资料图。本文来源：北京商报、中国国创会

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

中国社科院学部委员蔡昉参加新经济学家智库研讨会资料图。本文来源：清华大学CIDEG

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

蔡昉&赵静：如何应对人工智能对就业的影响？

近日，清华大学公共管理学院副教授、CIDEG副主任赵静，基于戴维·奥托等人的著作《AI时代的工作》（CIDEG文库著作），围绕“如何应对人工智能对就业的影响？”这一热点问题，对中国社会科学院学部委员、劳动经济学会会长蔡昉进行了深度访谈。赵静老师结合相关理论研究结论，与蔡昉教授共同探讨了新技术对当下及未来就业市场的挑战，讨论了AI时代技术创造性与破坏性的平衡路径。

赵静：蔡昉老师，您长期从事劳动就业问题研究。人工智能的发展、由此引起的自动化以及其他新兴技术，对当下的就业以及未来的就业市场带来挑战，请您分享一些观点和想法。

蔡昉：人工智能影响就业的根源和机理，在于像其他新技术一样，这个技术具有大幅度提升劳动生产率的潜能。所以，我们应该从这个问题谈起，介绍一些经济学的原理和争论。在经济学领域，有一个广为人知的话题，叫作索洛悖论。提出这一理论的罗伯特·索洛是麻省理工学院的教授，他已去世且享年颇高。他于1987年获得诺贝尔经济学奖，也是在同一年他写了一篇很短的书评，其中有一句话成为经典。他说如今到处可以看到计算机，唯独在统计中看不到生产率的提高。他的意思是，新技术随处可见，但是这些新技术未促进生产率的提升，这个疑问引发很多学者对这个问题的研究，并且把这个观察或者问题称之为索洛悖论。

我认为索洛悖论的问题是，为什么以及在何种情况下，新技术无法提高生产率。包括戴维·奥托在内的很多劳动经济学家，也都在尝试在拓展的话题上回应这个谜题。我们也可以总结出类似的“悖论”，或者称之为“奥托悖论”。奥托悖论是什么意思？就是说为什么本来应该造福于人类的最新技术，如人工智能的使用，可能会产生不利于民生的负面影响，甚至破坏就业岗位、拉大收入差距拉大。如果我们以这个问题为切入点去探讨结论，便会发现问题的关键取决于我们做出怎样的政策选择，在这方面经济学家都提出了相应的政策建议。

赵静：提到奥托教授，我前几天读了他领衔出版的一本新书叫《AI时代的工作》，这本书最开始也用了一个有趣的谜题导入。我记得这本书上有一张非常有趣的图，说在20世纪六七十年代，每小时的生产率是在不断提升的，但是美国的工资中位数水平却在下降，他花了很多篇幅来解释这个现象，给出两个有趣的结论，第一个结论是任何一个新兴技术，从被发明出来到在全社会范围内得到应用，实际上需要40年左右的时间。第二个结论是，是否产生这样的现象，归根结底在于相关的制度安排，包括劳动保障制度、教育培训制度和创新制度。

蔡昉：我认为“技术从发明到应用需40年”这一判断，或许是根据过去的经验总结的。如果结合如今人工智能技术的发展，特别是看到ChatGPT以及类似模型的出现，特别是已经开始进行的应用，人们必然会修改新技术到普遍应用的时间长度判断，大多数情况下不会是40年，或许应该改成20年或10年，实际上可能会更快，而且将来会越来越快，这是人工智能技术与过去技术发展的差别。当然也有一些东西没有发生变化，比如说“技术是把双刃剑”这个判断。包括人工智能在内的新技术，对工作和就业的影响就具有“双刃剑效应”。技术变革的革命性意义，就在于奥地利经济学家约瑟夫·熊彼特所说的“创造性破坏”，也就是说新技术既有就业创造，又有就业破坏，创造和破坏就像一枚硬币的两面，相反相成、互为因果。因为我们知道大规模科技发现和应用，以及由此带来的经济迅猛发展和市场扩张，归根结底是技术创新这种创造性破坏特质。技术创新作为一个创造性破坏的过程，需要破坏那些生产率不能提高的产能和企业，保护那些生产率得以提高的产业和市场主体，让它生存、发展，给它更多资源。优胜劣汰的过程是必然的，两者是统一的。

那么问题在于，市场本身存在创造和破坏，从整体来看，市场最终能够实现收益，实现生产率的大幅度提高，而且未来我认为人工智能的创造性会越来越大，生产率的提高甚至是无限的，与此同时，破坏性也会越来越大。同时我们也知道，尽管技术进步带来生产率提高，但是市场本身没有一种被称为“涓流效应”的机制，不会自然而然地保护劳动者，让大家均等地分享生产率提高的结果。因此就需要刚才提到的各项制度安排，譬如说我们的社会保障制度是不是更加普惠、更加包容、应保尽保；我们的劳动力市场制度能不能关注到每一个群体，保障每个人在劳动力市场上的权益，特别是在遭遇人工智能冲击的时候；我们的教育和培训体制能不能适应新的人力资本需求，形成一个贯穿全工作生命周期的人力资本模式，等等。

赵静：请您再简单概括一下，“创造性破坏”与前面提到的“索洛悖论”和“奥托悖论”之间，究竟有什么样的关联。

蔡昉：我们且不去回答索洛教授针对美国情况提出的“悖论”，即为什么处处可见计算机，却看不到生产率提高的统计事实。针对这一次人工智能革命，针对中国的情况，我们可以简单地这样说，像任何技术进步一样，人工智能包含着创造性和破环性两种特质。一方面，如果不借助“破环性”，就缺乏一种机制实质性提高生产率，就造成“索洛悖论”。与很多人想象的情况不同，社会整体生产率提高不是所有的产业、领域和市场主体齐步走，一起把生产率提高一定的幅度。事实上，整体生产率的提高，是通过让更高生产率的主体进入、生存和发展，让长期处于低生产率状态的主体退出和死亡，这样，资源要素才得以在更高的效率上得到配置。另一方面，物质要素也好、产能也好、甚至市场主体和产业也好，低效的配置格局需要被打破，唯独不能破坏劳动要素，因为劳动力以人为载体，而人是发展的目的本身。

赵静：我们当然希望做到让“创造性”和“破环性”各得其所、有机统一，然而，这是否具有现实可行性呢？换句话说，在现实的经济过程中，如何让各自的积极作用得到充分发挥，消极因素得到充分抑制呢？

蔡昉：我们确实面临着回应这样问题的政策选择。首先，形成让创造性破坏机制充分发挥作用的市场竞争环境。这方面的改革任务包括：畅通要素流动渠道，促进既有要素的再配置和新要素的新配置，都意味着要素的创新性配置和技术的新场景应用，形成新产业、新模式、新业态、新融合，达到产业转型升级融合的目标要求。

其次，通过立法和规制，把就业优先的理念转变成人工智能当事人之间的共同意图、约束性要求和激励相容行动。具体来说，劳动经济学家普遍认为，从就业影响角度来说，人工智能有两种可能的发展方向，一类着眼于提高劳动者能力，这意味着可以在低技能劳动者身上补充更多技能；还有一类着眼于替代劳动者的工作，这造成就业破坏。引导人工智能走哪条道路，取决于政策选择和制度安排。

最后，用社会保障和基本公共服务保护劳动者，使他们的必要生活质量及基本公共服务水平，不受到人工智能的冲击。在理念上，需要设立一个保护劳动者和就业岗位的公共利益底线。在具体的制度安排上，则需要完善社会保护机制和劳动力市场制度。

赵静：劳动者个人能够做些什么呢？技术迭代可能会让某些特定“任务”消失，但是我们的能力在不断提升。最近看到一些劳动经济学论文，其中经济学家会把工作岗位划分成两类，一个是任务，一个是技能。某个任务可能最终没有了，但是人类的技能是可以提升的。技能提升在于教育和培训。不只是得益于大学教育，也得益于很多日常的学习培训和更新迭代，包括在职培训。我很想问问蔡老师，应该如何在我们的教育体系中，利用更侧重技能的高校，以及各种类型职业培训，快速弥补教育方面的缺失，从而更好适应人工智能时代。

蔡昉：教育和培训正是我关心的话题。大家都承认，我国同发达国家在教育发展上仍有差距，譬如说美国的高等教育水平至今处于国际一流。但是我觉得在人工智能的冲击和未来可能的更大冲击下，各国在人力资本培养上面临的挑战几乎是一样的。即便美国的高等教育水平更领先，也无法抵御此次冲击。与此同时，这也给我们提供了一个赶超的机会，在适应新的人力资本需求条件下，重塑人力资本培养模式，我们与美国之间的挑战一样，机会也是一样的。我借这个机会谈一点我的观察，即在人工智能的冲击下，人力资本本身及其培养模式的基本特征发生了哪些变化。

过去经济学家通过回归分析解释经济增长因素时，会将人力资本作为一个解释变量放进去，都得出正面和显著的结果。由于无法直接度量人力资本，所以通常以“受教育年限”成为代理变量，放进回归模型以后几乎永远是显著和正面的。但是在人工智能冲击下，人均受教育年限可能不完全管用了，不再是“一学定终身”或者“一纸定终身”了。大家熟知的美国劳动力市场两极化的现象，即一极是没受过那么多教育的群体，自然应付不了技术和自动化的冲击，另一极是受教育程度较高的群体，相对能更好地适应变化，因此工资得到明显的提高。所以，很久以来人们都认为，应对技术冲击的最好办法就是尽可能多地上学。

然而未来这种以受教育年限划分两极的逻辑将不再成立，今后你不太可能知道哪一种技能是劳动力市场需要的，哪种技能是劳动力市场不需要的；哪种技能跟人工智能是协同、互补的关系，哪些技能会与人工智能产生竞争进而被替代。花了大量学费在顶尖学校学习一门似乎有用的技能，最终却发现这种技能与人工智能形成竞争，自然是竞争不过人工智能的。

所以，如今不是说教育没用了，而是说教育更有用了，但是要转向终身教育，转向随时随地学习和培训，然后不断地把课堂和工作实践结合起来，两者交叉进行。这是在人工智能时代下，人力资本培养的核心特点。

赵静：人类是否具有相对于人工智能更有优势的能力？如果答案是肯定的话，我们如何特别突出地培养劳动者以及未来的劳动者具备这种能力？

蔡昉：奥托教授提到过一个被称作“波兰尼悖论”的现象，也引起不少研究者关注，产生诸多相关讨论。我之所以很关注各类“悖论”现象，是因为这些“悖论”通常具有一个共同的特征，那就是按照既有的理论观察某种事物，会得出不合逻辑的结论。像人工智能这样的颠覆性技术变革，必然造成诸多打破传统智慧的现象，所以，讨论并尝试破解“悖论”，无异于在试图实现范式转换的前提下，发现新的特征化事实，形成新的理论假说，这正是理论创新的题中应有之义。波兰尼悖论揭示出一个很有意思的现象，就是对人来说很难的能力，对人工智能来说非常容易。比如说在国际象棋和围棋这样的智力竞赛中，人工智能能轻松超过人类世界冠军水平。与此同时，一个对于人类来说至为简单的能力，可能完全没有技术含量的行为，比如一个三四岁的孩子把一杯茶送到某个位置，中间他需要跨过一些障碍，可能遭遇突然发生的情况，这些能力对智能机器人来说却很难。

波兰尼悖论并不意味着可以低估人工智能的潜力，但是它也提示我们，人类的有些能力可能不是可以用程序和算法确定下来的，也不能简单归因为遗传，而更像是生命体从原始形态开始便具备，并逐渐演化和变异的本能。对这类能力的讨论不必牵扯过远，我们所知的在非认知能力和认知能力的比较中，非认知能力可能相对于人工智能更有优势，因为它可以帮助我们培养后天的“隐性知识”，就是那些能做但说不出来的东西。这类隐性知识无法被清晰言说，而人工智能的学习依赖于人类提供的数据和信息，自然难以掌握这类知识。

与此同时，比如亚里士多德时代便有所讨论的“实践智慧”，机器人暂时也不具备，所以我们要求培养人的非认知能力，而研究证明非认知能力主要在儿童的早期阶段形成，譬如说从孕期到五岁，是非认知能力培养的峰值。

赵静：您提到的这些概念以及您所做的这些分析，具有哪些政策含义呢？或者说，您是否可以从中直截了当地总结出几条政策建议？

蔡昉：揭示政策含义、提出政策建议，正是我进行研究的目的，也是我们这次对话的意图。我们可以借助一条曲线，来讨论一个人力资本培养或者说教育和培训的社会收益率问题。过去我们讨论教育投资时，普遍认为教育有巨大的回报，家庭给孩子在教育上投资，因为预期能够从孩子未来的工资、终身职业的稳定性以及发展空间中得到私人回报。这种“有投入就有回报”的认识，让我们愿意对孩子进行人力资本投资。后来人们又发现家庭投资孩子后，不仅是家庭能获得教育的回报，社会也能得到很大部分的教育回报。整体教育水平的提升有助于提高社会安定性、凝聚力、创新能力，甚至公众卫生意识的提高等，都是明显的社会收益。人们认识到并估算出教育投资具有社会收益，就意味着可以得到这样的认识，如果仅仅让家庭来投资，教育投资就会少于需要的水平。因此，既然教育是具有外部性的公益事业，就需要政府承担部分支出责任。所以我国把教育的公共投资稳定确立在GDP的4%，至今已经坚持了十多年。

可以想象一条关于教育社会回报的曲线，纵轴是教育的社会回报率，横坐标是教育阶段或年龄，涵盖从胎儿、孩童、学生、就业、老年等各阶段。教育的社会收益率是一条水平线，表明正的社会回报率要求政府会投入资金。然而，实际上在各阶段教育之间，教育的社会收益率并不是相同的，所以，这条社会收益率曲线不应该是条水平线。诺贝尔经济学奖获得者詹姆斯・赫克曼指出过，教育社会回报率曲线是向下倾斜的，表明越是早期的教育，社会回报率越高。遵循着从胎教、0~3岁儿童早期教育、学前教育、小学教育、初中、高中、大学，乃至进入职业岗位后的培训等，社会收益率逐渐下降。相应地，政府的支出责任也是递减的。

我想对此进行补充的是，在人工智能时代，教育和培训的社会收益率还会产生上扬的趋势。这时，教育不再仅仅是家庭为孩子进行的投资，仅仅期盼自家孩子比邻居家孩子更优秀，并不足以保障你的孩子不受到人工智能的冲击。未来的人力资本是为了跟人工智能竞争，技术不断变化，教育也必然成为终身的要求。尤其在我国情况下，当年的生育政策作为历史遗产，导致老龄化程度加速加深，老年人的福祉、就业、技能，以及他们的消费对经济增长，他们的福祉水平对社会稳定的贡献，有赖于他们就业是否充分、有没有能力延迟退休，在劳动力市场中持续发挥作用，因此大龄劳动者的培训也是有高社会回报率的。这样，教育社会回报率曲线倾斜下来以后再次上扬。于是，我们便有了一条人力资本培养社会收益率的U形曲线。意味着政府要对早期教育和工作后培训予以更多的财政投入。

赵静：从您这些讨论中，我突然觉得当下老年大学特别重要。当然，各种再教育、培训都应该顺应技术进步而不断扩大。目前，我们的一些培训机构或许帮助受培训人员拿到了证书，但是，这些证书实际上并没有帮我们获得所需要的技能提升。我们真正缺失的，或许是在社区层面、非精英化的基础上，可以同实践相结合的部分。我想听听您的想法和意见。

蔡昉：刚才我谈到面对人工智能的冲击，我们应该期待人力资本培养模式的变化。其中还应该暗含着这样一个意思，就是你提到的证书或者文凭的功能，必然发生颠覆性的变化。在劳动经济学领域，关于文凭有一个著名的说法，叫作“羊皮纸效应”。欧洲古老的大学颁发的学位证书，可能都是羊皮纸印制的。所以，羊皮纸效应说明人们追求的是学历和学位证书，而不是真正的技能。然而，文凭作为一个代理性的标志也是有意义的。在短期内考察一个人的技能很难，凭着学历学位证书这张纸，用人单位就可以判断你的称职概率。但是，如果说这个效应过去是有道理的，但在人工智能面前则不再管用了。未来需要不断更新技能，越来越依赖所谓的“微培训”“微学历”“微证书”。

说到中国的培训，当前政府组织的培训往往难以精准把握实际所需的知识与技能，因为企业有时都不一定把握得准，但是至少企业是在一线的，因此应该让企业来识别需要为哪些人提供培训。对企业来说也有一个难点，教育和培训都具有外部性，企业投入成本开展培训后，员工可能因其他更好的机会而离职，导致企业的培训投入不能为企业带来效益。因此，既然关于人力资本培养社会收益率具有U形曲线特征，即表示培训也是有社会效益的，政府虽然不宜直接举办企业员工的培训工作，但是需要承担各类培训的支出责任。

赵静：在社会保障制度、对劳动群体和普通家庭的兜底保障制度，以及其他涉及社会保护的制度方面，我们需要做哪些改革和改善，才能够有效应对人工智能时代的新情况？

蔡昉：针对人工智能对我们就业的冲击，我主张分别在事前、事中、事后做好三篇大文章。第一篇是“事前”的大文章，如何对人工智能的发展与应用进行有效规制、科学引导和合理激励，确保其方向符合社会整体目标、民生改善需求以及共同富裕的要求。在人工智能领域，确保人工智能与人类道德规范相一致，通常被称为“对齐问题”。但是这个“对齐”的思路可能有一个缺陷，通常认为是人工智能本身与目标看齐，可事实上，正如很多研究注意到的那样，最终决定是否使用人工智能或者智能体，是否要用人工智能替代办公室人员，以机器人替代工人，决策的主体是企业首席执行官，而非人工智能系统本身。用符合中国表述习惯的概念来说，我们应明确“对标”的主体是人工智能的开发者、投资者、创新者、应用者，在应用人工智能之前就尽可能避免冲击就业。

第二篇是“事中”的大文章，即真正抵御人工智能对就业的冲击，仍在于“劳动者的智能”，也就是我们所说的人力资本。因此，必须改革好教育和培训体制，以适应新的技术发展。教育领域一直在进行改革，但改革的常规力度，同人工智能带来的“前所未有的挑战”相比，仍然有所不足。此外，人工智能及其赋能的平台和技术，也给我们创造了改善教育和培训的无限机会。经济学家一般都认为有两个人工智能发展和应用方向，最有利于提高人力资本，分别是教育和医疗。我们应该充分利用人工智能的赋能特点以提高人力资本。这就是所谓“以子之矛，攻子之盾”的策略。

第三篇是“事后”的大文章，也就是社会保障兜底。即便我们在“事前”“事中”方面做得很好，产生的结果也不是“涓流效应”，不能自动处理好就业破坏，生产率的提高也不会自然而然覆盖所有群体，减小人工智能就业冲击的措施仍会产生遗漏，仍会有部分人受到影响。不能让这部分受冲击的劳动者群体陷入困境，因此必须有社会保障体系兜底。这也要求社会保障需更加具有普惠性。为什么普惠性很重要？因为在人工智能时代，我们常常很难区分谁是懒汉，谁不是懒汉，谁的个人决策做对了，谁做错了。劳动者就业的困境不是源于他的不努力，也不是由于他做了错误的选择。因此这时去识别这些问题，既有难度也没有必要——受人工智能冲击的个体都应得到社会保护。

而且在更高的生产率水平上和更高的经济社会发展阶段，要以更高的标准保障人们的必要生活质量和基本公共服务。按照约翰·罗尔斯“无知之幕”理论所蕴含的逻辑，社会保障标准应随经济社会发展水平“水涨船高”，其目标不应局限于保障最基本生活水平，而需要达到符合时代的社会必要水平。可见，我们的社会保障制度和一系列相关的制度，比如劳动力市场制度等，都应该随着人工智能新挑战的来临进行相应改革，而且，改革已经迫在眉睫。

赵静：非常赞成改革迫在眉睫这个说法。那么，人工智能时代的来临，总体来说利弊究竟如何呢？

蔡昉：在1930年，全球正处于资本主义危机的悲观情绪中，凯恩斯发表一篇文章《我们子孙后代的经济可能性》。他当时预测劳动生产率在100年内会提高4~8倍，指出人类将首次因生产率的大幅提升，而面临成长中的烦恼，他当时设想劳动时间会缩短至每周15小时。最近大家都说凯恩斯关于生产率的预测是正确的，但也都在问为什么我们的工作时间依旧那么长？这就是说，生产率提高之后，如何分好以及消费这个更大的蛋糕，给我们带来新的挑战，需要解决收入分配、基本公共服务供给、扩大居民消费、提高社会流动性等一系列问题。

赵静：改善民生、加强教育和培训、提高社会保障普惠性，乃至推进福利国家建设，意味着大幅度增加政府支出。人们会提出“钱从哪里来”的问题。

蔡昉：说到“有没有钱”以及“钱从哪来”的问题，我想简单提到几点，其中最重要的一点，就从“投资于物”转向“投资于人”。这一转向的依据有两个，分别是从规范层面和实证层面得出来的。从规范层面来讲，从共同富裕的要求出发，我们当前已处于较高的发展阶段，人均GDP在即将超过14000美元，这就是说，我们将跻身高收入国家行列。虽然只是处在高收入国家的较低阶段，仍然理应让人民享受到与这一发展阶段相匹配的生活水平。一般规律表明，居民生活品质的提高一部分靠私人品，取决于由市场机制决定的工资收入水平；但在更高的发展阶段，更多的部分要通过再分配，譬如促进收入均等化、完善社会保障体系等。这些是一个国家发展到高收入阶段后，理应实现的目标，这就是从规范层面提出的要求。

从实证层面来看，许多研究都表明：当国家发展到更高阶段后，物质资本的投资回报率会下降，这可以说是经济学的一条铁律。目前，我国的资本投资回报率已经显著降低并处于很低水平。与之形成鲜明对比的是，对人的投资，比如在各级教育领域的投资回报率始终保持在较高水平。清华大学一个团队的研究预测，即便到90年后，这类人力资本投资的回报率仍能维持在20%左右。或许不同的研究得出不尽相同的结果，但对人的投资长期保持高回报率这一点是符合道理的。

从这个意义上来看，将更多对物的投资转向对人的投资是具有重要意义的。中国政府支出占GDP的比重在国际上不算很低，但政府社会性支出占GDP的比重相对偏低。这意味着我们的大量投资流向了物质生产领域，地方政府也提供了大量的补贴。这不仅导致一些领域的产能过剩，这类投资的回报率也越来越低，企业过度依赖补贴甚至可能阻碍创新。因此，我们应当果断地尽可能将这部分投资转向对人的投资。

赵静：同意蔡老师的观点。特别感谢您的精彩分享。最近看到您的一部题为《中国就业新趋势》的新著，副标题就是“人工智能如何重塑劳动力市场”。能否简要地介绍这本书的内容和特点？

蔡昉：中国拥有全球最大的就业规模，位列人工智能发展的第一梯队，机器人市场规模也位居世界首位。因此，人工智能革命性突破引领的科技革命和数字经济发展，必然对中国的就业产生深远影响，是一个迫切需要深入研究的课题。我不揣冒昧写作这本书，着眼于人工智能及其赋能数字经济对于就业的挑战，深入探讨了人工智能发展及其对就业的颠覆性影响。从经济学、社会学、人口学等跨学科的视角，解构了人工智能赋能科技革命如何重塑劳动力市场的核心主题。揭示人工智能就业冲击的现实影响，剖析就业挑战的性质，勾勒应对策略的全貌，并结合中国特有的社会经济背景，提出政策应对和制度建设方案，重点置于人工智能时代新人力资本的培育路径与战略，旨在利用人工智能推动经济社会发展和民生建设，实现人的全面发展与技术进步的协同一致，更好服务中国式现代化建设。■

扫码入群可参加全年至少12场精彩闭门研讨

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.