来源：经济学家圈

图为中国社科院学部委员蔡昉参加新经济学家智库研讨会发言。

应对AI的就业影响：让蚂蚁储备食物，让蚂蚱唱歌跳舞吧

蔡昉

中国社会科学院学部委员

人们对于人工智能（AI）发展的最大关注，莫过于这场颠覆性技术变革究竟将如何影响就业。无论从哪些方面观察就业——职业、岗位或任务，AI的迅猛发展和应用，都预期造成冲击性的影响。如果说AI作为一场技术变迁的革命性，胜于以往任何一次通用型技术突破的话，其对人类就业的影响也必然是史无前例的。在学术讨论和舆论传播中，形成关于AI影响的悲观派与乐观派，本文并不打算在两者之间选边站队，而是尝试打破技术与就业关系的历史、现在与未来的边界，进行一场思想实验，揭示政策含义，提出政策建议。

与其对不确定性下注，何不来一场思想穿越？

在咨询公司、智库以及国际组织汗牛充栋的研究中，对于AI就业影响的终极结果及性质的结论，通常是模棱两可的。人们看到的一些研究结论，往往是不同版本的预测，如“AI最可能冲击的岗位”、“AI最不擅长的人类工作”等，或者计算一些常见职业或岗位的AI暴露度，并据此对就业受冲击的可能性和顺序进行排位。然而，预测先天具有的脆弱性，在AI就业影响这个场合更为突出地暴露出来。

这些预测在时间概念上具有相当大的不确定性，既没有指出那些优于AI的人类能力能够持续多久，也没有指出那些AI不擅长的工作是否永恒。这些预测缺乏有用性，是因为它们所依据的信息，或者受到现时的AI模型能力所限，或者只是根据以往经验进行的简单推论。

任何人只要承认AI技术发展的革命性是前所未有的，他便会懂得，AI模型在每个时点上达到的高度和赋能能力，都只是一个阶段性的进步，远未达到潜力的边界。从这个意义上说，前述预测的依据只是AI可能性光谱的一小段，会随着技术体系的一日千里演进而瞬间过时。或者说，这些预测依据的信息是不完全的。

例如，《福布斯》列举出20种最不可能被自动化替代的职业，急诊医生、首席执行官、药剂师、律师等名列其中（Castrillon, 2026）。不过，正如作者申明的那样，这只是2026年的情形而已。AI发展与应用的速度越快、路径的变化越难以预见，这种结论的时效性也就越有限。另外，如果把工作分解为“任务”，同一职业中那些只要求入门级技能的岗位，譬如从事辅助性工作的初级白领，已经受到了明显的冲击。由于市场竞争的激烈性，AI尚不擅长的工作很可能成为技术攻关的诱因；一些曾经以人际连系或“人情味”著称的岗位，也可能被揭开“温情脉脉的面纱”，变成算法的天下。

从理论来说，既然我们注定不能在结果显现前便看穿AI的全部可能性，从实践来说，与其依据不完全信息对职业的未来押注，不如允许自己发挥海阔天空的想象力，进行一场思想穿越。凯恩斯（2010，第114页）曾经这样评价自己的导师马歇尔，认为后者具有作为经济学家最重要、最基本的才能，即出类拔萃的历史学家和数学家兼具一身，在特殊与一般、暂时与永恒之间游刃有余。认识AI的就业影响，既应该理解过去、看懂现在，还需要“回到未来”，真正让思想在时空中穿梭自如。

创造性破坏中的岗位：过去、现在和未来

技术变迁具有创造性和破坏性两副面孔，缺一则不符合创新的本意。技术进步对于就业的破坏性，在工业革命早期即已出现，机器冲击岗位的现象还点燃了著名的“卢德主义运动”星星之火。从那以后，劳动者眼中的技术与就业往往是水火不相容的。当代经济学家不厌其烦地尝试证明，长期来看，岗位创造数量终究会大于岗位破坏（Autor, 2015）。然而，仅仅提出这样的说法，对于技术变革中岗位被破坏和劳动者受冲击的问题，并无直接的助益，因为在大多数情况下，新创岗位从未被那些丢掉工作的劳动者所获得。

中国劳动力市场现状，用结构性就业矛盾来描述最准确，岗位与求职者之间未实现完全匹配。就业创造能否抵消或者超过就业破坏，也不能指望“涓流效应”般自动解决。同样地，随着AI渗透到经济活动各个方面，如果没有政策的有目的干预，则会造成结构性就业矛盾的加强版。以劳动力市场上的“一老一小”重点人群为例。如果把就业技能看作受教育年限与工作年限的恰当组合，青年和大龄劳动者均具有人力资本的不足，因而是相对脆弱的群体，更多面对就业难、失业率高和劳动参与率低的结构性困难。一旦青年劳动者的入门级技能贬值、大龄劳动者面对智能鸿沟，结构性就业矛盾便被强化。

对于人类工作的历史、现实及未来，我们应该具有以下认识。就AI这样的颠覆性技术变革来说，就业破坏和就业创造都将是史无前例的。然而，一方面，就业破坏是自然而然发生的，是一种确定性，因为按照经济逻辑来说，就业冲击是劳动生产率提高的必然结果；另一方面，就业创造只能是政策合理干预的结果，需以劳动生产率提高为必要条件。此外，还有一个必要条件：使这个提高了的劳动生产率得到充分的分享。一言以蔽之，未来以职业、工作、岗位和任务体现的就业创造，都只能来自劳动生产率的提高与分享。

打破“伊索悖论”：让蚂蚱唱歌跳舞吧！

一则《伊索寓言》讲的是蚂蚁与蚂蚱的故事：当蚂蚁为储存过冬食物而辛勤劳作时，蚂蚱只是整日无忧地唱歌娱乐；当冬日来临，饥饿难耐的蚂蚱向蚂蚁乞求分享食物时，蚂蚁的拒绝有充足理由：整个夏天你都在唱歌，现在你干嘛不去跳舞？

蚂蚁的榜样形象和蚂蚱的荒唐作为，以及这个故事不言自明的假设——收集食物才是生产性的活动，都是基于劳动生产率低下，所有生灵全身心从事基本生活品的生产方能生存这个逻辑。一旦劳动生产率大幅度提高、物质财富充分涌流，必须整日为收集食品而忙碌、不允许唱歌跳舞的逻辑便成为“悖论”，否则生活的意义又何在呢？

人们熟知的那些与AI直接相关，或者人机协作的岗位，无疑是未来岗位的重要来源，然而却不是未来岗位的不尽源泉，就业创造必须另辟蹊径。如前所述，只要有足够高且充分分享的劳动生产率这个条件，新的就业便可以源源不断地被创造出来，指的是另一种类型的岗位，来自于著名的“鲍莫尔成本病”行业（威廉·鲍莫尔等，2023；Baumol et al., 1966）。经济学家鲍莫尔热衷于研究这种类型的行业（职业），尝试解释为什么这类行业（职业）可以在较低劳动生产率条件下，仍然可以获得堪比其他行业（职业）的报酬。对于此类现象，可以列举出从理发、医疗，到教育、表演艺术等诸多行业或职业。

从事以往被称为文学艺术的工作，或者跻身如今更广义地被视为创意性的工作，从来就是成千上万青年的理想追求。很多人未能如愿以偿，以致抱憾终身，主要囿于一个传统的经济逻辑——必须赢得足够大的受众，才能以此为生。这个逻辑也可以扩大到很多行业，甚至可以反过来解读：一旦可以做到就业岗位同市场规模脱钩、工作报酬同个人劳动生产率脱钩，岗位便同人类的创意一样，具有无穷无尽的源泉。因此，不再计较一个岗位的劳动生产率是高是低，甚至也无需改变劳动生产率的衡量办法，只需要树立一个理念：承认蚂蚁为过冬储备食物与蚂蚱为自娱娱人唱歌跳舞，是必要且新型的劳动分工，并且，这种劳动分工不必像斯密倡导的那样，以提高劳动生产率为目标。

“莫拉维克转折点”：人力资本的旧貌新颜

机器人学者莫拉维克发现，人类可以轻而易举完成的工作任务，譬如说运动或社交技能，机器往往视为畏途；仅少数人胜任的工作任务，譬如说高端数学运算或大数据分析，机器掌握起来则日新月异（Arora, 2023）。把战胜国际象棋和围棋世界冠军的AI，与路演中摔得四仰八叉的人形机器人比较来看，不难理解这个“莫拉维克悖论”——AI也好，机器人也好，不适宜简单地判断是行还是不行。它提示我们：源自人类智能的各种技能，可依据人类与AI之间的相对优势划分为两种类型。既然技术变革的目的就是通过算法，让AI模型和智能体能够接近、达到乃至超越人类的水平，在达到这个目标的过程中，人类能力和人工智能终有一刻会分道扬镳。

设想在一个坐标系中，横坐标表示人力资本的积累水平，纵坐标表示人力资本的实际效用。以提高认知能力为导向的传统教育，一直以来便是科技创新的人力资本要求，因此，随着人力资本积累水平的提高，人力资本的实际效用相应提高，两个变量的结合则形成一个斜率为正的曲线。随着AI与人类劳动力在技能相对优势上逐渐分离，这条曲线的上升趋势递减，及至达到峰值。此后，按照原来模式进行的人力资本积累，所带来的实际效用降低，曲线的斜率成为负值。至此，从“莫拉维克悖论”便衍生出一个关于人力资本培养的“莫拉维克转折点”。

这当然不意味着人类技能无用论。通过学校学习和职业培训提升人力资本仍然重要，只是学习内容和人力资本培养模式需要改变。即便我们理解了“莫拉维克悖论”，并且预期经历“莫拉维克转折点”，AI替代人类能力的方向和方式仍然是不可预知的。在学习内容和培养模式做出改变，至少应该包括两个方面。一方面，无论是以人的全面发展为目标，抑或出于挖掘人类特有能力的目的，应该着力促进创意产业的发展和就业创造，因此，学校教育需要形成一个人文与科技之间的新平衡，显著增加哲学、人文、艺术等方面内容。另一方面，为了以变应变，确保AI时代的人力资本能够做到与时俱进、与日俱增，学校教育与职业培训、再培训之间需要形成一个新平衡，显著增加培训在人力资本培养中的贡献份额。

J字形轨迹：应对短期下降和保持长期上升

综合理论预期和经验证据，我们可以做出一个可靠预期，AI的就业影响将遵循一个J字形的演变轨迹：一方面，岗位破坏必然具有极大的冲击力，在短期内表现为曲线的下行部分；另一方面，岗位创造的潜力也可以广阔无垠，在长期里表现为曲线的上升部分。从政策制定和实施来看，目标和手段的选择，应着眼于使J字形曲线的短期下降时间尽可能短，以便早日进入上升的轨道，并具有长期可持续性。为此，我们概括若干政策应对的操作要点如下，可以把相关的任务目标及措施，简称为实现三个“有机统一”。

首先，实现应对AI就业冲击与破解结构性就业矛盾的有机统一。鉴于面对的两种就业挑战均具有巨大的外部性和不确定性，任由劳动者内卷式竞争或者“躺平”，不仅对个人的劳动力市场状况改善无济于事，还会从整体上降低就业质量。而正确的应对之策，应该建立在政府提供更多更有效能公共就业服务的基础上，配合劳动力市场机制作用实现技能的匹配、人力资源与其他要素的合理配置，以及在化解矛盾时间上的长短接续。

其次，实现特定时期学校教育和无限期职业培训的有机统一。一方面，学校教育更注重非功利性的教学内容，更强调培养有利于发展就业软技能、终身学习能力、隐性知识和实践智慧的非认知能力，以及满足精神文明需求的人文、艺术和创意能力。另一方面，职业培训则紧紧跟踪劳动力市场变化着的需求，建立终身学习体系并部署在劳动者职业生涯的每个节点上，从全生命周期培养能力更均衡的新型劳动者。

最后，实现人力资源市场配置功能与劳动者权益制度保护功能的有机统一。诚然，劳动力配置并不是市场经济的例外，人力资源配置也必须依托有效的劳动力市场机制。但是，由于劳动要素承载于作为劳动者的人身上，因而以人为中心的发展要求，以及人的全面发展目的本身，决定了劳动力资源配置不能简单依靠市场结清的方式进行。在AI时代创造高质量就业岗位，需要按照资源配置与权益保护一体化的要求，强化劳动力市场功能和制度建设。（来源：腾讯新闻大声思考）

参考文献

Arora, Anmol (2023), Moravec's Paradox and the Fear of Job Automation in Health Care, The Lancet, Volume 402, Issue 10397.

Autor, David H. (2015), Why Are There Still So Many Jobs? Journal of Economic Perspectives, 29(3), pp. 3-30.

Baumol, William J. and William G. Bowen (1966), Performing Arts: The Economic Dilemma, New York: The Twentieth Century Fund.

Castrillon, Caroline (2026), 20 AI-Resistant Careers with the Lowest Automation Risk in 2026, Forbes, Jan 27 Issue.

凯恩斯（2010）《经济学家的生活》，北京出版集团公司、北京出版社。

威廉·鲍莫尔等（2023）《增长的烦恼：鲍莫尔病及其应对》，北京：中信出版集团。■

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。