2025年以来，以大语言模型（LLM）为代表的人工智能技术以前所未有的速度渗透进全球职场。从程序员用AI辅助写代码，到教师借助AI批改作业，再到客服人员利用AI生成回复模板——AI正在重塑各行各业的工作方式。然而，一个根本性的问题始终憬而未解：这些AI应用究竟创造了多少经济价值？这些价值在不同国家、不同职丛之间又是如何分配的？过往研究多依托职业风险推演、企业调研数据预判AI的潜在影响，缺乏真实落地场景的量化支撑。

7月10日，国际货币基金组织（IMF）发布的工作论文《Aggregate Gains from AI and Their Distribution: Global Evidence from Usage Data》，作者Rachel Yuting Fan（前世界银行经济学家）和Ha Minh Nguyen（IMF高级经济学家）利用Anthropic公司发布的五期“经济指数”（Anthropic Economic Index）数据，覆盖2025年1月1日至2026年2月期间超过100个国家的实际AI使用记录，首次从实证角度系统回答了上述问题。这篇文章依托真实AI交互数据完成了全球首份多维度、跨周期的AI经济收益量化研究，用扎实的数据揭开了全球AI红利的规模、分布失衡现状及扩散规律，为理解AI时代的全球经济分化提供了全新视角。

不同于传统研究聚焦“AI可能影响哪些岗位”的预判逻辑，该研究跳出理论推演，依托2025年1月至2026年2月五轮Anthropic经济指数（AEI）数据展开分析，覆盖超100个国家、每轮百万级Claude AI真实对话样本，精准匹配全球职业任务体系，构建了两大核心量化指标：劳动成本当量（LCE）与AI集中度指数（ACI），分别用于测算AI节约的劳动力成本总规模、衡量AI收益在不同职业间的分配均衡度，让AI的经济价值从“模糊预判”变为“精准量化”。

研究最直观的结论，是AI已形成规模可观的全球经济红利，且红利规模仍在持续扩张。数据显示，当前全球AI通过替代人力劳动、压缩工作时长，每年可节约劳动成本折合2.7万亿美元，占86个核心样本国家GDP总和的3.4%。这一数值并非静态峰值，而是呈现稳步增长态势，从2025年8月的1.2万亿美元逐年攀升，成为全球经济增长的全新增量引擎。

值得关注的是，AI红利的增长逻辑打破了大众固有认知。初期AI应用高度集中于软件开发、高端科研等高薪资技术岗位，单轮AI交互的经济价值极高。但随着技术持续普及，AI快速渗透教育、销售、行政办公等大众职业领域，这类岗位单场景时间节约价值更低，使得全球AI应用的加权平均薪资13个月内下降5.5%。看似“单值贬值”的背后，是AI覆盖人群的爆发式扩张，海量基层岗位的普及应用，完全抵消了单场景价值下滑的影响，成为整体红利持续增长的核心动力，其中84%的后期红利增长均来自AI应用场景的规模化扩张。

相较于总体红利规模，论文揭示的全球AI收益分配失衡格局，更具现实警示意义。依托独创的AI集中度指数（ACI），研究将AI收益分配的不平等现状具象化：ACI数值区间为-1至1，数值越接近1，代表AI红利越集中于高薪资职业，分配失衡越严重；数值为0则代表收益与就业人口完全匹配，分配均衡。

全球几乎所有国家的ACI数值均为正值，意味着AI技术红利天然向高薪职业倾斜，不存在普惠均衡的分配状态，但国家间的分化差异极为显著。高收入经济体的AI分配相对均衡，美国、英国等发达国家ACI数值稳定在0.4至0.5区间，AI应用已从高端技术领域，广泛扩散至教育、医疗、商务办公等多个职业领域，各类岗位均可分享技术红利。

与之形成鲜明对比的是，发展中国家的AI红利呈现极端集中态势。乌干达、柬埔寨、坦桑尼亚等低收入国家ACI数值接近1.0，近乎100%的AI收益集中在小众高端专业圈层。这类国家的高薪专业从业者仅占劳动人口的5%以内，占绝对主体的农业、基础服务、普通务工群体，几乎无法接触AI应用、享受技术红利。从全球维度看，高收入国家包揽了全球96%的AI劳动成本红利，其AI收益占GDP比重达4.2%，是中等收入国家（0.6%）的7倍、低收入国家（0.1%）的40倍，AI技术正在重塑甚至加剧全球南北经济分化。

失衡格局之外，研究也捕捉到积极的变革趋势：AI红利的分配集中度正在全球范围内逐步缓解，技术普惠性持续提升。2025年8至11月，仅30%的样本国家出现ACI数值下降；而2025年11月至2026年2月，近半数（48%）国家实现AI分配集中度回落，其中不乏大量中等收入经济体。这意味着AI的扩散逻辑正在迭代，从最初聚焦软件编程等核心技术岗位的“小众工具”，逐步转向全行业普及的“通用生产力”，技术红利的下沉扩散正在成为全球主流趋势。

究竟哪些因素决定了一个国家能否抓住AI红利、实现普惠分配？论文的回归分析打破了固有认知，厘清了三大核心影响变量，且区分了“静态水平”与“动态趋势”的不同驱动因素。

首先，AI监管成熟度是决定国家AI红利规模的核心因素。在控制经济发展水平、产业结构等变量后，监管体系更完善、AI治理更规范的国家，能够撬动更大的AI经济收益，红利占GDP比重显著更高。同时，完善的监管框架能够降低技术应用风险、规范行业发展，推动AI突破小众圈层，向更多职业场景渗透，有效降低收益分配集中度。此外，服务业占比更高的经济体，AI红利转化效率更高，这与大模型适配知识型、服务型岗位的技术特性高度契合。

其次，官方语言属性是决定AI红利能否持续下沉的关键变量，这也是发展中国家AI普及的核心瓶颈。研究发现，国家收入水平、监管成熟度仅能决定当下的AI分配格局，无法预判其演变趋势；而拥有官方英语体系的国家，ACI数值下降速度显著更快。其核心逻辑并非国民英语流利度，而是当前主流大模型的训练数据高度依赖英文体系。英语官方国家的法律法规、教育教材、商业规范等制度性知识，能够充分融入模型训练，让AI适配本土多元职业场景，精准服务教育、政务、商业等各类岗位。而非英语官方的发展中国家，本土制度性数据在模型中严重缺失，AI适配性差、应用场景狭窄，长期被困在高端专业圈层，难以实现普惠扩散。

值得注意的是，研究也明确了当前AI红利测算的边界与局限，避免过度解读。此次2.7万亿美元的年度红利，仅针对C端民用AI对话场景，未包含企业级API接口、行业定制化AI系统的价值，若纳入企业端应用，实际红利规模将进一步提升。同时，劳动成本当量仅测算AI节约的劳动时间价值，未考虑岗位替代、薪资结构调整等市场动态影响，是对技术生产力潜力的静态测算，不等同于直接GDP增量。

此外，受数据限制，本次研究未覆盖中国市场，后续全域数据的补充，或将进一步完善全球AI红利格局。

从宏观视角来看，这份IMF研究的核心价值，在于厘清了AI时代技术红利的分配本质：人工智能并非天然普惠的均衡工具，其初期必然伴随精英化、圈层化特征，且会放大国家间、职业间的经济差距。但这种分化并非永久固化，随着技术迭代、数据完善、监管落地，AI具备持续下沉、普惠扩散的明确趋势。

对于全球经济发展而言，AI的终极价值不在于创造短期万亿级红利，而在于能否打破分配壁垒、实现全民共享。对发达国家而言，核心任务是持续优化监管体系，巩固技术普惠趋势；对广大发展中国家而言，突破语言数据壁垒、完善AI治理体系，是跳出AI红利边缘化困境的关键。未来，全球AI竞争的核心，终将从“技术创新比拼”，转向“红利普惠能力”的角逐。