AI对收入分配的影响不是单向的——自动化效应直接压减被替代劳动者的工资，新任务创造效应为劳动者开辟新的价值空间，任务间替代互补效应的方向取决于替代弹性和劳动要素比重。易君健与周子煜这篇论文构建了AI收入分配效应的四重传导框架，并揭示了中国劳动收入份额U形变动（1992年54%→2006-2011年48%→2023年53%）在AI冲击下面临的新不确定性。更值得关注的是收入内部分化：代际、地区、教育、性别等多维因素相互强化，高技能、高教育、发达地区、年轻劳动者同时受益于多重积极效应，形成累积性收入鸿沟。

自动化效应直接减少被替代劳动者工资收入并削弱议价能力，是AI对劳动收入份额最直接和显著的负向影响。任务间替代互补效应的影响复杂且高度异质——当AI导致资本完成任务生产率上升且任务间存在替代关系时，劳动技能任务需求下降推动劳动收入份额下行；若存在互补关系则上行。新任务创造效应为被替代劳动者提供重新就业机会，新任务通常需要特殊技能且初期供给稀缺，带来工资溢价，有助于提升劳动收入份额。全要素生产率效应对所有要素同步影响，对劳动收入份额无直接影响。最终影响取决于四效应的综合作用及其时间维度的不同强度变化。

中国劳动收入份额从1992年约54%持续下降，2006-2011年间触底维持在48-49%，此后持续回升，2023年回到53%。中国劳动收入份额长期低于发达国家水平，且中国居民财产性收入占比很低，大量居民高度依赖劳动收入，因此劳动收入份额变化对中国的收入分配有重要现实意义。AI冲击下，这一U形趋势可能面临新的不确定性——自动化效应可能重新压低劳动收入份额，而新任务创造效应的方向和强度尚未可知。

代际维度：年轻劳动者通常具有更强技术适应和学习能力，容易掌握AI协作新技能；中老年劳动者面临技能更新困难。地区维度：发达地区凭借更好技术基础设施和创新生态创造AI相关高收入就业机会；欠发达地区主要承受替代效应冲击。教育维度：不同教育程度的劳动者群聚在不同类型技能上，AI对技能的异质性冲击传导到教育层面。性别维度：由于男女在教育背景、职业选择等方面的差异，AI冲击在性别间呈现不均匀分布。这些分化因素往往相互强化——高技能、高教育、发达地区、年龄较轻的劳动者同时受益于多重积极效应，形成累积性收入鸿沟。

AI时代人力资本政策面临前所未有的复杂性，必须在促进效率与维护公平、推动创新与保障稳定之间寻求动态平衡。政策框架需具备充分的灵活性和适应性：既要防止技术变革冲击下的市场失灵和社会失序，又要避免过度干预对技术创新和经济效率的负面影响。论文强调，只有建立兼顾效率与公平、统筹当前与长远、平衡确定性与灵活性的政策设计理念，才能在AI技术快速发展的过程中实现技术进步与社会发展的协调统一。