經濟學家蔡昉萬字長談：AI如何重塑勞動力市場

經濟學家蔡昉，照片由受訪者提供。

撰文｜涼音、李珊珊

在中國的經濟學家中，蔡昉常常扮演一個溫和的預警者——一直以來，他堅持不懈地提醒著人們，繁榮的數字背后，還有另一道必須回答的問題：增長的果實，如何到達最需要的人手中？

2003年3月，北京，中南海。十六屆中央政治局進行第三次集體學習，主題是"世界就業發展趨勢和我國就業政策研究"。走上講臺的，是時年46歲的中國社會科學院人口與勞動經濟研究所所長蔡昉，此后將近十年，他又兩度受邀。三進中南海，在中國經濟學家中極為罕見。三次授課，主題各異，卻有同一條問題主線：中國的經濟增長，究竟能不能真正惠及最廣泛的勞動者？

這個問題，致力于研究人口、就業、收入分配以及“三農問題”的中國社會科學院學部委員、一級研究員蔡昉用了40年去追問。他曾以"劉易斯拐點"預警中國人口紅利的終結，以“就業是最大的民生”為就業優先政策奔走呼號。

當GPT等人工智能產品驟然降臨，蔡昉面對的歷史語境，比以往任何時候都更為復雜。他的兩本近作——《中國就業新趨勢：人工智能如何重塑勞動力市場》與《投資于人》，正是在這一背景下寫就，構成一個相互呼應的思想整體。

《中國就業新趨勢》勾勒的，是AI沖擊下中國勞動力市場的結構性圖景：青年和大齡勞動者面臨結構性就業困難、新就業形態勞動者權益保障不足、農村轉移勞動力流動性減弱。書中有一個判斷尤其令人警醒：新技術對就業的破壞往往來得快而集中，而對就業崗位的創造則滯后而分散，受益的又往往不是同一批人。這種時間錯位，在AI時代只會更加劇烈。

《投資于人》則是對這一形勢該如何應對的系統性梳理，以學術話語對黨中央這一部署進行解讀。書中，蔡昉直面人口老齡化與人工智能崛起兩股力量同時在場的局面，并得出一個清醒的結論：兩者在不利情景下，非但不會相互抵消，反而可能彼此強化——AI替代勞動力，就業減少，收入壓低，消費需求隨之萎縮；老齡化則使需求側承壓，兩股力量咬合，足以形成一個自我強化的下行螺旋。

但蔡昉并不止步于診斷。他認為，這個螺旋并非宿命，打破它的鑰匙，恰恰就藏在問題本身之中——人工智能帶來的生產率躍升，如果能夠通過正確的公共政策加以引導，讓紅利真正流向勞動者而非只是資本持有者，需求側的塌陷便可以被對沖，不利循環也就失去了得以自我復制的條件。這也是他何以如此強調制度安排的根本原因：在他看來，人工智能帶來的最深刻挑戰，從來不是技術本身，而是分配——勞動生產率的躍升，能否通過制度安排，轉化為每個人生活質量的切實改善。

蔡昉對“不患寡，而患不均”的轉義借用，是在他與《知識分子》的交流中最讓人印象深刻的一句回答，他認為，仿擬這句古語尤其適用于AI時代的特質——未來的我們缺的不是資源，因為勞動生產率的提升空間是無限的；我們真正需要警惕的，是提升后的生產率能否被普通勞動者分享，是使那些最先被技術沖擊的人得到社會保護，用于扶助勞動力市場上的“一老一小”重點人群——大齡和青年勞動者。

他用一個思想實驗來支撐這一立場：按照合理的人口贍養比推算，未來十年老齡化帶來的撫養比每年約提高4.6%；而勞動年齡人口的勞動生產率每年可以提高5.6%；若持續對人投資，勞動生產率可以達到更高的增長速度，足以跑贏老齡化，滿足老齡化的需求。那個令所有精算師焦慮的養老"不可能三角"——在提高繳費、降低保障、延遲退休之間被迫取舍——并非鐵板一塊，只要生產率紅利能夠通過制度被充分分享，就有被打破的可能。

面向AI的沖擊，最有力的平衡方式是通過教育，發展一種能夠匹配AI時代的人力資本。在新書《投資于人》中，蔡昉寫道：“經濟學對人類知識的一大貢獻，便是把教育和培訓視為對人的投資。”

在他的框架里，AI時代對教育的沖擊，首先是對“文憑邏輯”的顛覆。過去，受教育年限是衡量人力資本的核心代理指標——上學越久、學校越好，在勞動力市場上的回報就越高。這套邏輯在AI時代正在失效：一紙文憑，無論學歷高低，都不再能保證勞動力市場所需的技能。ChatGPT發布以來，市場對具有高學歷和入門級技能的新成長勞動力需求，在英國減少了接近三分之二，在美國減少了43%。入門級技能的系統性貶值，使年輕人無辜地成為第一批受沖擊者——那條經由“學徒制”的經驗積累路徑，正在被AI悄然截斷。

但蔡昉的結論并非“教育無用”，而恰恰相反：人力資本比以往任何時候都更加重要，只是培養的內容與方式必須根本轉變。他認為，未來的教育需要做兩件事：一是從以認知能力為中心，轉向更重視非認知能力——終身學習的熱情與方法、好奇心、同理心、審美能力、溝通能力、團隊協作；二是打破“一學定終身”的舊模式，將學校教育與終身培訓體系真正打通，使后學校教育階段的學習與學校教育并重。他甚至提出，如果過去學校教育與工作后培訓的比例是9比1，那么在AI時代，這個比例至少要朝著5比5的方向轉變。

然而，這同樣意味著，政府的教育支出必須大幅擴張。他在書中指出，中國財政教育支出占GDP的4%，相當于世界各國的中位水平，與中國人均GDP已顯著高于中位數的地位不盡相符。他呼吁向高收入國家平均水平的5%及以上看齊，并將義務教育向兩端延伸——把學前教育與高中都納入進來，讓國家為盡可能多的學習“買單”。在他看來，這不是福利主義的奢侈，而是精明的公共投資：人力資本培養的社會收益率，在生命早期階段最高，此后隨年齡遞減，在就業培訓階段再次提升，構成一條清晰的U形曲線——可見，恰恰是那些最容易被忽視的“一老一小”，最需要公共資源的優先投入。

以下是我們與蔡昉的對話。

01 “人口紅利”到“AI紅利”：我們會被機器替代還是救贖？

知識分子：您在《中國就業新趨勢》中特意提到，我們得注意AI對就業的沖擊不僅表現在數量方面（失業），還有質量方面，比如：工資水平的降低和勞動條件的降級，以及大量的派遣就業和非穩定就業都是這些就業質量降低的表現。

如果算法讓雇主在財富"初次分配"中占據了絕對的、壓倒性的優勢，我們靠什么來守住勞動報酬的底線？在數字化時代，現行的勞動法律框架，是不是已經到了必須從“重塑勞資力量平衡”這一底層邏輯上進行重寫的時候？

蔡昉：勞動作為一種生產要素，它的配置方式本來就與其他要素不同——勞動與資本之間的談判地位，天生就不可能是對等的。所以從一開始，勞動力資源的配置就不能單靠市場，既要遵循供求規律，也需要立法與規制，以及配套的勞動力市場制度和社會保障制度——這是勞動關系的內在性質，歷來如此。

而現在的問題是，這種不對稱正在被進一步加劇。過去，資本與勞動之間雖有替代性，但也有相當強的互補性；而人工智能出現之后，替代性已經高度確定，互補性卻還是一個開放的問題。在這種情況下，勞資之間的談判地位有可能發生失衡。算法管理不過是這一趨勢最直觀的體現——資本借助技術，將對勞動者的控制精細化、隱蔽化，而勞動者幾乎沒有反制的手段。

我不會說要建立一套全新的立法理念，但我們都必須承認，現有框架在新的就業形態面前已經力有不逮，需要在實踐中不斷豐富和強化。我認為，目前，優化的幾個方向是比較清晰的：最低工資制度必須切實保障，并盡可能向"生活工資"標準靠攏，讓勞動報酬能夠覆蓋體面生活的基本需求。另外，各種社會保障項目要真正落實到位，這在《中國就業新趨勢》中曾經提到，要弱化社會福利作為特定群體權益的屬性，增加全民普惠性和可及性，也需要探討建立非繳費型的全民保障機制。

還有一點需要正視：未來的就業形態不會回到傳統的單位制模式，平臺用工、零工經濟不僅會持續存在，還會有更多我們尚未預見的形式涌現。勞動法律和社會保障體系都需要持續適應這種變化，而不是固守為穩定雇傭關系設計的舊框架。勞動者保護的邊界，需要隨著就業形態的演變而不斷重新劃定。

知識分子：不管是在您的書，還是講座中，您都特別提到AI應成為人的“互補者”，甚至在書中您特意強調：應該有意地優先發展能夠增加就業的AI，引導企業不以替代就業為目標。但在現實商業邏輯中，“替代”才是最快的降本路徑。我們靠什么機制引導企業主動選擇人機協作，而非一味裁員？

蔡昉：從每個企業的角度來說，采用人工智能的動機就是節約投入、減少人工，這是微觀層面的理性選擇，你沒有辦法去改變它。但所有企業都這樣做的結果，就是就業整體減少、消費需求萎縮、產能無法消化——這就是"合成謬誤"，個體理性匯總成大家都不愿意看到的結果。

所以，單靠呼吁企業"選擇人機協作"是沒有用的，必須有宏觀與微觀激勵相容的政策引導。宏觀層面，要做出分享生產率紅利的制度安排，確保人們的消費需求與日俱增；有了新的消費需求，就會產生新的行業、新的就業崗位，微觀層面的就業壓力才能得到疏解。市場本身可能會失靈，這正是公共政策"投資于人"的出發點——不是市場意義上的投資，而是用制度安排來分享兩個紅利，才能保持經濟合理運行。

知識分子：AI最先沖擊的往往是入門級崗位——而這恰恰是年輕人積累經驗、建立職業軌跡的起點。與此同時，大齡勞動者面臨"智能鴻溝"，女性則長期承受就業與家務的雙重壓力。AI對這幾類群體的影響，您能否分別評估一下，以及講一講如何應對？

蔡昉：這幾類群體面臨的處境各有其結構性原因，不能混為一談。

年輕人的問題在于，入門級技能正在被系統性貶值，AI 正在截斷年輕人的職業起跑線。過去，一個法律專業的應屆畢業生，雖然還沒有獨立執業的能力，但可以給資深律師做助手——查閱文件、整理材料、做實地調查，這是傳統的"學徒制"路徑，也是積累人力資本的必經之路。但現在，這些工作人工智能做得更快更好，年輕人在進入職業軌道的第一步便受阻。這是一個嚴重的結構性矛盾，雖然目前還沒顯現出很大的規模。

大齡勞動者的處境則更為脆弱。AI的發展進一步擴大了"智能鴻溝"——總體而言，年齡越大，適應新技術的難度越大，理解和使用人工智能的可能性越低，也就越容易在這場技術浪潮中被邊緣化。這不是完全靠個人努力能克服的問題，而是需要制度性應對的社會挑戰。

女性的情況更為復雜，有一組數據很能說明問題：中國女性將全部時間的約11%用于家務勞動，與許多國家相比并不算高。但與此同時，中國女性的勞動參與率高達60%，遠超大多數國家。這意味著，中國女性是在保持高就業率的前提下，還承擔了相當繁重的家務負擔——兒童照料壓低了生育意愿，老人照料則使老齡化在現實中成為家庭的負擔而非社會的紅利。如果能大力發展照護經濟，將人的溫情與人工智能、機器人的效能有效結合，既推進銀發經濟，也能真正減輕這種雙重擠壓。

知識分子：您在講座中提到一個觀點：人工智能或許能夠“打破”養老領域的“不可能三角”。這是不是你認為AI有可能在中國人口紅利消退，老齡化加深的未來起到正向作用的原因？

蔡昉：英國金融監管局前主席阿代爾·特納有一個著名判斷：老齡化之后，現收現付的養老保障制度只有三條出路——提高繳費率、降低保障水平、延長退休年齡，你可以選其中一條、兩條或三條，但不能一條都不選。我把這稱為“特納三角”，或者說是社會保障領域公認的“不可能三角”。

但我做了一個思想實驗，當然，這里面沒有精密的模型，也不是預測。我們粗略來看，按照合理的假設推算，未來十年老齡化導致的老年贍養比每年大約提高4.6%。而按照中國的潛在增長率推算，適齡勞動者的勞動生產率每年可以提高約5.6%，已經能跑贏老齡化約一個百分點。如果再把一些學者對人工智能拉動勞動生產率的估算疊加進來，勞動生產率增速或可達到每年7%以上，就能遠遠跑贏老齡化，足以緩解由此帶來的養老壓力。

當然，前提是——只有對人持續投資，這一切才有可能實現。所以我一直在說，與其陷入“精算恐慌”，不斷擔心養老資金的缺口，不如把眼光放在勞動生產率的提升上。勞動生產率的提升空間是無限的，我們真正需要警惕的，是提升后的生產力紅利能否被老年人、被普通人公平分享。用一句改造過的古語來說——“不患寡，而患不均”。

02 文憑邏輯的終結，高人文價值行業永存

知識分子：您主張把學前教育納入義務教育。此前也有學者提出把高中納入義務教育、將部分大學改造成職業技術學院。您如何看待這一思路？

蔡昉：我一直認為，學者的建議越具體，可行性和說服力往往反而越低，也越容易犯錯。但總體方向上，我有幾點想法。

第一，教育起點應該盡量往前延伸，越早越好。國際上有一個普遍認可的概念，叫"前1000天"——從懷孕那天算起，到孩子出生大約1000天時期中形成的人力資本，是終身任何其他階段的教育都無法替代的，一旦錯過，無論以后上多少學，有些東西也補不回來。這類能力，也是人類相對于人工智能最有可能保持比較優勢的領域。

第二，延長義務教育的核心邏輯，是讓國家來為盡可能多的學習"買單"。學前教育入園率不足，有些是客觀條件不具備，更多是家庭負擔不起；不讀高中，也往往是由于經濟原因。所以，把學前和高中兩頭都納入義務教育，對于延長受教育年限，是有含金量的。

但我不贊成將大學改為職業技術學院。在人工智能時代，職業技能的"保質期"越來越短——你在孩子學習能力最強的年華，讓他掌握一項可能畢業就已過時的技能，這是一種浪費。相反，孩子在那段時間里形成的學習能力、社交能力、團隊合作能力和領導力，才是終身受益的財富。從這個意義上說，如果真的要做調整，應該是把職業技術學院有條件地升格為大學，而不是相反。

此外，如果過去學校教育與工作后培訓的比例是9比1，那么在人工智能時代，這個比例至少要朝著5比5的方向轉變。

知識分子：您書中曾經提到，過去三十年，"知識改變命運"幾乎是一條鐵律——學歷越高，在勞動力市場上的紅利越大。但這次生成式AI反過來，最先沖擊的恰恰是白領階層，知識和技能壁壘正在被快速抹平。支撐幾代中國家庭向上流動的"文憑邏輯"，是否真的走到了盡頭？在AI時代，學校教育究竟應該培養什么？

蔡昉：如果這里的“知識”是指人力資本的話，"知識越多越有優勢"這個底層邏輯并沒有終結，但它的具體表現形式變了。過去，經濟學家用"受教育年限"來衡量人力資本——上學越久、學校越好，回報越高，這幾乎是一個鐵定的模型。現在，受教育年限本身的決定性作用在下降，重要的不再只是你上了多少年學，而是你在學校里究竟得到了什么，以及終身有多少學習機會、累計多長時間。

過去，我們的教育有一條清晰的邏輯鏈：學越"硬"的東西，腰桿越硬——學數學、計算機、編程，通常回報高，因為這些領域都是直接提升勞動生產率。人工智能的方向也恰恰沿著這條路延伸，推理、演算、記憶是它的比較優勢。這里有一個著名的"莫拉維克悖論"：AI在邏輯推演上遠超人類，隨便一個小模型都能擊敗最頂尖的棋手；但在動作感知、身體協調這些對人類來說輕而易舉的事情上，它的表現像個嬰兒——我們看到很多機器人"出洋相"的視頻，這是它結構性的弱勢。雖然人工智能賦能的機器人仍將不斷進步，但在這類能力上，人類與人工智能及機器人之間，很可能存在著一個持續性的“時滯”。

所以，人的技能培養應該走比較優勢的道路：同理心、好奇心、審美、社交能力與團隊精神。李飛飛在她的書《我所看見的世界》里講過一個故事：他們早期訓練AI做圖像識別，AI看到一張非洲草原的照片，準確識別并描述出"一匹斑馬在吃草"，意味著了不起的進步。但他們很快發現，那張圖片里真正令人動容的，是畫面中的一道彩虹，而AI完全沒有注意到。這種對"彩虹"的感知力，是人類獨特的能力，但也不是與生俱來的。我們現在很多年輕人，看得見斑馬、看得見草地，卻看不見那道彩虹——審美教育、好奇心的培養，在AI時代不是軟技能，而是人與AI協作中的相對優勢。

因此，未來學校教育需要做兩件事：一是改變內容，從以認知能力為中心，轉向更重視非認知能力——終身學習的熱情與方法、自我更新的意愿；二是改變結構，不再把"硬科學"作為唯一的高回報路徑，讓人文、藝術、社會性培養在教育體系中占有真正的一席之地。

知識分子：您剛才談到審美、情感感知是人類的比較優勢，也是未來就業的來源之一。但現實是，除了超級明星，包括傳統戲曲和室內樂在內的表演藝術行業，市場規模天然有限，很難靠勞動生產率創造出就業——海頓弦樂四重奏的演出，常常吸引不到足夠的觀眾，演員難以養活自己。這類"低生產率行業"，在AI時代究竟有沒有未來？如果有，它的生存邏輯是什么？

蔡昉：這里有一個經濟學概念叫"鮑莫爾成本病"，非常值得重新審視。鮑莫爾觀察到，有一類行業長期存在、始終有需求，但勞動生產率幾乎不增長——他最早舉的例子是表演行業：幾百年來演出形式幾乎沒有變化，沒有生產率的提升，但人們始終要聽，演員也依然能維持生計。他把這種現象稱為“成本病”，因為成本高、效率低。但我覺得，這未必真的是"病"。去污名化的關鍵是看是否有需求。比如，周杰倫演唱會，可能有數萬人去聽，有強烈的需求，市場規模也十分龐大；但如果是個法語版的音樂劇《巴黎圣母院》，觀眾則大大受限，但需求仍然還有的。

這類之前深陷成本病的行業，特別是一些表演藝術、教育和醫療衛生等領域的行業，可能正是AI時代最具生命力的就業來源——它有真實的、持久的人類需求，不會被AI替代，而且這個需求還可能會隨著人們品味的提升而擴大。問題在于，因為品味需要培養，這種需求目前還不夠充分。但可以想像，隨著生活水平提升，人們對更精細、更有深度的文化體驗的需求是會增長的，比如表演藝術方面，花鼓戲、上黨梆子、京劇、弦樂四重奏，都有它們的受眾，只是還沒有被充分激活。

要讓這類行業真正活下去，光靠需求培育還不夠，還必須解決一個根本矛盾：這類行業的從業者無法靠"提高勞動生產率"來提高報酬，他們的勞動性質決定了生產率的天花板就在那里。所以，必須讓就業、報酬與勞動生產率適度脫鉤。這正是全民基本收入（UBI）這類制度設計真正的價值所在——如果每個人每個月已經有一筆基本收入作為保障，那么一個人去唱梆子、演四重奏、做社區照護甚至義工，就不再是"養不活自己"的選擇，而是一個真實可行的職業路徑。是一種體面的職業選擇。

分享生產率紅利的制度安排，不僅是為了宏觀層面的再分配，也是為了使這些低生產率、高人文價值，或者擴展而言具有良好消費體驗的行業得以永續存在、花樣翻新。

03 誰來為未來買單：從“投資于物”到“投資于人”

知識分子：這一輪AI浪潮到來的時間節點，對中國有一種特殊的戲劇性——它恰好撞上了人口紅利加速消退的歷史關口。表面上看，勞動力短缺了，智能體、機器人來補位，似乎來得正是時候。但問題在于：AI可以替代勞動，卻不會自動創造消費。如果大規模替代同步壓縮就業和居民收入，需求側的塌陷可能比供給側的補位來得更猛。在您的研究框架下，這兩種效應疊加，究竟更接近相互抵消，還是彼此強化？

蔡昉：的確，在最壞的情景下，這兩種力量不是相互抵消，而是可能彼此強化，形成惡性循環。老齡化在供給側已經造成了投資回報率下降、全要素生產率增速放緩等問題；人工智能進來，似乎可以填補生產率的缺口，但與此同時會導致勞動力被替代——就業減少、收入減少，進而壓低消費需求；需求側拉力不足，又反過來抑制經濟活力，讓那些新增的生產能力找不到出口。這不是一個你退我進的抵消關系，而是兩股相互咬合的下行力量。

但是，就像習近平總書記談到人工智能時說過的，它帶來前所未有的發展機遇，也帶來前所未遇的風險挑戰。正因如此，這個矛盾靠市場自身無法化解，必須引入系統性的政策與制度安排。我理解的"投資于人"，核心就是建立能夠分享人工智能生產率紅利的制度——讓人們在生產率提升的同時維持乃至提高消費能力，從而催生新需求、新行業、新就業。這是打破惡性循環的唯一出路。

知識分子：您一直呼吁大幅提升教育投入、完善養老保障、發展照護經濟。方向無人反對，但約束很具體：經濟放緩、地方財政承壓，錢，究竟從哪里來？"投資于人"這個轉向，最大的阻力是財政能力的不足，還是政策優先級的主觀排序未變？

蔡昉：這個賬很難精確地算，算賬是財政專家的事，提建議是我們的事。但我想就“錢從何處來”說幾點看法。

第一，中國的經濟體量龐大，在保持中速增長的同時，也存在失業、就業不足和產能利用率不足的現象。這意味著應有的經濟活動與實際的貨幣數量之間存在落差——從理論上說，如果向這臺經濟機器注入一定規模的資金用于民生，是不會引發通貨膨脹的。這涉及所謂的"現代貨幣理論"，在中外都是頗有爭議的主張，但是，把貨幣政策、財政政策和社會政策相結合，“創造出”更多的資金用在人身上，利大于弊。

第二，中國經濟繼續增長，蛋糕還在做大。即便在財政盤子固定的情況下，蛋糕做大了，分配的規模理應相應擴大。何況，隨著中國越來越接近于實現現代化目標，投資于人、用之于民的份額應該明顯擴大。這也是各國現代化的共性。

第三，很多錢可以來自資源的重新配置。以教育為例：學齡人口下降，幼兒園、小學數量在減少，但資金卻因行政歸屬不同而分散在各部門——0到3歲歸衛健委，3歲以后歸教育部門，職業教育的資金又歸其他部門。這種碎片化管理導致資源無法有效整合。如果能通過改革打通這些壁壘，可以釋放出相當大的潛力。

歸根結底，我們的責任是改變理念。理念一旦真正改變，形成新的政策部署，辦法總是有的。

知識分子：我們曾與哈佛的理查德·弗里曼教授交流過，他認為，解決AI時代分配問題的根本出路，是讓每個普通人成為AI資產的持股者，直接分享技術紅利；另一個在西方被廣泛討論的方案是無條件基本收入（UBI），也是您之前曾經提到過的。您如何評價這兩種思路？它們是否觸及了問題的根本？您在《投資于人》中主張的路徑，與這兩者相比，核心分歧在哪里？

蔡昉：理查德是個老朋友。對于“全民持股”這個說法，我了解得不多，但覺得面臨過多的技術難題。持誰的股？把美國七大科技公司控制起來？那"全民"又是誰？這在操作層面很難落實，從制度層面改變資本與勞動的關系，可能在美國的情況下更具有針對性，對于中國而言這個概念有點語焉不詳。

分享生產率紅利，最可靠的機制還是通過國家財政和基本公共服務供給體系進行再分配：一方面，該收的稅要收上來——如果人工智能帶來的勞動生產率提升是過去的數倍，相應的稅收規模也應大幅擴大；另一方面，收上來的錢要切實用于改善民生，實現更符合公平正義目標的分配。

在“全民持股”和“全民基本收入”之間，如果讓我選，我傾向于后者——它更符合分享的原則，實施也更簡便，且不依賴于某種特定資產的歸屬安排。當然，具體采用哪種方式，還有很多值得探討的空間。但核心邏輯是一致的：分享是目的，制度是手段。

要知道，人工智能的就業沖擊性質表明，識別社會保障受益人的難度日益凸顯。在過去，社會保障制度力圖保障真正陷入困境的人群，以盡量避免“養懶漢”。然而，在人工智能時代，這種模式的運行條件將發生根本性變化。一個日益顯現出來的現象是，無論是勞動者作為個人，還是社會作為整體，都越來越難以預先判斷：何種勞動者技能可以同人工智能形成互補關系，從而可以預期由新技術予以增強；何種勞動者技能與人工智能恰好形成競爭關系，因而正好是崗位被人工智能替代的對象。

從這個意義上，勞動力市場上的人力資源錯配不是勞動者個人的過錯。勞動者一旦從遭遇就業沖擊的經歷中懂得這個道理，理性的選擇便是不斷接受培訓和再教育，有時甚至需要一些時間觀察和等待。對社會而言，更好的方式則是以更加普惠的方式對此給予兜底保障，允許受沖擊勞動者試錯和等待。概而言之，如果勞動者個人的就業意愿、失業原因和勞動參與狀態均無法得到確定性的識別，那么社會保障制度應該更具普惠性，以便為勞動力市場行為留出更充分的余地。

所以，我更希望看到的，不只是GDP數字的增長，而是民生有切實可見的改善。因為幸福感、生活質量越來越體現在公共品的供給上——這正是福利國家的邏輯所在。我也希望中國能走出一條有自身特色的福利國家道路。

《中國就業新趨勢：人工智能如何重塑勞動力市場》

蔡昉 著
中信出版集團
2025年10月出版

《投資于人》

蔡昉 著
中信出版集團
2026年4月出版