資料圖。本文來源：《財經(jīng)》雜志 2026年第1期 1月5日出版

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

AI、就業(yè)和社保

卓賢

國務院發(fā)展研究中心

社會和文化發(fā)展研究部部長、研究員

經(jīng)濟增長與就業(yè)創(chuàng)造常被視為硬幣的兩面。

經(jīng)濟增長與就業(yè)的關(guān)系正在發(fā)生改變

在工業(yè)革命之前的漫長農(nóng)耕時代，低技術(shù)進步帶來低速增長，對應的是低人口增速和低就業(yè)增速，經(jīng)濟增長幾乎等同于農(nóng)業(yè)就業(yè)的增長。

工業(yè)革命突破了能源動力的束縛和生產(chǎn)要素既有組合方式，人類的生產(chǎn)邊界大大拓展，工業(yè)化和城鎮(zhèn)化依托規(guī)模經(jīng)濟相互促進，工業(yè)品價格隨生產(chǎn)率提升而下降，工資水平隨生產(chǎn)率提升而上升，大規(guī)模生產(chǎn)與大規(guī)模消費形成正向循環(huán)，工業(yè)藍領(lǐng)崗位快速增加。

現(xiàn)代公司制度擴大社會分工協(xié)作的范圍，原本由一個企業(yè)內(nèi)部完成的眾多生產(chǎn)環(huán)節(jié)（如物流運輸、市場營銷、法律咨詢）獨立出專業(yè)化企業(yè)，構(gòu)成龐大的中間投入品和服務網(wǎng)絡，在提高經(jīng)濟效率的同時，也使得科層制下的知識白領(lǐng)崗位大量涌現(xiàn)。在上世紀80年代個人計算機普及后，會計、文秘、分析師等信息處理類崗位增長較快。

家庭勞動市場化是就業(yè)創(chuàng)造的另一重要引擎。女性大規(guī)模進入就業(yè)市場，原本在家庭內(nèi)部無償進行的勞動轉(zhuǎn)化為國民經(jīng)濟核算上的市場化服務業(yè)，家政、餐飲、教育、娛樂等生活性服務業(yè)崗位被不斷創(chuàng)造出來。

在20世紀的大部分時間里，“經(jīng)濟繁榮即充分就業(yè)”是工業(yè)文明塑造的一種社會認知，并成為當前諸多商業(yè)模式和社會制度的敘事邏輯和心理基礎。

21世紀前后發(fā)達經(jīng)濟體經(jīng)歷的數(shù)次“無就業(yè)增長”開始挑戰(zhàn)這一共識。最初的研究認為“無就業(yè)增長”出現(xiàn)在經(jīng)濟危機之后，更多來自新創(chuàng)設企業(yè)增加設備投資，是一種周期性的異常現(xiàn)象，并未形成結(jié)構(gòu)性的就業(yè)與增長關(guān)系變化。但后續(xù)研究表明，常規(guī)性認知和體力工作的消失并非漸進發(fā)生，而是集中在經(jīng)濟衰退期。企業(yè)利用危機作為集中“清洗機制”，永久性地淘汰了可被自動化替代的中等技能崗位。當經(jīng)濟復蘇時，這些崗位不會再回來，雖然服務業(yè)最終還是吸納了大部分勞動力，卻是以犧牲工資增長和工作穩(wěn)定性為代價的。

綜合近年來國內(nèi)外研究AI對就業(yè)影響的文獻，人工智能未造成大面積失業(yè)。不少研究還發(fā)現(xiàn)，盡管高AI暴露度行業(yè)的勞動者失業(yè)率確實在上升，但更低暴露度的勞動者失業(yè)率上升得更快。一種可能的解釋是，高AI暴露度的勞動者教育程度更高，再就業(yè)能力更強，受到的影響反而更小。為數(shù)不多證明高AI暴露度人群失業(yè)率更高的研究，主要使用大型語言模型來評估各類職業(yè)被人工智能替代的風險，即“人工智能告訴我們?nèi)斯ぶ悄苷诩觿∈I(yè)”，但統(tǒng)計的顯著性也不高。

雖然對就業(yè)總量的影響并不明顯，但在當前的人工智能時代，就業(yè)與增長之間的關(guān)系已經(jīng)表現(xiàn)出一些新趨勢，可概括為三個方面的“脫鉤”。

一是就業(yè)與投資脫鉤。在工業(yè)時代和服務經(jīng)濟時代，無論是基礎設施投資還是機器設備投資，都能帶來可觀的直接和間接就業(yè)。在人工智能時代，科技企業(yè)以前所未有的速度進行資本深化，但就業(yè)創(chuàng)造效應在下降。與上一輪互聯(lián)網(wǎng)投資熱潮不同，AI時代的擴張模式從“輕資產(chǎn)、重人力”轉(zhuǎn)變?yōu)椤爸刭Y本、重算力”，依賴于數(shù)據(jù)中心、能源網(wǎng)絡等物理基礎設施的高密度投資。微軟、亞馬遜、谷歌和Meta在2025年的資本支出總額預計將達到4000億美元，這一規(guī)模超過了許多中等國家的全年GDP（國內(nèi)生產(chǎn)總值）。但科技企業(yè)同時實施人力資本緊縮策略，削減數(shù)十萬個就業(yè)崗位并凍結(jié)對畢業(yè)生的初級崗位招聘。不同尋常的是，這些行為發(fā)生在科技企業(yè)股價創(chuàng)歷史新高、營收增長強勁的背景下，反映了企業(yè)削減人力成本以釋放算力基礎設施投資資金的決策思路。

二是技術(shù)進步與人力資本提升脫鉤。以往勞動生產(chǎn)率的提升，既來自資本及其凝結(jié)于機器設備的技術(shù)貢獻，也來自“干中學”過程中人力資本提升的貢獻。在人工智能時代，勞動生產(chǎn)率的提升卻更可能來自該指標的分母（即“勞動力規(guī)模”）的下降，人力資本提升的速度遠遠趕不上AI技術(shù)進步的速度。

一方面，人力資本“干中學”的積累路徑變窄。過去，大學畢業(yè)生通過從事基礎性工作積累經(jīng)驗，逐漸成長為高級人才。現(xiàn)在，AI越來越勝任初級分析師、初級程序員和初級文案等工作，一些就業(yè)崗位針對應屆畢業(yè)生的招聘需求下降。例如，傳統(tǒng)的律所模式依賴大量初級律師進行文件審查、法律檢索等工作，現(xiàn)在AI可以在幾秒鐘內(nèi)完成這些工作，但離婚等案件需求并不會因為AI技術(shù)發(fā)展而上升，會導致律所大幅減少初級律師招聘。這不僅導致青年失業(yè)率的上升，還可能切斷長期以來很多類型人力資本提升的階梯——如果企業(yè)不再招聘初級員工，未來的高級專家從何而來？

另一方面，在技術(shù)和教育的競賽上，人力資本的線性積累速度跟不上技術(shù)進化的指數(shù)級速度。針對AI時代就業(yè)挑戰(zhàn)的一大藥方是終身教育。但教育模式的變革在AI技術(shù)進展面前并不是萬能藥，大部分勞動者的人力資本積累速度已難以追趕機器智能的進化速度。例如，當大學剛剛開設“提示詞工程”課程時，最新的模型可能已經(jīng)不再需要提示詞優(yōu)化。

三是勞動者工資與生產(chǎn)率提升的脫鉤。對美國就業(yè)市場的研究顯示，自20世紀70年代以來勞動生產(chǎn)率與實際工資的脫鉤一直在持續(xù)，而AI的加速應用可能擴大這一裂痕。在人工智能時代，AI推動初級代碼編寫、法律文書起草、基礎金融分析等非常規(guī)認知任務的常規(guī)化，高效率部門的超額利潤更多轉(zhuǎn)化為資本收益以及少數(shù)核心人才的薪資增長，留在高效率部門的輔助性崗位就業(yè)者不僅趨于減少，因其人力資本貢獻小于AI，薪資增長也不會與行業(yè)生產(chǎn)率提升保持一致。

傳統(tǒng)的“鮑莫爾式”生產(chǎn)率分享機制失效。Baumol提出的“成本病”理論指出，制造業(yè)等高生產(chǎn)率部門創(chuàng)造的超額價值會通過勞動力市場競爭（爭奪稀缺勞動力）或制度性安排（工會談判、最低工資等），溢出到醫(yī)療、護理、文娛等生產(chǎn)率增長緩慢的部門，從而實現(xiàn)全社會工資水平普漲。這種跨部門的工資傳導機制，維持了勞動力市場的相對均衡，也成為低效率部門從業(yè)者共享繁榮紅利的主要渠道。在AI時代，由于高效率部門不再需要更多崗位，無須通過不斷漲薪來維持勞動力隊伍，也就無法通過“工資示范效應”拉高全社會工資水平。當被AI替代的中等技能勞動者（如文員、翻譯、初級代碼員）流動到生產(chǎn)率提升較慢的服務業(yè)（如網(wǎng)約車、配送、基礎護理），出現(xiàn)勞動者供給大于需求，低效率部門勞動者工資隨高效率部門工資上升的機制被阻斷。

下降的AI成本壓低人類工資提高的“硬上限”。對于大量基于規(guī)則、邏輯分析、信息合成和模式識別的任務，AI提供了近乎無限的供給，這些領(lǐng)域的人力資本稀缺性被打破，相關(guān)技能的市場價格趨于下降。AI技術(shù)本質(zhì)上是能源密集型的，如果智力的邊際成本最終收斂于能源成本，而能源成本隨著可控核聚變、高空風力發(fā)電、太空光伏等技術(shù)創(chuàng)新而繼續(xù)下降，人類完成既有任務的工資上限面臨持續(xù)下探的壓力。例如在某項任務中，當AI的部署成本下降到每小時5美元，那么原本只從事該單一任務工人的工資永遠無法超過5美元，無論其生產(chǎn)率提高了多少。

以穩(wěn)定就業(yè)為基礎的社會保險體系面臨挑戰(zhàn)

基于AI對就業(yè)替代效應和創(chuàng)造效應發(fā)生的時點、速度和范圍的不同假設，不同機構(gòu)的“水晶球”對AI影響未來就業(yè)的預測差異很大。例如，2020年以來世界經(jīng)濟論壇對人工智能是否增加就業(yè)連續(xù)三次作出了相反判斷，對未來五年全球凈增和凈減崗位的預測差距達到9200萬。相比于就業(yè)總量的變化，本文更關(guān)注AI時代就業(yè)的結(jié)構(gòu)性變化對社保的挑戰(zhàn)。

現(xiàn)代社會保險體系是大規(guī)模工業(yè)化時代的產(chǎn)物。無論是公共養(yǎng)老保險和醫(yī)療保險，還是失業(yè)保險、工傷保險或生育保險，其初衷都是實現(xiàn)“勞動者就業(yè)中斷風險”的社會化分散。因此，社保制度設計和就業(yè)貢獻之間強關(guān)聯(lián)，其持續(xù)運轉(zhuǎn)有賴于三大基石：人口紅利帶來的就業(yè)者增長、大工業(yè)生產(chǎn)形成的勞動關(guān)系標準化，以及生產(chǎn)力提升推動的工資收入增長。正是這三個條件在20世紀的歷史性交匯，使得社會保險制度在財務上具備可行性，在政治上具備操作性，成為國家管理社會風險的重要制度。

第一塊基石是有利的人口結(jié)構(gòu)，這為社會保險提供了精算基礎。在社會保險體系下，人口增長本身被轉(zhuǎn)化為一種特殊的資產(chǎn)類別，代際轉(zhuǎn)移支付產(chǎn)生一種隱含的“生物回報率”，其水平甚至可以超越貨幣資本的積累。如果一個經(jīng)濟體的人口增長率（n）與實際工資增長率（g）之和大于市場實際利率（r），那么引入現(xiàn)收現(xiàn)付制的社會保險體系將增加社會總福利。在二戰(zhàn)后的幾十年“黃金時代”里，嬰兒潮使得這種“無資本的回報”成為現(xiàn)實，參加社保不僅僅是一種強制性負擔，更是一種優(yōu)于私人儲蓄的投資行為。有利的人口結(jié)構(gòu)建立了有社會共識的社保代際契約，實現(xiàn)了養(yǎng)老風險管理從分散的家庭轉(zhuǎn)移到集中的社會供給。

第二塊基石是長期穩(wěn)定的雇傭關(guān)系。與基于經(jīng)濟狀況調(diào)查的社會救濟不同，現(xiàn)代社保體系強調(diào)權(quán)利與義務的對等，即待遇水平與繳費歷史嚴格掛鉤。這種設計的初衷是維持勞動者退休后的體面生活。長期穩(wěn)定的雇傭關(guān)系使勞動者有清晰、連貫的收入流，保證了“退休待遇”與“勞動貢獻”掛鉤的可能性。高度組織化的雇傭關(guān)系不僅創(chuàng)造了穩(wěn)定的中產(chǎn)階級，還使得工人的收入變得透明、可計算且易于扣除。這就將現(xiàn)代企業(yè)制度轉(zhuǎn)化為國家能力的延伸，讓企業(yè)轉(zhuǎn)化為國家工資稅（費）汲取的代理，提高了社保基金征繳的行政效率，擴大了其覆蓋范圍。

第三塊基石是勞動者工資與生產(chǎn)率同步增長。工資與生產(chǎn)率的同步增長確保社保繳費基數(shù)的內(nèi)生性擴張。在人口結(jié)構(gòu)和征繳機制確定的情況下，社保待遇水平的提升和基金的償付能力，從根本上取決于繳費基數(shù)的增長速度。即使出現(xiàn)人口老齡化，當n出現(xiàn)下降甚至負值，如果實際工資增長率g維持較高增長，社保福利水平也能隨社會總財富的增加而自然提升。“二戰(zhàn)”后的30年里，西方國家經(jīng)歷了生產(chǎn)率增長的黃金期，高工會化率確保生產(chǎn)率提升轉(zhuǎn)化為工資增長，形成生產(chǎn)率收益廣泛分享的良性循環(huán)。人口紅利疊加生產(chǎn)率紅利形成的復利增長，使得每一代人只需繳納收入的一小部分，就能供養(yǎng)上一代人過上比他們年輕時更好的生活。

現(xiàn)代社會保險體系是人類社會通過理性設計來駕馭工業(yè)化風險的制度安排。它成功地將三個特定的宏觀歷史條件內(nèi)化為制度運行的參數(shù)，增加了社會凝聚力，提高了經(jīng)濟與社會穩(wěn)定性。但20世紀末以來，人口老齡化撼動了第一塊基石的精算邏輯，第二塊和第三塊基石在人工智能技術(shù)的躍遷中也面臨挑戰(zhàn)。

人口老齡化對第一塊基石的沖擊多有論述，本文不再贅述。但需要指出的是，老齡化對社會保險體系的影響是漸進且可預測的，而人工智能的進展是非線性和指數(shù)級的，可能會對既有社保模式的第二和第三塊基石產(chǎn)生速度更快、范圍更廣、規(guī)模更大的挑戰(zhàn)。

首先，人工智能會改變工業(yè)文明的生產(chǎn)組織模式和企業(yè)形態(tài)，使得原有的正式雇傭關(guān)系碎片化，動搖第二塊基石。

一方面，人工智能降低市場交易成本，推動知識白領(lǐng)零工化。如果市場是有效的資源配置機制，為什么還會存在企業(yè)？科斯的答案是：市場交易存在搜索、議價、締約、監(jiān)督等成本。當企業(yè)內(nèi)部的組織成本低于外部市場的交易成本時，企業(yè)便隨之產(chǎn)生并擴張。隨著AI技術(shù)在勞動力市場平臺的應用，“按任務雇傭”（Hiring by Task）的交易成本相對于“按崗位雇傭”（Hiring by Job）變得微不足道，工作的基本單元逐漸會從一攬子長期、模糊的任務集合的“崗位”（Job），轉(zhuǎn)變?yōu)閱我弧⒚鞔_、短期交付的“任務”（Task），甚至出現(xiàn)所謂的“科斯奇點”。在科斯奇點下，大量原本屬于企業(yè)的核心任務可以外包出去，甚至出現(xiàn)“一人公司”，企業(yè)原有長期穩(wěn)定雇傭的工人變?yōu)橥獍藛T。全球自由職業(yè)者平臺Upwork和Fiverr等的財報顯示，大型企業(yè)正在系統(tǒng)性地用高技能自由職業(yè)者替代全職員工。如果作為社保征繳核心節(jié)點的“企業(yè)”被知識性任務的“交易網(wǎng)絡”所取代，更多辦公室白領(lǐng)崗位從固定雇傭轉(zhuǎn)向零工的可能性就會提高。

另一方面，人工智能減少企業(yè)內(nèi)部協(xié)調(diào)成本，有可能形成“中層塌陷”。傳統(tǒng)企業(yè)中，中層管理者的核心職能是信息傳遞、任務分配和流程監(jiān)控。AI智能體開始在缺乏人類持續(xù)干預的情況下執(zhí)行復雜工作流，并以極低的成本完成這些協(xié)調(diào)工作。這可能導致企業(yè)組織架構(gòu)的扁平化，高層領(lǐng)導者可以直接監(jiān)管更多的業(yè)務單元，負責協(xié)調(diào)任務和信息處理的中層管理人員不再不可或缺。Gartner預測，到2026年，20%的組織將利用AI來扁平化組織結(jié)構(gòu)，一半以上的中層管理職位將不再需要。

以上兩方面，都會使得零工經(jīng)濟從現(xiàn)在的建筑業(yè)、制造業(yè)和外賣、快遞等生活服務業(yè)領(lǐng)域，發(fā)展到知識白領(lǐng)為主的生產(chǎn)性服務業(yè)，出現(xiàn)更大規(guī)模的非長期雇傭關(guān)系，導致社會保險繳費的雇主責任下降，勞動者個人繳費責任和風險暴露度上升。

再者，如果人工智能超大規(guī)模的資本深化以現(xiàn)有方式持續(xù)，國民收入分配向資本所有者和少數(shù)高技能者傾斜，將動搖第三塊基石。

人工智能可能使中等收入群體的工資收入難以和生產(chǎn)率提升同步。社會保險體系資金的主要來源是龐大的中等收入群體。與歷次工業(yè)革命主要替代藍領(lǐng)體力勞動不同，生成式AI加速了非常規(guī)認知的常規(guī)化，讓中高級認知能力變成了可以工業(yè)化復制的服務，主要沖擊的是受過高等教育、從事認知型工作的白領(lǐng)階層，而這一群體工作穩(wěn)定、工資較高且合規(guī)繳納率高。

勞動者報酬比重下降會導致社保稅基相對規(guī)模下降。經(jīng)合組織和國際勞工組織的數(shù)據(jù)都顯示，數(shù)字化程度最高的行業(yè)中，勞動收入占增加值的份額呈現(xiàn)加速下降趨勢。這意味著技術(shù)進步帶來的紅利更多流向了擁有算法、數(shù)據(jù)和算力的資本所有者。由于高收入者在公共基本養(yǎng)老保險、醫(yī)療保險、失業(yè)保險等繳費時有上限，這部分人收入的進一步增長對社保基金的貢獻幾乎為零。如果AI時代資本深化導致勞動收入份額特別是中等收入群體的收入份額減少，社保稅基相對于經(jīng)濟總量的比重將下降，經(jīng)濟增長將無法轉(zhuǎn)化為社保基金的同步增長。

在人工智能時代構(gòu)建就業(yè)友好型發(fā)展方式

技術(shù)本身是中性的，但技術(shù)創(chuàng)新并非天然導向于人類福祉。如果人工智能的目的是提高人類潛能和增加生命質(zhì)量，而不是“如何用機器取代人”，前文所述挑戰(zhàn)都將迎刃而解，并能以技術(shù)紅利彌補人口紅利消失。例如，歐洲醫(yī)療技術(shù)行業(yè)協(xié)會估算，AI在醫(yī)療領(lǐng)域的廣泛應用有望為歐洲醫(yī)療系統(tǒng)每年節(jié)省1700億至2100億歐元，其中僅可穿戴AI設備一項每年就能節(jié)省約500億歐元，直接減輕醫(yī)保基金在藥品采購上的壓力。再如，解決養(yǎng)老金危機的重要途徑是增加繳費年限。AI技術(shù)可消除老年人參與勞動力市場的生理和認知障礙，讓年長員工專注于需要判斷力、同理心和復雜決策的高價值工作，降低工作疲勞度，使老年人可選擇從全職工作過渡到兼職工作的“漸進式退休”方式，而不是突然切斷收入來源。

但當前至少有四方面因素使得人工智能的創(chuàng)新方向不利于就業(yè)和社保。一是資本驅(qū)動的“圖靈陷阱”。斯坦福大學的Erik Brynjolfsson提出“圖靈陷阱”的概念，指出當前AI研發(fā)過度專注于“像人一樣思考和行動”，發(fā)展的是“類人智能”，而非增強人的能力。這是資本驅(qū)動下的創(chuàng)新對稀缺性反應的結(jié)果。價格作為稀缺性的信號，指揮著技術(shù)變遷的方向，使得創(chuàng)新傾向于替代那些規(guī)模巨大且價格較高的要素。在發(fā)達經(jīng)濟體，這就使創(chuàng)新引向替代高成本的勞動力。二是地緣經(jīng)濟助推勞動節(jié)約型創(chuàng)新路線。近年來在地緣經(jīng)濟的影響下，發(fā)達經(jīng)濟體推動產(chǎn)業(yè)回流，但又面臨嚴峻的熟練勞動力短缺問題。為避免跨境投資、移民政策、關(guān)稅政策等的不確定性，企業(yè)將技術(shù)投資的重心轉(zhuǎn)向“勞動節(jié)約型”方向。三是比特世界的無盡需求加劇原子世界的稀缺。AI技術(shù)的創(chuàng)新無法直接打破原子的稀缺，土地、淡水、鋰鈷等關(guān)鍵礦產(chǎn)的物理約束依然存在，經(jīng)濟增長的稀缺性轉(zhuǎn)移到能源、環(huán)境容量、關(guān)鍵原材料上。從就業(yè)的角度來看，這些都是勞動力稀薄型領(lǐng)域，若加速開發(fā)，還可能會造成人工智能與人類福祉競爭稀缺資源的問題。四是AI4Science的創(chuàng)新局限。一項分析了生物學、化學、地質(zhì)學、材料科學、醫(yī)學和物理學等六大領(lǐng)域6700萬篇論文的研究指出，雖然AI工具提高了科學家的個體產(chǎn)出，但它導致了科學研究選題的收斂，即科學家們傾向于研究AI容易處理的數(shù)據(jù)豐富的領(lǐng)域，而通過AI難以建模的數(shù)據(jù)稀缺或邊緣領(lǐng)域則被忽視。這種傾向可能導致科學發(fā)現(xiàn)的廣度收窄，也降低了以突破性創(chuàng)新開拓人類需求和就業(yè)空間的可能。

技術(shù)進步具有路徑依賴，一旦某種技術(shù)范式占據(jù)主導地位，整個社會的工程能力、基礎設施和認知習慣都會圍繞其構(gòu)建并自我強化，將發(fā)展方式“鎖定”在特定軌道上。“十五五”規(guī)劃建議提出“構(gòu)建就業(yè)友好型發(fā)展方式”，并明確要“完善就業(yè)影響評估和監(jiān)測預警”，以應對“新技術(shù)發(fā)展對就業(yè)的影響”，這是高質(zhì)量發(fā)展和高質(zhì)量充分就業(yè)的統(tǒng)一，對引導人工智能技術(shù)走向正確的發(fā)展方向具有重要意義。

與美國將大部分增量創(chuàng)新資源押注在AI的訓練層和推理層不同，中國提出的“人工智能+”行動方案強調(diào)技術(shù)的大規(guī)模應用，創(chuàng)新資源在AI的訓練層、推理層和應用層上分布得更加均衡。這不僅能縮短技術(shù)創(chuàng)新的投資回報周期，還有利于通過創(chuàng)設生產(chǎn)、消費、流通等環(huán)節(jié)的AI應用場景來增加就業(yè)。而且，中國的勞動力成本遠低于美國，AI替代勞動力的收益并不算高，更有余地通過公共政策推動AI技術(shù)“向善”發(fā)展。除了已布局的常規(guī)政策，本文提出幾個可供討論的政策建議方向。

關(guān)于“機器人稅”。由于一些國家對自動化設備提供稅收抵扣或加速折舊政策，而對勞動力征收含社保的高額工資稅，這實際上補貼了用AI技術(shù)替代人工的行為。雖然很多研究提出機器人稅的建議，但目前各國尚無政策實踐。常被誤稱為實施“全球首個機器人稅”的韓國政府，并非直接對機器人征稅，而是縮減了企業(yè)投資自動化設備的稅收抵免。機器人稅在理論上能內(nèi)化AI發(fā)展的社會成本（如失業(yè)），減緩過快的就業(yè)替代，但在操作上面臨定義難題。比如什么是機器人，對AI技術(shù)改善后的Excel需不需要征稅等？更有可能的操作路徑是，根據(jù)AI技術(shù)類型實行差別化稅率：對輔助工人的外骨骼、增強現(xiàn)實眼鏡等“勞動增強型”技術(shù)給予稅收抵免；對單純替代勞動的技術(shù)不予以稅收優(yōu)惠或適度征稅。

關(guān)于“稅費協(xié)同”的社保融資方式。與德國、法國等歐洲大陸國家主要依賴雇主和雇員繳費的模式不同，丹麥等國選擇以一般稅收為主要資金來源的道路，其社會保障融資中繳款比重較小。日本是世界上老齡化最嚴重的國家之一，其在2019年將消費稅率從8%提高至10%，并明確提高的消費稅收入專款專用于養(yǎng)老、醫(yī)療和護理等社會保障支出。雖然丹麥的社保融資結(jié)構(gòu)和日本的社保改革的初衷并不針對AI沖擊，但“稅費協(xié)同”的社保融資方式能讓AI創(chuàng)造的財富紅利回流至社會保障網(wǎng)，緩解社保三大基石面臨的沖擊。至于具體的稅種，從一些國家的政策實踐看，增值稅（或消費稅）、環(huán)境稅和資本利得稅是可選項，一些研究機構(gòu)還提出征收AI“超額利潤稅”。

關(guān)于主權(quán)AI基礎設施。若AI算力如一些研究所說會成為未來的貨幣，那么掌握AI基礎設施即掌握了未來的鑄幣權(quán)。構(gòu)建“主權(quán)AI基礎設施”不僅是國家安全問題，也可能成為社保融資的新渠道。英國、法國、加拿大和新加坡等國正在投資建設國有的“國家研究云”或主權(quán)AI計算集群。通過國家投資持有核心算力基礎設施，政府可以直接捕獲未來AI產(chǎn)生的經(jīng)濟租金。在AI大規(guī)模商業(yè)化應用之后，這一“AI紅利”可以發(fā)揮類似當前挪威石油基金的作用，直接注入社會保障體系，實現(xiàn)從“向勞動征稅”到“向AI分紅”并重，讓社會保障體系分享AI帶來的資本增值。

關(guān)于AI時代的人力資本積累方式。歐洲智庫Bruegel的一項研究發(fā)現(xiàn)，在AI相關(guān)職位信息發(fā)布中，提及大學學位的比例下降了23%，而提及具體技能的比例大幅上升。在基礎教育和高等教育階段，由于特定專業(yè)背景和技能的半衰期縮短，教育必須轉(zhuǎn)向培養(yǎng)“元認知”能力、批判性思維和跨學科的系統(tǒng)整合能力。在青年就業(yè)方面，隨著AI接管初級工作，原本“干中學”的人力資本路徑收窄，必須設計新的畢業(yè)生見習激勵機制。可考慮由財政資金補貼初入職場青年的工資或代繳社保，鼓勵企業(yè)雇傭青年，并在工作中開展和AI共同成長的人機協(xié)作。■

掃碼入群可參加全年至少12場精彩閉門研討