谁在年智能体时代定价认知劳动？计算锚定的工资

关于 AI 智能体经济学的自然直觉是，由于智能体可以在极低的边际成本下复制，其劳动可能供给高度弹性，导致当其与人类劳动密切替代时，认知劳动工资受到向下压力。我们认为，这一框架在机制上是错误的，但在结论上部分正确，而这种纠正对理论和政策都至关重要。\textbf{智能体不是劳动;它们是一种将计算资本 $K_c$ 转化为有效认知劳动 $L_A$ 的生产技术。}一旦认识到这一点，锚定均衡工资的弹性供给边就从劳动市场迁移到计算资本市场。基于经典要素定价框架 \citep{mankiw2020}, 我们推导了一种 \emph{计算锚定工资}（CAW）上界，指出在人类和智能体生产的认知劳动可替代的任务上，竞争性人类工资受到 $\lambda \cdot k \cdot r_c$ 的上限约束，其中 $r_c$ 为计算资本的租金率，$k$ 为一个有效智能体生产认知劳动单位的计算强度，$\lambda$ 为人类与智能体的相对生产力。我们通过常数弹性替代（CES）聚合推广了该结果，区分可替代任务与互补任务，并讨论要素份额的后果。结论简明:\emph{认知劳动的定价者不再是劳动市场。}