价格（约 $2/小时）进行了量化测算：

• 蒸馏小模型：在分类或简单摘要任务上，人类工资上限被压缩至 $0.10/小时。这解释了为何这类外包市场正迅速消失。
• 前沿大模型 (Frontier Models)：在需要高阶推理的任务中，人类工资上限目前在 $2 - $10/小时 之间。

关键结论： 随着算法效率提升（$k$ 下降），即使算力价格 $r_c$ 不变，人类的工资上限也会单调下降。

技能偏向性技术进步的“定向反转”

传统理论认为技术进步利好高技能劳动力。但 CAW 预测了一个新现象：认知劳动内部的职业分化。

• 可替代任务 ($T_S$)：初级律师（条款提取）、程序员（生成样板代码）。他们的工资即便拥有高学历，也会被迫向“算力成本”看齐。
• 互补性任务 ($T_C$)：资深诉讼律师（案件策略、客户信任）、复杂决策者。他们的工资不仅不会下降，反而会因为 Agent 的辅助提升效率而上涨。

这意味着，未来的薪资鸿沟将不再取决于你是“蓝领”还是“白领”，而取决于你的工作中 $T_S$ 与 $T_C$ 的占比。

深度洞察与总结

核心价值 (Takeaway)

该研究揭示了 AI 时代的分配正义问题：资本收益正通过“算力渠道”高度集中。如果算力市场由少数 superstar firms 垄断，那么认知劳动的工资将被这些人设定的“租金”死死锁住。

局限性与挑战

1. Jevons 悖论：如果认知劳动变便宜了，总需求可能会激增，从而在总量上增加人类就业（虽然单价依然受限）。
2. 责任归属：物理存在、法律责任和情感连接是目前 Agent 无法转化的“非边际产出”，这也是人类最后的溢价护城河。

未来展望

政策制定的焦点应从传统的职业培训转向算力治理。通过算力税收或公共算力平台提供，政府可以直接干预认知劳动的工资基准。在 Agent 时代，掌握了算力的定价权，就掌握了社会财富的分配权。