罗盘 / 自动化红利
暗星档案 · 未点亮的星

自动化红利分配机制

本条为初评草案(AI 辅助编目 · 评于 2026-07):T 阶为三问初评(撬动面 × 停滞度 × 临界性),双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程,其贡献与星阶按 HCF 独立重评,不从暗星自动继承。

自动化红利分配机制T6 量级 · 行星
当 AI 让产出与劳动脱钩,怎么把增量分给全体成员——这是智能时代最大的分配问题,目前只有零星实验、没有成熟机制。
暗星编号DS-0106
A · 可及性与成员福祉
领域economy-markets
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难

工业时代的分配主管道是工资:你参与生产,就分到产出。AI 与自动化正在切断这根管道——产出可以暴涨而对人类劳动的需求不涨,此时若没有新的分配机制,技术进步的果实会以前所未有的速度集中。候选方案已经摆在桌上:UBI(无条件基本收入)、数据分红、主权财富基金式的公共股权(阿拉斯加永久基金已把石油红利平分给全体州民四十多年,是唯一长期运转的先例)。OpenResearch 完成了迄今最大规模的基本收入随机对照实验,GiveDirectly 在肯尼亚跑着最长周期的 UBI 实验。这是 A 轴(成员福祉)上的头号暗星:三轴框架里『能力前沿暴涨而分配机制缺席』正是文明尺最警惕的失衡形态。

卡在哪 · 机制级卡点

卡点一是财政来源:全民规模的分红需要 GDP 百分之几十量级的稳定资金池,向谁征(机器人税?数据税?公共持股 AI 公司?)每条路都有严重的激励扭曲或可行性问题。卡点二是激励相容:现有实验已给出劳动供给影响的初步证据,但都是小样本、有限期、外部注资——『全社会、永久性、自我造血』的版本从未被验证,而且实验本身很难摆脱『知道会结束』的行为偏差。卡点三是政治经济学:分配机制一旦建立就近乎不可逆,试错成本极高,导致各国都不敢先动。

谁在攻

OpenResearch(大规模基本收入随机实验)、GiveDirectly(肯尼亚长期 UBI 实验)、阿拉斯加永久基金(全民分红的四十年先例)

怎么参与

读公共财政与劳动经济学,精读 OpenResearch 实验报告和阿拉斯加永久基金的制度史(后者是唯一的长期真实样本,被严重低估)。可进的团队类型:做现金转移实验的研究机构(GiveDirectly 类)、主权财富基金研究方向、或 AI 实验室里的经济影响团队。好的切入子问题:设计『AI 公司公共持股/数据分红』的具体财政机制并算清账——财政来源是整个方向公认的第一瓶颈,而认真算过账的人极少。

谁在攻这颗暗星 · 攻关者名录17 人

这不是终点站——今天在这颗暗星上攻坚的人,就是明天点亮它、登上星光榜的候选。名录含科研、创业与第三方三类关键角色,初评待核实,欢迎补充与纠正。

ACADEMIA学界 · 科研11
伊丽莎白·罗兹Elizabeth Rhodes研究总监
OpenResearch
OpenResearch 无条件收入研究的研究总监,主持该大规模 UBI 实验设计与执行,并列为核心论文作者之一
伊娃·维瓦尔特Eva Vivalt经济学家/首席研究员
多伦多大学
OpenResearch 基本收入研究的首席研究者与就业效应等系列 NBER 论文第一作者
保罗·尼豪斯Paul Niehaus联合创始人/经济学教授
加州大学圣地亚哥分校 / GiveDirectly
GiveDirectly 联合创始人兼 UCSD 经济学家,肯尼亚 UBI 实验研究团队核心成员
塔夫尼特·苏里Tavneet Suri经济学教授/研究负责人
麻省理工学院斯隆管理学院 / J-PAL
主持 GiveDirectly 肯尼亚 12 年 UBI 随机对照实验(2017–2030),产出全球最长周期 UBI 劳动供给与福祉证据
阿比吉特·班纳吉Abhijit Banerjee经济学教授/诺奖得主
麻省理工学院 / J-PAL
J-PAL 联合创始人,肯尼亚 UBI 实验联合首席研究者,为一次性 vs 月付转移的激励效应提供随机证据
卡尔·维德奎斯特Karl Widerquist政治哲学教授
乔治城大学卡塔尔分校 / BIEN
UBI 规范理论主要建构者之一,并系统研究阿拉斯加永久基金作为全民分红的长期真实样本
安东·科里内克Anton Korinek经济学教授 / AI 与经济政策研究者
弗吉尼亚大学 / Brookings / GovAI
系统研究 AI 与 AGI 对收入分配的冲击,NBER『Economic Policy Challenges for the Age of AI』作者,直面后劳动时代的再分配机制设计。
戴维·奥托尔David Autor劳动经济学教授
麻省理工学院(MIT)
劳动经济学权威,长期研究自动化对就业结构与工资极化的影响,为『技术替代劳动后分配如何失灵』提供实证地基。
达龙·阿西莫格鲁Daron Acemoglu经济学教授 / 2024 年诺贝尔经济学奖得主
麻省理工学院(MIT)
与雷斯特雷波提出自动化『任务替代』框架,量化 AI 与机器人对劳动需求的削弱,是分析后劳动分配的核心理论工具。
帕斯夸尔·雷斯特雷波Pascual Restrepo经济学者
波士顿大学 / 耶鲁大学
阿西莫格鲁长期合作者,共同建立自动化任务模型与实证,刻画技术如何『置换』而非补偿劳动收入。
约瑟夫·斯蒂格利茨Joseph E. Stiglitz经济学教授 / 诺贝尔经济学奖得主
哥伦比亚大学
与科里内克合著 AI 与收入分配研究,论证智能红利若无再分配将加剧不平等,倡导针对性制度设计。
INDUSTRY业界 · 创业与工程2
山姆·奥特曼Sam AltmanOpenResearch 发起人/资助者
OpenAI / OpenResearch
发起并资助 OpenResearch(原 Y Combinator Research)迄今最大规模的无条件基本收入随机对照实验(每月 1000 美元、三年)
迈克尔·费伊Michael Faye联合创始人/总裁
GiveDirectly
GiveDirectly 联合创始人,主持肯尼亚 12 年期全球最长 UBI 实验的现金转移落地,也是该研究报告署名研究者
THIRD PARTY第三方 · 政策/资助/倡导4
盖伊·斯坦丁Guy Standing经济学家/基本收入网络联合创始人
伦敦大学亚非学院 / 全球基本收入网络 BIEN
BIEN 联合创始人,长期从理论与政治经济学层面论证基本收入作为分配主管道替代方案
杨安泽Andrew Yang政治人物/UBI 倡导者
Forward Party(前 2020 美国总统参选人)
以『自由红利』(每月 1000 美元 UBI)为核心竞选纲领,把自动化红利分配议题推入美国主流政治议程
斯科特·桑滕斯Scott Santens基本收入倡导者/基金会负责人
Income to Support All Foundation (ITSA)
长期专职 UBI 研究与倡导,推动自动化时代基本收入财政来源与机制设计的公共讨论
萨姆·奥特曼Sam AltmanOpenResearch UBI 实验发起人 / 出资人
OpenAI / OpenResearch
个人出资并发起 OpenResearch 大规模全民基本收入实验(3000 人、三年、约 6000 万美元),把后劳动分配从论文推向社会级实证。

去哪家 · 机构与公司名录9 家 · 其中初创/成长期 1

给求职者和投资人的信息增量——不只是听过的大机构,更多是正在攻这颗暗星的初创与新公司(联网实搜、初创优先排序,初评待核实)。

Vana初创
2021 创 · 美国波士顿 / 旧金山
用 DataDAO(数据合作社)让用户把个人数据集体拥有、集体治理并训练用户所有的 AI 模型——本质是『数据的劳工工会』,是数据分红从口号走向可运行机制的一条真实路径
↗ Reddit DataDAO 已聚 14 万用户训练出首个用户所有 AI 模型,把『数据即劳动』的分配主张落成链上可分润的产品,而非停留在政策论文
Stanford Basic Income Lab (BIL)科研实验室
2017 创 · 美国斯坦福大学
追踪并研究全美 30+ 保障性收入试点的政治、经济与哲学,出版《Basic Income in Cities Toolkit》给地方政府落地用
↗ 由哲学教授 Juliana Bidadanure 创办、现挂靠斯坦福贫困与不平等中心,是把散落试点系统化为可复制方法论的学术枢纽
OpenResearch (原 Y Combinator Research 基本收入项目)非营利
2016 创 · 美国旧金山
运营迄今美国规模最大的无条件现金随机对照实验(Unconditional Cash Study),三年每月发钱、对照严谨,直接验证 UBI 对劳动供给与福祉的因果影响
↗ 由 Sam Altman 出资发起、Elizabeth Rhodes 主持,2024 年发布首批完整结果,是这颗暗星『激励相容』卡点上最硬的实证样本
GiveDirectly非营利
2009 创 · 美国纽约 / 肯尼亚
在肯尼亚 197 个村庄给 2 万人发放为期 12 年的 UBI,是全球周期最长的基本收入实验,专攻『永久性 vs 有限期』的行为偏差问题
↗ 唯一逼近『长期、真村庄、无退出预期』设计的样本,直接对冲实验室 UBI『知道会结束』的方法论硬伤
RadicalxChange Foundation非营利
2019 创 · 美国
推动『数据即劳动』与数据合作社/受托人机制,主张数据生产者应像有 CPA/理财顾问一样有代其行使数据权益的信义中介,为数据分红提供制度设计地基
Glen Weyl、Divya Siddarth 等人的机制设计智库,是把 UBI/数据分红从『发钱』升级到『产权与信义结构』的少数认真做深的组织
The Data Dividends Initiative非营利
美国
专门推动『数据分红』这一具体机制——让每个人对自己创造的数据持有权益股份,从 AI/平台的数据收益中分成
↗ 把加州 2019 年州长提出的『data dividend』概念做成持续倡导项目,是财政来源之外另一条『向数据征、给全民分』的机制探索
Jain Family Institute (JFI)非营利
2014 创 · 美国纽约
从试点设计、田野研究到政策分析,几乎从零参与建起了美国保障性收入这个研究领域,目标是把社会安全网改造成接近保障性收入的形态
↗ 被视为『把保障性收入从婴儿期养大』的推手之一,长于把学术实验翻译成可推行的政策工程
OpenResearch非营利
非营利研究(Sam Altman/OpenAI 资助) · 美国
运行美国史上最大规模 UBI 随机对照实验:向 1000 名低收入者每月发 $1000、持续 3 年,对照组每月 $50。
↗ 美国迄今最大 UBI RCT,2024 出结果——是『后劳动分配』极少数真正做到社会级实验设计的机构;但仍是千人量级、未在『AI 已替代劳动』前提下成立。
Innovations for Poverty Action (IPA)非营利
独立运行 GiveDirectly 肯尼亚 UBI 研究的评估方,负责随机化设计与数据分析。
↗ 作为独立第三方评估者存在,是这类分配实验可信度的关键一环;想进这个方向做研究/数据的人的现实入口。

来源 · 可查证