飛象網(wǎng)訊（孫迎新/文）如今的就業(yè)市場存在一種荒誕的現(xiàn)象：一邊是東莞工廠里的機械臂不知疲倦地旋轉(zhuǎn)，而曾經(jīng)流水線上的老師傅卻看著手機里“保安招聘35歲以下”陷入沉思；另一邊是杭州城西的AI實驗室里亮著徹夜的燈，HR對著滿屏“精通NLP算法”的招聘要求直嘆氣，而隔壁咖啡館的服務(wù)員正給一群討論“大模型訓(xùn)練師資格證”的年輕人端咖啡，或許他們正在分享上個月被裁的經(jīng)歷。
當ChatGPT寫出第一篇通稿時，有人驚嘆“文科生要失業(yè)”，可真等某媒體裁掉三分之一編輯后，卻發(fā)現(xiàn)剩下的崗位需要“能做數(shù)據(jù)可視化、會運營短視頻”的多面手，投來的簡歷里卻擠滿了只會寫八股文的畢業(yè)生；另一方面，耗費萬億天量資金訓(xùn)練出來的AI大模型，取代的只是月薪幾千元的“牛馬”工作，甚至更低。
更魔幻的是，蘇州某養(yǎng)老社區(qū)掛出“月薪1.2萬招康復(fù)護理師”的牌子無人問津，而千里之外的縣城網(wǎng)吧里，一群年輕人正對著“電競陪練月入過萬”的廣告蠢蠢欲動，他們不知道，那些在屏幕前教老人用智能手環(huán)的工作，其實比打游戲更需要耐心。
中國社會科學院國家高端智庫首席專家蔡昉是一位長期研究就業(yè)問題的學者，他認為必須直面人工智能與數(shù)字經(jīng)濟對就業(yè)結(jié)構(gòu)的深刻沖擊，尤其是其引發(fā)的結(jié)構(gòu)性失業(yè)風險。
蔡昉認為，從經(jīng)濟學視角看，技術(shù)對就業(yè)的影響始終存在“破壞”與“創(chuàng)造”的雙重效應(yīng)。但今天更需要警惕：這一輪技術(shù)革命在速度、廣度和深度上均遠超以往，其對就業(yè)的沖擊呈現(xiàn)出全新特征。我們既不能陷入“技術(shù)恐慌”的盧德主義，也不能盲目套用“技術(shù)終將創(chuàng)造更多就業(yè)”的傳統(tǒng)樂觀邏輯，而應(yīng)立足現(xiàn)實，深入剖析人工智能時代的就業(yè)新矛盾。
沖擊特征：人工智能如何重塑就業(yè)格局
技術(shù)迭代的“加速度”與“泛在性”是這輪AI變革的主要特征。人工智能與傳統(tǒng)技術(shù)的本質(zhì)區(qū)別，在于其自我迭代能力與跨領(lǐng)域賦能特性。
回顧歷史，從1770年“人工智能”概念萌芽到1950年圖靈提出理論，耗時180年；從擊敗國際象棋冠軍（1997年）到戰(zhàn)勝圍棋冠軍（2016年），耗時19年；而從ChatGPT誕生（2022年）到各類大語言模型爆發(fā)，僅用1年。這種“指數(shù)級加速”背后，是數(shù)字技術(shù)對試錯成本的革命性降低：如基因編輯技術(shù)可通過算法模擬無限次迭代，遠超傳統(tǒng)育種的“年周期”試錯模式。
更關(guān)鍵的是，人工智能已從替代體力勞動崗位（如制造業(yè)操作工）轉(zhuǎn)向滲透高智能崗位（如代碼編寫、數(shù)據(jù)分析）。企業(yè)投入巨額資源研發(fā)AI的核心目標，是通過減少勞動投入實現(xiàn)勞動生產(chǎn)率躍升。這種“效率優(yōu)先”的導(dǎo)向，必然對就業(yè)市場形成系統(tǒng)性沖擊。
隨之而來的就是，崗位替代與創(chuàng)造的“時間差”與“結(jié)構(gòu)錯配”。傳統(tǒng)經(jīng)濟學認為“技術(shù)破壞就業(yè)但終將創(chuàng)造更多就業(yè)”，但這一結(jié)論忽視了兩個關(guān)鍵矛盾：時間與技能。
時間不對稱性：機器替代工人是“瞬間完成”的（如生產(chǎn)線引入機器人），而新崗位創(chuàng)造需經(jīng)歷“技術(shù)擴散-產(chǎn)業(yè)重構(gòu)-技能匹配”的漫長周期。以美國為例，制造業(yè)崗位被自動化替代后，低技能勞動者轉(zhuǎn)向低端服務(wù)業(yè)用了數(shù)十年，而同期被替代者早已退出勞動力市場。
技能鴻溝擴大：新技術(shù)應(yīng)用提高了企業(yè)對勞動者的“保留生產(chǎn)率”要求——即雇主僅愿意雇傭具備更高技能、能匹配技術(shù)效率的勞動者。這導(dǎo)致被替代者要么因技能不足長期失業(yè)，要么被迫接受更低工資（如從制造業(yè)轉(zhuǎn)向餐飲服務(wù)業(yè)），加劇勞動力市場兩極分化。
因此，蔡昉認為，在此背景下，簡單批判“盧德主義”已無意義。當代勞動經(jīng)濟學的“搜尋-匹配模型”表明：失業(yè)者重新就業(yè)需經(jīng)歷信息搜尋、技能重塑、薪資談判等環(huán)節(jié)，而AI加速了這一過程的“不平等性”：高技能者可快速轉(zhuǎn)向新崗位，低技能者則陷入“失業(yè)-低薪循環(huán)”。
現(xiàn)實印證：中國與全球的就業(yè)市場變局
面對中國的典型事實：老齡化、自動化與就業(yè)轉(zhuǎn)型，社會不可避免會產(chǎn)生恐慌，并不由自主地去尋找出路。
同時，中國作為全球最大的機器人市場（安裝量連續(xù)多年全球第一），正經(jīng)歷著“未富先老”背景下的自動化加速。數(shù)據(jù)顯示，我國勞動年齡人口自2012年起連續(xù)12年負增長，60歲以上人口占比已達20.8%（2023年），迫使企業(yè)通過“機器換人”應(yīng)對勞動力短缺。
這一趨勢在制造業(yè)尤為明顯：過去十年，制造業(yè)增加值占GDP比重從32%降至27%，就業(yè)人數(shù)相應(yīng)減少。退出制造業(yè)的勞動力中，少數(shù)返鄉(xiāng)從事農(nóng)業(yè)或個體經(jīng)營，多數(shù)流入服務(wù)業(yè)，但服務(wù)業(yè)整體勞動生產(chǎn)率（約為制造業(yè)的60%）難以支撐薪資水平，導(dǎo)致城市內(nèi)部收入差距擴大（以泰爾指數(shù)衡量，2020年后城市收入差距呈上升趨勢）。
與此同時，非單位就業(yè)規(guī)模激增：全國非單位就業(yè)人數(shù)達3.1億，靈活就業(yè)人員約2億，新就業(yè)形態(tài)勞動者（如網(wǎng)約車司機、快遞員）近1億。這些就業(yè)形態(tài)雖緩解了崗位短缺壓力，但普遍存在社會保障不足、權(quán)益易受侵害等問題。
這個時候，如果我們要參考國際理論與經(jīng)驗，那映入我們眼簾的會是：老齡化驅(qū)動自動化的“阿西莫格魯事實”。麻省理工學院教授達龍・阿西莫格魯?shù)难芯拷沂玖巳齻�關(guān)鍵事實。
老齡化是自動化的新動因：日本、韓國等老齡化嚴重的國家，機器人密度（每萬人安裝量）居全球前列。勞動力短缺推高人力成本，迫使企業(yè)采用自動化技術(shù)，形成“老齡化→勞動力短缺→機器替代”的因果鏈。
收入差距的雙重擴大：自動化既提高資本收益（如企業(yè)利潤），又拉大高技能與低技能勞動者收入差距。美國數(shù)據(jù)顯示，1980-2020年，前10%高收入群體與后50%低收入群體的收入差距擴大2.3倍，部分源于技術(shù)對低技能崗位的替代。
AI應(yīng)用的“價值選擇”：AI可被引向“提高生產(chǎn)率”或“改善服務(wù)體驗”的不同路徑。例如，醫(yī)療領(lǐng)域應(yīng)用AI可選擇“讓醫(yī)生看診量翻倍”（創(chuàng)造就業(yè)）或“裁員50%”（破壞就業(yè)），這取決于技術(shù)應(yīng)用的社會目標與制度約束。
蔡昉認為，“索羅悖論”（計算機技術(shù)普及但生產(chǎn)率統(tǒng)計未顯著提升）與“鮑摩爾成本病”（服務(wù)業(yè)生產(chǎn)率滯后但薪資需與社會平均水平持平）揭示了AI時代的深層矛盾：技術(shù)進步可能因應(yīng)用不均導(dǎo)致“生產(chǎn)率抵消”，而低生產(chǎn)率行業(yè)被迫吸納過剩勞動力，形成“就業(yè)數(shù)量增長但質(zhì)量下降”的困境。
應(yīng)對策略：人力資本升級與制度創(chuàng)新
無論科技的問題還是經(jīng)濟的問題，歸根到底都是人的問題。因此我們不可避免最終要回到對人力資本的培養(yǎng)：從“知識儲備”到“AI協(xié)同能力”。
AI時代的人力資本競爭，已從“人與人的較量”轉(zhuǎn)向“人與AI的協(xié)同”。傳統(tǒng)以“受教育年限”衡量的人力資本標準逐漸失效，核心能力需轉(zhuǎn)向三大維度：
非認知能力：情商、溝通能力、同理心、創(chuàng)造力等難以被算法編碼的能力。莫拉維克悖論表明，AI擅長邏輯推理（如下棋），但難以完成3歲兒童端水避障等“本能任務(wù)”，因其依賴人類數(shù)百萬年進化形成的隱性知識。
終身學習能力：技術(shù)迭代周期從“十年級”縮短至“年級”，需建立覆蓋“學前教育-職業(yè)培訓(xùn)-老年學習”的全生命周期體系。研究表明，兒童早期發(fā)展（0-3歲）的教育投入可使成年后收入提升25%-40%，因該階段奠定非認知能力基礎(chǔ)。
教育資源再配置：在保持公共教育支出占GDP4%的基礎(chǔ)上，向?qū)W前教育（如普及三年免費托育）和職業(yè)教育傾斜，縮小城鄉(xiāng)數(shù)字鴻溝，避免“技術(shù)紅利”加劇教育不平等。
當然，能力的培養(yǎng)與資源的配置都離不開制度的保障。因此，對于制度創(chuàng)新，尤其是構(gòu)建AI時代的就業(yè)安全網(wǎng)就成為當務(wù)之急。我們將構(gòu)建以下三方面的制度保障。
普惠型社會保障體系：放棄“識別懶漢”的傳統(tǒng)思維，轉(zhuǎn)向“兜底+普惠”模式。例如，將靈活就業(yè)人員納入失業(yè)保險，探索“基本收入保障”試點，確保技術(shù)沖擊下的社會底線公平。這符合“瓦格納定律”——隨經(jīng)濟發(fā)展，政府社會支出占比需相應(yīng)提高。
勞動力市場制度革新：針對新就業(yè)形態(tài)，建立“平臺責任共擔”機制（如平臺與政府共同承擔勞動者社保繳費），完善集體協(xié)商制度，保障零工勞動者定價權(quán)。同時，加強勞動立法，遏制“算法歧視”“隱性加班”等新型剝削。
宏觀政策重心轉(zhuǎn)移：傳統(tǒng)宏觀經(jīng)濟政策側(cè)重解決周期性失業(yè)（如疫情沖擊下的臨時裁員），但當前需聚焦結(jié)構(gòu)性失業(yè)。通過產(chǎn)業(yè)政策引導(dǎo)AI向教育、醫(yī)療、養(yǎng)老等“高社會價值領(lǐng)域”應(yīng)用，例如開發(fā)輔助診斷AI以增加基層醫(yī)療服務(wù)供給，而非替代醫(yī)護人員。
未來展望：在技術(shù)變革中重構(gòu)就業(yè)倫理
人工智能的終極挑戰(zhàn)，是迫使人類重新思考“工作的意義”。凱恩斯在1930年預(yù)言“百年后每周工作15小時”，這在西歐部分國家已接近實現(xiàn)（如德國平均工時34小時/周），但中國仍普遍超過40小時。這一差異背后，是技術(shù)紅利分配與社會價值選擇的差異。
馬克思曾設(shè)想，在生產(chǎn)力高度發(fā)達的共產(chǎn)主義社會，勞動將從“謀生手段”變?yōu)?SPAN>“自由自覺的活動”：人們可“上午打獵，下午捕魚，傍晚從事畜牧，晚飯后從事批判”。今天，AI正加速這一遠景的可能性：當基礎(chǔ)物質(zhì)生產(chǎn)由技術(shù)承擔，人類將有更多空間追求創(chuàng)造性勞動與自我實現(xiàn)。
蔡昉認為，實現(xiàn)這一目標的前提，是通過制度創(chuàng)新確保技術(shù)紅利的社會共享。正如阿西莫格魯所言，“AI的正確道路不是技術(shù)決定的，而是社會選擇的結(jié)果”。我們需要在效率與公平、技術(shù)創(chuàng)新與人文關(guān)懷之間找到平衡點，讓人工智能成為擴大就業(yè)機會、提升勞動尊嚴的工具，而非加劇分化的推手。
因此積極向前看，人工智能時代的就業(yè)變革，既是挑戰(zhàn)更是機遇。個人需以終身學習構(gòu)建“不可替代的能力壁壘”，國家需以制度創(chuàng)新打造“有溫度的技術(shù)社會”。唯有如此，我們才能在這場前所未有的技術(shù)革命中，守住“人”的價值與尊嚴。
但如果悲觀一點看，AI大潮之后，沙灘上露出的不是通用的救生圈，而是無數(shù)個形狀各異的坑：有人捧著舊船票找不到新船，有人盯著新航線卻沒有航海圖。當機械臂開始給機械臂編程，當算法開始優(yōu)化算法，那些沒來得及重新定義自己的人，正站在時代的十字路口，看著兩邊的路牌寫著“淘汰”與“重構(gòu)”，手里的簡歷就像一張泛黃的地圖。
是卷贏AI時代，還是被AI大潮卷走，你們自己選。
