美国近期通胀和就业市场的韧性，值得深入思考。而AI又处于快速发展期，两者之间会有联系吗？我们结合一篇文献，Autor, D., Dube, A., & McGrew, A. (2023). The Unexpected Compression: Competition at Work in the Low Wage Labor Market (NBER Working Paper No. 31010). National Bureau of Economic Research. https://doi.org/10.3386/w31010，做一些思考。

首先，疫情后美国劳动力市场出现了显著的工资压缩（低收入群体的收入增速明显更快，居民的收入差距显著缩小），自2020年起，分布最底端（第10百分位）的实际及相对工资增长远超中位数或顶端（第90百分位）。

文献将2020年至2023年期间90至10工资比率对数的变化与其他重要历史事件进行了比较。利用十年一次人口普查的小时工资数据，图9的首个柱状图显示，这一比率在1940年至1950年—即所谓的“大压缩”时期 Goldin and Margo (1992)—下降了0.24对数点。根据 Goldin and Margo (1992)的研究，工资分布在1950和1960年代稍有扩大，但在1970年之后显著增加。20世纪70年代末期开始的“大分化”时期，是一个不断增长的不平等的数十年。从1979年至2019年，90至10的比率增加了0.29对数点（图9的第二个柱状图）。疫情后时期标志着这一长期不平等增长趋势的改变，如图9的第三个柱状图所示—从2020年至2023年中，90至10比率下降了0.11对数点。这些估算显示，最近的工资压缩约为“大压缩”的46%，并且它逆转了前四十年90/10对数比率上升的约38%。

从年龄来看，图14通过年龄来绘制工资趋势，展示了自疫情开始以来，年轻工作者享受到了最大幅度的工资增长。进一步将数据按年龄和教育水平细分（如图15所示）清晰表明，年轻非大学毕业工作者之间的工资压缩推动了这些趋势。在展示的四个群体中—高中教育对比大学教育×40岁以上与40岁以下—年轻的高中教育工作者是唯一一个其疫情后收入增长没有被通胀完全抵消的群体。我们后续对机制的分析主要（尽管不是唯一）集中在年轻高中教育工作者与劳动力其他部分之间的对比。

这种工资压缩模式并不仅限于教育间的工资差异。将职业根据2019年的工资等级分为三个层次，图16展示了自2020年初以来，在最低工资层次的职业中工资增长最为强劲，而在最高工资层次的职业中工资增长最弱。这与上述模式并行，疫情前低工资职业的工资增长已经超过了中高工资职业，但这一趋势在疫情期间急剧加速：自2020年初至今，最低层次职业的平均收入相对于高工资和中工资职业的收入分别增长了11个和5个百分点。低工资职业往往是那些以非常规手工任务为密集的职业—自2020年以来，这些职业也经历了快速的工资增长，如图A9所示。此类职业主要由面对面服务职业构成，例如食品准备、建筑及场地维护、清洁、个人护理和个人服务。

文献进一步分析了背后的机制：

低收入工作者的雇佣至雇佣（employment-to-employment，EE）转换率会增加，伴随着转换率上升群体中工资的提高。

对于（低）工资的离职弹性增加。

就业从低工资企业和行业向高工资企业和行业的重新分配。

相较于保持原职的员工，跳槽者的工资增幅更为集中。

以上就是文献中，笔者比较感兴趣的部分，大概结论是：疫情后美国收入不平等得到极大改善，主要是由于低收入者的收入增加更快带来。而由于低收入者的边际消费倾向更高，因此这种收入不平等的改善，带来消费和通胀的韧性。

进一步分析，低收入者的收入增加更快，主要原因在于学历低的、年轻的劳动者，由过去的低薪行业，跳槽到了高薪行业所带来，从而使得学历溢价贬值（高学历者相对收入下降）。

我们的思考：而学历溢价贬值，是否恰好是AI所擅长的？背后的故事是否是，在AI的赋能下，低学历人群（高中及以下），迅速达到了高学历人群（本科及以上）的基本知识技能水平，从而可以胜任高学历的工作（对应的收入也更高），这就使得高学历人群的供给增加（学历溢价），和低学历人群的收入增长（知识提升）。