[智能应用]被抢饭碗，人类唯一出路是什么？ [复制链接]

人工智能正重塑全球的劳动力市场，这是一个毫无争议的事实。问题是：这种重塑对人类而言到底意味着什么？就业替代与创造能同时到来吗？当AI可以轻松输出海量知识，人类的工作价值要去哪里寻找？
中国社会科学院学部委员蔡昉在其新著《中国就业新趋势——人工智能如何重塑劳动力市场》中，试图找到这些日益逼近现实问题的答案。近日，他接受《中国新闻周刊》专访时指出，人类与人工智能竞争就业的过程中，我们唯一的出路是找到自己的比较优势，实现与AI的差异化互补。
蔡昉 图/受访者提供
“人类唯一出路是找到比较优势”
《中国新闻周刊》：人工智能对劳动力市场带来了怎样的冲击？哪些职业受到的影响最大？面向未来，这种就业的替代是否会愈演愈烈，我们要如何应对？
蔡昉：人工智能的发展，特别是生成式AI的出现，对就业市场已造成显著冲击。美国有调查显示，ChatGPT诞生后，部分白领岗位受冲击明显，尤其是针对新毕业生的需求大幅减少。例如在法律行业，刚毕业的法学生通常负责文案、查卷宗等基础工作，这些恰恰是AI具备高生产率的领域。
实际上，这一轮人工智能引领下的技术革命，与过去几轮不太一样。过去，新技术带来的岗位替代主要针对重复性体力劳动或低技能的半熟练劳动，但生成式人工智能却可以替代需要高等教育背景的技术性工作。因此，对很多有技术门槛的行业而言，AI目前也能达到中等熟练程度，入门水平的毕业生容易被取代。未来，随着AI从大语言模型向具身智能进一步发展，更多岗位将面临被替代的风险。
生成式AI的核心优势在于其强大的认知能力，在这一维度，其智能水平已超越人类，因此，人类唯一的出路是找到自己的比较优势，与AI在就业市场上形成差异化互补，而非在AI擅长的领域与它竞争，最终，我们的目标是实现人机协作与共存。
机器人学者汉斯·莫拉维克曾提出过著名的“莫拉维克悖论”：他发现，对人类来说非常困难的任务，比如成为围棋世界冠军，AI可以驾轻就熟，但人类可以轻而易举做到的事，比如绕过桌椅把一杯水端给别人，AI却难以模仿。这启示我们，人工智能与人类智能具有某种不共通性，人类作为一种独特的生命体与智慧体，在进化过程中积累了大量难以言传的“隐性知识”或“实践智慧”，这些都是更加“人性化”的能力。
这些能力只可意会，却构成了我们的独特性，比如自我控制、团队精神、社交技能以及艺术感知，只有人类才会为莎士比亚的悲剧而流泪，AI则不会。在人工智能时代，我们需要深入挖掘人类这些潜在的“本能力量”，放大可以与AI互补的人力资本，这是未来劳动力市场中人机共存的关键。
在人机共存的场景中，工作不应仅被视为一个抽象的岗位，人工智能可以将传统工作的不同任务分解，重塑整个生产流程，让人类智能与人工智能负责各自擅长的部分。也就是说，人机协作的新业态中，有机会创造就业的更多可能性。
必须认识到，人工智能对就业的影响具有双重性，破坏就业的同时，也能创造就业。我们应对AI就业冲击时，最核心的策略就是努力让就业创造大于就业破坏，这指向了AI对齐的重要性。所谓“对齐”，就是让AI的发展“为人类所用”，符合人类的目标、偏好及伦理原则。这不仅要在技术模型层面做到，更需要技术开发者、投资者、企业家和用户等多方达成共识，在AI发展过程中确定共同的取向与行动优先级。
10月15日，北京一家视频创作软件公司的负责人用手机展示其平台生成的短片内容。图/视觉中国
《中国新闻周刊》：要想实现人类智能与人工智能的互补，从人力资本培养的角度，我们的教育应如何革新？
蔡昉：人工智能对就业的冲击，使得以增加受教育年限为目标的人力资本培养模式日渐捉襟见肘。新的人力资本培养，不能将赌注完全押在学校教育上，必须转向可持续的、贯穿职业生涯的培养，跨越劳动者的全生命周期：一是更加重视婴幼儿早期发展；二是把学前教育和高中教育都纳入义务教育体系，向前、向后延伸；三是强化终身学习机制。
特别是学前教育。刚出生的孩子会比成人保留更多人类的“本能”，而成年后的人反而更像人工智能。根据经济学家詹姆斯·赫克曼的研究，在婴幼儿0—3岁，对于非认知能力的培养效果最为显著，这些对一生至关重要的能力和技能，主要是在儿童期形成。
因此，人工智能时代的教育重心前移，目的不是传授更多学科性知识，而是提高孩子全方位感知世界的能力，让他们学着去辨识事物、判断色彩……这些早期体验非常重要。政府下一步要深度整合学前教育资源，因为越是在较早的教育阶段进行人力资本投资，越能够获得更高的回报率。
建立这样一套全周期的人力资本培养体系，核心难点在于如何有效统筹资源。例如，0—3岁和3—6岁儿童在管理服务上分别归属卫健系统和教育系统，这增加了学前教育资源整合的复杂性。事实上，如何处理好每个教育阶段之间的内在联系和有效衔接，是我国教育体系长期存在的短板。而按照未来人力资本对终身学习的需求，政府可能需要对各个阶段现有的制度安排、教学内容、追求目标和评价手段等进行全面更新。
另外，由于我国的人口结构变化，长期来看，从幼儿园、小学到初中、高中的在学人数会递次减少，使大量教育资源出现闲置，这恰恰为资源统筹与整合提供了一个机会窗口，政府可以考虑将部分闲置资源转向职业培训，或者为更多大龄劳动者提供技能提升服务。总之，在人工智能时代，人类必须重新思考，我们究竟需要什么样的教育，培养的人才应具备哪些能力。
2024年4月11日，江苏昆山开发区人社行政服务大厅的办事人员使用“AI 小昆”。图/视觉中国
对AI征税
《中国新闻周刊》：站在政府角度，要想实现对劳动者全生命周期的培训，除了资源统筹外，还需要投入更多财政资金。目前，我国仍面临较大的经济下行压力，这笔钱从哪儿来？政策层面如何准备好应对AI对劳动力市场的短期震荡？
蔡昉：从人工智能对就业市场的短期影响看，就业破坏总是发生在就业创造之前。研究发现，因技术变革而失去岗位的人与获得岗位的人之间存在明显时差，有时甚至需要通过一代人的更替才会改变职业结构。因此，直面冲击的当下，政府必须为每个岗位被破坏的个体，提供有效的兜底保障机制，这也是一种“对齐”。
在那些实现大规模AI就业替代的行业，未来可以在适当的时机引入人工智能税，并将税收所得作为重要的资金来源，用于给受AI影响的劳动者进行转岗补偿、技能培训等各类转型所需的保障性经费，从而缓解技术替代带来的社会冲击。某种意义上，在人工智能时代，与劳动力市场相关的保障性制度应变得更加普惠，政府未来应为所有年龄段的劳动者提供终身教育与培训服务，并承担相应投入。
对AI征税的逻辑在于，如果人工智能的应用真能显著提升劳动生产率，给有关企业创造持续的经济价值，生产率提升的红利就不应由个别企业独享，政府应通过二次分配将红利在全社会共享，这需要精细的制度安排。生产率分享机制，一方面可以减少垄断和“赢者通吃”，美国目前已出现这样的局面；另一方面，有助于缓解因劳动力市场的两极分化给经济结构稳定性带来的伤害。
凯恩斯在1930年曾预言，100年后，劳动生产率必将提高4—8倍，以至于人们每周只需工作15小时，不用再把生命中的大部分时间浪费在枯燥无味的工作上。很多经济学家的测算表明，凯恩斯预言的劳动生产率提升已实现，但今天，人们每周仍需工作40小时，而非15小时，“内卷”背后的深层逻辑，值得我们深入思考。从劳动经济学的角度分析，我认为，随着AI带来劳动生产率的飞跃式提高，我们亟须重新定义工作，重构报酬与工作之间的关系。
如果向更远期的未来展望，特别是当通用人工智能（AGI）真正到来后，未来职业应聚焦于促进人的全面发展。届时，人工智能技术的发展已可以打破资源约束，使人力资本回报与劳动生产率脱钩，尽管这一过程可能漫长，但人工智能比过去任何一次技术革命都更接近实现这一突破。
以“一老一小”为重点
《中国新闻周刊》：在中国，分析人工智能对就业的冲击，绕不开当前人口老龄化的现状。人工智能技术的发展，进一步加剧了我国当前的结构性就业矛盾。具体到“一老一小”，你有何针对性的建议？
蔡昉：当前，我国劳动力市场虽已逐步走出疫情期间的周期性失业，但常态化的结构性失业问题仍然存在。结构性就业矛盾，具体表现为“有活没人干”与“有人没活干”两种现象并存，年轻人群体中流行的“内卷”与“躺平”都是结构性矛盾的一种外显。矛盾的核心原因是劳动者技能与市场需求之间无法形成有效匹配。更令人担心的是，中国当前的人口年龄结构实际上弱化了我们应对AI就业危机时的能力。
要想解决就业矛盾，必须以“一老一小”为重点。青年劳动者群体的核心弱势，源自人工智能对入门级岗位的显著冲击，因此，政策设计的关键在于如何加强培训，并利用AI赋能，让青年劳动者迅速跨越经验壁垒，将人力资本尽快提升至中等水平。
大龄劳动者面临的就业挑战，不仅是技能过时，还有可能被排斥于整个智能工作环境之外，从而加剧“数字鸿沟”导致的弱势地位。因此，针对老年人的就业支持，除了技能培训，更应强调让人工智能技术本身具备辅助性和包容性，也可以设计一些倾斜性的技术方案。
随着我国的人口老龄化加剧，老年人未来在劳动者中的比例将持续攀升，提高其实际劳动参与率尤为关键。为了实现这一目标，公共培训资源应向其倾斜，并通过精准的技能评估，帮助他们识别自身技能与市场需求之间的差距，从而进行针对性提升。因此，应对劳动力市场结构性矛盾的关键，在于推动人口政策、就业政策和社会保障政策三者进行深度融合。

面对人工智能对就业市场的冲击，人类的核心出路在于发挥自身不可替代的独特性，并与技术形成互补。以下是关键方向：

一、强化人类独有的核心能力
创造力与情感智慧

AI擅长标准化任务，但艺术创作、战略决策、情感共鸣等需深度人性化能力的工作仍依赖人类。例如：心理咨询、文学创作、跨领域创新12。
人类对文化、伦理、价值观的理解是AI无法复制的底层逻辑57。
实践智慧与隐性知识

人类在进化中积累的直觉、经验判断（如危机处理、复杂社交）属于“只可意会”的能力，AI难以模仿25。
例如医生结合临床经验与AI诊断，教师根据学生情绪调整教学方法。
二、重塑教育与社会体系
全生命周期学习转型

教育重心从知识灌输转向早期非认知能力培养（0-3岁），提升感知力、协作力等软技能26。
建立终身学习机制，支持职场人持续更新技能，适应技术迭代216。
政策保障与资源再分配

通过“人工智能税”等机制，补偿被替代岗位的劳动者，资助再培训与社会保障26。
推动职业教育与技能培训普及，降低转型成本

三、构建人机协作新生态
分工优化：AI处理数据与重复劳动，人类聚焦创意、伦理监督与系统设计1314。例如程序员转向需求定义与架构决策，而非代码编写14。
创造新职业：催生AI训练师、人机协作协调员、伦理审计师等新兴角色616。
四、哲学与认知层面的觉醒
超越工具性思维：技术是延伸人类能力的工具，而非替代主体。如禅宗所言“不着相”，避免陷入对AI的恐惧或依赖57。
生命价值重构：从追求效率转向探索存在意义——艺术、哲学、人际关系等深层需求成为新重心5

人工智能重塑劳动力市场：蔡昉的深度解析与政策建议  

人工智能（AI）的快速发展正在深刻重塑全球劳动力市场，其影响远超以往的技术革命。中国社会科学院学部委员蔡昉在其新著《中国就业新趋势——人工智能如何重塑劳动力市场》中，从 就业冲击、人力资本培养、政策应对、人口结构挑战 等维度，系统分析了AI对就业的双重影响（替代与创造），并提出了 “差异化互补”“全周期教育”“对AI征税”“聚焦‘一老一小’” 等核心策略。本文将结合蔡昉的观点与现实案例，深入探讨AI时代的就业变革与应对之道。  
一、AI对就业的冲击：从“体力劳动”到“脑力劳动”的全面替代  
就业替代的双重性：破坏与创造并存  
蔡昉指出，AI对就业的影响具有 “双重性”：一方面，它通过自动化替代重复性、低技能或中等技能岗位（如法律文案、基础编程、客服等）；另一方面，它也催生新职业（如AI训练师、数据标注员、机器人维护工程师）和传统岗位的升级（如医生借助AI辅助诊断、教师通过AI个性化教学）。  

案例：  
法律行业：ChatGPT可快速生成合同、查卷宗，替代刚毕业法学生的基础工作，但复杂诉讼、谈判等需要人类情感与伦理判断的场景仍无法被替代。  
制造业：工业机器人替代流水线工人，但需要人类工程师进行编程、调试和维护。  
医疗行业：AI可分析医学影像，但医生需结合临床经验做出最终诊断，并安抚患者情绪。  
替代逻辑的转变：从“体力”到“脑力”  
过去的技术革命（如工业革命）主要替代体力劳动，而生成式AI（如ChatGPT、Sora）已能替代部分 需要高等教育的脑力劳动。蔡昉引用美国调查数据：ChatGPT诞生后，针对新毕业生的白领岗位需求大幅减少，尤其是法律、金融、媒体等领域。  

关键原因：  
认知能力超越人类：AI在数据处理、模式识别、逻辑推理等维度已达到或超越人类中等水平。  
“莫拉维克悖论”：人类觉得困难的任务（如下围棋）AI易完成，而人类轻而易举的事（如端水、社交）AI却难以模仿。这揭示了AI与人类智能的 “不共通性”——人类的隐性知识（如直觉、情感、实践经验）仍是AI难以复制的核心优势。  
二、人类与AI的差异化互补：从竞争到协作  
人类的比较优势：人性化能力与隐性知识  
蔡昉强调，面对AI的冲击，人类唯一的出路是 “找到比较优势，实现差异化互补”，而非在AI擅长的领域与其竞争。人类的核心优势包括：  
人性化能力：自我控制、团队精神、社交技能、艺术感知、同理心（如为莎士比亚悲剧流泪）。  
隐性知识：通过实践积累的“只可意会”的技能（如厨师的火候掌控、医生的临床直觉）。  
创造力与批判性思维：AI可生成内容，但人类能提出新问题、质疑现有框架、推动创新。  

案例：  
教育领域：AI可批改作业、生成教案，但教师需通过情感互动激发学生学习兴趣，培养其批判性思维。  
创意产业：AI可生成音乐、绘画，但艺术家需通过作品传递独特情感与文化内涵。  
人机协作的新业态：任务分解与流程重塑  
AI将传统工作分解为不同任务，并重新分配给人类与AI：  
AI负责：重复性、标准化、数据密集型任务（如数据分析、客服应答）。  
人类负责：需要情感、判断力、创造力的任务（如决策、沟通、创新）。  

案例：  
医疗AI：AI分析影像，医生制定治疗方案并安抚患者。  
智能客服：AI处理常见问题，人类客服解决复杂投诉或情感化需求。  
三、教育革新：从“学校教育”到“全周期培养”  
传统教育模式的局限  
蔡昉指出，以“增加受教育年限”为目标的人力资本培养模式已难以适应AI时代。原因包括：  
技能过时风险：AI快速发展使部分专业知识迅速贬值（如基础编程）。  
隐性知识缺失：学校教育侧重显性知识（如数学公式），忽视隐性能力（如团队协作、抗压能力）。  
生命周期断裂：教育集中于青年阶段，缺乏终身学习机制。  
全周期人力资本培养体系  
蔡昉提出 “贯穿职业生涯的教育革新”，核心方向包括：  
早期教育前移：重视0—3岁婴幼儿非认知能力培养（如感知力、情绪管理），为终身学习奠定基础。  
义务教育延伸：将学前教育（0—6岁）和高中教育纳入义务教育，减少教育阶段衔接的断裂。  
终身学习机制：建立覆盖全年龄段的职业培训体系，利用闲置教育资源（如因人口减少而空置的幼儿园、中小学）为劳动者提供技能升级服务。  

案例：  
德国双元制教育：企业与学校联合培养，学生边学习理论边实习，毕业后直接入职。  
新加坡技能创前程计划：政府为25岁以上公民提供技能培训补贴，支持其转型至新兴行业。  
四、政策应对：从“兜底保障”到“生产率分享”  
短期策略：兜底保障与转岗补偿  
AI的就业破坏通常先于创造发生，政府需为受冲击群体提供 “有效兜底”：  
失业保险与基本收入：为短期失业者提供生活保障，缓解技术替代的社会冲击。  
转岗培训补贴：资助劳动者学习新技能（如AI伦理、机器人维护），帮助其转型至新兴行业。  
中期策略：对AI征税与生产率分享  
蔡昉提出 “人工智能税” 概念：  
征税逻辑：若AI显著提升企业劳动生产率，其红利不应由企业独享，而应通过税收在全社会共享。  
资金用途：用于转岗补偿、技能培训、教育投入等，减少垄断和“赢者通吃”现象。  
国际案例：欧盟曾提议对机器人征税，以弥补其替代人类工作导致的税收损失。  
长期目标：重新定义工作与报酬  
蔡昉引用凯恩斯的预言：劳动生产率提升应减少人类工作时间，但现实仍需“内卷”。他提出：  
工作重构：未来职业应聚焦于促进人的全面发展（如艺术、教育、社交），而非单纯追求经济价值。  
报酬脱钩：当通用人工智能（AGI）到来时，人力资本回报可能与劳动生产率脱钩，工作或成为一种“自我实现”的方式而非生存手段。  
五、聚焦“一老一小”：应对人口结构挑战  
中国就业的结构性矛盾  
当前中国就业市场呈现 “有活没人干”与“有人没活干” 并存的现象，核心原因是 “劳动者技能与市场需求错配”。人口老龄化进一步加剧了这一矛盾：  
青年群体：AI冲击入门级岗位，导致“内卷”（过度竞争低技能工作）或“躺平”（放弃求职）。  
大龄劳动者：技能过时且被智能环境排斥，面临“数字鸿沟”困境。  
针对性策略：以“一老一小”为重点  
青年群体：  
加强AI赋能培训，帮助其快速跨越经验壁垒（如通过AI模拟实践场景）。  
鼓励创业与灵活就业，支持其利用AI工具开展新业务（如短视频创作、AI内容生成）。  
大龄劳动者：  
设计包容性AI工具（如简化操作界面、提供语音辅助）。  
提供精准技能评估与培训，帮助其转型至需求稳定的行业（如护理、社区服务）。  
政策融合：推动人口政策（如延迟退休）、就业政策（如培训补贴）与社会保障政策（如养老金调整）深度协同。  
结语：AI时代的就业变革与人类未来  
人工智能对劳动力市场的重塑是不可逆的趋势，但其核心不是“取代人类”，而是 “推动人类重新定义自身价值”。蔡昉的研究揭示了一个关键逻辑：  
短期：需通过教育革新、政策兜底和生产率分享缓解冲击；  
中期：需构建人机协作的新业态，放大人类的比较优势；  
长期：需以“人的全面发展”为目标，重构工作与报酬的关系。  

正如蔡昉所言：“人工智能的发展不应是人类就业的敌人，而应是推动我们走向更美好未来的伙伴。” 唯有通过 “差异化互补、全周期培养、普惠性保障” ，人类才能在AI时代实现 “共存而非竞争，协作而非替代” 的新就业图景。