破解AI“高產值低就業”困局

自第四次工業革命浪潮興起以來，人工智能已從實驗室的算法博弈走向了產業深水區。然而，技術演進的路徑往往并非線性的帕累托改進。當前，以大模型為代表的通用人工智能正呈現出“資本密集、勞動稀疏”的特征，這與工業時代制造業的“勞動廣泛吸納、就業普惠共享”邏輯截然不同。若任由市場自發調節，人工智能極易滑向“脫實向虛”的金融化陷阱，不僅無法拉動全要素生產率，反而會加劇社會階層的固化與撕裂。

面對這一歷史性挑戰，中國的人工智能戰略亟須超越單純的技術追趕邏輯，轉而構建一種“實體經濟嵌入型”的發展模式。這要求在宏觀政策層面，將就業吸納能力、產業關聯深度與社會公平指數納入核心考量，通過制度設計矯正技術進步的偏差，確保智能革命真正成為共同富裕的引擎。

面臨“索洛悖論”變體

傳統經濟增長理論認為，技術進步會自動帶來就業擴張。但在當前的人工智能發展階段，我們正面臨“索洛悖論”的變體：技術越先進，就業彈性越低。當前，人工智能產業呈現出極端的“資本密集、勞動稀疏”特征。以傳統汽車制造業為例，2026年Anthropic的估值已飆升至3800億美元，員工人數約4700人；OpenAI的估值更是高達7300億—8500億美元，員工規模只有8000人左右。這種生產函數的質變，意味著人工智能在提升產出的同時，切斷了經濟增長與普通勞動者收入增長的聯系。若不加干預，將導致宏觀經濟陷入“高估值、高利潤、低就業”的存量博弈困境。

生成式AI引發了勞動力市場的極化效應。世界經濟論壇（WEF）在《2025年未來就業報告》中預測，到2030年全球將有9200萬個工作崗位被AI和自動化徹底取代，即使考慮到新創造的1.7億個崗位，這期間也將經歷高達22%的勞動力劇烈洗牌。如果缺乏強有力的政策干預和財富再分配機制，技術紅利將被掌握資本和算法的精英階層壟斷，底層民眾則面臨被系統性淘汰的風險，最終導致社會結構嚴重撕裂。更為嚴峻的是，技術迭代周期（以月計）已遠超人力資本的折舊與再生周期（以年計）。IBM的一項覆蓋全球的調研指出，由于當前的技術迭代過快，員工彌補一個“技能缺口”平均需要接受長達36天的培訓。這對于處于家庭生命周期負擔最重的中年勞動者而言，構成了難以逾越的再就業摩擦。這種摩擦若不通過公共政策潤滑，將演變為大規模的結構性失業與社會動蕩。

技術進步并非中性，它可以是節約勞動的（Labor-saving），也可以是增加勞動的（Labor-augmenting）。政策制定者的核心任務，是將AI技術的發展方向從前者扭轉為后者。這意味著不能僅依靠市場的無形之手，必須通過政績考核與企業激勵機制的重構，倒逼企業將“穩就業”內化為其經營目標。

引導技術“向實”而行

破解上述悖論的關鍵在于推動人工智能從云端走向地面，實現與實體經濟的深度融合，引導資本流向具身智能產業。通過將大模型的邏輯能力與物理實體的操作能力結合，推動人工智能與機器人、高端制造的融合。深圳的實踐表明，通過補貼設備投資引導AI服務工廠，不僅能提升全要素生產率，還能創造出設備運維、系統調試等高技能崗位，實現“以技術換崗位，以效率增就業”的良性循環。

同時，還必須扭轉地方政府盲目追逐獨角獸估值的傾向，建立面向“實體經濟貢獻度”的評價指標。可以借鑒蘇州工業園區等地發展經驗，將人才支撐、勞動生產率等與就業相關的要素納入融合化指標體系，并將評價結果與稅收優惠、要素配置、財政支持掛鉤，引導企業穩定崗位、擴大用工。通過稅收杠桿和要素配置權限，獎勵那些“做大蛋糕且不裁減員工”的企業，限制單純依賴算法優化進行裁員降本的行為。政府應設立專項資金，支持企業建設“人機協作工作站”。通過財政補貼降低企業雇傭人力的相對成本，提高替代人力的相對成本，從而在微觀層面改變企業的要素投入決策，確保智能化轉型不犧牲勞動者的利益。

構筑數據主權與反壟斷防線

隨著AI巨頭的崛起，數據資源的集中化趨勢愈發明顯。傳統的事后懲罰式監管已無法應對算法權力的擴張，必須建立“事前預防、事中調控”的新型治理模式。當企業數據掌控量觸及紅線（如覆蓋1億用戶或占據30%市場份額）時，政府應具備介入能力。對于涉及國計民生的超級平臺，應在恰當階段啟動國有化或國家控股程序，確保算法這一關鍵生產要素不被私人資本裹挾。這要求我們將監管重點從罰款轉向對核心基礎設施的控制權管理。

參照碳排放權交易制度，改變數據免費獲取的亂象，設定企業基礎數據免費額度，超額部分需付費購買。這筆資金應專項用于公共數字教育和失業保障基金，形成“取之于數據紅利、用之于社會建設”的良性循環，確立數據作為新型生產要素的公共屬性。引導大企業承擔就業等方面的社會責任，防止其淪為金融資本的牟利工具。可參考國際通行的“算法審計”制度，強制要求企業披露算法影響評估報告，確保技術應用不被用于過度壓榨勞動力或侵害用戶隱私，將軟性的道德呼吁轉化為剛性的合規要求。

構建“預防—緩沖—轉型”的

全鏈條就業安全網

面對不可避免的崗位更迭，政策重心應從被動防守轉向主動賦能，開創人機協作的新就業時代。建立彈性安全的勞動力市場制度。建議設立人工智能失業預警基金，為受沖擊職工提供6—12個月的帶薪技能提升緩沖期，實現從舊崗位到新崗位的平滑過渡，而非將其拋入失業大軍。挖掘技術下沉帶來的就業增量。將人工智能的賦能重點從一線城市轉向縣域經濟和鄉村振興。借鑒浙江“人工智能助老”和廣東“數字工匠”計劃的成功經驗，通過降低使用門檻和職業技能培訓，讓技術紅利下沉至農村、老齡群體和普通工人，實現技術進步與社會公平的同頻共振。這種技術普惠路徑能有效對沖結構性失業風險。

探索數據紅利的全民共享機制。在數字經濟發達地區試點全民基本收入制度，將公共數據授權運營產生的收益按比例注入社會保障基金。一些東部城市的共同富裕試點已驗證，將政務數據收益反哺低收入群體，是緩解技術性失業焦慮、維護社會穩定的有效手段。

本文系國家社科基金哲學社會科學領軍人才項目“價值共創視角下平臺型物流服務供應鏈智能協同治理研究”（24VRC060）階段性成果

作者系天津大學管理與經濟學部講席教授

來源：中國社會科學報

責任編輯：梁華

新媒體編輯：宗敏

如需交流可聯系我們