假设一家工厂引入机器人，每交付一件合格产品的完整成本下降了 100 美元。
客户可能付得更少，股东可能赚得更多，留下来的员工可能获得奖金，也可能因为加班减少而收入下降。被调整岗位的人，还要承担重新找工作的时间和风险。
同一次技术进步，可以同时创造这些结果。
我们已经花了很多时间讨论机器能多做多少事。接下来，需要把另一张账算清楚：增加的生产力，究竟通过什么路径进入普通人的收入和生活？
省下来的 100 美元，并没有预设收款人
这个假设里的“完整成本”，已经包括设备折旧、融资、维护、能源、人工支持和失败重试。只比较机器人电费与员工工资，连收益有多少都还没有算清。
即使确认每件节省 100 美元，分配也不会自动完成。
如果企业降价 60 美元，在销量和其他条件不变的简化情境下，就剩下 40 美元空间，可以用于增加报酬、留存利润或其他支出。如果竞争迫使企业把节省全部让给客户，直接受益者主要是购买者；如果售价不变，收益就更多地留在企业。
税收随后影响企业和个人可以保留多少收入，再通过公共支出和转移支付影响其他人。不能把“降价、工资、税前利润、税收”画成四块互不重叠、直接相加的蛋糕，否则会重复计算。
这里也不能预设公司会把全部收益拿来分红。企业可能需要修复资产负债表、扩大产能，或为下一轮研发承担风险。问题在于，这些决定如何形成，长期效果由谁分享，代价由谁承担。
技术决定可行性，市场与议价决定分配
同一种机器人，在不同市场中可能产生很不一样的分配结果。
客户容易更换供应商，成本下降就更可能转化为降价。少数企业控制关键接口、数据或渠道时，成本优势也可能成为利润优势。员工掌握稀缺的部署、维护和异常处理能力，有机会提高报酬；如果他们缺少替代雇主，生产率提高也未必带来同幅度加薪。
这些都是需要观察的机制，而不是关于未来的统一答案。
ILO 对生成式 AI 的研究采用任务视角，强调职业转型与整体替代之间的差别。这个视角提醒我们：一种职业包含多项任务，AI 接走其中一部分之后，剩余工作的价值与组织方式仍会变化。该研究讨论生成式 AI，不能直接当成人形机器人已经具备相同能力的证据。ILO 研究说明
所以，企业说“AI 提高了员工效率”之后，还值得补充一句：效率增加以后，员工得到的是更高收入、更短工时、更多订单，还是更高的考核要求？
这四种结果，员工感受到的生活完全不同。
工资差距缩小，财富差距仍可能扩大
设想 AI 使普通员工更容易完成过去只有专家才能做的工作。工资差距可能缩小，这是值得欢迎的可能性。
但一个家庭的资源不只来自工资。股权、企业所有权和其他资产收益，同样影响它的长期处境。
IMF 在 2025 年的一项工作论文中，用家庭微观数据校准任务模型，分析了这种分化：在某些条件下，AI 对高收入岗位的替代可以缩小工资差距；与此同时，资本回报与采用决策仍可能扩大财富差距。这是模型推演，不是已经发生的机器人社会调查。IMF：AI Adoption and Inequality
它给我们的启发很具体：判断 AI 红利是否普惠，不能只看工资，也要看谁拥有资本，以及谁取得资产收益。资本收益可以来自分红、利息或资产价格变化；不能把价格上涨当成分享收益的必要条件。
同样一个机器人服务网络，有人只在需要时购买服务，有人领取运营工资，有人拥有平台股权。三者都参与网络，却拥有不同的收入来源和风险。
前文提出的 Proken 是一种工作计量与交易设计提案。即使它能让服务更容易购买，也不会自动改变资产归属。可访问性与所有权，是两项需要分别完成的建设。
最强的反方：便宜本身就是分配
一种有力的反驳是：即使利润集中，只要服务大幅降价，大多数人也会受益。我们不应只看谁获得现金，而忽略消费者购买力的提高。
这个反驳成立。低成本清洁、维修或配送，可能让原先买不起服务的家庭获得新的选择。更便宜的生产资料，也可能让小企业进入市场，扩大就业与竞争。
但获益程度需要回到每个人的账本。
一个人每月节省 300 美元服务费，却失去 3,000 美元劳动收入，整体处境仍可能变差。另一个人工作稳定、持有资产，就可能同时享受降价与投资收益。这里的数字只是说明机制，并非预测比例。
住房、照护、能源等支出是否同步下降，也取决于各自的供给约束。不能用一种数字服务几乎免费的体验，推导全部生活成本会随之消失。
我们应该同时计算价格红利、收入变化和过渡成本，才知道“更富裕”具体发生在谁身上。
企业可以先公开一张收益分配表
我希望看到一种更完整的 AI 部署报告。
它既披露每单位合格工作的成本变化，也披露价格怎样变化、员工实际报酬与工时怎样变化、内部转岗和新招聘怎样变化，以及投资回收和利润情况。
这不是要求每家企业采用同一种分配比例，而是让讨论从“效率提升了很多”进入可以核对的层面。行业、地区与部署阶段不同，合理选择会不同，但收益和代价不应只展示其中一面。
政策也需要同样的耐心：保护竞争、支持转型、调整税收与公共服务、扩大合理的资产参与渠道，各自处理不同的问题。简单地要求每个人“学会 AI”，无法解决全部所有权和议价问题。
Physical AI 带来的机会，是让完成许多工作的资源要求下降。这个机会能否变成广泛的生活改善，取决于我们怎样组织工资、价格、资本和公共制度。
生产力增长提供了分享的空间。怎样分享，仍然需要人来决定。
下一篇，我想把这个问题推进一步：除了在收益产生后进行分配，我们能否让更多人提前拥有产生收益的资产？
你的企业分享效率收益时，最先改变的是价格、薪酬、工时，还是利润？