大白話講透《AI、就業和社保》：人人都該了解的社會趨勢

今天跟大家伙兒聊一個非常宏觀的話題：AI、就業與社保之間的關系。

通過解讀《AI、就業和社保》這篇文章，來展示AI時代下就業變化的宏觀圖景。

這篇文章的作者是卓賢，任國務院發展研究中心社會和文化發展研究部部長，是站在政策制定最前線的人，他的見解，非常有參考意義。

所以不是標題黨，我真心覺得每個人都應該讀一讀，沒有收獲你來找我。

《AI、就業和社保》是1月5日發表在《財經》雜志的，我讀了之后，一直想分享給大家，那為什么才發呢？一是因為我近期太忙了...... 二是因為這篇文章信息量很大，有的地方晦澀難懂，我陸陸續續寫了很長時間，爭取用大白話讓大家輕松理解。

一、經濟增長與就業的關系正在發生改變

下面梳理了從農耕時代，到AI時代，經濟增長與就業之間的關系。

農耕時代

技術進步速度很低，導致經濟增長速度也很低。農業時代的經濟增長，幾乎等于農業的就業增長。

工業時代

工業革命，突破了能源動力的束縛，改變了生產要素的組合方式。人類的生產邊界大幅拓寬，能生產的商品越來越豐富。隨著生產率的提升，工業商品價格越來越便宜，人們工資水平越來越高，消費越來越活躍。也就是，大規模生產與大規模消費相互助力，形成正向循環。此時，藍領崗位大量出現。

20世紀

現代公司制度，讓原本由一個企業獨立完成的任務，變成由多個企業分工協作。這就出現了大量中間投入品和服務的網絡。啥意思呢？中間投入品，就是生產鏈中間環節的半成品、原材料、零部件，比如汽車輪胎、發動機。中間服務，可以理解為to B服務商，比如市場營銷、法律咨詢、會計審計、人力資源。這種制度，提高了經濟效率，帶來了大量白領崗位。

同時，大量女性開始走出家庭，走進就業市場，特別是餐飲、教育、娛樂、家政等服務業，生活性服務業崗位被不斷創造出來。

80年代的計算機普及，讓信息處理類崗位涌現，例如分析師、文秘。

在20世紀，“經濟繁榮即充分就業”是一種社會范圍的認知，也是目前很多商業模式和社會制度的基礎邏輯

21世紀

自動化，導致了多次發達經濟體的“無就業增長”，也就是經濟增長，但就業萎縮。可被自動化替代的崗位，一般在經濟衰退期集中消失，因為企業會“趁火打劫”，以危機之名，施行降本增效，替代常規性認知和體力崗位。被淘汰的勞動力，多數進入了服務業，但這是以犧牲工資增長和工作穩定性為代價的。

AI時代

近年很多文獻表明，AI目前還沒有造成大規模失業。

不少研究發現一個反常識的點，“高AI暴露度行業”的失業率上升速度，竟然小于“低AI暴露度行業”。AI暴露度，可以理解為AI能夠滲透、應用的程度。一種可能的原因是：高AI暴露度的勞動者教育程度更高，再就業能力更強。

雖然還沒出現大規模失業，但經濟增長與就業的關系，已經有了三大“脫鉤”新趨勢：

趨勢一：就業與投資脫鉤

在工業時代、服務經濟時代和互聯網時代，投資會明顯地帶來更多就業。而在AI時代，大規模資本瘋狂進入科技企業，但同時大量崗位被取消，這里省下的錢，很多被投入到了AI基礎設施的建設。這是科技企業股價創新高、營收增長強勁的背景下，企業們的決策思路。

趨勢二：技術進步與人力資本提升脫鉤

曾經，技術進步會帶來人力資本的提升，比如一個人如果使用電腦辦公的生產力會更高，產出的收入更多。而AI時代，人力資本提升的速度遠遠趕不上AI技術進步的速度，這里體現在兩個方面：

• 人力的技術、經驗積累的路徑變窄。過去，畢業生可以從基礎工作干起，邊干邊學習技術、積累經驗，逐漸成為高級人才。而現在，AI越來越能勝任初級工作，導致很多崗位對應屆生的招聘需求下降。

• 教育更新速度遠遠跟不上技術進步速度。例如大學剛剛開設“提示詞工程”課程時，新模型就已經不用復雜提示詞了。

趨勢三：勞動者工資與生產率提升脫鉤

曾經，高生產率行業創造的超額價值，會通過勞動力市場競爭、工資示范效應或者制度性安排，溢出到低生產率行業。勞動力市場競爭怎么理解，舉個例子，如果你是互聯網大廠的程序員，如果一家醫療公司想要招你，那就得開出同等水平的工資。工資示范效應怎么理解，還用上一個例子，你拿著高工資進入了這家醫療公司，那么公司也要雨露均沾，其他崗位的工資起碼不會跟程序員差的太多。制度性安排好理解，就是由政府、工會等機構實施雨露均沾，例如設定最低工資、行業補貼等等。這種跨行業的傳導機制，讓整個社會的從業者可以共享經濟繁榮的紅利。

在AI時代，高效率部門不需要更多崗位，并且由于多數崗位所帶來的收益小于AI，所以也不必用工資來討好員工，工資示范效應也就失效了。被AI替代的勞動力，會大量涌入低生產率的服務業，導致供大于求，這也為工資的提升帶來了負面影響。那么AI為部門帶來的超額收益去哪了呢？多數會轉化為資本收益和少數核心人才的薪資增長。

在未來，能源技術的進步，會導致能源成本的下降，導致AI成本的下降，進而壓低人類工資的上限。比如，在同等生產力的情況下，現在AI每個月的成本是1w，你只要拿更低的工資，企業就愿意留你。但如果未來AI每個月的成本是1塊，那你就沒得玩了。

二、社會保險體系正在面臨挑戰

現代社會保險（養老保險、醫療保險、失業保險、工傷保險、生育保險等等），是大規模工業化時代的產物。功能是分散勞動者就業中斷的風險。社保制度的設計與就業對社會的貢獻，是強關聯的。

社保制度的持續運轉，依賴于三大基石：

第一塊基石：人口結構帶來的勞動者增長

人，作為勞動者，本身就是一種資產。有利的人口結構帶來的勞動者增長，這種資產的積累會為社會帶來巨大的福利。

有利的人口結構，就是“金字塔”型結構。其特征是，正在進入或處于勞動階段的年輕人數量多，且持續增長，需要贍養的老年人數量少。

為什么“金字塔”型人口結構會帶來巨大福利呢？

舉個例子，國家的養老保險是現收現付制，也就是現在年輕人交的保險資金，直接用于贍養現在的老年人。如果你是老年人，那可能有幾個年輕人的錢來贍養你。如果你是年輕人，參與養老保險會讓你在老年階段獲得超額回報，現在你一個人交的錢贍養不到一個老年人，等你老了，會有幾個年輕人的錢來贍養你。對于年輕人來說，這是比把錢存到銀行更值的投資。

第二塊基石：長期穩定的雇傭關系

現代社會中，長期穩定的雇傭關系，讓我們退休后的待遇可以與退休前的勞動貢獻成正比，也就是“多勞多得”。原因是現代雇傭關系非常透明、可計算。算得明白，就能相對公平地記錄每個人的勞動貢獻，從而提供對應的退休待遇。

并且，由于現代雇傭關系是高度組織化的、大規模的，這樣企業就可以代替國家來收取各種稅費。國家的效率就大大提升，覆蓋范圍也能變得更大。

第三塊基石：勞動者工資與生產率同步增長

如果隨著生產率的增長，勞動者工資也同步增長，那么社保的總體繳費金額大概率也在增長。這樣，即使人口出現老齡化，由于總體社保金額的增長，整體社保福利水平能夠保持提升。

舉例，在二戰后的30年里，西方國家的生產率增長帶動了工資增長。人口紅利疊加上生產率紅利，讓每代人只繳納少部分錢，就能讓上一代過上很好的生活。

20世紀末以來，第一塊基石已經被人口老齡化撼動。現在，另外兩塊基石也可能會被AI撼動。

但二者對社保的影響有所區別：

• 人口老齡化的影響是漸進的、可預測的；

• AI的影響是非線性的、指數級的，可能產生影響的速度更快、范圍更廣、挑戰更大。

下面展開聊聊AI如何動搖第二塊和第三塊基石。

第二塊基石：生產組織模式改變，雇傭關系碎片化

對于第二塊基石，AI會改變當前的生產組織模式，以及企業形態，讓當前的雇傭關系碎片化。

具體來說：

• “按崗位雇傭”轉為“按任務雇傭”

隨著AI技術在工作中的應用，“按任務雇傭”的成本將越來越低于“按崗位雇傭”。

舉個例子，我有一個制作AI短片的需求。如果我把這個任務外包給個人，他利用AI可以跑通全流程，3天就能交付，價格僅1000元。如果外包給視頻制作公司，時間和價格就會大大提高，原因可能包括但不限于：一個任務由多個員工完成、短片制作環節中使用傳統低效技術、交付流程繁瑣、公司扣除運營成本等等。

所以，白領將會“零工化”，也就是現在常說的“超級個體”或“一人公司”。

• 企業組織架構扁平化

AI智能體可以在人類不持續干預的情況下，執行復雜任務，并且協調工作的成本極低。也就是AI智能體會取代中層管理者，完成信息傳遞、任務分配和流程監控。高層領導者可以直接監管更多業務。

第三塊基石：國民收入分配傾斜

對于第三塊基石，現在AI領域的超大規模資本化，會導致國民收入的分配，向資本所有者和極少數高技能者傾斜。

也就是，錢會更多流向那些投了AI的資本方，以及真正掌握AI核心的人。我對“高技能者”的理解是，不僅包括掌握AI核心技術的高級技術人員，也包括那些對AI有超高理解、能對AI行業產生影響的人，比如AI公司的運營者、AI商業化的設計者、AI政策的制定者等等。

具體來說：

• 中等收入群體的工資，難以與生產率同步提升

AI具備中產白領的絕大多數認知，并且非常擅長將其變得可復制。所以這些教育程度高、從事認知型工作的白領階層，會受到很大沖擊。而他們又是社保資金的主要來源，所以AI會對社保資金造成很大沖擊。

• 勞動者報酬比重下降，導致社保稅基相對規模下降

勞動者的工資在經濟增長中占的比重越來越少，導致了可用于交社保的工資總額（社保稅基）的增長，跟不上經濟增長。勞動者的工資比重下降，那AI技術紅利去哪了？答案是流向了掌握算法、數據和算力的資本所有者。這些人的社保繳納有上限，他們的收入增長，對社保總金額的增長幾乎沒有貢獻。所以AI資本化，對社保的影響是負面的。

三、在AI時代構建就業友好型發展方式

技術是中性的，但是技術創新并不是天生一定會帶給人類福利，我們需要對其進行引導和正確應用。

如果我們應用AI的目的是提高人類潛能，以及增加生命質量，而不是用機器取代人，那前文的所有挑戰都不再是問題。

這里舉了兩個例子：

• 歐洲醫療技術行業協會預計，AI將為歐洲醫療系統每年節省1700億至2100億歐元，這可以減輕醫保基金在采購藥品方面的壓力。

• AI可以幫助老年人專注于需要判斷力、同理心和復雜決策的工作。這樣的工作依賴于老年人的經驗和認知優勢，不依賴生理優勢。所以退休的年齡可以適當延后，這樣就增加了社保繳納的人群數量，減少了需要社保支出的人群數量。

雖然我們有得選，但當前AI的創新方向，并不利于就業和社保。至少有以下四個原因：

原因一：資本驅動的“圖靈陷阱”

“圖靈陷阱”指的是將AI過度向“像人類一樣”方向發展，而不是增強人類的能力。陷入圖靈陷阱的原因是，資本傾向于讓創新去解決“更貴”的問題。

比如說，在發達國家，更傾向于讓AI去替代高成本的勞動力，資本認為這樣發揮了創新的“最大效益”。在技術創新的道路上，如果一味追求經濟這種“局部最優解”，那大概率達不到“全局最優解”，就業和社保就是犧牲品。

原因二：地緣經濟助推勞動節約型創新路線

近些年來，發達經濟體推動產業回流（就是川普吵吵的制造業回流），但面臨著缺乏熟練勞動力的問題。同時，為了避免對跨境投資、移民政策、關稅政策等造成影響，他們會讓企業將技術投資的重心轉向“勞動節約型”方向。讓AI充當勞動力，就避免了人類勞動力，尤其是外國勞動力對本國的不利影響。

原因三：AI加劇資源稀缺

AI的創新，無法改變現實物理世界中的資源稀缺問題。能源、環境容量和關鍵原材料，將牽制經濟增長，成為薄弱環節。

由于這些領域高度機械化、自動化，即使加速開發這些資源，也并不會帶來多少就業機會。還可能造成AI與人類競爭稀缺資源的局面。

原因四：AI局限科研廣度

有一項研究，分析了生物學、化學、地質學、材料科學、醫學和物理學六大領域的6700萬篇論文，發現AI工具雖然提高了個體研究者的產出，但是宏觀上導致了科研選題越來越局限。

因為研究者更愿意研究那些數據豐富的領域，以便于AI處理。而那些數據稀缺或難以被AI處理的領域，則被邊緣化。這就導致了科研方向的廣度變窄，降低了開創人類新需求和就業空間的可能。

也就是，如果將時間維度拉長，AI正在整體壓縮人類就業的空間，讓人類前進的道路越來越固化。

“十五五”規劃建議，提出了我們要構建就業友好型發展方式，并且要完善就業影響評估和監測預警，來應對AI技術發展對就業的沖擊。

這讓我們在高質量發展的同時，也能高質量充分就業。并且對引導AI技術在正確方向發展有重要意義。

美國的AI發展策略是，將大量資源押注在AI的訓練層和推理層，也就是著重發展AI基礎模型。而中國則是著重發展AI大規模應用，由此提出了“AI+”行動方案，讓資源在訓練層、推理層和應用層上均衡分布。這樣對于就業和AI發展都有好處：

• 對于就業，發展應用層能縮短投資回報周期，因為應用層離錢更近。更多的AI應用場景，就意味著更多就業崗位。

• 對于AI發展，中國更有希望、更有余地，來通過公共政策，推動AI技術向善發展。因為中國的勞動力成本遠低于美國，AI替代人力的性價比更低。

除了已經布局的常規政策，作者提出了幾個可供討論的政策建議方向：

關于“機器人稅”

因為難以定義“機器人”這一概念的邊界，所以也難以對機器人這一大類進行征稅。更可行的方式是，不同的AI技術類型，實行不同的征收稅率：

• 對于“勞動增強型”技術，例如輔助工人的外骨骼、AR眼鏡等，減免稅收；

• 對于“勞動替代型”技術，不予以優惠，或適度征稅。

關于“稅費協同”的社保融資方式

解釋一下“稅費協同”：“稅”指各類公共稅收，“費”指傳統的社保繳費，稅費協同意思是不只靠社保繳費來養社保，而是“社保費+專項/公共稅收”兩條腿一起走，共同支撐社會保障體系。這種模式，可以讓AI創造的財富紅利，回流到社保體系，來緩解前面提到的各種沖擊。而具體的稅種，有些國家采用的是增值稅/消費稅、環境稅和資本利得稅，也有些機構提出征收“AI超額利潤稅”。

關于主權AI基礎設施

很多研究說，AI算力將是未來的貨幣。出于國家安全考慮，國家可能會構建“主權AI基礎設施”，而這也會成為社保融資的新渠道。

政府持有核心算力基礎設施，未來產生的租金，可以直接注入社保體系。也就是“向勞動者征稅”與“向AI分紅”兩條腿一起走。

關于AI時代的人力資本積累方式

歐洲智庫Bruegel的一項研究發現，在全部與AI相關的職位信息中，提到大學學位的比例下降了23%，提到具體技能的比例大幅上升。

AI的出現，讓特定專業背景和技能越來越快貶值和失效，所以在基礎和高等教育階段，教育方向必須要轉為培養“元認知”能力、批判性思維和跨學科的系統整合能力。也就是那些讓人終身受用、不會被時代淘汰的底層思維與學習能力。

前文也提到了，隨著AI接管初級工作，邊干邊學的道路會越來越窄，所以必須要設計新的“畢業生見習激勵機制”。比如說，從財政資金中劃出一部分錢，來補貼初入職場年輕人的工資、代繳社保、鼓勵企業雇傭年輕人，并且在工作中實施人與AI共同成長的新模式。

AI 并非一場突如其來的海嘯，而是一場由人類親手編寫的慢節奏變革。它正在解構工業時代遺留的社會契約，讓曾經堅如磐石的就業基石與社保框架，在算法的沖刷下變得靈活而脆弱。

在這場博弈中，我們最不該失去的是對“價值”的定義權。當資本傾向于用代碼替代昂貴的血肉，當教育被技術迭代的速度甩在身后，我們必須意識到：技術進化的終點，不應是勞動者的退場，而應是人類潛能的徹底釋放。無論是推行“勞動增強型”的財稅政策，還是構建“向AI分紅”的分配模式，本質上都是在給冰冷的計算注入人文的底色。

值得慶幸的是，現在我們人類依然握有選擇權。我們可以選擇被動地陷入“圖靈陷阱”，看任由算法收割剩余價值；也可以選擇主動地重塑規則，讓 AI 成為增強人類文明的拐杖，而非擠占生存空間的對手。在算法編織的未來里，唯有保持對“人”的尊重與對底層思維的堅守，才能讓技術的光芒，最終照亮每個人的尊嚴與生活。

如果你有任何看法，歡迎在評論區一起討論

如果有一點收獲，可以點贊、轉發、推薦文章，關注「AI機器人茶館」