蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

AI浪潮正從效率革命轉(zhuǎn)向分配考驗，其沖擊已從體力崗位蔓延至白領(lǐng)職場，動搖中產(chǎn)支撐的社會結(jié)構(gòu)。年輕人基礎(chǔ)工作被替代，職業(yè)上升通道收窄；資本與技術(shù)持有者盡享紅利，財富加速向少數(shù)人集中。工資差距或小幅收窄，但財富鴻溝持續(xù)擴(kuò)大，“圖靈陷阱” 與階層固化風(fēng)險凸顯。

面對變局，制度如何激勵 AI 向善、緩沖就業(yè)沖擊、重構(gòu)分配規(guī)則，決定技術(shù)紅利能否普惠，更關(guān)乎社會結(jié)構(gòu)的平衡與穩(wěn)定。

滕斌圣

紐約市立大學(xué)博士

長江商學(xué)院戰(zhàn)略學(xué)教授

戰(zhàn)略研究副院長

長江商學(xué)院新生代獨角獸

全球生態(tài)體系研究部主任

2026年5月，韓國總統(tǒng)府政策室長金容范（Kim Yong-beom）在社交平臺發(fā)文，提出“公民紅利”設(shè)想，主張將AI產(chǎn)業(yè)景氣帶來的部分超額稅收回饋全民。其背景是：

受AI帶動的半導(dǎo)體周期上行影響，三星電子與SK海力士未來數(shù)年預(yù)計將形成規(guī)?？捎^的新增稅源，市場測算相關(guān)規(guī)模約為120萬億韓元（約805億美元）。

這個設(shè)想背后是一個更廣泛的問題：當(dāng)AI顯著提高生產(chǎn)率并推動利潤向少數(shù)主體集中時，這部分新增收益應(yīng)如何分配。

這場爭論并不只停留在政策層面，類似壓力已經(jīng)在就業(yè)和收入兩端逐步顯現(xiàn)：資本、算力和核心技術(shù)的持有者受益更多，部分白領(lǐng)和新人群體承受更大壓力。

AI革命對就業(yè)的沖擊

與以往自動化主要沖擊體力勞動和例行性任務(wù)不同，這一輪AI更廣泛地進(jìn)入認(rèn)知型和高技能崗位（圖1）。國際基金組織（IMF）2025年研究估算了高AI暴露度的崗位占比：

發(fā)達(dá)經(jīng)濟(jì)體高達(dá)60%、新興市場約42%、低收入國家約26%。收入層級越高，認(rèn)知型崗位占比越大，暴露于AI的就業(yè)人口也越多。

圖1：各職業(yè)2022—2025年失業(yè)率變化與其AI采用率之間的關(guān)系

圣路易斯聯(lián)邦儲備銀行《Is AI Contributing to Unemployment? Evidence from Occupational Variation》、RPS、現(xiàn)行人口調(diào)查、美國勞工統(tǒng)計局

AI正在動搖過去幾十年“以白領(lǐng)中產(chǎn)為支撐”的社會結(jié)構(gòu)。

過去30年，全球化與信息化造就了一個龐大的中產(chǎn)白領(lǐng)階層：他們是消費擴(kuò)張、稅收基礎(chǔ)與中間投票群體的重要載體，也構(gòu)成了既有社會契約穩(wěn)定的“中段腰部”。

當(dāng)本輪AI首先削弱這一群體的議價能力和收入預(yù)期時，其影響不只局限于勞動力市場，更可能波及消費結(jié)構(gòu)、稅收基礎(chǔ)和社會穩(wěn)定。

斯坦福大學(xué)數(shù)字經(jīng)濟(jì)實驗室主任埃里克·布萊恩約弗森（Erik Brynjolfsson）等學(xué)者在2025年的研究中發(fā)現(xiàn)自生成式AI廣泛擴(kuò)散以來（圖2），22—25歲勞動者在高AI暴露職業(yè)中的就業(yè)出現(xiàn)了約16%的相對下降；其中，22—25歲軟件開發(fā)者的就業(yè)人數(shù)到 2025年年中已較2022年中峰值下降接近20%。

圖2：2022年底ChatGPT發(fā)布以來，不同年齡段員工的就業(yè)指數(shù)變化。其中代表22-25歲初級員工（Early Career 1）的曲線出現(xiàn)了最為顯著的斷崖式下滑，資深員工群體相對平穩(wěn)。

B Brynjolfsson、Chandar 與 Chen《Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence》

原因不難理解，AI目前最擅長干的恰恰是職場新人的工作：寫基礎(chǔ)代碼、起草報告、查資料、錄數(shù)據(jù)、回答常規(guī)客服問題。在傳統(tǒng)職場里，這些雜活是新人積累經(jīng)驗、走向資深的必經(jīng)一步。

當(dāng)AI能以很低的成本接手這些初級任務(wù)時，新人的成長通道會受到明顯沖擊。如果這種情況持續(xù)下去，企業(yè)未來幾年可能會發(fā)現(xiàn)：能挑大梁的中層越來越難找，團(tuán)隊里的經(jīng)驗積累也會變慢。

與此同時，白領(lǐng)群體內(nèi)部也在出現(xiàn)明顯分化。

《華爾街日報》2026年5月的一項觀察顯示，盡管整個科技行業(yè)裁員持續(xù)，2026年4月美國IT和計算機(jī)科學(xué)崗位招聘數(shù)量同比仍增長了14.2%，但崗位結(jié)構(gòu)發(fā)生了變化：

初級職位占比從1年前的8.1%降至7.4%，資深崗位占比則從38.8%升至43.1%。

受到歡迎的方向包括能管理AI智能體團(tuán)隊的資深工程師、AI運維與維護(hù)人員、負(fù)責(zé)把AI部署到具體業(yè)務(wù)的解決方案工程師等。

換句話說，能駕馭AI、補(bǔ)齊AI弱項的資深從業(yè)者更搶手，以執(zhí)行類、標(biāo)準(zhǔn)化任務(wù)為主的初級崗位在被快速壓縮。

這意味著，AI對就業(yè)的影響越來越呈現(xiàn)出職業(yè)內(nèi)分化的特征，而不只是職業(yè)間的簡單替代關(guān)系。

麻省理工學(xué)院教授達(dá)龍·阿西莫格魯（Daron Acemoglu）提出的任務(wù)模型（Task-Based Models）可以幫助我們理解上述現(xiàn)象：

AI替代的不是整個職業(yè)，而是職業(yè)中的具體任務(wù)；就業(yè)凈變化取決于替代效應(yīng)、生產(chǎn)率效應(yīng)與復(fù)原效應(yīng)的較量。

他警告，一旦企業(yè)部署AI只為省人力成本、而不投資創(chuàng)造新任務(wù)，經(jīng)濟(jì)就可能陷入“平庸的自動化”：人被裁了，生產(chǎn)率卻沒明顯提升，新崗位也不夠多。

這種“只能裁人、不創(chuàng)造新需求”的部署方式，也是分配格局被動向資本側(cè)傾斜的重要機(jī)理之一。

AI革命有可能

動搖財富分配和社會結(jié)構(gòu)

當(dāng)前，工作創(chuàng)造的速度跟不上替代速度，以及新增收益向少數(shù)主體集中，顯然更值得擔(dān)憂。埃里克·布萊恩約弗森提出了一個概念——“圖靈陷阱”（Turing Trap）。

它指AI研發(fā)和部署中的一種傾向：把目標(biāo)定在“模仿并完全替代人類”，而不是“擴(kuò)展或增強(qiáng)人類能力”。

埃里克·布萊恩約弗森對此的擔(dān)憂主要有兩點。

第一，如果AI走的是替代路線，勞動者在和資本談判時會越來越弱勢：能被替代的勞動失去了稀缺性，工資和議價空間自然縮窄（圖3）。

第二，由于AI研發(fā)和算力高度集中在少數(shù)大平臺和資本手里，這條路線賺到的錢也會向少數(shù)所有者集中（圖4）。在他看來，這并不是技術(shù)本身的必然結(jié)果，而是研發(fā)激勵、稅制安排和公共投資方向共同選擇出來的。

圖3：因技術(shù)而失業(yè)的勞動者，其尋找新工作的時間更長，且重新就業(yè)后的實際工資下降

高盛全球投資研究、美國人口普查局、美國勞工統(tǒng)計局

圖4：AI受益者的強(qiáng)勁基本面（營收同比增速vs. 調(diào)整后營業(yè)利潤率）

摩根大通、彭博金融、FactSet，

數(shù)據(jù)截至2026年3月30日

技術(shù)路線從來不是“價值中立”的，它由誰出資、為誰服務(wù)、按什么目標(biāo)優(yōu)化，決定了它最終強(qiáng)化誰的議價權(quán)、削弱誰的議價權(quán)。

當(dāng)稅制對資本投資予以加速折舊、對人力雇傭卻征收社保和工資稅時，企業(yè)的理性選擇自然偏向“用機(jī)器替代人”；

當(dāng)公共研發(fā)資金主要流向少數(shù)前沿模型實驗室、而非面向勞動者的增強(qiáng)型工具時，技術(shù)也自然走向集中。

從這個意義上看，“圖靈陷阱”不是技術(shù)問題，而是制度問題。

在沒有外部干預(yù)的情況下，市場會自發(fā)地把通用技術(shù)導(dǎo)向“替代人”而非“協(xié)助人”的方向。

與“圖靈陷阱”相對的，是麻省理工學(xué)院經(jīng)濟(jì)學(xué)家大衛(wèi)·奧托（David Autor）等人主張的“賦能中產(chǎn)”路徑。

他提出，如果AI以合適的方式部署，把專家的知識模塊化，讓中等技能的勞動者也能做出比較復(fù)雜的決策，從而擴(kuò)大中間層崗位。

AI拉低了獲取專業(yè)能力的門檻，使原本被學(xué)歷、經(jīng)驗、資源壁壘擋在門外的人，有機(jī)會重新參與到中高端崗位的競爭中。

大衛(wèi)·奧托描述的機(jī)制大致有三層：

第一，AI降低專業(yè)門檻，比如初級護(hù)士借助決策輔助系統(tǒng)，可以做過去由資深醫(yī)師承擔(dān)的診斷初篩；

第二，AI擴(kuò)展能力邊界，比如產(chǎn)品經(jīng)理用低代碼加AI協(xié)作平臺，能獨立完成過去需要整個軟件團(tuán)隊的開發(fā)；

第三，AI讓“實踐經(jīng)驗”重新值錢，一線積累的領(lǐng)域知識，可以借助AI放大成更強(qiáng)的產(chǎn)出。

但實現(xiàn)AI普惠和平權(quán)需要看兩個前提。

▍一個前提是“起跑線”是否真的平等。

就算AI工具本身免費或便宜，用AI還需要算力、數(shù)據(jù)、網(wǎng)絡(luò)環(huán)境、語言能力和基礎(chǔ)科學(xué)素養(yǎng)，這些條件并不是平均分布的。發(fā)展中國家和發(fā)達(dá)經(jīng)濟(jì)體之間、城市和鄉(xiāng)村之間、不同年齡段之間，“能不能用上AI”的實際門檻，差距仍然不小。

▍第二個前提是“終點”的分配機(jī)制是否合理。

就算大家都能平等地用AI，最后生產(chǎn)率提升賺到的錢，怎么在勞動者、企業(yè)、平臺、算力提供方之間分配，這取決于市場結(jié)構(gòu)和制度安排。在算力和基礎(chǔ)模型高度集中于少數(shù)大平臺的格局下，“用AI”賺到的錢遠(yuǎn)遠(yuǎn)比不上“擁有AI”賺到的錢。

綜合來看，“賦能中產(chǎn)”是一種可能性，不是自動會發(fā)生的結(jié)果。

它能否實現(xiàn)，依賴反壟斷政策、公共算力供給、技能再培訓(xùn)體系和稅收再分配等一整套配套措施。如果這些配套缺位，“同一起跑線”的說法更多只是情緒上的安慰，很難真正改變分配格局。

IMF 2025年的一項以英國微觀數(shù)據(jù)為樣本的模型估算給出了一個反直覺的結(jié)論：

工資基尼系數(shù)預(yù)計下降約3.91個百分點（高薪者任務(wù)被大量替代、低薪者反而在生產(chǎn)率提升中受益）；而財富基尼系數(shù)預(yù)計上升約13.67個百分點。

邏輯大致是這樣的：AI對高薪白領(lǐng)任務(wù)的暴露度（約60%）遠(yuǎn)高于低薪崗位（約15%），所以頂層白領(lǐng)的工資溢價被壓縮，工資差距反而收窄了。

與此同時，AI帶來的效率紅利主要沉淀為資本回報，集中在持有半導(dǎo)體股權(quán)、平臺股權(quán)、算力資產(chǎn)的人手里。普通工薪階層即使工資差距縮小，也很難分到這部分錢。

最終結(jié)果就是：工資差距小幅收窄，財富差距明顯擴(kuò)大。

在一個社會里，如果工資差距小幅收窄、但資產(chǎn)價格快速分化，賬面上的基尼系數(shù)改善并不意味著大家真的感受到公平得到了改善。

20世紀(jì)后半葉以來的現(xiàn)代分配制度，主要通過工資稅、累進(jìn)所得稅與社會保險，對勞動收入進(jìn)行二次分配；但對資本收入，尤其是股票增值、未實現(xiàn)資本利得、平臺所有權(quán)回報等的再分配能力一直相對較弱。

AI放大了資本回報的集中度，未來分配制度改革的方向在于補(bǔ)齊“資本回報再分配”這一長期缺位的制度環(huán)節(jié)。

如果“圖靈陷阱”的情景占主導(dǎo)，社會面臨的首要風(fēng)險是階層流動通道進(jìn)一步收窄。

前面已經(jīng)講過兩條路徑：一是“初級崗位鴻溝”讓年輕人難以進(jìn)入職場；二是資本回報和勞動回報進(jìn)一步脫鉤。

兩者疊加，可能催生一些研究者所擔(dān)憂的“永久底層”現(xiàn)象，即一部分勞動者長期無法重新進(jìn)入主流經(jīng)濟(jì)系統(tǒng)，只能靠轉(zhuǎn)移支付維持基本生活。

這一風(fēng)險目前更多是一種趨勢性判斷，并非已成事實。

世界經(jīng)濟(jì)論壇（WEF）對企業(yè)高管的調(diào)研提供了一個值得注意的側(cè)面證據(jù)：

54%的高管預(yù)計AI將取代大量現(xiàn)有崗位，僅24%的人認(rèn)為AI會創(chuàng)造大量新崗位；44.6%的人認(rèn)為AI能提高利潤率，只有12.1%認(rèn)為 AI 會帶來更高工資。

上述風(fēng)險最終會回到教育系統(tǒng)。

當(dāng)AI能以很低的成本完成相當(dāng)一部分知識性任務(wù)時，傳統(tǒng)以傳授知識為核心的教育模式面臨重新設(shè)計。其中的兩個問題尤其值得關(guān)注。

一是“認(rèn)知負(fù)債”問題：如果學(xué)生過度依賴AI完成思考，長期可能影響他們獨立判斷能力的發(fā)展。

二是“技能與崗位脫節(jié)”問題：大學(xué)專業(yè)設(shè)置和實際就業(yè)需求之間的匹配度，正在被AI重新定義，過去幾年里的熱門專業(yè)，可能很快就不再熱門。

與此相關(guān)的一個討論方向是：未來教育是否應(yīng)該把更多重心放在AI難以替代的能力上，比如復(fù)雜判斷、跨學(xué)科整合、人際協(xié)作和道德決斷。已有部分高校開始嘗試，但系統(tǒng)性的改革還處于起步階段。

制度如何回應(yīng)

面對 AI 帶來的分配變化，政策回應(yīng)可以概括為三類：激勵、緩沖、分配。前者決定技術(shù)走向，中者提供過渡保護(hù)，后者決定紅利是否能回流社會。

▍首先在激勵側(cè)，

把AI引向“增強(qiáng)人”而非“替代人”。

具體做法包括：調(diào)整 R&D 稅收抵免，更鼓勵“增強(qiáng)型”AI，少獎勵“純替代型”AI；提供公共算力，降低中小企業(yè)、高校和普通勞動者的使用門檻；加強(qiáng)反壟斷與互操作，防止算力、數(shù)據(jù)和模型被少數(shù)平臺壟斷；保留初級崗位入口，對雇傭應(yīng)屆生和初級員工的企業(yè)給予稅收支持等。

▍在緩沖側(cè)，給被沖擊者提供安全墊。

具體做法包括：擴(kuò)大再培訓(xùn)，讓勞動者有能力從舊崗位轉(zhuǎn)向新崗位；試點更短工時，如果生產(chǎn)率提高，就應(yīng)探索用更短工時分享收益；擴(kuò)大社會保障覆蓋，把靈活就業(yè)者和平臺勞動者納入基本保障。

▍在分配側(cè)，讓AI紅利更廣泛地惠及全民。

具體做法包括：重設(shè)計稅基，逐步把稅基從勞動轉(zhuǎn)向資本與消費；探索AI/算力/超額利潤稅，讓超額收益承擔(dān)更多公共責(zé)任；推行公民紅利或UBI（全民基本收入），把部分超額稅收轉(zhuǎn)化為全民可分享的收益；發(fā)展主權(quán)基金與公共持股，讓社會以“共同所有人”身份分享資本回報；探索共有所有權(quán)，推動關(guān)鍵算力基礎(chǔ)設(shè)施和公共平臺的公共參與。

▍行動節(jié)奏同樣關(guān)鍵

《經(jīng)濟(jì)學(xué)人》2026年5月社論認(rèn)為：AI沖擊真正大規(guī)模顯現(xiàn)前，就應(yīng)先把稅基調(diào)整、工資保險和再培訓(xùn)等工具準(zhǔn)備好。

約70%的美國受訪者認(rèn)為，AI會讓未來找工作更難，近三分之一的人擔(dān)心因此失業(yè)。這種情緒本身就說明政策不能等到問題全面爆發(fā)后再行動。

WEF估算，到2030 年，全球勞動力中將有超過40%的核心技能發(fā)生改變，并且“AI與大數(shù)據(jù)”相關(guān)技能需求在近一兩年間快速上升。

這意味著無論采取哪類政策，大規(guī)模、持續(xù)性的再培訓(xùn)都是繞不開的基礎(chǔ)工程。

需要強(qiáng)調(diào)的是，上述三類工具不是“三選一”的關(guān)系，而是需要協(xié)同配置。

歸根結(jié)底，AI未必導(dǎo)致更嚴(yán)重的不平等，但如果缺乏制度回應(yīng)，它極可能把既有分配失衡進(jìn)一步放大，并把技術(shù)紅利更多鎖定在少數(shù)資本與平臺所有者手中。

關(guān)鍵在于能否盡早把激勵、緩沖與分配三類工具協(xié)同配置起來，在保持創(chuàng)新活力的同時，為勞動者保留上升通道，并讓技術(shù)紅利更廣泛地回流社會。