AI 会让我们失业吗？这个问题困扰着每个人。这篇来自《AI 经济学》的研究用数据给出了令人意外的答案：未来 10 年，AI 对就业的影响远比我们想象的温和 —— 预计仅会使中国就业增长率降低 0.18 个百分点。这个发现颇具启发性，因为它打破了“AI 将导致大规模失业”的悲观预期。

研究通过解构中国 2 亿灵活就业人员的现状，揭示了一个更深层的问题：在 AI 推动的数字经济时代，传统的劳动关系正在发生根本性改变。特别引人深思的是，仅 8% 的平台从业者与平台建立了正式劳动关系，这种现象背后折射出的是整个就业体系的结构性挑战。

文章并非停留在问题诊断，而是提出了极具创见性的解决思路：将社会保障制度重新定位为“强制储蓄”和“再分配”的双轨制。这种思路不仅回应了当下的困境，更为我们思考 AI 时代的社会治理开辟了新的视角。

面对 AI 革命，与其恐惧未知，不如主动求变。

投稿 | 中信出版集团，摘自《AI 经济学：宏观、产业与治理分析》

作者 | 中金研究院、中金公司研究部

责编 | Eric Harrington

出品丨AI 科技大本营（ID：rgznai100）

2022 年，以 ChatGPT 大语言模型（LLM）的发布为标志， AI 神经网络的类人学习能力取得了里程碑式的进展，在全球范围内掀起了一股 AI 热潮。

自此，AI 对就业市场的潜在影响引发了各界的热烈讨论。一些研究者预告 AI 将带来大规模失业，但也有声音认为，AI 带来的经济繁荣将创造新的就业机会。

那么，AI 的发展究竟是如何对就业产生影响的呢？它真的会让大部分人失去工作吗？面对这一技术革命浪潮，我们又该如何积极应对？

以下是中金研究院、中金公司研究部依据大量数据对 AI 对就业的影响所进行的深入分析。

AI 如何影响就业

AI 对就业的影响在全球范围日益引发关注。市场调查公司 YouGov 于 2023 年进行的调查显示，全球约 3/5 的受访者担心工作被人工智能取代。在亚洲，相当大比例的受访者担忧工作会被 AI 取代。印度受访者担忧的比例高达 76%，阿联酋和印度尼西亚约七成受访者表示担忧。相比之下，中国的受访者态度相对中性，表示担忧的受访者比例为 55%。

国际市场研究机构益普索于 2023 年进行的覆盖 31 个国家和地区的调查也显示，全球平均有 57% 的工人预计人工智能会改变他们目前的工作方式，36% 的工人预计人工智能会取代他们目前的工作。皮尤研究中心更早的一项覆盖 10 个国家和地区的调查显示，当人们展望更长时期的未来（比如 50 年时），绝大多数人认为机器人和计算机可能接管很多现在由人类从事的工作，持这一观点的受访者在希腊、日本、加拿大的比例分别高达 91%、89% 和 84%。

人们真的需要如此担忧吗？要判断 AI 对就业市场的整体影响，需要从多个角度去分析和理解。我们首先从职业层面入手，探讨在中国的职场中 AI 对不同职业的影响程度，进而总结 AI 对中国整体就业市场的可能影响。我们的研究发现，迄今为止人们过于担忧 AI 对人类劳动的替代作用，而忽视了增强作用；尽管 AI 在经济中的渗透不可避免带来就业增长的放缓和结构性失业，但是在可预见的未来 AI 导致大规模失业的现象并不会出现。

AI 可能导致未来 10 年就业增长放缓

关于 AI 对就业的整体影响，现有研究存在针锋相对的不同观点。部分研究认为 AI 和自动化技术会导致较高失业率，多项研究估计 14%~56% 的现有工作存在被自动化的高风险。

然而，另一些研究则认为 AI 会带来就业增长，因为 AI 能通过提高效率和促进产业升级等途径创造就业机会，其创造就业机会的效应足以抵消替代劳动力的效应。世界经济论坛的企业调查数据显示，约 50% 的企业预计 AI 将创造就业机会，只有 25% 的企业预计 AI 会减少就业机会。

总体而言，现有研究文献显示技术变革的就业影响取决于其对人类工作的替代效应和创造效应等机制的共同作用结果，整体效果具有高度不确定性。

我们利用前文测算的中国各职业 AI 暴露度，结合现有研究文献，估算了 AI 对中国就业增长的潜在影响。高更等人把 AI 暴露度与未来 10 年的就业增长率联系了起来：替代作用的 AI 暴露度上升 40 个百分位数对应未来 10 年就业累计增长率下降 4.4 个百分点；而增强作用的 AI 暴露度上升 40 个百分位数对应未来10 年就业增长率提高 9.1 个百分点。

我们根据其估算结果计算了每单位 AI 暴露度变化对应的就业增长率变化，并将这一系数应用于中国 SOC-6 职业，计算 AI 对每个职业的净就业影响。我们发现，AI 对中国不同职业的就业增长率影响各异。将各职业的净就业影响按其在中国总就业中的占比进行加权平均，即可得到 AI 对总就业的影响。我们的估算显示，AI 可能导致中国未来 10 年的累计就业增长率比基准水平低 1.8 个百分点，年就业增长率平均降低约 0.18 个百分点。对比我国庞大的就业人口和劳动力数量，这一数字带来的影响并不显著。这意味着 AI 本身在未来 10 年内并不会导致大规模失业。

上述估计结果当然存在不确定性。首先，这里的就业增长率变化考虑了全行业层面的生产率效应及其正向溢出效应，即受 AI 增强影响的行业会扩张，影响会溢出到其他行业，创造出新的劳动需求。

如果只考虑 AI 对现有在岗人员的影响，则即使劳动增强型的 AI 也会导致失业，特别是职业内收入较高的工人失业概率将上升，这主要是新技术的引入造成现有人员的技能过时和人力资本下降（技能流失效应）导致的。

这提醒我们在解读整体失业率变化时要保持谨慎，因为较为平稳的整体情况可能掩盖其中的结构性变化。其次，我们使用的是基于美国数据估计的劳动力市场微观参数，由于缺乏中国微观数据，我们目前无法估计中国的相关参数。

尽管存在上述局限性，我们的估算仍为评估 AI 对中国就业的潜在影响提供了一个基础成果。

AI 可能导致工资差距拉大

现有研究采用了多种方法和数据来评估人工智能和自动化对工资的影响。一个主要的共识是这些技术的变革可能会加剧工资不平等，但是不同研究对影响机制和程度各有主张。

有实证研究发现，采用了信息技术和自动化程度较高的地区，劳动力市场出现了工资极化，中等工资的工作机会减少，高低两端的工作机会增加。根据国际劳工组织（ILO）报告，尽管技术进步会创造新的工作机会，但可能会加剧不平等，低工资工人、女性和非正规就业者的工资损失最为严重。也有研究认为，AI 可能加速自动化进程，这可能压低低技能劳动者工资。相比之下，高技能劳动者和受影响较少的职业可能经历工资增长，从而加大工资差距。

相比现有的信息技术和自动化技术，AI 对工资差距的影响可能更为复杂和微妙。一些研究区分了 AI 的劳动替代效应和劳动增强效应，发现它们对工资和就业有不同的影响。劳动力节省型技术的内涵就是能够替代工人完成常规任务的资本质量提高（或者说在质量不变的情况下价格降低），促成资本对劳动的替代。

相比之下，劳动力增强型技术能提高工人的生产效率，有利于掌握新技术的工人，但对熟练于旧技术而无法适应新技术的工人（主要是年龄大、受教育程度高且相对工资较高的人）则可能产生负面影响。

总体而言，替代作用与劳动收入份额下降相关，增强作用与劳动收入份额略微上升相关。

还有一类观点则强调，人工智能可能通过提高生产率和创造新任务对就业和工资产生正面影响，但由于不同群体受益不均，因此会拉大不同群体之间的收入差距。比如，研发密集型的创新企业支付更高工资，这加剧了企业间工资差距。一些基于中国数据的分析及文献综述也显示，AI 提高了非常规劳动力的工资溢价，但对常规劳动力特别是某些群体（女性、高技能人群）产生了负面影响，加剧了地区、行业和群体间的收入差距。

我们使用中国的在线招聘数据中各小类职业的工资分布数据，结合我们所测算的中国各职业的 AI 暴露度，估算了 AI 对劳动者工资差距的潜在影响。和现有文献的主流预测一致，AI 替代效应强的职业在 2018-2023 年工资累计增长率更慢。

同时，AI 增强效应小的职业内部基尼系数虽然略有增加，但增幅较小。对于 AI 增强的职业，理论上有两股相反的影响工资的力量，即技能偏向型技术进步带来职业内工资极化，技能流失效应使老员工和新员工间工资差距缩小。从中国数据来看，在受 AI 增强效果影响较大的职业内部，尚无哪种效应展现出压倒性影响；进一步区分两种效应需要更加微观的劳动者层面的数据。不过，在解读 AI 对收入差距的影响时也应谨慎。鉴于大语言模型从 2023 年起才得到广泛应用，对于其对工资差距的影响，我们仍需持续观察数据以准确评估。

AI 可能导致劳动收入份额下降

现有研究采用了多种方法和数据来分析劳动收入份额的决定因素和趋势。一个主要的共识是，过去几十年劳动收入份额呈现下降趋势。一些基于美国数据的研究显示，制造业劳动收入份额不断下降。对于背后的驱动原因，早期的研究强调资本深化是导致劳动收入份额下降的关键因素。

近期的研究开始使用行业数据分析劳动收入份额的变化趋势，比如《经济学季刊》的一项涵盖 59 个国家和地区的研究发现，全球范围内劳动收入份额显著下降，其中约一半原因可以用投资品相对价格的下降来解释。

一项基于美国行业数据的研究发现，劳动收入份额的下降主要发生在行业内部，特别是在制造业和贸易行业；因此，将劳动密集型的供应链外包可能是美国劳动收入份额下降的一个关键原因。

一项基于欧洲行业数据的研究也发现，资本深化和部门就业结构的变化是导致欧洲劳动收入份额下降的主要因素。近期的一些研究开始关注技能偏向型技术进步（skill-biased technical change, SBTC）对劳动收入份额的影响，指出其可以解释美国制造业部门 1970—2010 年劳动收入份额下降程度的 20%。

上述研究描述和解释了过去几十年间劳动收入份额的下降趋势，特别是在制造业等行业。然而，如果我们把视线拉长，过去 200 多年间的劳动收入份额变化更多呈现周期性，而没有明显的线性上升或下降趋势。这提醒我们在分析劳动收入份额变化时应有一个全面且动态的视角，过去几十年间劳动收入份额的下降固然是现实问题，但我们并不能由此得出其趋势会长期延续的判断，更无法直接推出技术进步等因素会使得劳动收入份额跌至零的极端结论。

一些学者对 AI 时代劳动收入份额的变化做了一些预测。科里尼克等人认为，即使人工智能最终完全取代人类劳动，这也未必是个问题，因为在这种情况下，虽然经济产出主要由机器创造，但劳动者的绝对收入水平并没有下降。

阿吉翁等人认为，即使在 AI 技术高度发展的未来，劳动收入份额也会趋于稳定，而不是趋于零，因为自动化的实际程度是内生的，受到产品间替代性的制约。阿西莫格鲁等人提出了自动化的自稳定效应和平衡增长路径的概念。他们认为，当自动化速度超过新任务创造速度时，自动化会降低使用劳动力的成本，从而抑制进一步的自动化并创造出更适合劳动者完成的新任务。这种自稳定效应使得自动化和新任务创造以相等速度推进，从而维持劳动收入份额的稳定。

针对著名经济学家列昂惕夫在 20 世纪80年代对机器替代人做出的悲观预测——“20 世纪早期出现的新技术使马匹变得多余……劳动力将变得越来越不重要”，阿西莫格鲁等人回应道：“人类劳动力与马匹的区别在于，人类在（新技术应用后产生的）更复杂的新任务中具有比较优势，而马匹没有。”不过，由于 AI 技术的普及尚在初期，目前的实证研究很难就 AI 对劳动收入份额的影响给出确切答案。

我们使用前文测算的中国各职业的 AI 暴露度和文献估算的参数，估算了 AI 对劳动收入份额的潜在影响。结果显示，未来 5 年劳动收入份额相比基准情况可能累计下降 0.73%，主要集中在办公室和行政支持，农林渔，生产，运输和物料搬运，以及销售（预计就业人口增长但工资下降）等相关职业。教育和图书馆，管理，法律服务，社区和社会服务，医疗保健支持，这些是为数不多的劳动收入份额上升的职业，但增幅不足 0.1%。

我们对中国上市公司的问卷调查结果也反映了 AI 可能造成劳动收入份额下降。当被问及“您预计未来 3 年内，AI 是否会导致贵公司人力成本占经营总成本的比重下降”时，受访者回答“很可能”的比例为 45.5%，回答“说不准”的比例为 47.3%，只有 7.2% 的受访者回答“不可能”。

AI 时代的灵活就业和社会保障

AI 时代，灵活就业呈现进一步扩大的趋势。国际劳工组织定义的“非标准就业”包括临时工作、兼职工作、多方就业协作（包括平台“零工经济”“按需经济”）等形式 ，本章统一称之为“灵活就业”。以大语言模型为代表的本轮人工智能技术发展可能进一步增加灵活就业的占比。

大语言模型可以促进员工和公司之间更自然、更高效地沟通，可以提供实时翻译功能，使人们实现跨地理边界的顺畅协作；它还可以为内容创建、客户支持和市场研究等任务提供易于使用的工具，降低成为企业家和自由职业者的门槛。

2024 年的一项调研显示，近七成的受访者认为生成式 AI 会增加他们成为自由职业者的可能性。特别是技能水平高的独立工作者（跻身各自领域的前 2%）受到人工智能技术的增强，生产力提升，受访者中近一半已经在为各类企业构建生成式 AI 解决方案。

在数字经济时代，灵活就业已成为全球总就业的重要组成部分，推动了充分就业，但与其相关的劳动保护和就业质量方面的争议也很多。截至 2021 年，中国约有 2 亿灵活就业人员，英国英格兰和威尔士约有 450 万人经常通过在线平台找到工作，日本和韩国的数字经济新政也促进“蛰居族”成为“数字游民”。

数字平台和灵活就业提高了劳动力的流动性和匹配效率，但同时灵活就业也存在诸多劳动保障问题。首先，灵活就业缺乏正规的劳动合同关系，2019 年的数据显示，中国仅约 8% 的平台从业者与平台建立了正式的劳动关系。其次，平台的高谈判能力可能导致从业者处于相对弱势的地位。例如，有调查研究显示，外卖配送员、网约车司机等群体的工作时间较长，而在某些城市他们的净收入水平也较低。最后，灵活就业往往存在失业保险保护不足的问题。全国整体来看，失业保险金领取人数占总失业人口的比例相对较低，失业保险覆盖率有待进一步提高。G20（二十国集团）成员在 2023 年联合呼吁应为零工和平台经济中的劳动者提供充足且可持续的社会保障。

AI 在灵活就业领域的扩大应用趋势，也凸显了 AI 时代完善社会保障制度的紧迫性。AI 的发展可能会加剧灵活就业者面临的挑战，如 AI 替代效应可能增加工作的不稳定性。有研究显示，在 ChatGPT 推出后，AI 替代效应大的自由职业职位发布数量减少了 21% ；初级技能自由职业者，比如撰写公式化的 SEO（搜索引擎优化）文章或 HTML（超文本标记语言）代码、做基本的数据分析和图形设计的劳动者面临更大风险。数字经济时代，零工社保较难纳入“社会统筹和个人账户相结合”，政府、企业和个体按一定比例共同承担的“三位一体”模式。平台方和雇主方认为不应承担社保责任，而灵活就业者的缴费能力和意愿也较低，即使参保也多选择保障水平较低的方案，这会导致其退休后的养老金水平较低。

为应对这一挑战，社会保障制度需要从多个角度完善。社会保障具有两种功能：强制储蓄和再分配。传统的雇佣关系中，企业承担为员工缴纳社会保险的责任，帮助员工完成强制储蓄，以避免个体不理性的跨期消费行为。但新形势下，企业难以明确一个灵活就业者是不是自己的员工，也就无法为其执行“强制储蓄”职能。从强制储蓄的功能出发，企业缴费的确定性有必要加强，这也有利于社保体系的存续。而要做到这一点，需要从签订劳动合同等环节强化企业和劳动者的法律关系和权利义务，确定缴费责任。

从再分配的功能看，社会保障制度是我国收入再分配的重要制度，其再分配程度主要取决于社会保险支出相对于 GDP 的比例。我国社会保险支出占 GDP 的比例从 1989 年的 1% 逐步增长到 2019 年的 11% 左右，显示出社会保障的水平在随着经济发展而不断提高，但与 OECD 国家平均水平相比仍有一定差距。政府可考虑对低收入者参保给予财政补贴，同时也应激励灵活就业者参保。国际劳工组织建议为非标准就业者提供更加灵活和可转移的社保方案。农民工群体在就业市场中面临的挑战相对较多，且有一定比例的农民工从事生产、物流等受AI 替代作用影响较大的职业，而与其经济决策息息相关的农村老人的社会保障也有提升空间。在保证社会保险支出稳步增长的同时，提高社保体系对弱势群体的保护力度，在 AI 时代意义尤为重大。

【图书推荐】

2022 年以来，大模型在全球范围内掀起新一轮创新热潮，AI 正以前所未有的速度深刻影响、重塑各个产业。本书从算力层、模型层、应用层三个维度，对 AI 相关经济问题进行了系统研究，深入探讨本轮 AI 进步的生产力特点及其对生产关系的冲击，围绕宏观含义、产业影响、治理挑战等问题，提供系统性、前瞻性、趋势性的经济分析。

本书认为：规模定律（scaling law）是本轮 AI 技术进步的突出特征，意味着中、美两个大国在发展 AI 经济方面具有特殊优势；产业层面，推动“人工智能 +”蓬勃发展是中国加速追赶的关键；宏观层面，AI 有望于未来十年在供给侧为中国经济带来每年 0.8 个百分点的额外增长。实现供给增长需要积极的财政政策予以配合，尤其需要完善的社会保障制度，以提振需求。

本书兼具学术专业性和大众可读性，旨在为社会大众、科研院所、企业与金融机构等提供有关 AI 经济学的增量观察，希望能够为我国制定 AI 产业化和产业 AI化政策框架及其配套宏观政策，提供来自业界的有益参考。