蔡昉談應對AI的就業影響：讓螞蟻儲備食物，讓螞蚱唱歌跳舞吧

資料圖。本文來源：北京商報、中國國創會

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

圖為中國社科院學部委員蔡昉參加新經濟學家智庫研討會發言。本文來源：騰訊新聞大聲思考 編輯：馮彪

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

應對AI的就業影響：讓螞蟻儲備食物，讓螞蚱唱歌跳舞吧

蔡昉

中國社會科學院學部委員

人們對于人工智能（AI）發展的最大關注，莫過于這場顛覆性技術變革究竟將如何影響就業。無論從哪些方面觀察就業——職業、崗位或任務，AI的迅猛發展和應用，都預期造成沖擊性的影響。如果說AI作為一場技術變遷的革命性，勝于以往任何一次通用型技術突破的話，其對人類就業的影響也必然是史無前例的。在學術討論和輿論傳播中，形成關于AI影響的悲觀派與樂觀派，本文并不打算在兩者之間選邊站隊，而是嘗試打破技術與就業關系的歷史、現在與未來的邊界，進行一場思想實驗，揭示政策含義，提出政策建議。

與其對不確定性下注，何不來一場思想穿越？

在咨詢公司、智庫以及國際組織汗牛充棟的研究中，對于AI就業影響的終極結果及性質的結論，通常是模棱兩可的。人們看到的一些研究結論，往往是不同版本的預測，如“AI最可能沖擊的崗位”、“AI最不擅長的人類工作”等，或者計算一些常見職業或崗位的AI暴露度，并據此對就業受沖擊的可能性和順序進行排位。然而，預測先天具有的脆弱性，在AI就業影響這個場合更為突出地暴露出來。

這些預測在時間概念上具有相當大的不確定性，既沒有指出那些優于AI的人類能力能夠持續多久，也沒有指出那些AI不擅長的工作是否永恒。這些預測缺乏有用性，是因為它們所依據的信息，或者受到現時的AI模型能力所限，或者只是根據以往經驗進行的簡單推論。

任何人只要承認AI技術發展的革命性是前所未有的，他便會懂得，AI模型在每個時點上達到的高度和賦能能力，都只是一個階段性的進步，遠未達到潛力的邊界。從這個意義上說，前述預測的依據只是AI可能性光譜的一小段，會隨著技術體系的一日千里演進而瞬間過時。或者說，這些預測依據的信息是不完全的。

例如，《福布斯》列舉出20種最不可能被自動化替代的職業，急診醫生、首席執行官、藥劑師、律師等名列其中（Castrillon, 2026）。不過，正如作者申明的那樣，這只是2026年的情形而已。AI發展與應用的速度越快、路徑的變化越難以預見，這種結論的時效性也就越有限。另外，如果把工作分解為“任務”，同一職業中那些只要求入門級技能的崗位，譬如從事輔助性工作的初級白領，已經受到了明顯的沖擊。由于市場競爭的激烈性，AI尚不擅長的工作很可能成為技術攻關的誘因；一些曾經以人際連系或“人情味”著稱的崗位，也可能被揭開“溫情脈脈的面紗”，變成算法的天下。

從理論來說，既然我們注定不能在結果顯現前便看穿AI的全部可能性，從實踐來說，與其依據不完全信息對職業的未來押注，不如允許自己發揮海闊天空的想象力，進行一場思想穿越。凱恩斯（2010，第114頁）曾經這樣評價自己的導師馬歇爾，認為后者具有作為經濟學家最重要、最基本的才能，即出類拔萃的歷史學家和數學家兼具一身，在特殊與一般、暫時與永恒之間游刃有余。認識AI的就業影響，既應該理解過去、看懂現在，還需要“回到未來”，真正讓思想在時空中穿梭自如。

創造性破壞中的崗位：過去、現在和未來

技術變遷具有創造性和破壞性兩副面孔，缺一則不符合創新的本意。技術進步對于就業的破壞性，在工業革命早期即已出現，機器沖擊崗位的現象還點燃了著名的“盧德主義運動”星星之火。從那以后，勞動者眼中的技術與就業往往是水火不相容的。當代經濟學家不厭其煩地嘗試證明，長期來看，崗位創造數量終究會大于崗位破壞（Autor, 2015）。然而，僅僅提出這樣的說法，對于技術變革中崗位被破壞和勞動者受沖擊的問題，并無直接的助益，因為在大多數情況下，新創崗位從未被那些丟掉工作的勞動者所獲得。

中國勞動力市場現狀，用結構性就業矛盾來描述最準確，崗位與求職者之間未實現完全匹配。就業創造能否抵消或者超過就業破壞，也不能指望“涓流效應”般自動解決。同樣地，隨著AI滲透到經濟活動各個方面，如果沒有政策的有目的干預，則會造成結構性就業矛盾的加強版。以勞動力市場上的“一老一小”重點人群為例。如果把就業技能看作受教育年限與工作年限的恰當組合，青年和大齡勞動者均具有人力資本的不足，因而是相對脆弱的群體，更多面對就業難、失業率高和勞動參與率低的結構性困難。一旦青年勞動者的入門級技能貶值、大齡勞動者面對智能鴻溝，結構性就業矛盾便被強化。

對于人類工作的歷史、現實及未來，我們應該具有以下認識。就AI這樣的顛覆性技術變革來說，就業破壞和就業創造都將是史無前例的。然而，一方面，就業破壞是自然而然發生的，是一種確定性，因為按照經濟邏輯來說，就業沖擊是勞動生產率提高的必然結果；另一方面，就業創造只能是政策合理干預的結果，需以勞動生產率提高為必要條件。此外，還有一個必要條件：使這個提高了的勞動生產率得到充分的分享。一言以蔽之，未來以職業、工作、崗位和任務體現的就業創造，都只能來自勞動生產率的提高與分享。

打破“伊索悖論”：讓螞蚱唱歌跳舞吧！

一則《伊索寓言》講的是螞蟻與螞蚱的故事：當螞蟻為儲存過冬食物而辛勤勞作時，螞蚱只是整日無憂地唱歌娛樂；當冬日來臨，饑餓難耐的螞蚱向螞蟻乞求分享食物時，螞蟻的拒絕有充足理由：整個夏天你都在唱歌，現在你干嘛不去跳舞？

螞蟻的榜樣形象和螞蚱的荒唐作為，以及這個故事不言自明的假設——收集食物才是生產性的活動，都是基于勞動生產率低下，所有生靈全身心從事基本生活品的生產方能生存這個邏輯。一旦勞動生產率大幅度提高、物質財富充分涌流，必須整日為收集食品而忙碌、不允許唱歌跳舞的邏輯便成為“悖論”，否則生活的意義又何在呢？

人們熟知的那些與AI直接相關，或者人機協作的崗位，無疑是未來崗位的重要來源，然而卻不是未來崗位的不盡源泉，就業創造必須另辟蹊徑。如前所述，只要有足夠高且充分分享的勞動生產率這個條件，新的就業便可以源源不斷地被創造出來，指的是另一種類型的崗位，來自于著名的“鮑莫爾成本病”行業（威廉·鮑莫爾等，2023；Baumol et al., 1966）。經濟學家鮑莫爾熱衷于研究這種類型的行業（職業），嘗試解釋為什么這類行業（職業）可以在較低勞動生產率條件下，仍然可以獲得堪比其他行業（職業）的報酬。對于此類現象，可以列舉出從理發、醫療，到教育、表演藝術等諸多行業或職業。

從事以往被稱為文學藝術的工作，或者躋身如今更廣義地被視為創意性的工作，從來就是成千上萬青年的理想追求。很多人未能如愿以償，以致抱憾終身，主要囿于一個傳統的經濟邏輯——必須贏得足夠大的受眾，才能以此為生。這個邏輯也可以擴大到很多行業，甚至可以反過來解讀：一旦可以做到就業崗位同市場規模脫鉤、工作報酬同個人勞動生產率脫鉤，崗位便同人類的創意一樣，具有無窮無盡的源泉。因此，不再計較一個崗位的勞動生產率是高是低，甚至也無需改變勞動生產率的衡量辦法，只需要樹立一個理念：承認螞蟻為過冬儲備食物與螞蚱為自娛娛人唱歌跳舞，是必要且新型的勞動分工，并且，這種勞動分工不必像斯密倡導的那樣，以提高勞動生產率為目標。

“莫拉維克轉折點”：人力資本的舊貌新顏

機器人學者莫拉維克發現，人類可以輕而易舉完成的工作任務，譬如說運動或社交技能，機器往往視為畏途；僅少數人勝任的工作任務，譬如說高端數學運算或大數據分析，機器掌握起來則日新月異（Arora, 2023）。把戰勝國際象棋和圍棋世界冠軍的AI，與路演中摔得四仰八叉的人形機器人比較來看，不難理解這個“莫拉維克悖論”——AI也好，機器人也好，不適宜簡單地判斷是行還是不行。它提示我們：源自人類智能的各種技能，可依據人類與AI之間的相對優勢劃分為兩種類型。既然技術變革的目的就是通過算法，讓AI模型和智能體能夠接近、達到乃至超越人類的水平，在達到這個目標的過程中，人類能力和人工智能終有一刻會分道揚鑣。

設想在一個坐標系中，橫坐標表示人力資本的積累水平，縱坐標表示人力資本的實際效用。以提高認知能力為導向的傳統教育，一直以來便是科技創新的人力資本要求，因此，隨著人力資本積累水平的提高，人力資本的實際效用相應提高，兩個變量的結合則形成一個斜率為正的曲線。隨著AI與人類勞動力在技能相對優勢上逐漸分離，這條曲線的上升趨勢遞減，及至達到峰值。此后，按照原來模式進行的人力資本積累，所帶來的實際效用降低，曲線的斜率成為負值。至此，從“莫拉維克悖論”便衍生出一個關于人力資本培養的“莫拉維克轉折點”。

這當然不意味著人類技能無用論。通過學校學習和職業培訓提升人力資本仍然重要，只是學習內容和人力資本培養模式需要改變。即便我們理解了“莫拉維克悖論”，并且預期經歷“莫拉維克轉折點”，AI替代人類能力的方向和方式仍然是不可預知的。在學習內容和培養模式做出改變，至少應該包括兩個方面。一方面，無論是以人的全面發展為目標，抑或出于挖掘人類特有能力的目的，應該著力促進創意產業的發展和就業創造，因此，學校教育需要形成一個人文與科技之間的新平衡，顯著增加哲學、人文、藝術等方面內容。另一方面，為了以變應變，確保AI時代的人力資本能夠做到與時俱進、與日俱增，學校教育與職業培訓、再培訓之間需要形成一個新平衡，顯著增加培訓在人力資本培養中的貢獻份額。

J字形軌跡：應對短期下降和保持長期上升

綜合理論預期和經驗證據，我們可以做出一個可靠預期，AI的就業影響將遵循一個J字形的演變軌跡：一方面，崗位破壞必然具有極大的沖擊力，在短期內表現為曲線的下行部分；另一方面，崗位創造的潛力也可以廣闊無垠，在長期里表現為曲線的上升部分。從政策制定和實施來看，目標和手段的選擇，應著眼于使J字形曲線的短期下降時間盡可能短，以便早日進入上升的軌道，并具有長期可持續性。為此，我們概括若干政策應對的操作要點如下，可以把相關的任務目標及措施，簡稱為實現三個“有機統一”。

首先，實現應對AI就業沖擊與破解結構性就業矛盾的有機統一。鑒于面對的兩種就業挑戰均具有巨大的外部性和不確定性，任由勞動者內卷式競爭或者“躺平”，不僅對個人的勞動力市場狀況改善無濟于事，還會從整體上降低就業質量。而正確的應對之策，應該建立在政府提供更多更有效能公共就業服務的基礎上，配合勞動力市場機制作用實現技能的匹配、人力資源與其他要素的合理配置，以及在化解矛盾時間上的長短接續。

其次，實現特定時期學校教育和無限期職業培訓的有機統一。一方面，學校教育更注重非功利性的教學內容，更強調培養有利于發展就業軟技能、終身學習能力、隱性知識和實踐智慧的非認知能力，以及滿足精神文明需求的人文、藝術和創意能力。另一方面，職業培訓則緊緊跟蹤勞動力市場變化著的需求，建立終身學習體系并部署在勞動者職業生涯的每個節點上，從全生命周期培養能力更均衡的新型勞動者。

最后，實現人力資源市場配置功能與勞動者權益制度保護功能的有機統一。誠然，勞動力配置并不是市場經濟的例外，人力資源配置也必須依托有效的勞動力市場機制。但是，由于勞動要素承載于作為勞動者的人身上，因而以人為中心的發展要求，以及人的全面發展目的本身，決定了勞動力資源配置不能簡單依靠市場結清的方式進行。在AI時代創造高質量就業崗位，需要按照資源配置與權益保護一體化的要求，強化勞動力市場功能和制度建設。（來源：騰訊新聞大聲思考）

參考文獻

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.

凱恩斯（2010）《經濟學家的生活》，北京出版集團公司、北京出版社。

威廉·鮑莫爾等（2023）《增長的煩惱：鮑莫爾病及其應對》，北京：中信出版集團。■

掃碼入群可參加全年至少12場精彩閉門研討