第二次机器革命

如果你拿平均收入和中位数收入比较一下，就能很容易看出来，正常情况下，平均收入（全部收入除以所有人口）的变化和中位数收入（在收入分配体系中中间阶层的收入水平有一半比他们收入多，另一半比他们收入少）的变化有着很大的不同。而在最近一些年，这种趋势已经明显分化了，正像图9-1所显示的。

这是怎么发生的呢？让我们来思考一个简单的例子。有10位银行职员在一间酒吧里喝啤酒。他们每个人一年能够挣到3万美元，因此，他们几个人的平均收入和中位数收入都是3万美元。这时走进来一位首席执行官，他也点了一杯啤酒。现在，他们这个群体的收入立刻飙升起来，但中位数收入却没有发生变化。一般情况下，收入水平越不平衡，平均收入就越偏离中位数收入。这种情况不仅发生在我们假设的酒吧里，在整个美国也是这样。

THE SECOND MACHINE AGE→第二次机器革命→

152

总的说来，在1973\~2011年，中位数的计时工资几乎没有什么变化，每年的增长率仅仅为0.1%。相比较来看，正像我们在第7章讨论的，在同样这段时期，生产率的增长速度是平均每年1.56%，而在2000\~2011年又进一步增长到每年1.88%。生产率大部分的增长，都直接转变成平均收入水平的相应增长。中位数收入水平的增长之所以如此低，主要是由增长的不平等引起的。

赢家和输家的三个对比①

过去的数十年里，在税收政策、海外竞争、积习难改的政府浪费以及华尔街的欺诈等方面，我们已经看到了诸多改变。但当我们看一下数据和相关研究，却发现所有的这些都不是增长不平等的主要驱动因素。主要的驱动因素反而是技术领域指数级的增长、数字化的进步和组合式的创新，它们共同不断地夯实我们经济体系的根基。这样的结论是有一定的事实支撑的大多数发达国家也出现了同样的发展趋势。比如，瑞典、芬兰和德国在过去的二三十年里，收入不平等实际上比美国增长得还要快。虽然在这些国家早先的收入分配体系中不平等的现象并不多见，而且和美国相比也一直是相对平等的，但之后在世界范围内出现了大体相似的基本发展趋势，而且有时这种发展趋势在不同的制度、政府政策和文化背景下更会突显出来。

第9章大分化:数字化技术催生财富的重新分配

①在这本书中，作者用赢家和输家分别指代第二次机器革命浪潮之中的获利者和失利者，不过这里的获利和失利只是相对而言的。同时，作者用明星和超级明星指代第二次机器革命时代的顶级获利者。——编者注

153

正像我们在早先出版的《与机器竞赛》(RaceAgainsttheMachine)一书中所讨论的，这种结构性的经济变化创造了赢家和输家的三个交集。①结果，并不是每个人所获得的经济蛋糕的份额都在增长。前两批赢家也就是高技能劳动者和超级明星，是那些积攒了大量良性资本的群体。这些资本有可能是非人力资本（比如设备、组织架构、知识产权或金融资产)，也或者是人力资本（比如培训、教育、经验和技术)。像其他形式的资本一样，人力资本是一种能够产生收入流的资本形式。一位技能超群的水管工往往要比一位非技术劳动者的年收入要高，即使他们的工作时间相同。第三类赢家由我们身边的超级明星组成，他们往往具备非凡的天分或者能得到幸运之神的光顾。

在每一个群体里，数字化技术更能够增加赢家的薪水和报酬，而其他因素却不是根本的，因此能从中获取的福利并不多。赢家所获得的整体福利要比其他所有人失去的还要多。这反映了我们早先讨论到的一个事实：生产率和总的收入在整体经济中都发生了增长。这个好消息并不能给那些收入水平落在后面的群体带来些许慰藉。有时候，不论收益有多么大，也总是集中在相对比较小的群体之中，而让大多数的人们生活变得比以前更糟。

技能型技术变革

经济学家用来解释技术影响的最基本模式可以被看作是一只可以衡量其他任何领域的简单的倍增器，这只倍增器所衡量的生产率增长对所有人来说都是平均的。这种模式是可以用数学方程式来描述的，它常常用于入门级的经济学课程之中；它给一般人的直觉是(近期这种发展趋势越来越明显)，技术进步与崛起的浪潮能够轻松托起所有“船只”，能够提升所有劳动者的生产效率，进而能够创造更多的价值。由技术作为倍增器，一个经济体是能够以相同的投入创造出更多的产出的（包括劳动力)，而且在这个基本模式中，所有劳动力受技术的影响都是平等的，这也就意味着每一位劳动者每小时所创造的价值都要比过去多。

THE SECOND MACHINE AGE。→第二次机器革命→

①在《与机器竞赛》这本书中，作者写道：“技术对失业的威胁是真实存在的。为了理解这种威胁，我们将阐释技术变化所创造的赢家和输家的三个交集：一是高技能劳动者vs.低技能劳动者，二是超级明星vs.其他所有人，三是资本vs.劳动力。”—译者注

154

还有一种稍微复杂些的模式会把“技术可能不会平等地影响到所有投入因素”这种可能性纳入到考量范围，更确切地说，这种模式会更倾向于考量其中一些因素，而对另一些因素却避而远之。尤其是在最近的一些年，随着像薪资管理软件、工厂自动化、计算机控制机器、自动化存货管理和文字处理等技术被用于日常工作，办公室文员、工厂工人以及从事机械式信息处理加工工作的人员的很多工作都被替代了。

相比较来说，像大数据分析、高速通信和快速成型等技术则放大了更加抽象的数据分析与推理因素，进而增加了工程师们的设计和创造价值。这种技术的发展所带来的实际效应是，降低了对低技能劳动力的需求，而相应增加了对高技能劳动力的需求。经济学家们，包括戴维·奥特尔（DavidAutor)、劳伦斯·卡茨(LawrenceKatz)、阿兰·克鲁格(Alan Krueger)、弗兰克·列维、理查德·莫尼恩、德隆·阿西莫格鲁(Daron Acemoglu）以及很多其他经济学家，都在认真撰写文章研究这种发展趋势他们称之为技能型技术变革。从定义上看，技能型技术变革对人力资本更加看重。

第9章大分化:数字化技术催生财富的重新分配

155

技能型技术变革所带来的效应可以在图9-2中生动地看到，这张图所基于的是麻省理工学院经济学家德隆·阿西莫格鲁和戴维·奥特尔的研究论文。这些曲线给我们讲述了一个最近几代数百万劳动者大分化的故事。在1973年之前，美国劳动者一直在享受着工资的快速增长。生产率向上增长的趋势让每个人的工资都出现了增长—不论他们的教育水平如何。然后是严重的石油危机和20世纪70年代的大萧条的发生，逆转了所有人的收入水平。在那之后，我们开始看到日渐严重的收入分化。到20世纪80年代初，那些拥有大学学历的人们又开始看到他们的收入增长了。与此同时，那些没有大学学历的劳动者却面临着不受劳动力市场欢迎的尴尬境地。他们的工资开始停滞，而如果他们是高中辍学生，实际还发生了下降。个人计算机革命开始于20世纪80年代初期也并不是一种巧合，在1982年，《时代》杂志将“年度机器”冠于个人计算机。

THE SECOND MACHINE AGE→第二次机器革命→

156

当我们考虑到这段时期大学毕业生的人数在迅速增长时，这个故事的经济情节甚至显得更加引人注目。从1960\~1980年，大学入学人数翻了一番还多，从758000人增长到1589000人。也就是说，有教育背景的劳动力人口出现了大幅增长。一般说来，供应增加会导致价格下降。在这种情况下，大学生和研究生蜂拥进入劳动力市场应该会促使他们的工资水平下降，但这种情况并没有发生。

一边是供应的增加，另一边是更高的薪水，这两者的结合意味着对高技能劳动力的需求要比劳动力的供应增长得更快。与此同时，对高中辍学生能从事的工作的需求却迅速下降，以至于市场对这类劳动力的需求迅速饱和虽然他们的工资级别和待遇也在降低。

对低技能劳动者需求的减少意味着，市场只能为那些还在持续争夺低技能工作机会的劳动者提供前所未有的低工资。而且因为拥有最低教育背景的大部分人的工资都是全社会最低的，所以这种变革更增加了整体收入的不平等。

适应数字化技术：公司组织架构的重组和再造

虽然机器与人之间一对一的替代有时会发生，但对企业文化进行更广泛的重组甚至是一条比技能型技术变革更重要的路径。埃里克与斯坦福大学的蒂姆·布雷斯纳汉(Tim Bresnahan)、沃顿商学院的洛林·希特(LorinHitt)和麻省理工学院的ShinkyuYang教授共同研究发现，在很多公司对决策权威、激励体系、信息流、招聘体系以及管理、组织流程的其他方面进行重组的过程中，数字化技术会发挥很大的作用。这种组织和技术的结合对公司的再造不仅使生产率大幅增长，也促使公司对教育程度更高的劳动者的需求增长，同时降低了对低技能劳动者的需求。这种生产的重组不但会影响那些工作与计算机密切相关的劳动者，同时也会影响那些看起来好像与技术毫不相关的劳动者。例如，一位设计风格老道、前卫的设计师可能会发现，如果她能借助便利的计算机设备和数字化技术使公司一直引领最新设计潮流，那么公司就会对她青睐有加；而一位机场售票员也可能会发现，他的工作正在被各类售票网站所代替—对这一切他既一无所知，又无可奈何。

第9章大分化:数字化技术催生财富的重新分配

157

在这些被研究的行业中，对计算机技术的每一美元投资都能刺激超过10美元的对组织资本的填补式投资或者是对培训、聘用和商业流程的重新设计方面的填补式投资。组织的重组通常可以削减掉很多日常工作比如重复的订单登记，公司只需要保留少量与判断、技能和培训密切相关的工作就能正常运转。

对信息技术投资规模最大的公司，通常其组织变革的规模也是最大的，但它们要想全面看到变革所带来的收益，一般会经过5\~7年的时间。另一方面，在这一变革的过程中，这些公司对高技能工作的需求相对于低技能工作也是增长最多的。这种收益时间的延迟也说明，公司的管理者和普通员工要在这一段时间内找到使用技术的新方法。正像我们在前面章节里所谈到的电气化和工厂改造一样，如果公司仅仅是简单的“穿新鞋走老路”，而不去重新思考公司在使用新技术过程中如何对组织架构重新设计和再造，那么公司就不会获得很大的收益。创造能力和组织再造是数字化技术投资的关键所在。①

这就意味着，使用新技术最好的方式通常不是简简单单地用机器来代替人工，而是对生产流程的重新设计和再造。毋庸置疑，在这一过程中，一些劳动者（通常是低技能劳动者）会被生产流程淘汰，而另一些劳动者（通常是那些接受过更多教育和培训的劳动者）会更受到青睐，可以预料的是，公司的工资结构也会受到影响。与那种简单的对传统工作的自动化相比，这种组织的重组与再造需要企业家、管理者和普通劳动者更多的参与创造，正是这个原因，在新技术被创造出来和引进之后才需要花费很多时间去实施和实现。但一旦这种变革发生，就会为生产率的提升贡献出最大的份额。

THE SECOND MACHINE AGE→第二次机器革命→

①这重复了先前章节中讨论到的电气化的生产效率。对数字化技术而言，只有在工厂的组织架构被改造之后，最大化的收益才会出现，在这种情况下，即使那些不直接使用新机器的工人也会受到很大的影响。

158

计算机与数字化技能的进化

当公司重组时，如果我们认真看一下那些被淘汰掉的工作，会发现技能型技术变革有一定的误导性。尤其是，如果认为所有大学水平的工作很难自动化，而幼儿园水平的工作就很容易自动化，那将是一个错误的看法。从最近一些年看，低技能的工作并不总是被自动化的，常常被自动化的是那些机器做得比人工做得更好的工作。当然，这样说有些啰唆，但这种啰唆却是非常有必要的。装配线上的重复工作要比一个门卫所从事的工作更容易自动化。日常的办公室工作，像处理付款要比处理消费者的问题容易得多。在现阶段，机器人还不擅长爬楼梯、从地板上捡曲别针，或者读懂一位很受挫折的消费者脸上的表情。

为了辨识这种区别，我们麻省理工学院的同事德隆·阿西莫格鲁和戴维·奥特尔的研究结果建议，要把工作分成一个二阶矩阵，即：认知类的工作（类似脑力类的工作）vs.体力类的工作，程序性工作vs.非程序性工作。他们发现，对程序性工作的需求已经大幅下降，不论这种工作的性质是认知性的，还是体力性的。这种状况导致了工作的两极分化：对中间收入的工作需求急速下降，而对非程序性的认知类工作（比如财务分析）和非程序性的体力类的工作(像美发工作）需求相对旺盛。

第9章 大分化:数字化技术催生财富的重新分配

159

在阿西莫格鲁和奥特尔研究工作的基础上，杜克大学的经济学家尼尔·杰莫维切(Nir Jaimovich)和不列颠哥伦比亚大学的亨利·休（HenrySiu）发现，在工作两极分化和失业型复苏之间有一种联系，这种联系很好地解释了最近发生的三次经济萧条。在19世纪和20世纪的大部分时间里，就业市场通常在每次萧条之后强烈反弹，但自从20世纪90年代，就业市场就无法在萧条之后迅速恢复了。还有，当计算机化的经济发展模式逐渐深化，后经济萧条时代的雇用模式随之也发生了变化，这绝对不是一种巧合。当杰莫维切和休在对比了20世纪80年代、90年代以及21世纪初的就业市场之后，他们发现对于程序认知性的工作（比如出纳、邮局职员、银行柜员）和程序体力类的工作（比如机器操作工、泥瓦工、裁缝）需求不仅是下降的，而且还出现了加速下降。这些工作在1981\~1991年下降了5.6%，在1991\~2001年下降了6.6%，而在2001\~2011年下降的幅度更是达到了11%。相比较来看，非程序性的认知工作和非程序性的体力工作在这30年时间里都出现了增长。

一般说来，与公司高层交谈能够帮助我们了解这种就业模式的变化。几年前，我们曾与一位首席执行官进行过一次非常坦率的交流，他解释说，他在十多年之前就知道，信息技术的进步会导致很多程序性的信息处理工作变得多余。但当公司的收入和利润都在增长时，一般也不会或者很难削减这些多余的工作岗位。而当萧条来临时，公司再像以前那样运营就难以为继了，这时公司就要面临一轮痛苦的公司调整和对员工的解雇。当萧条终结，利润和需求恢复之后，那些程序性的工作却很难恢复了。就像这些年里的很多公司一样，他的公司也能通过使用技术而不是增加员工数量来保持公司的发展。

THE SECOND MACHINE AGE→第二次机器革命 →

160

正像我们在第2章中所看到的，这种情况有些像莫拉维克悖论，我们每天的感觉能力和运动技能都需要很高的精确度和复杂性。数百万年以来，人类的进化赋予了我们数十亿的神经元，以敏锐地辨识一位朋友的面孔，区分不同类型的声音，使用更恰当的动作控制。相比较来说，与更高级的思维(比如运算或逻辑）相连的抽象推理是相对现代的技能它仅仅有数千年的发展历程。它通常仅仅需要简单的软件以及更低级的计算能力就能够模仿，而且这种模仿在处理一些任务时甚至可以超越人类的能力。

当然，正像我们在整本书中所看到的，机器并不适合处理一系列的任务。它正在持续不断地“进化”，就像我们使用的“计算机”这个词语已经从此前指的是一份工作职务“进化”成指的是一种机器设备。

在20世纪50年代初，人们“教”机器下跳棋，很快机器就击败了富有声望的专业棋手。1956年1月，赫伯特·西蒙(HerbertSimon，经济组织决策管理大师，诺贝尔经济学奖获得者）重回学校课堂授课时对他的学生们说：“在圣诞节期间，阿尔·纽威尔（AlNewell）和我发明了一台能够思考的机器。”三年之后，他们就创造了一个名叫“一般问题解决器”(General Problem Solver)的程序，被设计用来解决符合标准规则的任何逻辑问题。它在解决一些简单的问题方面，比如井字游戏（Tic-Tac-Toe，又称三连棋）或者稍微难一些的汉诺塔(Towerof Hanoi，又称河内塔）游戏时做得比较出色，但由于可能选项的组合式展开问题没有解决，所以它不能扩展到解决大部分的现实问题。

受他们早期成功研究成果的鼓舞，还有一些人工智能研究先驱，比如马文·闵斯基(MarvinMinsky，美国人工智能领域的科学家，麻省理工学院人工智能实验室的创始人之一，著有几部人工智能和哲学方面的作品）、约翰·麦卡锡(JohnMcCarthy，他在1955年的达特茅斯会议上提出了“人工智能”这个概念，被称为“人工智能之父”）和克劳德·香农（ClaudeShannon，信息论及数字通信时代的奠基人)，以及西蒙和纽威尔，他们都对机器能够迅速掌握人类的技能而充满乐观的信心，他们甚至早在1958年就预测，电子计算机将会在1968年成为国际象棋冠军。在1965年，西蒙甚至预测：“在20年之内，机器将能够做人类所能做的所有工作。”

第9章大分化:数字化技术催生财富的重新分配

161