来源：新浪科技
埃克哈德恩斯特引用国际劳工组织全球劳动力数据指出，过去二十年间，全球不少地区劳动力参与度持续提升，但一个不容忽视的现实是：劳动在新增财富里分到的份额越来越小，收入分配失衡的矛盾持续凸显。美国就是典型样本，劳动收入占比自二战后 65% 逐步下滑至 60%，并且仍处在下行通道。
他以外卖平台为例称，骑手在日常配送中不断摸索更高效的配送路线，这些由劳动者在实践中摸索出来的经验，最终沉淀为平台算法优化的原料，持续提升整个配送系统效率。然而，骑手创造的这部分隐性价值，并没有被纳入薪酬核算体系，红利主要被平台获取。
在埃克哈德恩斯特看来，这是 AI 时代劳动价值核算的共性困境：AI 只擅长量化那些被预先设定、易于测量的指标，劳动者的协作能力、现场判断、在实践中试错摸索出来的隐性经验，往往难以被计量，也就很难写进薪酬合同。系统、数据、算法的所有权，决定了谁拿走增量收益。AI 不断承接决策工作，财富向掌握算力、数据平台的企业集中，劳动者的价值贡献长期被低估。
他继而提出第二层隐忧：当下越来越多雇佣合同由算法系统生成。HR 分析模型依托历史员工数据自动拟定雇佣条款、薪资规则，算法会不断复刻过去的范式，天然排斥全新的工作模式、新颖的创意与非标准化劳动贡献。叠加 AI" 验证税 " 难题 —— AI 输出存在错误、需要人工核验，如果劳动者无法复核、修正算法偏差，劳动报酬、用工条款的公平性就失去保障，用工契约本身的可信度随之下降。
基于以上判断，埃克哈德恩斯特认为，AI 带来的首要挑战不是大规模失业，而是收入分配机制失灵。未来几十年走向，取决于社会制度与公共政策如何设计。
他推演了两种发展图景。一种是维持现有规则：数据、算法、专利归私人平台所有，平台独占数据红利；仅依靠劳动力短期短缺拉动工资小幅上涨，但转移支付、公共资金很难真正把技术红利给到劳动者。气候转型等大型公共投资亦是如此，大量收益由机器、企业承接，普通劳动者很难直接分享红利。
而他更推崇另一条路径，核心追问一句话：谁拥有这些机器与数据？ 他是 " 主权数据 " 理念的支持者，主张数据主权归于公众，建立全民数据红利机制：当公共治理框架下的数据与 AI 系统产生收益，应当向每一位公民发放红利，而不是由私人企业独享。他以 Anthropic 相关基金设想为例，认为这类思路值得升级为政府主导的普惠政策，让普通民众能够共享技术增值。
埃克哈德恩斯特强调，社会需要跳出 " 机器抢工作 " 的单一叙事。机器可以承接更多繁重工作，这不代表就业不再重要；相反，劳动者的隐性贡献、实践经验、协作判断，需要被新的制度记录、确权、回报。劳动者应当拥有自身行为数据的相关权利，依靠监管补齐 AI 治理短板。一旦算法核验成本居高不下、记录体系失去公信力，社保、养老金等整套社会信任体系都会受到冲击。
最后他补充，价值回报的边界不能只局限于市场化岗位。志愿者服务、公益性贡献等市场之外的劳动，同样需要新机制去识别与激励。只有建立适配 AI 时代的分配框架，才能让绝大多数人真正从技术进步中获益。
