蔡昉：应对AI就业影响的“三篇大文章”
发布时间：2025-06-23 18:57 浏览量：1
AI预期对就业产生巨大的影响，比人类过去几百年经历的包括工业革命在内的每一次技术冲击的影响都要大，而且现在仅仅是开始，我甚至认为很可能还没有开始，所以有些微观研究都只是阶段性的工作而已。
三个“悖论”和相关现象
从宏观角度来看当前的人工智能问题，我们可以观察到三个悖论或三类相关的现象。这些可能比单纯地展示AI能做什么更具现实意义和政策价值。
第一，是所谓的“对齐悖论”。目前很多人工智能专家都在讨论“对齐”问题，也就是让AI的行为与人类价值观保持一致。但在我看来，这种讨论并不利于在操作层面具体得到实现。AI到底应该跟谁对齐？它如何实现对齐？我们其实还没有清晰的答案。
AI本质上是由人类设计和创造的，我们用人类生成的数据来训练它，最终由人类决定是否应用它。然而，在实际应用中，AI却可能带来伦理风险，包括对就业造成破坏。这种一方面由人主导、一方面又产生非预期后果的现象，本身就构成了一个悖论，同时也是我们必须正视的现实问题。
第二，是著名的“索罗悖论”。正如技术进步历史所显示的那样，人工智能和其他技术一样，会提高某些部门的生产率。但由于技术应用在不同行业、不同企业之间并不均衡，那些率先应用AI的部门提高了效率，反而将部分劳动力排挤出来，迫使他们流向生产率更低的行业。这导致整体劳动生产率下降，就业质量降低，进而加剧劳动力市场的两极化和收入差距扩大。如果这种情况持续发展，就可能导致索罗悖论的重演，这是我们最不愿意看到的结果。
第三，是我提出的“凯恩斯悖论”。近一百年前，凯恩斯曾预言生产率将极大提升，未来人们的工作时间将大幅缩短。他设想在一个生产力高度发达的社会中，人们可以通过重新定义就业来共享技术红利。但在现实中，我们并未实现这种共享。技术的发展往往没有真正服务于“以人民为中心”的发展目标，这也构成了一种悖论——技术本应造福所有人，但却带来了新的不平等。
针对上述三个悖论，我们要从宏观政策角度着手，做好“三篇大文章”，以系统性方式应对人工智能带来的就业挑战。
第一篇大文章是通过规制、激励和引导等方式，来规范人工智能的开发与应用。正如阿西莫格鲁所提出的，存在“正确的人工智能”和“错误的人工智能”。所谓“正确的人工智能”，是指它能够延伸人类的能力、提升人的技能水平。
例如，过去一些低技能岗位由于人力资本不足而效率低下，AI可以通过辅助手段帮助从业者提高生产率，使这些岗位转变为更高素质、更高质量的工作，而不是简单地被替代。这是我们在政策设计中应重点引导的方向。
实际上，这也是一个“看齐”问题，所以我把英文中的Alignment翻译为“对标”。这里的“对标”不是直接针对AI本身，让AI去适应某种抽象标准，而是通过制度安排，将规制、激励和劝导机制作用于AI的开发者和使用者。
第二篇大文章是注重培养和发挥人类自身独有的能力优势。我们要思考哪些类型的人力资本是人工智能目前尚无法替代的，而这些正是人类在未来仍具潜力的发展空间。这需要教育体系和职业培训体系做出相应调整，强化人本身的独特竞争力，如创造力、情感理解力、复杂决策能力等。
第三篇大文章是要做好社会兜底保障。从根本上讲，发展人工智能、提升生产率甚至部分替代人类劳动，其最终目的是为了实现人的全面发展。这是一个千载难逢的历史机遇。如果我们不能建立起相应的制度体系，就难以真正享受到人工智能带来的红利。因此，从这三个方面出发，我们未来还有很多研究和实践的空间。
重塑AI技术演进的动机
达到预期的目标，在政策上应该具体化为重塑人工智能技术演进的动机，从而引导其发展方向。我们要推动AI沿着“正确”的路径发展，即阿西莫格鲁所说的那种能增强人类能力的技术路径，而非单纯以替代人类岗位为目标的“错误”路径。
经济学理论中有一个经典假设：技术进步是为了节约稀缺要素。也就是说，当某种资源或要素（比如劳动力）变得稀缺且昂贵时，技术就会朝着减少使用这种要素的方向演进。当前，随着人工成本上升，很多技术发展的初衷就是替代人力，从而降低成本。
但我们现在看到，人工智能发展本身已经创造了条件，有望突破这一逻辑框架。在新的发展阶段，资源约束和要素约束已不再是绝对限制条件，技术进步的方向也不再仅仅是“节约稀缺要素”，而是转向按照任何期望的方向发展。因此，我们可以重新定义技术进步的方向，主动引导各个层次的技术创新，以服务于人的需求。这意味着，在未来，我们有可能改写传统的经济学原理，构建一种更加以人为本、更具包容性的技术发展模式。
更具体地，我有两个主要结论。
第一个结论是，劳动生产率的提高已不再是技术变革的唯一动机。在过去，几乎所有的技术进步都围绕着提升劳动生产率这一核心目标展开。但今天我们面临的发展环境已经变化，至少还有以下几个重要目标同样值得重视，但它们并不直接以提高劳动生产率为目的。
一是社会发展目标，这与人类自身的发展密切相关；二是可持续发展目标，这是一个具有全球意义的公共产品，其核心也不完全聚焦于生产率；三是公平正义目标。无论是在实现中国式现代化的过程中，还是在全球范围内推动共同进步，我们都还远未达到理想的公平正义状态。我们应借助人工智能来促进这些目标的实现，而不是任由AI加剧社会不平等；此外还包括公共安全和公共服务目标等。
图1想表达的是，首先，如图的上部所示，人均收入水平的提升，确实与劳动生产率密切相关（这里选择的是各国服务业的劳动生产率），这是客观规律，也是各类产业得以发展、提高劳动者报酬、进行再分配进而提高福利水平的必要基础。但正如图的下部所示，随着人均收入水平的提高，服务业劳动生产率的增长并不一定需要维持原有的速度。或者说，在更高的发展阶段上，我们追求的目标将更加多元，不再仅仅是增加产出。
图1劳动生产率不再是技术变革的唯一动机
第二个结论是，即使仍以提高劳动生产率为目标，它也不再是通过减少劳动投入这一单一途径来实现的。当资源约束逐渐弱化、不再是发展的主要瓶颈时，需求成为新的关键制约因素。在这种发展方式下，“提高分子”（即增加产出）的路径变得更为重要。我列举了五种通过提升产出而非减少投入来提高劳动生产率的方式，包括优化资源要素的配置、提高产品和服务的质量、畅通产业链供应链、改进工艺流程和创新产业模式、改善用户体验和消费者感受。
总之，我们要通过制度设计和技术治理，把AI的发展导向“正确”的轨道——即增强人的能力、服务于人的需求，而不是简单替代人的岗位。
为未来培养什么样的人力资本？
应对人工智能冲击，在个人层面靠的是能力的提升，在社会层面靠的则是社会保障体系。这两个方面既构成了面对冲击时的“防火墙”，也是能够让AI造福人类的分享机制。
未来需要什么样的人力资本？我们先来看有关人工智能的两个有名的悖论，都涉及人机关系。
一个是莫拉维克悖论。这个悖论指出，人类轻而易举可以完成的任务，譬如说运动或社交技能，对机器而言却难以模仿，而对于人类难之又难的任务，譬如说数学运算、逻辑推理或大数据分析，AI干起来却驾轻就熟。如AI可以轻松达到国际象棋或围棋大师级水平，对于一个幼儿的一些无意识行为却无法复制。这揭示了人与机器之间存在的巨大差异。
那些与人类生物本能紧密相连、经过数亿年进化形成的内在的东西，也会表现为技能和知识，是我们尚未完全自觉开发，或只是在使用但未能明确表述的部分。这便引出了“波兰尼悖论”，即知识是客观性与个人性的结合，人们所知道的比能够意识到的更多，对自己身体的认知与生理学认知也不尽相同，由此可推论出隐性知识的存在（Tacit Knowledge）。
现实中存在大量隐性知识，这些是人类独特的资本，我们应该将人力资本培养的重点放在这些独特领域。因此，我们需要进行教育范式的转变，据此改变人力资本培养模式。具体来说，未来人力资本培养将发生以下几个变化。
首先，衡量终身技能培养的标准不再是受教育年限。传统意义上的教育年限主要反映的是知识积累，而这种积累的东西对机器来说，如今只需几秒钟即可处理完毕。因此，终身学习的核心应在于实际能力和持续更新的技能。
其次，与上述观点相关的是，未来技能市场将更多依赖于微证书。这意味着人们需要不断学习新技能，以应对劳动力市场的快速变化。今天的技能可能明年就不再适用，因此通过微学历或微证书来应对。过去，文凭被视为一种保证，即所谓“羊皮纸效应”，表明持有者具备一定的水平。然而，随着AI时代的来临，人们对文凭的信任度降低，导致频繁跳槽和劳动力市场的非正规化增强。为此，我们需要引入新的技能识别方式，避免劳动力市场采用“试错法”，从而伤害劳动者权益。
此外，非认知能力通常是在儿童的早期发展和教育中形成，微学历涉及全生命周期，这都使得人力资本培养的外部性越来越显著，政府在其中的责任越来越大，公共人力资本支出应进一步提高。目前，我国财政教育支出占GDP的比例约为4%，处于世界中位数水平，但考虑到我国人均GDP已超过1.3万美元，远高于全球中位数的7000-8000美元，我们应该抓住这次预期中的人工智能冲击机遇，大幅提高教育支出。
值此时机，实行12年义务教育的需求变得越来越迫切。由于人口年龄结构的变化具有削峰填谷效应，老龄化在加重支出负担的同时，少子化则减轻了某些负担，两者之间形成了相互抵消的关系。例如，近年来幼儿园、小学和初中的数量均在减少，高中数量只是略有增加，而中等职业学校数量在减少，大学数量虽然增长，但这个增长不会延续很久。
这些闲置的教育资源应得到统筹利用，既有助于解决当前非常紧迫的问题，如确保农民工子女获得公立教育服务，也有助于为构建人力资本培养体系提供资源支撑。
社会保护和劳动力市场制度愈益重要
社会保护体系和劳动力市场制度不仅不会因AI发展而过时，反而变得更为重要，同时也面临一些新的要求。
尽管我们希望AI能够朝着理想的方向发展，但不能完全把宝押在这一假设之上。根据历史经验教训，我们称之为“涓流效应”的东西从来都不可靠，即不能希望AI发展会自然而然地朝着我们预期的方向进行。因此，我们必须针对当前劳动力市场面临的结构性就业矛盾，从实际问题的解决做起，并按照更高的要求推进制度建设。
即使在尚未实质性遭遇人工智能就业冲击的情况下，近年来已出现就业创造与就业破坏并存的现象，且被破坏的岗位数量逐渐增多。尽管总会有新岗位出现并替代旧岗位，但总体趋势是就业创造在数量上少于、在速度上慢于就业破坏（图2）。过去十年，城镇就业创造累计数量为1.41亿，就业净增数量为0.88亿，两者之差意味着就业破坏的数量逐年增加，累计也达0.53亿。此外，就业非正规化以及形成内卷式流动等现象，也是就业破坏的特定表现。
图2 就业破坏规模趋于扩大
因此，我们需要立足于一些新的理念进行制度建设，我将其概括为若干个“脱钩”的理念，具体包括以下几个方面：
1）社会保障制度普惠化。这意味着涉及居民基本生活的社会保障应与就业状态脱钩，不应因为个人未就业或从事非正规灵活就业而缺乏社会必要的基本保障。这也是中国特色福利国家建设的必经之路。
2）劳动报酬水平与个人劳动生产率脱钩。虽然这似乎会引起对“养懒汉”的担心，但在人工智能时代，越来越难以识别“懒汉”，无法区分谁是懒惰，谁是迫不得已。其实，“懒汉”这个概念只能用于个体，不能用于群体，因此，无法识别则意味着需要新范式，可见这种脱钩有助于公平对待每个人。
3）基本公共服务与居住地的发展水平脱钩。在实施区域均衡发展战略取得成效的同时，也形成了新的区域不均衡，特别是区域人口增减分化，可能伤害某些人口和劳动力净流出地区的长期发展能力。这些地区的居民，不应因此降低基本生活标准，意味着任何人，无论居住在哪里，无论户籍身份如何，都应享有相同的基本公共服务。
4）社会保障的获得与缴费及积累状况脱钩。随着AI一方面带来冲击，另一方面也创造了更高的生产率，越来越多的社会保障项目应具有普惠性，不应再借助传统方式进行身份识别。有些各国都在探讨的新型福利形式也值得考虑，如无条件全民基本收入（UBI）、生活工资（Living Wage）和社会养老金（Social Pension）等。这些制度形式过去被认为过于遥远或容易产生“养懒汉”问题，但在人工智能冲击下，它们越来越显示出必要性和可行性。
关于财力和资金来源的问题。一方面，我们需要确立一个理念，那就是，当我们考虑是否建立某项制度时，不应首先考虑是否有足够的资金支持，而是应思考这项制度是否有必要性和必然性。另一方面，在人工智能预期具有生产率无限提升可能的前景下，“免费午餐”或许并非遥不可及。据麦卡锡报告估算，未来几年内，人工智能将带来约4.4万亿美元的劳动生产率提高。
更加具体来说，我们可以通过以下四条途径解决社会保护所需公共投入的问题。
一是代际共担与分享。智能体作为生产率提高的永动机，意味着我们将为子孙后代提供一个“金饭碗”。如果生产率提高是确定的预期，向下一代借债就不是寅吃卯粮，而是理应达成的代际约定。
二是人口年龄结构的削峰填谷效应。少儿抚养比下降抵消了老年抚养比提升，各级各类教育资源出现闲置状况，做好资金统筹和资源重配的工作，可以通过更好利用闲置资源推动达到与新增资源需求之间的供求平衡。
三是以公平换效率。资源分配不均等通常导致资源使用效率降低，遵循更加公平的原则重新配置资源，可以在原有支出水平上实现更高的效率和效益。
四是人工智能赋能。人工智能赋能科技创新、提高生产率的程度可谓无所不能，范围也无远弗届，不仅应该把新创资源引导至公共品供给领域，还应该把AI技术应用到公共品供给领域，以既定的投入提供更多更高质量服务，确保人工智能带来的收益用于人类自身的发展，而非不断地任其自我赋能，及至对社会造成伤害。
转自：意见领袖
- 上一篇：小凤一家人给徐莉包红包过生日
- 下一篇：一文读懂今年的华为开发者大会 | 动察