人工智能将如何重塑劳动力市场与经济

作者：国际货币研究所

【导读】2026年2月17日，美联储副主席Michael S. Barr在纽约商业经济学家协会（New York Association for Business Economics）发表题为“What Will Artificial Intelligence Mean for the Labor Market and the Economy?”的演讲。他指出，人工智能将对经济带来深刻变革，并有望提升生产率与生活水平，进而重塑劳动力市场。“IMI财经观察”公众号特推出本文，供读者参考。

【正文】

感谢大家的邀请。在进入今天的核心议题前，我想先谈谈我当前对经济形势和货币政策的一些判断。上周发布的最新就业报告进一步显示，尽管劳动力市场正在趋于平稳，失业率也大致处于许多人认为与经济均衡相符的长期水平附近，但过去一年新增就业几乎停滞，劳动力增长同样如此。在新增岗位很少、裁员率也偏低的情况下，劳动力供需似乎暂时达成了某种平衡。然而，这种平衡并不牢固，也意味着劳动力市场可能对负面冲击格外敏感。

再谈到我们使命中的另一项内容，按个人消费支出衡量的通胀率仍维持在3%的较高水平，与一年前基本相当。始于2022年年中的去通胀（disinflation）过程在去年有所放慢，主要原因是商品价格通胀再度抬升，而这在很大程度上与关税（tariffs）有关。上周公布的通胀数据似乎仍延续了这一趋势。向前看，有理由预期关税对通胀的影响会在今年稍晚时候开始减弱，但仍有不少理由担心通胀将持续高位运行。我认为，通胀长期高于我们2%目标的风险依然较大，因此我们必须保持高度警觉。

就当前货币政策而言，更稳妥的做法是用足够时间评估不断变化的局面。在劳动力市场保持稳定的前提下，我希望先看到商品价格通胀持续回落的更明确证据，然后再考虑进一步下调政策利率。基于当前形势和现有数据，在我们继续观察后续数据、变化中的前景以及风险平衡之际，在一段时期内维持利率不变或许是合适的。

接下来谈人工智能（artificial intelligence, AI）——我这里特别指近来生成式人工智能（generative AI）的爆发式发展——它越来越可能成为技术专家所说的通用目的技术（general-purpose technology）。蒸汽机、电力和个人电脑等通用目的技术的共同特征在于：应用范围广、能够持续改进，并且会在新产品或服务、生产流程以及商业组织形式中催生一连串后续创新。

除了可能成为通用目的技术外，人工智能还可能成为一种“发明方法的发明”，也就是提升研发（research and development, R&D）效率，从而推动更多创新并带来相关收益。个人电脑就是一个典型例子，因为在过去大约50年中，其广泛普及、持续升级以及大量应用，以指数级方式拓展了我们的发明创造能力。正如计算机被用于从根本上改善医学、工程学和物理科学等领域的发现过程一样，生成式人工智能以及更早期的人工智能技术，也已经被引入研发领域，例如机器学习（machine learning）在药物发现和材料科学等方面已取得实际成果。

技术快速变革的时期，往往也伴随着人们对自动化（automation）所带来经济和社会影响的担忧。虽然新技术在短期内常常会制造赢家与输家，但历史经验表明，从长期看，创新通常会推动生产率和生活水平的普遍提升，这也往往有助于支撑经济增长和健康的劳动力市场。与其他通用目的技术一样，人工智能的长期作用很可能十分积极。不过在短期内，人工智能也可能对劳动力市场造成深刻扰动，并让部分劳动者受到伤害。其最终影响不仅取决于这种扰动的强弱以及长期收益显现所需时间，更关键的是取决于我们整个社会如何应对并引导这一转型。

过去，最容易被自动化替代的工作，无论依靠机器还是计算机软件，通常都是那些遵循清晰、可编码规则的常规任务——这些规则由人类事先编写。相比之下，人工智能模型是通过示例进行学习的：它不必被明确告知每一步如何完成某项任务，只需要提供合适的训练数据，便可自行识别模式。因此，人工智能能够学会处理复杂且非常规的任务，而这类任务所依赖的知识往往难以甚至无法由人类编码。这与必须执行人类明确指令的机器人不同，例如反复拧紧汽车挡泥板螺栓的机械操作。正是这种处理复杂任务的能力，可能极大扩展人工智能可承担任务的边界。如果再考虑人工智能与机器人、汽车等其他技术的融合，这一点会更加明显。此外，代理式人工智能（agentic AI）还能在有限的人类监督下完成更广泛的目标，模仿人的决策、推理与执行能力。如今，许多具备经济价值的任务都已经具备由人工智能完成的可能性。

01 人工智能应用的发展

生成式人工智能模型的能力正在快速跃升。短短几年间，我们已经看到人工智能在越来越严格的基准测试中达到甚至超过人类水平，包括竞赛级数学题和博士级科学问题。在现实世界中，相关应用也层出不穷。人工智能已经开始改变药物发现的速度、客户服务的效率以及计算机编程的进展，尤其是在大型科技公司内部更为明显。

人工智能的推广速度，可能远快于以往的通用目的技术。这固然有助于推动生产率增长，但也意味着工人、企业和整个经济体系用来适应变化的时间将更少。

截至2025年12月，在美国人口普查局（U.S. Census Bureau）的商业趋势与展望调查（Business Trends and Outlook Survey, BTOS）中，17%的企业表示已在业务职能中使用人工智能。这个比例表面上看似不高，但在大型企业以及技术密集型行业——如信息业、金融保险业和专业技术服务业——中，这一比例显著更高。在BTOS调查里，员工超过250人的企业中约有30%报告使用了人工智能。麦肯锡（McKinsey）近期一项主要针对大型企业的调查则发现，88%的企业表示人工智能已被用于至少一项业务职能。其中，专门使用生成式人工智能的比例已由2023年的33%上升至2025年的79%。

按历史标准衡量，无论个人还是企业，对生成式人工智能的采纳速度都相当惊人。圣路易斯联邦储备银行（St. Louis Fed）在2024年的一篇论文估计，自2022年底ChatGPT发布之后，工作场所中生成式人工智能的扩散速度，与1984年IBM PC发布后计算机进入工作场所的速度相当。实际上，工作中使用生成式人工智能的真实比例，可能还高于企业报告的水平，因为已有一些证据表明，部分员工会在管理者并不知情的情况下使用人工智能工具。

尽管如此，当前人工智能应用的深度仍不明确。麦肯锡发现，多数使用人工智能的企业依旧处在试验或试点阶段。一些尝试过人工智能的公司后来也终止了这些试验。和以往许多技术突破一样，要真正高效利用人工智能，往往需要对业务流程和组织方式进行根本性调整。工人需要重新培训，管理者需要总结出最佳实践。若想从新技术中获得全面的生产率收益，可能还需要代价高昂的试错和进一步创新。20世纪初，电气化带来的生产率提升，不仅体现在工厂动力来源的改变上，也体现在工厂设计方式的调整上。这个过程经历了几十年才逐步完成。企业层面的制造业证据表明，技术采用后的生产率往往呈现J型曲线：前期因调整成本而受损，之后坚持下来的企业才会获得更大的长期回报。

在美联储（Federal Reserve System）内部，我们同样在探索如何将人工智能用于自身运营，并已建立人工智能项目与治理框架来规范相关技术的使用。生成式人工智能在内部展现出巨大潜力的一个场景，是技术现代化。在明确指导原则下，我们正利用生成式人工智能工具翻译遗留代码、生成单元测试并加快云迁移。迄今为止，这些应用带来了交付更快、质量提升以及开发者体验改善的效果。在最近一个涉及数百个数据库更新的项目中，人工智能工具帮助将完成这类工作的时间缩短了50%，与以往迁移相比，在测试阶段多发现并解决了30%的问题，同时也让团队能把更多精力投入到更高价值的编码工作中。我感觉，这正与许多企业正在经历的应用场景和成功规模相当接近。

02 对劳动力市场的影响

关于生成式人工智能将怎样演进，尤其是它会如何影响劳动力市场，目前看法分化很大，从极度乐观到极度悲观的判断都有。在此前的演讲中，我曾提出几种情景，用来思考人工智能对经济、包括劳动力市场的潜在影响。但正如人工智能技术本身迅速进步一样，围绕其影响的讨论也在快速变化，因此我会先简要回顾这些情景，再谈谈最新研究如何开始勾勒人工智能对劳动力市场的初步及潜在影响。

1、逐步应用情景

在第一种情景中，人工智能像以往其他通用目的技术那样演进，只是传播速度可能略快一些。这将带来有力的生产率增长，或许可与20世纪90年代末和21世纪初的表现相比，甚至更强。与早期技术变革时期相似，随着人工智能逐步融入大量现有岗位，一些职业会消失，同时新的职业也会出现。不过，人工智能的普及过程足够渐进，从而避免大范围、大规模失业。由于技能错配，失业率短期内可能有所上升，但教育和培训体系会随着时间逐步调整，许多劳动者能够通过再培训保住原有工作或找到新岗位。随着生产率稳步提高，经济能够维持更快的产出增长，实际工资也会随之上升。

2、人工智能能力和应用快速增长情景

在第二种情景中，人工智能能力呈指数级提升，应用速度极快，从而出现“无就业增长（jobless boom）”局面。人工智能代理（AI agents）会取代或替代一系列专业与服务类岗位。自动驾驶汽车和机器人技术将使大量制造业和运输业工作实现自动化，劳动力越来越集中于少数体力型或高技能行业，或那些消费者高度重视人际互动（human interaction）的岗位。以人工智能为核心并采用全新商业模式的初创公司会淘汰那些无法适应的企业，裁员激增，导致短期内普遍失业，并随着时间推移使劳动力参与率下降，因为相当一部分人口事实上将难以就业。许多人会对这样的未来感到恐惧并不难理解，因为它将带来深刻的社会与分配挑战。在经济生产率大幅提高、但劳动力需求显著减少的情况下，社会将不得不重新审视社会安全网（social safety net），以确保前所未有的经济增长成果能够被更广泛分享，而不是集中到少数资本所有者和人工智能超级明星手中。同时，教育、培训和劳动力发展体系也需要进行深层次改革。我们必须清醒认识到，这些变化对受影响劳动者可能是非常痛苦的，而政府和私营部门要成功应对这些后果也将极为困难。

这两种情景有一个共同前提：人工智能最初被寄予的希望得以实现，并且改变了经济——区别只在于，这种改变要么是渐进而相对可控的，要么是突然而幅度更大的。

3、人工智能能力和应用增长停滞情景

第三种可能是，人工智能能力的提升陷入停滞，也许是因为训练数据趋于耗尽，电力供给或分配无法满足数据中心庞大的需求，或者缺少建设这些新基础设施所需的资本。有研究估计，未来五年人工智能投资需要通过发行1万亿美元新债来支撑，其他估算甚至更高。由于人们怀疑需求是否足以消化这些投资，一些人将这一现象类比为互联网泡沫（dot-com）时期的过度投入。投资进程与业务整合之间的时间错配，可能会削弱人工智能潜力的实现程度。业务流程改造本就是艰难且耗时的工作，这也部分解释了我前面提到的J型曲线特征。那些未能迅速看到生产率改善的企业，可能会逐渐失去耐心。在人工智能能力和应用双双停滞的情景下，一些容易掌握的任务确实会获得生产率提升，但人工智能最终被证明无法胜任难学任务或复杂项目，或者人工智能泡沫破裂，导致支撑其发展的必要投资骤然中止。结果是，人工智能对总体生产率增长带来的提振较为有限，并且会随时间推移逐渐消退。

即使在这种情景下，人工智能最终仍可能得到广泛应用。就像社交媒体或智能手机一样，人工智能应用依然可能为消费者和大量企业创造巨大价值。在工作环境中，它可能最终更像今天的电子邮件或搜索引擎——无处不在、不可缺少，但本身未必具有革命性。如果人工智能的发展令人失望，那么风险平衡将从劳动力市场转向金融体系。当预期需求无法兑现时，金融压力风险就会上升，类似19世纪末美国铁路网络扩张后所发生的情况。更近的例子是，21世纪初光纤通信基础设施的过度建设，以一种较温和的形式呈现了同样的动态，并加剧了债券市场压力。当然，这些都只是典型化情景，现实完全可能有所不同。也可能不同情景以不同方式、不同速度出现在经济的不同部门中。但采用情景分析的方法，有助于我们更务实地思考这些潜在结果。

03 关于人工智能的影响，我们目前了解到了什么？

在评估这些情景以及其他可能路径对应的各种结果前景时，我们可以先从当前已掌握的人工智能影响事实出发。诚然，自ChatGPT发布至今不过三年多，我们仍处于生成式人工智能扩散的很早阶段。然而，截至目前，研究结果似乎更接近情景1：人工智能是一项处于正常早期扩散阶段的通用目的技术，尽管这并不意味着未来不会出现更极端的情形。

1、生产率

我想重点谈几个人工智能早期经济影响的方面，首先是生产率。过去五年，我们一直处在生产率增长相对较快的时期。这一阶段始于大流行（pandemic）及其导致的劳动力市场紧张，进而推动了企业对节省劳动力技术的投入。此外，新企业成立数量显著增加，并一直保持强劲。能够存活下来的新企业，往往比既有企业具有更高生产率，而新企业带来的竞争也刺激了原有企业进行创新。虽然近期人工智能可能为这股强劲势头提供了一定支持，但到目前为止，生成式人工智能的渗透程度仍然相对有限。

不过，人工智能极有可能对长期生产率增长带来深刻而积极的影响。从微观层面看，越来越多证据表明，使用人工智能助手能提升工人在多种任务中的效率、速度和准确率。综合前述任务层面的研究，近期一项研究估算，未来十年人工智能可能每年为全要素生产率（total factor productivity）增长贡献0.3至0.9个百分点。若按这些估计的上限计算，人工智能带来的生产率提升将与20世纪90年代末互联网通信技术所带来的效果相当——那同样是一个生产率快速增长的时期。其他研究则认为收益要小得多或大得多，这也说明此类预测在很大程度上取决于人们对技术进步速度和企业采纳人工智能节奏的判断。

但这些创新究竟会以怎样的形式展开、收益又需要多久才能显现，仍然很难准确断定。比如，1987年，经济学家罗伯特·索洛（Robert Solow）曾有一句著名调侃：“你可以在任何地方看到计算机时代，除了生产率统计数据。”后来的事实证明，企业必须学会如何把这项技术真正整合进自己的业务实践之中，个人计算的经济潜力才会得到充分释放。

当然，人工智能不仅能通过提升现有任务效率来推动生产率增长，还可以通过提高研发效率来发挥作用。人工智能有望加快创新步伐——成为一种发明方法的发明——而这或许正是我们未来能看到更大经济收益的领域，尽管这些收益可能还需要时间才能落地。

2、就业

截至目前，相关文献显示，人工智能尚未对总体就业或失业水平产生实质性影响，但它可能已经开始对某些群体造成不利作用，尤其是一些刚进入特定行业的年轻从业者。总体而言，这些证据与我之前描述的逐步应用情景下的预期是一致的。一项利用薪资服务商ADP数据的研究发现，在高度暴露于人工智能影响的职业中——如软件开发和客户服务岗位——职业生涯早期的劳动者，其就业率相较于暴露程度较低领域的同类人群，以及同一行业内更资深的劳动者，都有所下降。另一些使用简历和职位发布数据的研究也得出了相近结论。人工智能对近期年轻劳动者群体的长期影响目前仍不明确，但研究表明，在疲弱的劳动力市场中开启职业生涯，可能对个人收入产生持续的不利后果。因此，对这些劳动者而言，短期冲击可能演变成长期影响。

更广泛来看，也有证据显示，到目前为止，人工智能的应用并未直接引发大规模裁员，而更多体现为企业内部的岗位重新配置。有论文发现，尽管人工智能确实在任务层面替代了一部分劳动，但由于劳动者把时间转向互补性任务，企业也在其他领域扩大招聘，因此总体就业影响较小。与这种内部再配置相吻合，纽约联邦储备银行（New York Fed）近期一项调查显示，虽然部分使用人工智能的企业确实报告称缩减了招聘计划并进行了有限裁员，但更多企业表示，计划对现有员工开展再培训。

与此同时，我们也应为劳动力市场可能出现的严重短期扰动做好准备，即便从长远看，社会整体收益可能相当可观。扰动程度在一定程度上取决于社会是否愿意进行必要投入，用于创造新就业岗位、开展劳动者培训、帮助人们找到新工作，以及实施其他缓解不利劳动力市场影响的举措。从历史经验看，在类似转型中真正有效帮助劳动者的记录并不算理想。在我看来，正因为人工智能的应用仍处早期阶段，现在正是社会开始认真思考如何应对这些潜在扰动的时候。

3、收入与不平等

与就业情况类似，几乎没有证据表明人工智能迄今已对工资增长或收入分配产生了实质性影响，至少目前如此。向前看，人工智能对工资和收入分布的影响，将取决于多方面因素，包括人工智能究竟是补充还是替代现有工作中的专业能力（expertise），它如何改变对高薪职业的相对需求，以及谁拥有人工智能资本。一方面，关于工作场所人工智能助手作用的研究，往往发现经验最少的劳动者获得的生产率提升最大。这意味着人工智能有可能缩小生产率和工资差距。如果正如部分研究所示，人工智能还能帮助劳动者学习，那么它也可能帮助被替代的劳动者更快掌握新工作的技能，降低失业成本。另一方面，近期研究发现，生成式人工智能更常被年轻、受教育程度较高和收入更高的人群使用。如果高收入者更擅长利用人工智能，那么我们可能会看到工资不平等扩大，因为生产率最高的劳动者将进一步拉开与同龄人的差距。

人工智能还可能通过改变不同职业的需求结构来影响工资格局。尽管技术进步在历史上通常更有利于工资水平和教育要求较高的岗位，但有论文指出，人工智能可能逆转这一模式，使高薪的信息型工作更容易被自动化，同时提升对低薪、教育门槛较低岗位的相对需求，从而降低整体工资不平等。

正如我们在讨论劳动力市场中断时所强调的那样，人工智能对不平等的影响，在一定程度上也取决于社会是否愿意进行必要投入，以减轻其对劳动力市场造成的不利冲击。这些重要问题，我们现在就有责任开始认真思考。

04 人工智能对货币政策的影响

我也一直在思考人工智能会如何影响货币政策。如果人工智能造成大规模且长期的劳动者失业，永久性降低社会对许多类型工作的需求，这就可能意味着即便经济健康运行、且接近潜在产出水平，失业率也会更高。货币政策可以应对周期性（cyclical）变化，例如商业周期下行，但它无法解决决定长期就业水平的结构性（structural）因素。虽然货币政策并不适合处理经济中的结构性变化，但政策制定者往往很难在当下准确判断这些变化究竟是结构性的还是周期性的。此外，劳动力市场中某些部分可能正在发生结构性变化，而另外一些部分并没有。正如我此前指出的，社会如何处理人工智能引发的结构性经济变化后果将至关重要，而若自然失业率（natural rate of unemployment）出现结构性上升，必然需要超出中央银行职责范围之外的政策工具来加以应对。作为一名中央银行官员，我会把理解人工智能如何演进以及它如何影响劳动力市场，视作未来工作中的一个关键组成部分。我已经提到，我的基准情景是，劳动力市场受到的冲击将主要是相对短期的，尽管过程会很痛苦。从更长期看，劳动力市场将通过创造新岗位并提高现有岗位生产率来完成调整，进而推升实际工资。但密切跟踪这些变化，并在必要时作出相应调整，将是极为重要的。

如果生成式人工智能带来持续的生产率提升，那么工资和经济活动的增长速度可能会高于原有水平，而并不必然推高通胀。同时，由于运用这项技术需要大规模商业投资，资本需求将上升，从而对利率形成上行压力；而家庭因为预期实际工资增长更强、终身收入更高，储蓄意愿可能下降，这同样会推高利率。所有这些都意味着，当经济处于均衡状态时，政策利率的设定水平将更高。事实上，去年我已经因为生产率改善而小幅上调了自己对长期政策利率的估计。此外，从短期看，人工智能投资也可能带来通胀压力——例如，当电网效率不足导致电力供给受限，而数据中心建设又推高能源需求时，这种矛盾就会显现。基于这些原因，我预计人工智能热潮不太可能成为下调政策利率的依据。

05 结论

总而言之，我预计人工智能将对经济产生深刻的变革性影响，并以考验私人部门和公共部门调整能力的方式影响大量劳动者。从长期看，我预计人工智能将提升生产率与生活水平，甚至可能推动新的科学发现。社会需要保持灵活与果断，以减轻劳动者短期失业带来的痛苦，并确保相关收益能够被广泛分享。人工智能的大范围普及，很可能会让我们许多人的工作和生活方式发生巨大且有时并不轻松的变化，但其长期收益也可能更加可观。

注：作者：Michael S. Barr（美联储副主席），