破解AI“高产值低就业”困局

皱可袖

% b1 Z* y( }  d: z. C0 U3 H
自第四次工业革命浪潮兴起以来，人工智能已从实验室的算法博弈走向了产业深水区。然而，技术演进的路径往往并非线性的帕累托改进。当前，以大模型为代表的通用人工智能正呈现出“资本密集、劳动稀疏”的特征，这与工业时代制造业的“劳动广泛吸纳、就业普惠共享”逻辑截然不同。若任由市场自发调节，人工智能极易滑向“脱实向虚”的金融化陷阱，不仅无法拉动全要素生产率，反而会加剧社会阶层的固化与撕裂。
2 g! o# s( q7 m- U. K面对这一历史性挑战，中国的人工智能战略亟须超越单纯的技术追赶逻辑，转而构建一种“实体经济嵌入型”的发展模式。这要求在宏观政策层面，将就业吸纳能力、产业关联深度与社会公平指数纳入核心考量，通过制度设计矫正技术进步的偏差，确保智能革命真正成为共同富裕的引擎。
: q( {$ C% u7 N! z- O面临“索洛悖论”变体
4 S9 i5 M3 h  j  O
. s3 L& ?: d, K1 k传统经济增长理论认为，技术进步会自动带来就业扩张。但在当前的人工智能发展阶段，我们正面临“索洛悖论”的变体：技术越先进，就业弹性越低。当前，人工智能产业呈现出极端的“资本密集、劳动稀疏”特征。以传统汽车制造业为例，2026年Anthropic的估值已飙升至3800亿美元，员工人数约4700人；OpenAI的估值更是高达7300亿—8500亿美元，员工规模只有8000人左右。这种生产函数的质变，意味着人工智能在提升产出的同时，切断了经济增长与普通劳动者收入增长的联系。若不加干预，将导致宏观经济陷入“高估值、高利润、低就业”的存量博弈困境。
生成式AI引发了劳动力市场的极化效应。世界经济论坛（WEF）在《2025年未来就业报告》中预测，到2030年全球将有9200万个工作岗位被AI和自动化彻底取代，即使考虑到新创造的1.7亿个岗位，这期间也将经历高达22%的劳动力剧烈洗牌。如果缺乏强有力的政策干预和财富再分配机制，技术红利将被掌握资本和算法的精英阶层垄断，底层民众则面临被系统性淘汰的风险，最终导致社会结构严重撕裂。更为严峻的是，技术迭代周期（以月计）已远超人力资本的折旧与再生周期（以年计）。IBM的一项覆盖全球的调研指出，由于当前的技术迭代过快，员工弥补一个“技能缺口”平均需要接受长达36天的培训。这对于处于家庭生命周期负担最重的中年劳动者而言，构成了难以逾越的再就业摩擦。这种摩擦若不通过公共政策润滑，将演变为大规模的结构性失业与社会动荡。
6 L4 t* G! G) M- ^技术进步并非中性，它可以是节约劳动的（Labor-saving），也可以是增加劳动的（Labor-augmenting）。政策制定者的核心任务，是将AI技术的发展方向从前者扭转为后者。这意味着不能仅依靠市场的无形之手，必须通过政绩考核与企业激励机制的重构，倒逼企业将“稳就业”内化为其经营目标。
- m, v1 @3 g/ T; B5 f5 w引导技术“向实”而行

- P! a9 ~2 g; l, U3 M破解上述悖论的关键在于推动人工智能从云端走向地面，实现与实体经济的深度融合，引导资本流向具身智能产业。通过将大模型的逻辑能力与物理实体的操作能力结合，推动人工智能与机器人、高端制造的融合。深圳的实践表明，通过补贴设备投资引导AI服务工厂，不仅能提升全要素生产率，还能创造出设备运维、系统调试等高技能岗位，实现“以技术换岗位，以效率增就业”的良性循环。
. }8 `% N5 h& v同时，还必须扭转地方政府盲目追逐独角兽估值的倾向，建立面向“实体经济贡献度”的评价指标。可以借鉴苏州工业园区等地发展经验，将人才支撑、劳动生产率等与就业相关的要素纳入融合化指标体系，并将评价结果与税收优惠、要素配置、财政支持挂钩，引导企业稳定岗位、扩大用工。通过税收杠杆和要素配置权限，奖励那些“做大蛋糕且不裁减员工”的企业，限制单纯依赖算法优化进行裁员降本的行为。政府应设立专项资金，支持企业建设“人机协作工作站”。通过财政补贴降低企业雇佣人力的相对成本，提高替代人力的相对成本，从而在微观层面改变企业的要素投入决策，确保智能化转型不牺牲劳动者的利益。
2 U1 v: `' z  A4 \! D6 _构筑数据主权与反垄断防线
* Q7 N) Y$ m9 n" O
随着AI巨头的崛起，数据资源的集中化趋势愈发明显。传统的事后惩罚式监管已无法应对算法权力的扩张，必须建立“事前预防、事中调控”的新型治理模式。当企业数据掌控量触及红线（如覆盖1亿用户或占据30%市场份额）时，政府应具备介入能力。对于涉及国计民生的超级平台，应在恰当阶段启动国有化或国家控股程序，确保算法这一关键生产要素不被私人资本裹挟。这要求我们将监管重点从罚款转向对核心基础设施的控制权管理。
参照碳排放权交易制度，改变数据免费获取的乱象，设定企业基础数据免费额度，超额部分需付费购买。这笔资金应专项用于公共数字教育和失业保障基金，形成“取之于数据红利、用之于社会建设”的良性循环，确立数据作为新型生产要素的公共属性。引导大企业承担就业等方面的社会责任，防止其沦为金融资本的牟利工具。可参考国际通行的“算法审计”制度，强制要求企业披露算法影响评估报告，确保技术应用不被用于过度压榨劳动力或侵害用户隐私，将软性的道德呼吁转化为刚性的合规要求。
构建“预防—缓冲—转型”的
) P% K; i% x  V, [8 y9 v; ^
全链条就业安全网
2 D: b  k; F6 D7 B/ Y  Y面对不可避免的岗位更迭，政策重心应从被动防守转向主动赋能，开创人机协作的新就业时代。建立弹性安全的劳动力市场制度。建议设立人工智能失业预警基金，为受冲击职工提供6—12个月的带薪技能提升缓冲期，实现从旧岗位到新岗位的平滑过渡，而非将其抛入失业大军。挖掘技术下沉带来的就业增量。将人工智能的赋能重点从一线城市转向县域经济和乡村振兴。借鉴浙江“人工智能助老”和广东“数字工匠”计划的成功经验，通过降低使用门槛和职业技能培训，让技术红利下沉至农村、老龄群体和普通工人，实现技术进步与社会公平的同频共振。这种技术普惠路径能有效对冲结构性失业风险。
& {) E$ ^5 x* O* J, E1 W探索数据红利的全民共享机制。在数字经济发达地区试点全民基本收入制度，将公共数据授权运营产生的收益按比例注入社会保障基金。一些东部城市的共同富裕试点已验证，将政务数据收益反哺低收入群体，是缓解技术性失业焦虑、维护社会稳定的有效手段。
本文系国家社科基金哲学社会科学领军人才项目“价值共创视角下平台型物流服务供应链智能协同治理研究”（24VRC060）阶段性成果
作者系天津大学管理与经济学部讲席教授
来源：中国社会科学报
: n* q' {' D4 ?2 U2 Y  I% J责任编辑：梁华
新媒体编辑：宗敏
3 k8 A( c. }5 S% F如需交流可联系我们
1 k5 g# }# |1 H9 _  Z4 t, x

8 o. S7 `4 S  Y. _



2 G4 `" z# v: [0 e

7 Q) z* R6 B, p4 |( W, H