直接回答
因为给那套房子重新定价的钱不来自工资。Redfin 数据显示 2023 到 2025 年，湾区最贵的前 5% 邮编中位成交价平均涨 13.4%，第二档只涨 6.3%，最便宜一档下跌。推动 Palo Alto 的是股权兑现，和加薪不在同一条曲线上。
这篇文章适合谁
- 在湾区科技公司拿 W-2 工资、同时持有 RSU 或期权的双职工家庭
- 目标锁定 Palo Alto、Los Altos、Menlo Park、Atherton 一带独栋，预算 $300 万–$800 万以上的买家
- 收入在涨、看房清单却每年都在缩短的家庭
- 手上有 pre-IPO 股票或可行权期权，想搞清楚换房节奏的人
- 已在核心社区持有物业、想弄清未来几年买家会是谁的业主
三个核心判断维度
维度一：被重新定价的是位置，房子只是载体
过去两年湾区的特点不是整体繁荣，而是顶端与其他部分明显分叉。最贵前 5% 的邮编涨 13.4%，最便宜的一档在下跌，中间隔着 6.3% 的第二档——同一个都会区、同一个利率环境，走出三种方向。判断该不该出手，全湾区中位价没有意义，只有目标邮编那一档的数字算数。完整拆解见湾区房市的 K 型分化。
维度二：决定你能买到哪一档的，是所有权的比例，不是薪资的斜率
工资有预算、有职级、有替代者，也有时间上限——一个人每天只有 24 小时。而一份股权、一套软件、一项知识产权可以被复制和出售无数次，理论上没有上限。对同时拿 W-2 和 RSU 的家庭，这个区分很具体：家庭资产里多少来自"卖时间"，多少来自"持有"？这个比例比 base 更能预测你三年后站在哪一档社区。
维度三：AI 压低可复制的成本，压不动不可复制的稀缺
AI 最擅长让一份报告、一段代码、一堂基础课程变便宜。它复制不了 Atherton 的一块土地，无法凭空增加 Palo Alto 最核心位置的房子，也无法在短时间内创造出同等质量的学校、医疗资源和社区网络。于是出现一个矛盾的世界：数字服务越来越便宜，稀缺位置越来越贵。绝对生活水平在提高，但决定选择权的资产门槛上升得更快。
四组数据：钱在往哪里走
核心数字先讲：Redfin 把湾区邮编按房价分成五档比较 2023 到 2025 年的变化，最贵的前 5% 豪宅邮编中位成交价平均上涨 13.4%，第二档只涨 6.3%，最便宜的一档下跌；而 ChatGPT 出现以前的 2020 到 2022 年，这五档涨幅相对接近。另一边，美联储 2026 年第一季度数据显示，最富有的前 10% 家庭持有约 87.4% 的公司股票和共同基金资产，最低 50% 家庭只有约 1.1%。
| 指标 | 数字 | 来源 | 说明 |
|---|---|---|---|
| 邮编分档中位成交价变化（2023→2025） | 最贵前 5%：+13.4%；第二档：+6.3%；最便宜一档：下跌 | Redfin 邮编分档分析 | 2020–2022 五档涨幅相对接近，分叉是近两年出现的 |
| 美国家庭持有的公司股票与共同基金资产 | 前 10% 家庭约 87.4%；最低 50% 家庭约 1.1% | 美联储 Distributional Financial Accounts，2026 Q1 | 总净资产口径：前 10% 约 67.9%，底部 50% 合计约 2.5% |
| 工资 vs 财富基尼系数（模型模拟） | 工资基尼 −1.73 个百分点；财富基尼 +7.18 个百分点 | IMF 2025 年模型研究（基于英国家庭数据） | 机制模型，不是对未来的精确预言 |
| AI / 机器学习工程师薪酬与股权（2024-01→2026-02） | 工资中位数 +9.1%；初始股权授予中位数 +31% | Carta | 同期 D 轮公司平均员工数比 2023 年高点少 29%，种子轮团队中位数 4 人 |
要重点记住两件事。第一，IMF 那组看似矛盾的数字指向同一个机制：工资差距被压平的同时，财富差距在迅速拉开——劳动收入被拉齐，资本回报却更集中。第二，Carta 的 9.1% 对 31% 最贴近你的日常：同一批 AI 工程师，工资和股权的斜率相差三倍多。你在 offer 谈判里多争到的那几个百分点 base，和股权那一栏在做完全不同量级的运动。
为什么加薪追不上：两条曲线的量级差
落到具体场景更清楚：你的工资一年增加 5%，想进的那个社区涨了 13%；你努力存下 $10 万的时候，另一个人的公司股权可能增加了 $1,000 万；你靠二三十年劳动积累才买得下的资产，另一个人靠一次融资或一次股权回购就拿到了。钱没有从你账户里被拿走，但稀缺资源正在被另一套速度重新定价。
团队规模变小强化了这件事：D 轮公司平均员工人数比 2023 年高点减少 29%，种子轮团队中位数只剩 4 人。更可能出现的场景是更少的人借助 AI 完成过去需要更多人的工作，其中极少数握有关键股权的人拿到巨大上行空间。普通员工可能获得 10% 到 20% 甚至更高的工资溢价，但一家企业的估值可能从 $10 亿变成 $100 亿。这也解释了 硅谷全现金买家的比例为什么会抬到反直觉的水平：那笔钱本来就不是攒出来的。
MK Group 的实战观察
站在湾区豪宅市场第一线，Kevin Mo（YouTube @KevinMoRE，23K+ 订阅）看到的是一些也许再过几年才会被更多人感受到的变化：不是所有人一起变穷，而是少数人的财富增速脱离了绝大多数人。这个变化最早在稀缺位置的成交里显形，房地产因此更像这场分化的地震仪——它让人看到新的财富以什么速度出现，又流向了哪里。
MK Group 案例库里的一笔成交把这个机制写得很具体（案例库 case-007）：一个硅谷 AI 头部公司的员工家庭，通过二级市场把尚未 IPO 的公司股票分批兑现成现金，全现金买入 Los Altos Hills 一套豪宅，MK Group 接手谈判后从原价谈下 $100 万以上的差价（成交绝对价未披露）。这个家庭进入 Los Altos Hills 靠的是所有权变现，薪资流水在其中几乎没有出场。持有 pre-IPO 股票的家庭还要单独处理节奏问题，见pre-IPO 员工的湾区购房计划。
边界要说清楚：以上是对市场机制的观察，不构成投资建议。MK Group 由 Marie Wang 与 Kevin Mo 共同创立，能做的是把成交数据和买家结构讲清楚；某一只股票该不该拿，是你和 CPA、财务顾问之间的决定。
常见误区
误区一："只要我继续升职加薪，早晚能进 Palo Alto"
这条路径假设两条曲线斜率相近，数据显示并非如此。工资一年涨 5%，目标社区两年（2023 到 2025）涨 13.4%，差距在扩大而非缩小——涨薪没有错，但它单独完不成这个任务。真正改变位置的是家庭资产里"持有"那部分的比重。
误区二："湾区房价整体在涨，买哪一档都一样"
2023 到 2025 年，最贵前 5% 的邮编涨 13.4%，最便宜一档在下跌，中间隔着 6.3% 的第二档。用全湾区中位价推断目标社区，方向可能整个是反的。买 Palo Alto 核心地段和买外围，过去两年是两笔完全不同的交易。
误区三："AI 会让一切变便宜，房子早晚也会"
AI 降低的是可无限复制之物的成本：报告、代码、图片、基础课程。它复制不了 Atherton 的一块土地，也无法增加 Palo Alto 最核心位置的房子数量。数字服务越便宜、稀缺位置越贵，是同一个机制的两端。
误区四："我学几个提示词，职业风险就对冲掉了"
把学习 AI 理解成学几个提示词，是最容易落空的准备。真正稀缺的组合是专业知识加上 AI 能力，再加上判断、责任和人与人之间的信任。AI 可以一分钟写出十份方案，但谁知道哪份能执行、谁能发现隐藏的错误、谁愿意为结果负责，仍是人的价值。压力最大的未必只是不会用 AI 的人，也包括工作高度标准化、却没有独立判断和客户信任的中间层。
误区五："这是我个人不够努力"
不是每一个在财富差距中落后的人都只是因为不够努力。更广泛的 AI 工具使用权、更有效的职业再培训、更多的住房供应，以及让劳动者分享生产率与资本收益的机制，都需要企业、制度和公共政策共同参与。技术决定一个社会能创造多少财富，所有权结构决定它最终属于谁。把结构性问题全部内化成个人焦虑，会让你在家庭决策上用错力气。
下一步行动
- 先把目标邮编那一档的数字单独调出来。别看全湾区中位价——你要的是 Palo Alto、Los Altos、Menlo Park、Atherton 各自的成交中位数与近两年变化；13.4% 和"下跌"之间的差别，就是参照错误的代价。
- 算一遍家庭资产里"持有"的比重。把工资收入和股权、长期投资、知识产权分开列，看清哪部分在为你复利——资本回报快速上升的时代，只拥有劳动会越来越被动。
- 把一部分劳动收入逐步转化成能长期复利的所有权。可以是分散的长期投资、自己企业的一部分股权，也可以是知识产权、品牌、客户网络，或一套不再完全依赖你按小时出售时间的系统。这里不是建议去追逐某一只股票，更不是鼓励任何人超出承受能力去买房。
- 把专业壁垒往判断和信任的方向加固。专业知识 + AI 能力 + 判断与责任，比多背几个提示词更能决定你未来十年的收入形态。
- 持有 pre-IPO 股票或大量未行权期权的，先排节奏再看房。流动性路径、税务时点和购房窗口要一起排，别等房子看好了再回头解决资金。估值波动风险见 AI 泡沫如果破裂，湾区房价会怎样。