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(wù)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(yīng)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(wù)網(wǎng)絡(luò)，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(jì)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(wù)業(yè)，家政、餐飲、教育、娛樂等生活性服務(wù)業(yè)崗位被不斷創(chuàng)造出來。

在20世紀(jì)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(rèn)知，并成為當(dāng)前諸多商業(yè)模式和社會制度的敘事邏輯和心理基礎(chǔ)。

21世紀(jì)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(rèn)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(shè)企業(yè)增加設(shè)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(rèn)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(dāng)經(jīng)濟復(fù)蘇時，這些崗位不會再回來，雖然服務(wù)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(fēng)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(dāng)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(wù)經(jīng)濟時代，無論是基礎(chǔ)設(shè)施投資還是機器設(shè)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(yīng)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(luò)等物理基礎(chǔ)設(shè)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(yù)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(chǔ)設(shè)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(shè)備的技術(shù)貢獻，也來自“干中學(xué)”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(biāo)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(xué)”的積累路徑變窄。過去，大學(xué)畢業(yè)生通過從事基礎(chǔ)性工作積累經(jīng)驗，逐漸成長為高級人才�，F(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(yīng)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(dǎo)致律所大幅減少初級律師招聘。這不僅導(dǎo)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(dāng)大學(xué)剛剛開設(shè)“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(jì)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(yīng)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(chǔ)金融分析等非常規(guī)認(rèn)知任務(wù)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(dǎo)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(yīng)”拉高全社會工資水平。當(dāng)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(wù)業(yè)（如網(wǎng)約車、配送、基礎(chǔ)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(wù)，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(fēng)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(wù)的工資上限面臨持續(xù)下探的壓力。例如在某項任務(wù)中，當(dāng)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(wù)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(chǔ)的社會保險體系面臨挑戰(zhàn)

基于AI對就業(yè)替代效應(yīng)和創(chuàng)造效應(yīng)發(fā)生的時點、速度和范圍的不同假設(shè)，不同機構(gòu)的“水晶球”對AI影響未來就業(yè)的預(yù)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(yù)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(fēng)險”的社會化分散。因此，社保制度設(shè)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(biāo)準(zhǔn)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(jì)的歷史性交匯，使得社會保險制度在財務(wù)上具備可行性，在政治上具備操作性，成為國家管理社會風(fēng)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(chǔ)。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(fù)擔(dān)，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(fēng)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(wù)的對等，即待遇水平與繳費歷史嚴(yán)格掛鉤。這種設(shè)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(dāng)n出現(xiàn)下降甚至負(fù)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(fù)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(shè)計來駕馭工業(yè)化風(fēng)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(jì)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(yù)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(dāng)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(yīng)用，“按任務(wù)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(wù)集合的“崗位”（Job），轉(zhuǎn)變?yōu)閱我�、明確、短期交付的“任務(wù)”（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(wù)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(wù)的“交易網(wǎng)絡(luò)”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(wù)分配和流程監(jiān)控。AI智能體開始在缺乏人類持續(xù)干預(yù)的情況下執(zhí)行復(fù)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(dǎo)致企業(yè)組織架構(gòu)的扁平化，高層領(lǐng)導(dǎo)者可以直接監(jiān)管更多的業(yè)務(wù)單元，負(fù)責(zé)協(xié)調(diào)任務(wù)和信息處理的中層管理人員不再不可或缺。Gartner預(yù)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(wù)業(yè)領(lǐng)域，發(fā)展到知識白領(lǐng)為主的生產(chǎn)性服務(wù)業(yè)，出現(xiàn)更大規(guī)模的非長期雇傭關(guān)系，導(dǎo)致社會保險繳費的雇主責(zé)任下降，勞動者個人繳費責(zé)任和風(fēng)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(rèn)知的常規(guī)化，讓中高級認(rèn)知能力變成了可以工業(yè)化復(fù)制的服務(wù)，主要沖擊的是受過高等教育、從事認(rèn)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(dǎo)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(dǎo)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(dǎo)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(yīng)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(shè)備一項每年就能節(jié)省約500億歐元，直接減輕醫(yī)�；鹪谒幤凡少徤系膲毫ΑＴ偃�，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(rèn)知障礙，讓年長員工專注于需要判斷力、同理心和復(fù)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(dāng)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(xué)的Erik Brynjolfsson提出“圖靈陷阱”的概念，指出當(dāng)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(yīng)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(yán)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(xué)、化學(xué)、地質(zhì)學(xué)、材料科學(xué)、醫(yī)學(xué)和物理學(xué)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(xué)家的個體產(chǎn)出，但它導(dǎo)致了科學(xué)研究選題的收斂，即科學(xué)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(dǎo)致科學(xué)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(dǎo)地位，整個社會的工程能力、基礎(chǔ)設(shè)施和認(rèn)知習(xí)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�！笆逦濉币�(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(yù)警”，以應(yīng)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(dǎo)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(xùn)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(yīng)用，創(chuàng)新資源在AI的訓(xùn)練層、推理層和應(yīng)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(shè)生產(chǎn)、消費、流通等環(huán)節(jié)的AI應(yīng)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(shè)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(shè)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(yán)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�？顚Ｓ糜陴B(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(chǔ)設(shè)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(chǔ)設(shè)施即掌握了未來的鑄幣權(quán)。構(gòu)建“主權(quán)AI基礎(chǔ)設(shè)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(shè)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(chǔ)設(shè)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(yīng)用之后，這一“AI紅利”可以發(fā)揮類似當(dāng)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(xué)學(xué)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(chǔ)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(rèn)知”能力、批判性思維和跨學(xué)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(xué)”的人力資本路徑收窄，必須設(shè)計新的畢業(yè)生見習(xí)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