在经济理论中，资本—劳动比（Capital-Labor Ratio，K/L）是衡量生产技术选择和要素密集度的核心指标。它既是微观企业利润最大化的决策变量，也是宏观经济增长路径的关键参数。长期以来，技术进步对K/L的影响遵循着相对清晰的路径。然而，人工智能（AI）的快速发展打破了这一传统范式。作为新一轮科技革命和产业变革中最具代表性的“通用目的技术”（GPT），AI不仅具有替代重复性体力和脑力劳动的能力，还具备增强人类认知、重构生产流程甚至创造新生产要素的特性。这种复杂性使得其对K/L的影响不再是一个简单的线性替代关系，而是在微观与宏观两个尺度上展现出截然不同甚至相互矛盾的机制。理解这一机制，对于研判全球产业分工的未来走向至关重要。

　　替代效应和互补效应

　　人工智能对微观意义上资本—劳动比的影响主要表现为替代效应和互补效应。AI的引入直接改变了企业的成本函数与生产函数，我们可以从替代效应、互补效应两个维度来看其对单个企业资本—劳动比的影响。

　　从替代效应看，人工智能会带来资本有机构成的快速提升。马克思在《资本论》中提出了资本有机构成概念，即由资本技术构成决定并反映资本价值构成的变化。在传统工业时代，机器的引入使得机器、厂房等不变资本相对于工资这种可变资本的比例上升。人工智能将这一逻辑从“物理世界”推向了“认知世界”。当企业引入人工智能时，实际上是用高固定成本的智能资本替代了低可变成本的重复性劳动岗位。这导致微观层面的K/L呈跳跃式上升。

　　从互补效应看，人工智能会导致高技能劳动的“资本化”。AI并非简单替代所有劳动，而是作为一种“决策辅助”工具，极大地提升高技能劳动者的边际产出。例如，在医院的放射科，AI读片系统并未完全替代放射科医生，而是使得医生从繁重的初筛工作中解放出来，专注于疑难杂症的诊断。此时，“医生+AI”的组合形成了新的“人机协作单元”。从会计学角度看，企业为这些高技能劳动者支付了更高的薪酬，但在生产函数中，这些劳动者的价值属性发生了改变，他们不再仅仅是“劳动”，而是成为驾驭和优化“资本”的关键要素。这种现象导致了微观层面的“劳动极化”。企业内部的K/L出现了结构性分化，对于低技能、高重复性的岗位，K/L急剧上升，也就是资本替代劳动；对于高技能、强创造性的岗位，K/L表现为“资本赋能劳动”，实际上是劳动的稀缺性在上升，但在统计上，由于资本存量的大幅增加，整体K/L依然是上升的。

　　复杂的“非均衡性”

　　人工智能对宏观意义上资本—劳动比的影响呈现出更为复杂的“非均衡性”。不同发展阶段的国家，由于要素禀赋、产业结构和制度环境的不同，AI对K/L的影响截然不同，进而催生了“替代鸿沟”。

　　一是对发达经济体来说，人工智能成为资本深化的“加速器”。发达经济体，其本身就处于资本相对充裕、劳动相对昂贵的状态。AI的引入加速了“资本深化”进程。数据显示，近年来发达国家非住宅固定投资中，以软件和算法为代表的知识产权产品占比持续攀升，而劳动报酬占GDP的比重在部分行业出现了加速下滑的趋势。这种宏观K/L的上升并非坏事，它意味着劳动生产率的潜在提升。但问题在于，AI带来的生产率增益并未均等分配。AI的互补性偏向于高技能劳动，导致宏观层面出现了“技能溢价”扩大、中等技能岗位“空心化”的现象。

　　二是对发展中经济体来说，人工智能会带来比较优势的“侵蚀”。对于众多具有低成本劳动力优势的发展中国家，AI带来的宏观冲击更具颠覆性。传统上，这些国家通过融入全球分工，依靠廉价劳动力承接劳动密集型产业，实现资本积累和K/L的逐步提升。这也是改革开放以来，我们曾经走过的路。然而，AI正在侵蚀这种比较优势。当发达国家的企业通过引入AI使得制造业的“单位劳动成本”大幅下降，甚至低于考虑到物流、关税和管理成本后将工厂外包给发展中国家的总成本时，发展中国家的核心竞争力将被釜底抽薪。数据显示，一些发展中经济体在制造业就业占比尚未达到历史峰值时，就开始出现制造业就业的绝对下降。这种替代不仅发生在国内工厂，更发生在全球供应链的源头上。对于这些国家而言，因为劳动投入增长停滞或下降，而资本存量缓慢增长，宏观K/L可能被动上升，但这种上升往往伴随着失业率上升和经济结构失衡，是一种“破坏性”的资本深化。

　　从“离岸外包”到“智能集聚”

　　资本—劳动比重构，使得全球价值链正从“离岸外包”向“智能集聚”演变。微观与宏观层面的K/L重构，最终汇聚成改变全球产业分工格局的巨大力量。主要体现在以下三个逻辑转变。

　　一是价值链形态：从“微笑曲线”到“悲伤曲线”。传统的微笑曲线理论认为，全球价值链中，以研发为代表的上游和以品牌营销为代表的下游附加值最高，而中间的制造环节附加值最低。因此，发达经济体占据两端，发展中经济体占据底端。AI正在重塑这一形态。一方面，正如沉默曲线理论所指出的，随着智能制造的普及，制造环节本身开始重新获得高附加值，曲线形态不再“微笑”，而是趋于平直，制造环节的利润率甚至可以超越研发和营销环节。另一方面，AI也在侵蚀“微笑曲线”的两端。例如，AI辅助设计降低了研发端的门槛；AI驱动的精准营销和智能客服，也在改变品牌与消费者的连接方式。最终，价值链的附加值分布变得更加扁平化，甚至呈现出“块状化”，价值不再沿着链条线性分布，而是集中在拥有数据—算法—算力“铁三角”的节点上。

　　二是比较优势：从“要素禀赋”到“算法与数据禀赋”。比较优势理论的核心逻辑是劳动生产率和要素丰裕度的差异。然而，AI正在创造一种新的比较优势——“智能禀赋”。一个国家的比较优势不再仅仅取决于其拥有多少劳动力或多少自然资源，而是取决于数据规模与质量、算法创新能力和算力基础设施。这意味着，全球产业分工正在从“离岸外包”模式转向“智能集群”模式。那些能够建立“AI—制造业”闭环的国家和地区，将吸引高端制造业回流或集聚。例如，如果新型基础设施足够完善，基于智能制造和智能服务的“黑灯工厂”就可以部署在靠近高消费市场的高成本国家，因为劳动力成本在总成本中的比重已大幅下降。

　　三是空间布局：从“全球化”到“区域化”。AI对K/L的替代效应，极大地降低了劳动套利的空间。传统意义上，跨国公司全球布局的核心逻辑是寻找最低的劳动成本。当AI使得一个美国工厂的工人成本占比从30%降至5%时，将工厂从亚洲迁回美国或墨西哥的总成本差异就不再显著。更重要的是，AI时代对供应链的敏捷性和韧性要求超过了单纯的成本要求。距离越远，数据延迟、物流不确定性越高。因此，AI正在推动全球产业分工从“极致效率导向”的全球分散布局，转向“效率与安全平衡”的区域集聚布局。全球价值链的长度正在缩短，分工的颗粒度正在变粗。

　　AI对两种意义上K/L的重构以及全球分工的重塑，虽然带来了效率提升，但也伴随着深层次的矛盾。一是收入分配与就业极化。微观层面的劳动极化与宏观层面的替代鸿沟，可能导致全球范围内中等收入群体的萎缩和贫富差距的扩大。对于发展中国家，如何避免在AI浪潮中被锁定在原材料供应国的地位，是亟待解决的问题。二是数据主权。数据成为关键资本后，全球产业分工出现了新的依附关系。拥有先进AI技术和数据平台的国家，可能通过算法控制全球价值链的“接口”。缺乏自主AI能力的国家，可能沦为纯粹的数据产地或AI产品的消费市场，其产业升级路径将被技术标准所封锁。三是人机关系的再定义。随着K/L中劳动的内涵发生质变，未来的劳动可能更多地指向与AI协作的能力。教育体系、社会保障体系都需要适应这种从“人力资本”向“人机资本”的过渡。

　　对于政策制定者而言，面对这一变局，需要在鼓励技术创新与保障就业稳定之间、在追求效率最大化与维护供应链安全之间、在拥抱全球化与防范数字依附之间寻找新的平衡点。而对于企业而言，未来的核心竞争力将不再取决于单纯的规模大小或成本高低，而是取决于能否将人与“AI资本”有机整合，形成高效、敏捷且具有韧性的新型生产函数。AI时代，资本—劳动比的演化，本质上是人类文明在“人机边界”上的又一次大规模迁移。理解并驾驭这一迁移，将决定国家与企业在新一轮全球产业版图中的位置，这也是我们需要高度关注并提前研判的重大战略问题。

　　（作者系中山大学国家发展研究院院长、岭南学院讲席教授）