蔡昉：将人工智能红利转化为民众福祉的路径

点击上方“中国社会保障学会”可以订阅

摘 要：对于提升劳动生产率和改善民生福祉的目标，人工智能既带来前所未有的发展契机，也伴随风险与挑战，唯有化解风险并积极应对挑战，才能抓住科技革命与产业转型的重大机遇。这引出一个关键问题：如何将人工智能红利转化为民众福祉？人工智能的技术进步与产业应用，已显现出生产率提升的确定性前景，同时也暴露出对就业和收入分配的负面影响。将应对风险挑战与把握发展机遇有机结合，是解决这一问题的总体思路。一方面，需在化解结构性就业矛盾的同时，防止人工智能可能引发的就业冲击；另一方面，应强化再分配机制，在优化收入分配的同时，实现从人工智能红利向民生福祉的转变。在政策层面，一是确保人工智能研发和应用各环节对标共享发展理念；二是从化解结构性就业矛盾入手，防范并应对人工智能的就业冲击；三是增强基本公共服务供给的基础性、普惠性和兜底性，通过再分配分享生产率红利。

2026年十四届全国人大四次会议期间，习近平总书记在参加江苏代表团审议时，谈及准确把握新形势下人民群众对美好生活新期待和民生工作新特点，明确提出“积极主动解答如何实现高质量充分就业、如何增加城乡居民收入、如何进一步提升基本公共服务和社会保障水平等课题，探索推进全体人民共同富裕的有效途径”。新形势下人民群众对美好生活新期待和民生工作新特点的一个重要表现，是人工智能赋能的科技革命和产业变革方兴未艾，发展机遇与风险挑战并存。相应地，这也成为“十五五”时期必须积极、有效应对的问题。具体来说，人工智能技术突破和产业渗透，导致相关行业兴衰和就业波动，结构性就业矛盾趋于加剧；产业之间和群体之间收入差距有所扩大，妨碍科技进步成果的均等分享；新就业形态的发展和收入分配格局的变化，对基本公共服务和社会保障提出新的制度需求。

基于科技革命和产业变革的性质，以及最迫切最现实的民生诉求，本文尝试回答如何将人工智能的生产率红利转化为民生福祉这一重大命题。首先，我们从讨论人工智能的劳动生产率效应入手，在论证这一效应具有必然性和确定性的同时，揭示伴随劳动生产率提高难免产生的“分式两难”，即就业减少的分母效应和有效需求不足的分子效应同时发生。本文指出，破解该“两难”的出路是保障生产率红利得到均等分享。其次，我们讨论了人工智能对就业和收入分配的影响，通过对就业增减和收入差距变化的经验观察，我们发现通过化解结构性就业矛盾的方式，能够有效应对人工智能对就业和收入分配的冲击。再次，我们从理论和经验两个角度论证，基于基本公共服务均等化供给的再分配，是实现从人工智能红利到民生福祉转化的必由之路。最后，在提炼本文核心结论的基础上，我们提出若干政策建议。

一、人工智能的生产率效应：提升与分享

对人工智能的确定性预期，在很多国家驱动起巨额资本进入相关领域，以致有人担心这或许只是一场泡沫。亚马逊集团创始人杰夫·贝索斯把过热投资区分为产业泡沫和金融泡沫，认为前者是“好的”泡沫，后者是“坏的”泡沫。这说出了许多人心底的想法：金融泡沫破灭后，固然会有很多投资者遭受惨重损失，但由此催生的技术突破和产业变革，将推动实体经济跃上新的高度。这种期望所依托的假设，是人工智能在不远的将来可以大幅度提高劳动生产率。这个判断似乎不证自明——人工智能及其赋能的自动化，既然可以显著减少经济活动过程中的劳动投入，在统计意义上自然也可以取得提高劳动生产率的结果。然而，如果认识和论证的逻辑仅限于此，则不足以支撑对人工智能宏观投资回报率的积极判断，因此对于人工智能提高生产率需要更深入的经济分析。

劳动生产率的提高，通常以单位劳动投入创造的产出增加来衡量，单位劳动产出的增加主要由全要素生产率和资本深化两部分构成，前者的提高要求不断对要素做出更合理配置，后者则体现在资本劳动比的提高上面。在这两个构成因素中，全要素生产率是劳动生产率提升最可持续的源泉，资本深化则常常在特定时期用来填补前者的空缺。如图1所示，全要素生产率和劳动生产率的增长率之间具有显著的相关性，中国经济在高速增长时期都经历过快速提高，并随着人口红利逐渐消失而明显减速。从图中也可以看到，劳动生产率的增长率高于全要素生产率，并具有比后者更小的波幅，在1979—2023年期间，两者的变异系数分别为0.52和0.89。两个指标增长率的差别，通常是由于资本劳动比对劳动生产率产生影响。也就是说，当全要素生产率提高不足以支撑合意的劳动生产率增速时，通过资本深化，即相对劳动力而言投入更多物质资本，可以提高劳动生产率。

图1中国生产率增长：构成和速度的变化

资料