不仅是蓝领工人，包括律师、医生在内的白领职业也会遭受冲击。实际上，由于用 AI 替代白领有更高的性价比，白领反而成为当前 AI 影响的主要人群。

最近，AI 界的 " 大嘴 " 杨立昆（Yann LeCun）又和 Anthropic 的创始人达里奥 · 阿莫迪（Dario Amodei）杠上了。

事情的起因是，不久前，阿莫迪去年一次访谈中的相关表述被网友重新挖出，并在 X 平台广泛流传。在这次访谈中，阿莫迪称，未来 1 到 5 年内，包括初级律师、顾问、金融从业者以及部分技术岗位在内的白领工作，可能有相当一部分被 AI 取代，比例甚至达到 50%。

杨立昆转发了阿莫迪的这段访谈，并配上一段评论。他表示，从历史经验看，每一次提升生产力的技术革命都会导致一些职业被替代或消失，但并没有证据表明这些技术会带来长期的大规模失业。AI 只不过是众多技术革命中的一次，它对就业市场的影响也不会有任何不同，因而阿莫迪的说法显然是危言耸听。

杨立昆的帖子发出后，立刻引来了热议。一些网友认为，AI 在性质上完全不同于以往的技术。面对这些质疑，杨立昆回怼道，评估 AI 对就业市场的影响，就应该去听经济学家怎么说，而不应该听阿莫迪这样的 AI 业内人士的说法，因为后者往往会被自己的错觉或偏见影响，从而选择性地夸大问题的严重性。

那么，从历史看，技术进步究竟是否造成过大规模失业？与过去的技术革命相比，AI 对劳动力市场的冲击有何不同？它是否会造成严重失业？经济学家怎么看？我们又该如何应对？这一切，且让我们慢慢说来。

历史上的技术性失业

人们对技术进步可能引发失业的忧虑，并不是现在才有的。早在罗马皇帝韦巴芗（TitusFlaviusVespasianus）统治时期，据说就曾有工匠进献改进运输工具的方案，但皇帝当即拒绝，理由是工具过于先进，劳工的工作机会可能受到侵蚀。

所幸的是，在此后的一千多年中，技术进步和人口增长都比较缓慢，类似问题并没有真正出现。不过，工业革命之后，情况发生了变化。随着大规模工业化推进，工厂迅速取代欧洲各地的手工工场，机器很快占据了原本属于工人的岗位。以英国纺织业为例，1813 年，英国全国动力织机数量大约为 2400 台，到 1850 年，这一数字迅速膨胀到 25 万台。与之对应的，是手工织工数量迅速萎缩。1820 年，英国全国超过 24 万名手工织工，而到 1845 年，仅剩 6.9 万名。

面对机器对工作岗位的侵蚀，工人们行动了起来，其中最有名的事件当属 " 卢德运动 "。据说，在英国莱斯特郡，一名叫卢德的工人一怒之下砸碎了一台纺纱机。这一行为很快被效仿，对机器积怨已久的工人纷纷自称 " 卢德主义者 "（Luddites），并以摧毁机器表达愤怒。

有意思的是，当人们对机器的愤怒达到顶点时，它带来的失业却悄然消退了。这是因为，机器虽然消灭了大量手工业者的岗位，但也催生了大量新的工作。比如，蒸汽技术的发展使铁路运输大规模兴起，铁路建设催生了大量劳动力需求；蒸汽机的使用增加了煤炭需求，也带动了矿工需求。除此之外，高效率的机器让资本家的收入大增，使他们对各类服务的需求上涨，由此产生了更多就业岗位。

第一次工业革命完成后不久，第二次工业革命很快呼啸而来。相比于第一次工业革命的蒸汽技术，第二次工业革命的电气技术对生产力的释放效应更为巨大，对劳动力市场的冲击也更为强烈。仅以欧洲的马车产业为例，在汽车发明之后，马车迅速衰落，与其相关的产业链也迅速萎缩。数十万相关行业劳动者，如马车夫、养马人、马具匠等，失去了原来的岗位。而在制造业，随着效率更高的机床和流水线出现，大批工人也因此失去了工作。从 19 世纪 70 年代到 19 世纪末，欧洲各国都经历了长期萧条，英国失业率曾在很长一段时间内保持在 8% 到 10% 的较高水平。

直到进入 20 世纪，情况才出现一定改变。一方面，大规模电网建设、冶金业发展和服务业扩张创造了新的就业机会。另一方面，国家干预也在缓解就业问题上起到了作用。例如，8 小时工作制在各国确立，实际上是对既有工作时间进行重新分配，从而使岗位能够吸纳更多劳动者。但尽管如此，劳动力市场供过于求的问题并没有得到根本解决。直到两次世界大战造成劳动力大规模减少，技术进步带来的岗位减少问题才被意外缓解。

或许是因为目睹了两次工业革命带来的种种问题，所以不少著名经济学家都对技术性失业问题保持了高度警惕。例如，凯恩斯在《我们子孙后代的经济可能》中曾指出：" 一种新的疾病正在折磨着我们，某些读者也许还没有听说过它的名称，不过在今后几年内将听得不想再听，这种病叫做‘由技术进步而引致的失业’。" 而诺贝尔经济学奖得主里昂惕夫也强调，随着技术的发展，" 劳动将变得越来越无关紧要⋯⋯更多的工人将被机器取代，我认为这些新产业不可能聘用所有希望得到工作的人。"

幸运的是，凯恩斯和里昂惕夫的预言并没有实现。" 二战 " 之后，虽然技术发展迅猛，但大规模、持续性的技术性失业并没有出现。即使像计算机、互联网这样的颠覆性技术，其对就业市场的负面影响也只是集中在某些领域，并没有扩展到经济全局。

技术性失业，经济学家怎么看？

在回顾了历史之后，我们不妨接受杨立昆的建议，先来看看经济学家们关于技术性失业都有哪些看法。总的来说，目前在经济学理论中，与技术性失业相关的重要洞见有如下几个：

第一个洞见是，不同类型的技术进步对就业市场造成的冲击各不相同，并不是所有技术进步都会造成技术性失业。虽然从古罗马以来，关于技术性失业的忧虑就一直在人们心中萦绕，但真正重大的技术性失业却很少。迄今为止，与技术进步关联最大的两轮大规模技术性失业，主要发生在两次工业革命期间，而 " 二战 " 之后，则鲜有类似情况发生。之所以会出现这种情况，是因为技术的属性并不相同。一些技术和劳动力之间是替代关系，而一些技术则更多是增强人类劳动。比如，机器可以替代繁重、重复的人类劳动，因而会减少劳动力需求；而计算机的出现则更多表现为对人的赋能，因而反而可能增加市场对人力的需求。

这里需要注意的是，劳动力并不是均质的。每个人的教育水平、技能状况都不相同，因而即使是同一次技术冲击，其影响也具有高度的 " 技能偏向性 "。从这个角度看，技术性失业并不只是一个总量问题，还是一个结构性问题。

第二个洞见是，技术进步对劳动力市场的影响，其实是在任务（task）层面，而非岗位层面发生的。在现实中，一个岗位可能会同时承担很多任务。如果新技术并未同时使某个岗位上的所有任务都实现自动化，那么这项技术就不会让这个岗位消失，反而可能提升该岗位的劳动生产率和薪资。比如，秘书需要同时承担文字录入、资料整理、任务协调、事务对接等多项任务。计算机被广泛应用后，录入和整理工作很大程度上实现了自动化，然而秘书职业并没有消失，反而可以把更多时间安排到附加值更高的任务上。

那么，哪些任务更容易被自动化呢？经济学家认为，最容易被自动化的任务通常有三个特征：一是高重复性和程序化，无需精密操作；二是不需要创造力；三是不需要与人交往。如果一项任务具备这三种特征，它就会有很高的 " 自动化暴露度 "（exposuretoautoma－tion）。一旦出现相对廉价的自动化技术，这些任务就会优先被自动化。

借助上面的观点，我们就可以看出，在两次工业革命期间出现较大规模技术性失业的原因。无论是纺织工人还是马车夫，其工作任务都相对单一，并且 " 自动化暴露度 " 都非常高。因而，当这样的劳动者在劳动力总量中占比很高时，技术进步就很容易引发技术性失业。而在 " 二战 " 之后，服务业以及需要精密操作的制造业工作大规模兴起，工作的任务变得日益复杂。在这种情况下，技术进步就相对更难造成大规模失业。

第三个洞见是，市场是否会自动修复技术性失业问题，取决于劳动力市场的补偿机制是否畅通。从古典经济学时代开始，经济学家提出了很多不同的补偿机制：一是新的机器和基础设施的生产。技术进步会导致企业使用更多机器和更少劳动力，这一方面会挤占产品生产环节工人的就业机会，但另一方面，也会带动机器生产和基础设施建设，从而创造新的就业机会。第一次工业革命期间，大规模铁路建设就对缓解失业起到了巨大作用。二是价格下降。萨伊强调，技术进步在导致工人被取代的同时，也会降低生产成本，进而带动商品价格下降和需求上升。三是新储蓄、新投资的增加。技术进步可以为企业节约成本，这些成本可以被重新用于投资，而新投资则可以创造新的岗位。四是新产品的出现。技术进步会催生新产品、新业态，甚至新产业，从而创造新的就业机会。五是工资下降。维克塞尔曾提出，如果技术让劳动力变得过剩，那么工资会随之下降，这又会让使用劳动力变得更加划算，从而吸引企业采用劳动力密集型技术。

AI 革命：这次哪里不一样？

在梳理了经济学家们关于技术性失业问题的观点之后，让我们将目光转向 AI 革命，来看看这场正在发生的技术革命究竟和历史上的历次技术革命有什么不同，并分析一下它究竟是否会引发大规模技术性失业。

在我看来，不妨以 2022 年 ChatG－PT 的上线为界，将 AI 革命分为两个阶段。在 2022 年之前，虽然 " 深度学习革命 " 已经引发了 AI 技术的迅猛增长，但从技术呈现看，它的产品更多表现为 " 预测式 AI"（Predictive AI）；而在 2022 年之后，AI 的技术呈现则以 " 生成式 AI"（Generative AI）和以其为基础的 "AI 智能体 "（AI Agent）为主。虽然从技术底层上看，它们的基础是接近的，但产品形态的不同，导致其影响出现根本不同。

顾名思义，预测式 AI 主要是帮助人们预测形势、识别模式。这一功能决定了它更多只能充当人类的参谋，或替代人类的一部分任务，因而对就业市场的冲击并不会太大。但值得注意的是，很多关于 AI 是否会造成技术性失业的讨论，其实是针对这类 AI 的，所以结论经常带有误导性。一个典型例子是，" 深度学习之父 " 杰弗里 · 辛顿（Geoffrey Hinton）曾预言，AI 视觉识别技术的改进会让放射科医生失业。但这个预言很快被证伪。原因很简单：放射科医生除了执行影像检查之外，还需要承担诊断方案设计、协助介入治疗等任务。AI 视觉识别技术可以让影像检查自动化，却无法全面替代他们的所有任务。

然而，在生成式 AI 和 AI 智能体崛起之后，情况发生了很大改变。不同于预测式 AI，生成式 AI 可以承担的任务范围要广得多。而 AI 智能体的出现，则让 AI 可以在没有人工干预的情况下连续完成多项任务。在这种情况下，AI 技术革命逐渐呈现出许多与过去历次技术革命不同的特征。

首先，从影响范围上看，AI 对就业市场的冲击要胜过过去所有技术。无论是第一次工业革命还是第二次工业革命，都是从某一产业开始，然后逐步扩散到各个行业。而 AI 革命的冲击则是全方位的，几乎所有行业、所有职业都会受到影响。不仅是蓝领工人，包括律师、医生在内的白领职业也会遭受冲击。实际上，由于用 AI 替代白领有更高的性价比，白领反而成为当前 AI 影响的主要人群。根据 Anthropic 的最新报告，目前 "AI 暴露度 "（exposure to AI）最高的五个职业分别为：计算机程序员、客户服务代表、数据录入员、医疗档案专员和市场调研分析师，全部都是白领职业。

其次，从力度上看，AI 对劳动力市场的冲击也要强于过去所有技术。过去的技术革命，通常不会在短时期内摧毁某一个产业，让这个产业的岗位发生大幅下降。而 AI 的影响显然要剧烈得多，它可能迅速重塑某些产业，从而引发比较激烈的就业动荡。比如，在很长时间内，插画师、平面设计师等都被认为是靠技术吃饭的稳当行业，但在生成式 AI 技术兴起之后，类似岗位就遭受了严重冲击。

再次，从持续性看，AI 产生的影响可能会比其他技术更持久。技术进步往往在短期内对就业展现出强大的冲击力，而随着劳动力在部门之间的再配置，这种冲击会逐渐减弱、消失。但由于 AI 革命的成果可以迅速扩散到各个产业，因此，一旦因技术冲击而失业的工人被重新配置到某一产业，导致这一产业工资上升，企业就马上会有激励用人工智能对工人进行替代。在这种情况下，再就业的工人很快就会重新面临失业风险。

最后，AI 会对就业市场产生更大的极化效应，进而造成更大的不平等。相比于以往的各类新技术，使用 AI 相关技术对技能和知识的要求更高，因此这一冲击的偏向性会更为强烈。在短时期内，高能力者能在就业中获得巨大优势，而那些不熟悉人工智能相关技能的人，则会在就业市场遭受更大挫折。这就有可能在产生技术性失业的同时，导致更大规模的贫富分化。

基于以上原因，AI 引发大规模技术性失业的可能性非常大。更确切地说，这种失业效应其实正在逐渐显现。一个最显著的信号是，从去年开始，中外大型科技企业都经历了大规模裁员。像亚马逊、谷歌这样的企业，一次裁员就会裁掉上万名员工。虽然一些研究认为，这些裁员并非直接由 AI 对人的替代导致，而是企业为了筹集 AI 基建投资所需经费进行的策略性裁员，但无论如何，这些裁员都与 AI 浪潮密切相关。

另外需要指出的是，面对 AI 可能带来的失业，那些用于平衡就业市场的补偿机制，运作似乎并不那么顺畅。比如，围绕技术的基建投资一直被认为是创造新就业岗位的重要渠道之一。但正如我们刚刚看到的，它不仅没有像以往那样创造更多就业需求，反而让企业为了筹资裁掉了更多员工。又如，物价下降被视为另一个重要的补偿机制。然而，这个机制顺畅的前提是，物价下降要比收入下降更为显著，但在现实中，这一点并不容易保证。如果 AI 造成的失业比较显著，那么整个社会的可支配收入就会迅速减少，此时经济中的消费将更有可能像最近广为流传的《2028 全球智能危机》（The 2028 Global Intelligence Crisis）一文中所描述的那样迅速萎缩，而非增加。最终，物价下跌只会成为萧条的标志，而非重返繁荣的阶梯。

直面 AI 时代的技术性失业

在说到 AI 时代的技术性失业问题时，很多所谓的市场派学者都会援引汽车和马车的例子。他们通常会轻描淡写地说：虽然汽车的到来让马车夫失去了岗位，但最终，市场还是吸收了失业人口，让马车夫变成了汽车司机。但通过前面的讨论，我们就可以看到，这个比喻其实带有很大的误导性。且不说 AI 在引发失业的同时，能否创造出足够多的岗位还是一个疑问，人们的技能能否及时适配这些新岗位，也存在很大不确定性——毕竟，让一个马车夫学会开车的难度，和让一个会计成为高级 AI 架构师的难度完全不可同日而语。如果市场新增的就业岗位不足，或者所需能力和失业者的匹配性很低，那么情况就会像里昂惕夫曾经比喻的那样：失业者的角色将更类似于因汽车而下岗的马，而非马车夫。

即使一切都很顺利，市场可以自发创造出足够多适合人们工作的岗位，完成这一过程所需的时间仍然是问题。两次工业革命所导致的高失业状况都持续了几十年。这在一些专家学者口中，或许只是历史的一个瞬间，但对于很多人来说，则可能是他们的一生。如果考虑到可能由失业引发的社会动荡、战争等问题，整个社会面临的成本可能会更大。从这个角度看，面对 AI 时代的技术性失业，绝不能掉以轻心、听之任之，而必须引起重视，积极应对。而要做到这一点，就需要个人、企业和政府三方面共同努力。

对于个人而言，有两方面的举措最为重要。一方面，应当建立终身学习思维，拒绝单一技能固化。AI 时代，行业技术迭代节奏飞快，靠一门技能吃一辈子的时代早已落幕，机械化、流程化的工作最容易被 AI 取代。在这样的背景下，劳动者需要主动更新技能库，学习基础 AI 工具、数字化办公技能，同时深耕本行业专业能力，把通用数字技能和行业专业能力结合起来，搭建属于自己的复合技能体系。

另一方面，应当刻意打磨 AI 难以复刻的人类特质。尽管当前 AI 能力很强，但从总体上看，其共情能力、创造性思维和判断力依然有所欠缺。而这些能力，恰恰是人类所擅长的。必须认识到，对于边界明确的任务，AI 终究会超越人类。只有成为 AI 的输入端，或者承担 AI 无法完成的复杂任务，才能在 AI 时代有自己的一席之地。

对于企业而言，则应该在 AI 大潮之中承担起自己的社会责任，妥善处理好与员工的关系。要更多鼓励人与 AI 的合作，而不是盲目推进自动化。具体而言，企业一方面要做好内部员工技能承接，结合自身智能化改造进度，针对性开展短期培训，帮助员工快速上手智能办公、生产工具；针对即将被替代的岗位人员，优先进行内部转岗调配，配套专项培训，减少裁员。另一方面，企业还应该调整技术研发方向，推行温和的人机协同模式，让 AI 承接繁琐、高危、重复的基础工作，将人力保留在创意研发、客户服务、战略决策等核心环节。

从表面上看，这些工作似乎会让企业增加一些额外成本。但从更广的视角看，它们不仅可以为企业积累更为优秀的人力资源，也可以为企业建立更好的社会形象，其收益是巨大的。

对于政府而言，应对 AI 时代技术性失业的思路也需要调整。过去，政府主要通过财政政策和扩张性货币政策增加社会总投资，引导就业创造。但类似方法在 AI 时代未必行得通。一个典型例子是，" 新冠 " 疫情后，美国政府为了让经济迅速复苏，实施了较长一段时期的低利率政策。结果，低利率确实刺激了投资扩张和 GDP 增长，却没能拉动就业同步增长。原因在于，很多企业在以低成本获得资本后，都将其用于自动化技术投资。这个教训告诉我们，面对 AI 造成的失业，除了谨慎采用宏观政策工具外，还应该把更多精力放到更为微观的环境营造上。

第一，要改革人力资本培养，构建终身学习体系。在基础教育阶段，应强化抽象思维、问题解决与数字素养等难以被 AI 替代的能力。在职业教育阶段，应提高课程与产业需求之间的匹配程度，使技能培养能够直接对应岗位结构变化，同时提升对 AI 使用技能的培训。在职阶段，则需要发展持续性的再培训体系，通过在线教育、职业认证和企业培训等形式，实现技能，尤其是 AI 使用技能的动态更新。考虑到 AI 的进步非常迅速，培训体系需要更加模块化和可迭代，而不是依赖周期较长的学历教育体系。

值得注意的是，在现实中，培训费用主要由失业者自己承担，这对他们来说是一笔不小的负担。在这种情况下，除了应该对培训进行直接补贴之外，还应该设计一些有效的金融机制来对受训者提供扶助。一个不错的例子是杰瑞 · 卡普兰（Jerry Kaplan）提出的 " 工作抵押贷款 "（Job Mortgage）。根据这种设想，个人在接受职业培训或再教育时，将由潜在的用工企业提供资金，偿还方式则不再是固定债务，而是与其未来收入或就业结果挂钩。这种制度不仅可以保证劳动者所接受的培训正是市场所需要的，也可以较好地解决培训资金不足的问题。

第二，要完善积极劳动市场政策，提升劳动力再配置效率。技术性失业往往表现为劳动力与岗位之间的匹配失灵，因此需要通过制度手段降低信息不对称和流动成本。公共就业服务体系应提供职业咨询、技能评估、岗位推荐等服务，帮助劳动者明确转型路径；同时，通过转岗培训和就业补贴等政策，降低劳动者进入新行业的门槛，并减少企业雇佣转岗劳动者的风险。对于冲击集中的行业和地区，还需要实施针对性的就业支持和产业转型政策。

第三，要强化社会保障与收入再分配机制，缓冲技术变革带来的短期冲击。AI 技术的冲击不仅可能导致失业，还可能带来就业不稳定性增加、收入波动加剧等问题。在这种情况下，社会保障体系需要从 " 覆盖稳定就业关系 " 转向 " 覆盖多样化就业形态 "。一方面，应完善失业保险与最低收入保障，为劳动者在转型期间提供基本支持；另一方面，可以探索与就业状态无关的保障机制，如负所得税或 " 全民基本收入 "（Universal Basic Income，简称 UBI），以应对频繁转岗和不连续就业带来的风险。需要指出的是，福利和失业保障的增加会大幅增加财政负担，因此还需要同时对财税体系进行较大调整。

第四，要加快新任务与新产业的生成，使 AI 成为就业创造的来源。政策应积极牵引，疏通各种 " 补偿机制 "，通过支持 AI 应用创新、促进技术扩散、完善数据基础设施以及鼓励创业，推动新产业和新职业的形成。现在，围绕 AI 的开发、部署、维护和应用，已经出现了一系列新的岗位类型。尤其值得重视的是，在 AI 时代，中小型企业，甚至 " 一人公司 "（One Person Company，简称 OPC）不仅会在推进 AI 技术应用和扩散上发挥重要作用，还会成为吸纳就业的重要力量。

第五，引导 AI 技术发展方向，避免过度偏向 " 替代型自动化 "。AI 的应用路径并非完全由技术本身决定，而是受到成本结构与制度激励的影响。如果制度环境过度鼓励节省劳动力成本，企业可能更倾向于采用完全替代劳动的自动化方案。因此，可以通过税收政策、研发支持和行业规范，引导 AI 更多用于增强劳动者能力，例如作为决策支持工具或生产辅助系统，而不是完全替代人类劳动。这种 " 人机协同 " 路径能够在保持效率提升的同时，减缓就业冲击。

结语

AI 引发的技术性失业，可能意味着人类劳动力市场面临一次深度重构，其覆盖之广、渗透之深，或许远超以往任何一次技术革命。正如经济学家布林约尔松与麦卡菲在《与机器赛跑》（RaceAgainsttheMachine）中所说的，面对这场革命，真正的出路并非抗拒机器，而是学会与机器协同前行。技术终将替代重复的任务，却无法取代人的创造、共情与判断。唯有以终身学习筑牢底气，以人机协同释放潜力，以制度保障托底转型，才能让技术进步真正服务于人的发展，让 AI 革命成为人类前行的阶梯，而非人类发展的阻碍。