觀察家

文/陳永偉

最近，AI界的“大嘴”楊立昆（Yann　LeCun）又和Anthropic的創始人達里奧·阿莫迪（Dario　Amodei）杠上了。

事情的起因是，不久前，阿莫迪去年一次訪談中的相關表述被網友重新挖出，并在X平臺廣泛流傳。在這次訪談中，阿莫迪稱，未來1到5年內，包括初級律師、顧問、金融從業者以及部分技術崗位在內的白領工作，可能有相當一部分被AI取代，比例甚至達到50%。

楊立昆轉發了阿莫迪的這段訪談，并配上一段評論。他表示，從歷史經驗看，每一次提升生產力的技術革命都會導致一些職業被替代或消失，但并沒有證據表明這些技術會帶來長期的大規模失業。AI只不過是眾多技術革命中的一次，它對就業市場的影響也不會有任何不同，因而阿莫迪的說法顯然是危言聳聽。

楊立昆的帖子發出后，立刻引來了熱議。一些網友認為，AI在性質上完全不同于以往的技術。面對這些質疑，楊立昆回懟道，評估AI對就業市場的影響，就應該去聽經濟學家怎么說，而不應該聽阿莫迪這樣的AI業內人士的說法，因為后者往往會被自己的錯覺或偏見影響，從而選擇性地夸大問題的嚴重性。

那么，從歷史看，技術進步究竟是否造成過大規模失業？與過去的技術革命相比，AI對勞動力市場的沖擊有何不同？它是否會造成嚴重失業？經濟學家怎么看？我們又該如何應對？這一切，且讓我們慢慢說來。

一、歷史上的技術性失業

人們對技術進步可能引發失業的憂慮，并不是現在才有的。早在羅馬皇帝韋巴薌（Titus　Flav-ius　Vespasianus）統治時期，據說就曾有工匠進獻改進運輸工具的方案，但皇帝當即拒絕，理由是工具過于先進，勞工的工作機會可能受到侵蝕。

所幸的是，在此后的一千多年中，技術進步和人口增長都比較緩慢，類似問題并沒有真正出現。不過，工業革命之后，情況發生了變化。隨著大規模工業化推進，工廠迅速取代歐洲各地的手工工場，機器很快占據了原本屬于工人的崗位。以英國紡織業為例，1813年，英國全國動力織機數量大約為2400臺，到1850年，這一數字迅速膨脹到25萬臺。與之對應的，是手工織工數量迅速萎縮。1820年，英國全國超過24萬名手工織工，而到1845年，僅剩6.9萬名。

面對機器對工作崗位的侵蝕，工人們行動了起來，其中最有名的事件當數“盧德運動”。據說，在英國萊斯特郡，一名叫盧德的工人一怒之下砸碎了一臺紡紗機。這一行為很快被效仿，對機器積怨已久的工人紛紛自稱“盧德主義者”（Luddites），并以摧毀機器表達憤怒。

有意思的是，當人們對機器的憤怒達到頂點時，它帶來的失業卻悄然消退了。這是因為，機器雖然消滅了大量手工業者的崗位，但也催生了大量新的工作。比如，蒸汽技術的發展使鐵路運輸大規模興起，鐵路建設催生了大量勞動力需求；蒸汽機的使用增加了煤炭需求，也帶動了礦工需求。除此之外，高效率的機器讓資本家的收入大增，使他們對各類服務的需求上漲，由此產生了更多就業崗位。

第一次工業革命完成后不久，第二次工業革命很快呼嘯而來。相比于第一次工業革命的蒸汽技術，第二次工業革命的電氣技術對生產力的釋放效應更為巨大，對勞動力市場的沖擊也更為強烈。僅以歐洲的馬車產業為例，在汽車發明之后，馬車迅速衰落，與其相關的產業鏈也迅速萎縮。數十萬相關行業勞動者，如馬車夫、養馬人、馬具匠等，失去了原來的崗位。而在制造業，隨著效率更高的機床和流水線出現，大批工人也因此失去了工作。從19世紀70年代到19世紀末，歐洲各國都經歷了長期蕭條，英國失業率曾在很長一段時間內保持在8%到10%的較高水平。

直到進入20世紀，情況才出現一定改變。一方面，大規模電網建設、冶金業發展和服務業擴張創造了新的就業機會。另一方面，國家干預也在緩解就業問題上起到了作用。例如，8小時工作制在各國確立，實際上是對既有工作時間進行重新分配，從而使崗位能夠吸納更多勞動者。但盡管如此，勞動力市場供過于求的問題并沒有得到根本解決。直到兩次世界大戰造成勞動力大規模減少，技術進步帶來的崗位減少問題才被意外緩解。

或許是因為目睹了兩次工業革命帶來的種種問題，所以不少著名經濟學家都對技術性失業問題保持了高度警惕。例如，凱恩斯在《我們子孫后代的經濟可能》中曾指出：“一種新的疾病正在折磨著我們，某些讀者也許還沒有聽說過它的名稱，不過在今后幾年內將聽得不想再聽，這種病叫做‘由技術進步而引致的失業’。”而諾貝爾經濟學獎得主里昂惕夫也強調，隨著技術的發展，“勞動將變得越來越無關緊要……更多的工人將被機器取代，我認為這些新產業不可能聘用所有希望得到工作的人。”

幸運的是，凱恩斯和里昂惕夫的預言并沒有實現。“二戰”之后，雖然技術發展迅猛，但大規模、持續性的技術性失業并沒有出現。即使像計算機、互聯網這樣的顛覆性技術，其對就業市場的負面影響也只是集中在某些領域，并沒有擴展到經濟全局。

二、技術性失業，經濟學家怎么看？

在回顧了歷史之后，我們不妨接受楊立昆的建議，先來看看經濟學家們關于技術性失業都有哪些看法。總的來說，目前在經濟學理論中，與技術性失業相關的重要洞見有如下幾個：

第一個洞見是，不同類型的技術進步對就業市場造成的沖擊各不相同，并不是所有技術進步都會造成技術性失業。雖然從古羅馬以來，關于技術性失業的憂慮就一直在人們心中縈繞，但真正重大的技術性失業卻很少。迄今為止，與技術進步關聯最大的兩輪大規模技術性失業，主要發生在兩次工業革命期間，而“二戰”之后，則鮮有類似情況發生。之所以會出現這種情況，是因為技術的屬性并不相同。一些技術和勞動力之間是替代關系，而一些技術則更多是增強人類勞動。比如，機器可以替代繁重、重復的人類勞動，因而會減少勞動力需求；而計算機的出現則更多表現為對人的賦能，因而反而可能增加市場對人力的需求。

這里需要注意的是，勞動力并不是均質的。每個人的教育水平、技能狀況都不相同，因而即使是同一次技術沖擊，其影響也具有高度的“技能偏向性”。從這個角度看，技術性失業并不只是一個總量問題，還是一個結構性問題。

第二個洞見是，技術進步對勞動力市場的影響，其實是在任務（task）層面，而非崗位層面發生的。在現實中，一個崗位可能會同時承擔很多任務。如果新技術并未同時使某個崗位上的所有任務都實現自動化，那么這項技術就不會讓這個崗位消失，反而可能提升該崗位的勞動生產率和薪資。比如，秘書需要同時承擔文字錄入、資料整理、任務協調、事務對接等多項任務。計算機被廣泛應用后，錄入和整理工作很大程度上實現了自動化，然而秘書職業并沒有消失，反而可以把更多時間安排到附加值更高的任務上。

那么，哪些任務更容易被自動化呢？經濟學家認為，最容易被自動化的任務通常有三個特征：一是高重復性和程序化，無需精密操作；二是不需要創造力；三是不需要與人交往。如果一項任務具備這三種特征，它就會有很高的“自動化暴露度”（exposuretoautoma－tion）。一旦出現相對廉價的自動化技術，這些任務就會優先被自動化。

借助上面的觀點，我們就可以看出，在兩次工業革命期間出現較大規模技術性失業的原因。無論是紡織工人還是馬車夫，其工作任務都相對單一，并且“自動化暴露度”都非常高。因而，當這樣的勞動者在勞動力總量中占比很高時，技術進步就很容易引發技術性失業。而在“二戰”之后，服務業以及需要精密操作的制造業工作大規模興起，工作的任務變得日益復雜。在這種情況下，技術進步就相對更難造成大規模失業。

第三個洞見是，市場是否會自動修復技術性失業問題，取決于勞動力市場的補償機制是否暢通。從古典經濟學時代開始，經濟學家提出了很多不同的補償機制：一是新的機器和基礎設施的生產。技術進步會導致企業使用更多機器和更少勞動力，這一方面會擠占產品生產環節工人的就業機會，但另一方面，也會帶動機器生產和基礎設施建設，從而創造新的就業機會。第一次工業革命期間，大規模鐵路建設就對緩解失業起到了巨大作用。二是價格下降。薩伊強調，技術進步在導致工人被取代的同時，也會降低生產成本，進而帶動商品價格下降和需求上升。三是新儲蓄、新投資的增加。技術進步可以為企業節約成本，這些成本可以被重新用于投資，而新投資則可以創造新的崗位。四是新產品的出現。技術進步會催生新產品、新業態，甚至新產業，從而創造新的就業機會。五是工資下降。維克塞爾曾提出，如果技術讓勞動力變得過剩，那么工資會隨之下降，這又會讓使用勞動力變得更加劃算，從而吸引企業采用勞動力密集型技術。

三、AI革命：這次哪里不一樣？

在梳理了經濟學家們關于技術性失業問題的觀點之后，讓我們將目光轉向AI革命，來看看這場正在發生的技術革命究竟和歷史上的歷次技術革命有什么不同，并分析一下它究竟是否會引發大規模技術性失業。

在我看來，不妨以2022年ChatG－PT的上線為界，將AI革命分為兩個階段。在2022年之前，雖然“深度學習革命”已經引發了AI技術的迅猛增長，但從技術呈現看，它的產品更多表現為“預測式AI”（PredictiveAI）；而在2022年之后，AI的技術呈現則以“生成式AI”（GenerativeAI）和以其為基礎的“AI智能體”（AIAgent）為主。雖然從技術底層上看，它們的基礎是接近的，但產品形態的不同，導致其影響出現根本不同。

顧名思義，預測式AI主要是幫助人們預測形勢、識別模式。這一功能決定了它更多只能充當人類的參謀，或替代人類的一部分任務，因而對就業市場的沖擊并不會太大。但值得注意的是，很多關于AI是否會造成技術性失業的討論，其實是針對這類AI的，所以結論經常帶有誤導性。一個典型例子是，“深度學習之父”杰弗里·辛頓（GeoffreyHinton）曾預言，AI視覺識別技術的改進會讓放射科醫生失業。但這個預言很快被證偽。原因很簡單：放射科醫生除了執行影像檢查之外，還需要承擔診斷方案設計、協助介入治療等任務。AI視覺識別技術可以讓影像檢查自動化，卻無法全面替代他們的所有任務。

然而，在生成式AI和AI智能體崛起之后，情況發生了很大改變。不同于預測式AI，生成式AI可以承擔的任務范圍要廣得多。而AI智能體的出現，則讓AI可以在沒有人工干預的情況下連續完成多項任務。在這種情況下，AI技術革命逐漸呈現出許多與過去歷次技術革命不同的特征。

首先，從影響范圍上看，AI對就業市場的沖擊要勝過過去所有技術。無論是第一次工業革命還是第二次工業革命，都是從某一產業開始，然后逐步擴散到各個行業。而AI革命的沖擊則是全方位的，幾乎所有行業、所有職業都會受到影響。不僅是藍領工人，包括律師、醫生在內的白領職業也會遭受沖擊。實際上，由于用AI替代白領有更高的性價比，白領反而成為當前AI影響的主要人群。根據Anthropic的最新報告，目前“AI暴露度”（exposuretoAI）最高的五個職業分別為：計算機程序員、客戶服務代表、數據錄入員、醫療檔案專員和市場調研分析師，全部都是白領職業。

其次，從力度上看，AI對勞動力市場的沖擊也要強于過去所有技術。過去的技術革命，通常不會在短時期內摧毀某一個產業，讓這個產業的崗位發生大幅下降。而AI的影響顯然要劇烈得多，它可能迅速重塑某些產業，從而引發比較激烈的就業動蕩。比如，在很長時間內，插畫師、平面設計師等都被認為是靠技術吃飯的穩當行業，但在生成式AI技術興起之后，類似崗位就遭受了嚴重沖擊。

再次，從持續性看，AI產生的影響可能會比其他技術更持久。技術進步往往在短期內對就業展現出強大的沖擊力，而隨著勞動力在部門之間的再配置，這種沖擊會逐漸減弱、消失。但由于AI革命的成果可以迅速擴散到各個產業，因此，一旦因技術沖擊而失業的工人被重新配置到某一產業，導致這一產業工資上升，企業就馬上會有激勵用人工智能對工人進行替代。在這種情況下，再就業的工人很快就會重新面臨失業風險。

最后，AI會對就業市場產生更大的極化效應，進而造成更大的不平等。相比于以往的各類新技術，使用AI相關技術對技能和知識的要求更高，因此這一沖擊的偏向性會更為強烈。在短時期內，高能力者能在就業中獲得巨大優勢，而那些不熟悉人工智能相關技能的人，則會在就業市場遭受更大挫折。這就有可能在產生技術性失業的同時，導致更大規模的貧富分化。

基于以上原因，AI引發大規模技術性失業的可能性非常大。更確切地說，這種失業效應其實正在逐漸顯現。一個最顯著的信號是，從去年開始，中外大型科技企業都經歷了大規模裁員。像亞馬遜、谷歌這樣的企業，一次裁員就會裁掉上萬名員工。雖然一些研究認為，這些裁員并非直接由AI對人的替代導致，而是企業為了籌集AI基建投資所需經費進行的策略性裁員，但無論如何，這些裁員都與AI浪潮密切相關。

另外需要指出的是，面對AI可能帶來的失業，那些用于平衡就業市場的補償機制，運作似乎并不那么順暢。比如，圍繞技術的基建投資一直被認為是創造新就業崗位的重要渠道之一。但正如我們剛剛看到的，它不僅沒有像以往那樣創造更多就業需求，反而讓企業為了籌資裁掉了更多員工。又如，物價下降被視為另一個重要的補償機制。然而，這個機制順暢的前提是，物價下降要比收入下降更為顯著，但在現實中，這一點并不容易保證。如果AI造成的失業比較顯著，那么整個社會的可支配收入就會迅速減少，此時經濟中的消費將更有可能像最近廣為流傳的《2028全球智能危機》（The2028GlobalIntelligenceCrisis）一文中所描述的那樣迅速萎縮，而非增加。最終，物價下跌只會成為蕭條的標志，而非重返繁榮的階梯。

四、直面AI時代的技術性失業

在說到AI時代的技術性失業問題時，很多所謂的市場派學者都會援引汽車和馬車的例子。他們通常會輕描淡寫地說：雖然汽車的到來讓馬車夫失去了崗位，但最終，市場還是吸收了失業人口，讓馬車夫變成了汽車司機。但通過前面的討論，我們就可以看到，這個比喻其實帶有很大的誤導性。且不說AI在引發失業的同時，能否創造出足夠多的崗位還是一個疑問，人們的技能能否及時適配這些新崗位，也存在很大不確定性——畢竟，讓一個馬車夫學會開車的難度，和讓一個會計成為高級AI架構師的難度完全不可同日而語。如果市場新增的就業崗位不足，或者所需能力和失業者的匹配性很低，那么情況就會像里昂惕夫曾經比喻的那樣：失業者的角色將更類似于因汽車而下崗的馬，而非馬車夫。

即使一切都很順利，市場可以自發創造出足夠多適合人們工作的崗位，完成這一過程所需的時間仍然是問題。兩次工業革命所導致的高失業狀況都持續了幾十年。這在一些專家學者口中，或許只是歷史的一個瞬間，但對于很多人來說，則可能是他們的一生。如果考慮到可能由失業引發的社會動蕩、戰爭等問題，整個社會面臨的成本可能會更大。從這個角度看，面對AI時代的技術性失業，絕不能掉以輕心、聽之任之，而必須引起重視，積極應對。而要做到這一點，就需要個人、企業和政府三方面共同努力。

對于個人而言，有兩方面的舉措最為重要。一方面，應當建立終身學習思維，拒絕單一技能固化。AI時代，行業技術迭代節奏飛快，靠一門技能吃一輩子的時代早已落幕，機械化、流程化的工作最容易被AI取代。在這樣的背景下，勞動者需要主動更新技能庫，學習基礎AI工具、數字化辦公技能，同時深耕本行業專業能力，把通用數字技能和行業專業能力結合起來，搭建屬于自己的復合技能體系。

另一方面，應當刻意打磨AI難以復刻的人類特質。盡管當前AI能力很強，但從總體上看，其共情能力、創造性思維和判斷力依然有所欠缺。而這些能力，恰恰是人類所擅長的。必須認識到，對于邊界明確的任務，AI終究會超越人類。只有成為AI的輸入端，或者承擔AI無法完成的復雜任務，才能在AI時代有自己的一席之地。

對于企業而言，則應該在AI大潮之中承擔起自己的社會責任，妥善處理好與員工的關系。要更多鼓勵人與AI的合作，而不是盲目推進自動化。具體而言，企業一方面要做好內部員工技能承接，結合自身智能化改造進度，針對性開展短期培訓，幫助員工快速上手智能辦公、生產工具；針對即將被替代的崗位人員，優先進行內部轉崗調配，配套專項培訓，減少裁員。另一方面，企業還應該調整技術研發方向，推行溫和的人機協同模式，讓AI承接繁瑣、高危、重復的基礎工作，將人力保留在創意研發、客戶服務、戰略決策等核心環節。

從表面上看，這些工作似乎會讓企業增加一些額外成本。但從更廣的視角看，它們不僅可以為企業積累更為優秀的人力資源，也可以為企業建立更好的社會形象，其收益是巨大的。

對于政府而言，應對AI時代技術性失業的思路也需要調整。過去，政府主要通過財政政策和擴張性貨幣政策增加社會總投資，引導就業創造。但類似方法在AI時代未必行得通。一個典型例子是，“新冠”疫情后，美國政府為了讓經濟迅速復蘇，實施了較長一段時期的低利率政策。結果，低利率確實刺激了投資擴張和GDP增長，卻沒能拉動就業同步增長。原因在于，很多企業在以低成本獲得資本后，都將其用于自動化技術投資。這個教訓告訴我們，面對AI造成的失業，除了謹慎采用宏觀政策工具外，還應該把更多精力放到更為微觀的環境營造上。

第一，要改革人力資本培養，構建終身學習體系。在基礎教育階段，應強化抽象思維、問題解決與數字素養等難以被AI替代的能力。在職業教育階段，應提高課程與產業需求之間的匹配程度，使技能培養能夠直接對應崗位結構變化，同時提升對AI使用技能的培訓。在職階段，則需要發展持續性的再培訓體系，通過在線教育、職業認證和企業培訓等形式，實現技能，尤其是AI使用技能的動態更新。考慮到AI的進步非常迅速，培訓體系需要更加模塊化和可迭代，而不是依賴周期較長的學歷教育體系。

值得注意的是，在現實中，培訓費用主要由失業者自己承擔，這對他們來說是一筆不小的負擔。在這種情況下，除了應該對培訓進行直接補貼之外，還應該設計一些有效的金融機制來對受訓者提供扶助。一個不錯的例子是杰瑞·卡普蘭（JerryKaplan）提出的“工作抵押貸款”（JobMortgage）。根據這種設想，個人在接受職業培訓或再教育時，將由潛在的用工企業提供資金，償還方式則不再是固定債務，而是與其未來收入或就業結果掛鉤。這種制度不僅可以保證勞動者所接受的培訓正是市場所需要的，也可以較好地解決培訓資金不足的問題。

第二，要完善積極勞動市場政策，提升勞動力再配置效率。技術性失業往往表現為勞動力與崗位之間的匹配失靈，因此需要通過制度手段降低信息不對稱和流動成本。公共就業服務體系應提供職業咨詢、技能評估、崗位推薦等服務，幫助勞動者明確轉型路徑；同時，通過轉崗培訓和就業補貼等政策，降低勞動者進入新行業的門檻，并減少企業雇傭轉崗勞動者的風險。對于沖擊集中的行業和地區，還需要實施針對性的就業支持和產業轉型政策。

第三，要強化社會保障與收入再分配機制，緩沖技術變革帶來的短期沖擊。AI技術的沖擊不僅可能導致失業，還可能帶來就業不穩定性增加、收入波動加劇等問題。在這種情況下，社會保障體系需要從“覆蓋穩定就業關系”轉向“覆蓋多樣化就業形態”。一方面，應完善失業保險與最低收入保障，為勞動者在轉型期間提供基本支持；另一方面，可以探索與就業狀態無關的保障機制，如負所得稅或“全民基本收入”（U－niversalBasicIncome，簡稱UBI），以應對頻繁轉崗和不連續就業帶來的風險。需要指出的是，福利和失業保障的增加會大幅增加財政負擔，因此還需要同時對財稅體系進行較大調整。

第四，要加快新任務與新產業的生成，使AI成為就業創造的來源。政策應積極牽引，疏通各種“補償機制”，通過支持AI應用創新、促進技術擴散、完善數據基礎設施以及鼓勵創業，推動新產業和新職業的形成。現在，圍繞AI的開發、部署、維護和應用，已經出現了一系列新的崗位類型。尤其值得重視的是，在AI時代，中小型企業，甚至“一人公司”（OnePersonCompany，簡稱OPC）不僅會在推進AI技術應用和擴散上發揮重要作用，還會成為吸納就業的重要力量。

第五，引導AI技術發展方向，避免過度偏向“替代型自動化”。AI的應用路徑并非完全由技術本身決定，而是受到成本結構與制度激勵的影響。如果制度環境過度鼓勵節省勞動力成本，企業可能更傾向于采用完全替代勞動的自動化方案。因此，可以通過稅收政策、研發支持和行業規范，引導AI更多用于增強勞動者能力，例如作為決策支持工具或生產輔助系統，而不是完全替代人類勞動。這種“人機協同”路徑能夠在保持效率提升的同時，減緩就業沖擊。

五、結語

AI引發的技術性失業，可能意味著人類勞動力市場面臨一次深度重構，其覆蓋之廣、滲透之深，或許遠超以往任何一次技術革命。正如經濟學家布林約爾松與麥卡菲在《與機器賽跑》（RaceAgainsttheMachine）中所說的，面對這場革命，真正的出路并非抗拒機器，而是學會與機器協同前行。技術終將替代重復的任務，卻無法取代人的創造、共情與判斷。唯有以終身學習筑牢底氣，以人機協同釋放潛力，以制度保障托底轉型，才能讓技術進步真正服務于人的發展，讓AI革命成為人類前行的階梯，而非人類發展的阻礙。