过去 110 年，现代经济学里有一条从未被打破的铁律

过去 110 年，现代经济学里有一条从未被打破的铁律。 只要技术发生重大突破，大学文凭就会变得更值钱。 从 1914 年的高中普及运动，到电气化、流水线装配，再到大型机、个人电脑和互联网。 无论科技怎么爆发，拥有大学学历者的收入溢价，一路狂飙了整整四十年。 到了 2022 年，美国大学工资溢价达到了 0.626 的历史高位。 大学毕业生比非大学学历者的薪酬优势，被拉大到了惊人的地步。 但在 2022 到 2026 年之间，这条运转了一百多年的上升曲线，突然发生了断崖式掉头。 全美大学工资溢价从 0.626 暴跌到 0.575。 一个多世纪以来第一次，市场对大学劳动力的相对需求增长率，直接跌进了负数区间。 为什么过去百年里总在给大学学历发奖金的技术机器，突然开始扣减白领的工资条？ 是大学生的供给突然过剩了？ 还是底层那台运转了 110 年的技术机器，齿轮被彻底倒装了？ 把劳动力市场的数据拆到底，会看到一台支配了现代社会上百年的分配机器。 技能偏向型技术进步。 2008 年，诺贝尔经济学奖得主克劳迪娅·戈尔丁与劳伦斯·卡茨在《教育与技术的赛跑》里，把整个 20 世纪的工资差距归结为一场赛跑。 蒸汽机、电动机和计算机吞噬的是车间工人和打字员的体力与重复动作。 但它们极大放大了工程师、律师、分析师和管理者的脑力杠杆。 技术每往前推进一步，对高技能、高学历劳动力的相对需求就暴增一截。 这就是为什么过去四十年里，即便学费飙升、大学毕业生数量翻倍，大学文凭的超额回报依然坚不可摧。 但在 2026 年，经济学家何塞·阿扎尔、米雷娅·吉内与哈维尔·桑斯-埃斯平发表了一项重磅研究，宣告了这个赛跑模型的反转。 他们追踪了截至 2026 年的美国当前人口调查微观数据。 把各职业的具体任务构成，与生成式 AI 的暴露程度进行了全面挂钩。 数据揭开了一个残酷的事实。 生成式 AI 正在驱动一场前所未有的认知任务置换。 这次被算法优先吞噬的，不再是车间的体力装配，是初级程序员的代码、初级律师的判例检索、分析师的财务模型和咨询顾问的行业报告。 越是高 AI 暴露度的白领岗位，2022 年以后的薪资增速被压制得越严重。 从完全不接触 AI 到全任务 AI 暴露，工人的薪资增速被直接削减了 8.6%。 仅仅这一项认知置换机制，就直接解释了过去四年全美大学工资溢价总跌幅的 28%。 过去一个世纪，社会给每一个普通家庭描绘的标准蓝图是：多念书，用认知筑起护城河，把重复体力劳动甩给机器。 这套蓝图的底层支柱，是人类的标准化脑力和抽象组织能力拥有最高的边际溢价。 生成式 AI 把这根支柱当场抽掉了。 当大语言模型把初级脑力产出的边际成本直接打到了零，耗费四年时间、背负数万美元学贷换来的标准化分析范式，在算法面前迅速贬值成随处可见的同质化商品。 反观电工、水管工、精密机械师这些必须直接介入物理世界、应对现实随机性的手艺，在算法洪流面前守住了自己的防线。 被打破的从来不只是一张纸质文凭的含金量。 是过去 110 年来人类把「标准化脑力」直接等同于「绝对护城河」的技术神话。 当算法开始批量批发标准认知，文凭不再自动充当增值资产，而可能变成一项沉重的沉没成本。 上一个世纪，技术在替脑力劳动者扫清障碍。 这一个世纪，算力开始直接对脑力本身开刀。