蔡昉深谈AI时代就业变局

● ● ●

在中国经济学界，蔡昉经常像一位理性而克制的提醒者——多年来，他始终反复提示人们，在亮眼增长数据的背后，还有一个绕不开的问题：发展的成果，究竟怎样才能真正落到最需要的人群手中？

2003年3月，北京，中南海。十六届中央政治局举行第三次集体学习，主题为"世界就业发展趋势和我国就业政策研究"。当时登上讲台的，是46岁的中国社会科学院人口与劳动经济研究所所长蔡昉。此后近十年间，他又两次受邀前往授课。三度走进中南海，这在中国经济学家中并不多见。三次授课虽然议题不同，却始终围绕着同一条主线：中国经济增长，是否真正让最广大的劳动者从中受益？

围绕这个问题，中国社会科学院学部委员、一级研究员蔡昉，40年来持续研究人口、就业、收入分配以及“三农问题”。他曾借"刘易斯拐点"提示中国人口红利趋于结束，也曾围绕“就业是最大的民生”不断为就业优先政策发声。

当GPT等人工智能产品突然进入现实，蔡昉所面对的时代背景，比以往更加复杂。他近年出版的两本新作——《中国就业新趋势：人工智能如何重塑劳动力市场》和《投资于人》，正是在这样的背景下形成，并构成彼此呼应的完整思考。

《中国就业新趋势》所描绘的，是AI冲击之下中国劳动力市场的结构性变化：青年和大龄劳动者遭遇结构性就业难题，新就业形态劳动者的权益保障依旧薄弱，农村转移劳动力的流动性也在下降。书中有一项尤其值得警惕的判断：新技术对岗位的破坏通常来得更快、更集中，而新岗位的创造却往往滞后且分散，最终受益者也未必还是原来那一批人。这种时间上的错位，在AI时代只会更加明显。

《投资于人》则进一步系统梳理了应对之策，并以学术视角解读党中央的相关部署。书中，蔡昉直面人口老龄化和人工智能兴起同时发生的现实，并给出一个冷静判断：在不利情境下，这两股力量不仅不会彼此抵消，反而可能相互放大——AI替代劳动力，带来就业减少、收入走低、消费需求收缩；老龄化又让需求侧承受更大压力，两者叠加，足以形成一个不断自我强化的下行循环。

不过，蔡昉并未停留在问题诊断上。他认为，这一循环并非无法打破，关键答案恰恰存在于问题内部——人工智能推动的生产率提升，只要通过恰当的公共政策加以引导，使增长红利更多流向劳动者而不只是资本所有者，需求侧的下坠就能够被缓冲，负向循环也就失去持续复制的条件。这正是他反复强调制度安排的根本原因：在他看来，人工智能最深层的挑战从来不只是技术，而是分配——劳动生产率上升，能否经由制度设计，切实转化为每个人生活质量的提升。

蔡昉对“不患寡，而患不均”的重新借用，是他与《知识分子》交流中最令人印象深刻的一句话。他认为，这句古语的转义尤其适合描述AI时代——未来真正短缺的未必是资源，因为劳动生产率仍有巨大提升空间；真正需要警惕的是，提升后的生产率成果能否被普通劳动者共享，能否让那些最早受到技术冲击的人得到必要保护，能否用来支持劳动力市场中的“一老一小”重点群体——大龄劳动者与青年劳动者。

他还以一个思想实验支撑这一判断：按合理的人口赡养比估算，未来十年老龄化带来的抚养比大约每年上升4.6%；而劳动年龄人口的劳动生产率每年可提升5.6%；若持续加大对人的投资，劳动生产率还可能实现更快增长，从而足以超过老龄化速度，满足老龄化带来的需求。那个让众多精算师焦虑的养老"不可能三角"——在提高缴费、压低保障、延迟退休之间被迫取舍——并非绝对无法突破，只要生产率红利能够通过制度安排被更充分地分享，它就存在被改写的可能。

面对AI带来的冲击，最重要的平衡方式之一，就是通过教育培育适配AI时代的人力资本。在新书《投资于人》中，蔡昉写道：“经济学对人类知识的一大贡献，便是把教育和培训视为对人的投资。”

在他的分析框架中，AI时代对教育的冲击，首先体现为对“文凭逻辑”的动摇。过去，受教育年限一直是衡量人力资本的重要代理指标——读书越久、学校越好，通常意味着在劳动力市场上回报越高。但在AI时代，这套逻辑正在被削弱：一张文凭，无论层次高低，都不再必然对应市场所需技能。自ChatGPT推出以来，英国市场对高学历且仅具入门技能的新成长劳动力需求减少接近三分之二，美国则下降了43%。入门技能的普遍贬值，使年轻人率先承受冲击——那条依赖“学徒制”逐步积累经验的路径，正在被AI悄悄切断。

但蔡昉并没有因此得出“教育失灵”的结论，恰恰相反：他认为，人力资本的重要性比过去任何时候都更突出，只不过培养内容和培养方式必须发生根本转变。他提出，未来教育要完成两项任务：其一，从以认知能力为核心，转向更加重视非认知能力——终身学习的意愿与方法、好奇心、同理心、审美力、沟通能力以及团队协作能力；其二，打破“一次学习定终身”的旧模式，真正把学校教育和终身培训体系连接起来，让离校后的学习和在校教育同等重要。他甚至提出，如果过去学校教育与工作后培训的比例是9比1，那么在AI时代，这个比例至少应朝着5比5调整。

不过，这也意味着政府在教育上的投入必须显著扩大。他在书中提到，中国财政教育支出约占GDP的4%，大体处于世界中位水平，但与中国人均GDP已明显高于中位数的现实并不完全匹配。他主张向高收入国家平均约5%及以上的水平靠拢，并把义务教育向两端延展——把学前教育和高中阶段都纳入其中，让国家为尽可能多的学习机会“买单”。在他看来，这不是福利化的浪费，而是一项高回报的公共投资：人力资本培养的社会收益率，在生命早期最高，之后随年龄下降，而到就业培训阶段又再次回升，呈现出清晰的U形曲线——也就是说，最容易被忽视的“一老一小”，恰恰最应得到公共资源的优先支持。

以下是我们与蔡昉的对话。

01

知识分子：您在《中国就业新趋势》中专门提到，我们需要关注AI对就业的影响不仅体现在数量层面（失业），也体现在质量层面，例如工资下降、劳动条件恶化，以及大量派遣制和不稳定就业，都是就业质量下滑的表现。

如果算法让雇主在财富"初次分配"中取得了压倒性优势，我们应依靠什么来守住劳动报酬的底线？在数字化时代，现有劳动法律框架是否已经到了必须从“重建劳资力量平衡”这一底层逻辑出发进行改造的时候？

蔡昉：劳动作为一种生产要素，其配置方式原本就不同于其他要素——劳动和资本之间的议价地位，从来不可能天然平等。因此，从一开始，劳动力资源配置就不能完全依赖市场，它既要遵循供求规律，也离不开法律规制，以及相应的劳动力市场制度和社会保障制度——这是劳动关系的基本属性，历来如此。

而现在的问题在于，这种不对称正在进一步扩大。过去，资本和劳动之间虽然存在替代关系，但也有较强的互补性；而人工智能出现后，替代性已变得高度确定，互补性却依然是开放性的。在这种情形下，劳资之间的议价关系很可能更加失衡。算法管理只是这一趋势最直观的表现——资本借助技术手段，把对劳动者的控制变得更精细、更隐蔽，而劳动者却几乎缺少有效反制工具。

我不会主张另起炉灶建立一整套全新的立法理念，但必须承认，面对新的就业形态，现有框架已经显得不足，需要在实践中不断补充并强化。我认为，目前可优化的几个方向已经比较明确：最低工资制度必须得到有效落实，并尽量向"生活工资"标准靠近，让劳动收入能够覆盖体面生活的基本需要。另外，各类社会保障项目也要真正落地。这在《中国就业新趋势》中也提到过，应当弱化社会福利仅作为特定群体权益的属性，提升其全民普惠性和可及性，同时也要研究建立非缴费型全民保障机制。

还有一点必须正视：未来就业形态不会重新回到传统单位制。平台用工、零工经济不仅会长期存在，还会不断出现更多尚未被预见的新形式。劳动法律与社会保障体系都应持续跟进这种变化，而不是死守为稳定雇佣关系设计的旧框架。对劳动者的保护边界，也必须随着就业形态演变不断重新界定。

知识分子：无论在您的书里还是演讲中，您都反复强调AI应成为人的“互补者”，并特别提出：应有意识地优先发展能够扩大就业的AI，引导企业不要把替代就业当作目标。但现实商业逻辑里，“替代”往往是最快速的降本方式。我们依靠什么机制，才能让企业更愿意选择人机协同，而不是简单裁员？

蔡昉：从单个企业的角度看，引入人工智能本来就是为了节省投入、减少用工，这是微观层面的理性选择，很难直接改变。但如果所有企业都这么做，结果就会是整体就业减少、消费需求萎缩、产能难以消化——这就是"合成谬误"，个体理性叠加之后，反而形成谁都不愿看到的局面。

因此，仅靠呼吁企业"选择人机协作"并不能解决问题，必须有使宏观目标与微观激励相容的政策设计。宏观层面，要建立分享生产率红利的制度安排，确保居民消费需求能够持续增长；当新的消费需求不断形成，就会带来新的产业和新的就业岗位，微观层面的就业压力才可能缓解。市场本身并不总是有效，这正是公共政策强调"投资于人"的出发点——这里说的不是狭义市场投资，而是通过制度安排来共享两类红利，进而维持经济的合理运转。

知识分子：AI最早冲击的往往是入门岗位——而这些岗位恰好是年轻人积累经验、建立职业路径的起点。与此同时，大龄劳动者面临"智能鸿沟"，女性则长期承受就业与家务双重压力。您能否分别评估AI对这几类群体的影响，并谈谈应对思路？

蔡昉：这几类群体面临的问题，各自都有不同的结构性原因，不能简单放在一起看。

年轻人的问题在于，入门级技能正在被系统性贬低，AI实际上正在切断年轻人职业起跑的第一步。过去，一个法学专业应届毕业生，虽然尚不具备独立执业能力，但可以先做资深律师的助理——查资料、整材料、做实地调查，这是典型的"学徒制"路径，也是积累人力资本的必要环节。但现在，这些工作人工智能往往完成得更快更好，年轻人在进入职业轨道的起点上就受到了阻碍。这是一个相当严重的结构性矛盾，只是目前尚未表现为大规模现象。

大龄劳动者则处于更脆弱的位置。AI的发展进一步拉大了"智能鸿沟"——总体来说，年龄越大，适应新技术通常越困难，理解和运用人工智能的可能性也越低，因此更容易在这轮技术浪潮中被边缘化。这并不是单靠个人努力就能解决的问题，而是必须通过制度回应的社会性挑战。

女性的处境则更复杂。一组数据很能说明问题：中国女性把全部时间中的约11%用于家务劳动，这与不少国家相比并不算高；但与此同时，中国女性劳动参与率却高达60%，明显高于多数国家。这意味着，中国女性是在维持较高就业率的同时，还承担着相当沉重的家庭照料责任——儿童照护压低了生育意愿，老人照护则使老龄化在现实中更多体现为家庭负担，而不是社会红利。如果能够大力发展照护经济，把人的温情与人工智能、机器人的效率结合起来，既能推动银发经济，也能真正缓解这种双重挤压。

知识分子：您在讲座中提出过一个观点：人工智能也许能够“打破”养老领域的“不可能三角”。这是否意味着，您认为AI有可能在中国人口红利减弱、老龄化加深的未来发挥积极作用？

蔡昉：英国金融监管局前主席阿代尔·特纳曾提出一个著名判断：在老龄化之后，现收现付型养老保障制度只有三种出路——提高缴费率、降低保障水平、延后退休年龄，你可以选择其中一项、两项甚至三项，但不可能一项都不选。我把这个判断称作“特纳三角”，也就是社会保障领域广为认可的“不可能三角”。

但我做过一个思想实验，当然这并不是精密模型，也不能作为预测。粗略来看，在合理假设下，未来十年老龄化带来的老年赡养比每年大约上升4.6%。而按照中国潜在增长率估算，适龄劳动者的劳动生产率每年可提高约5.6%，已经比老龄化速度高出约一个百分点。如果再叠加一些学者对人工智能提升劳动生产率的测算，劳动生产率增速或许可以达到每年7%以上，那么就能明显跑赢老龄化，足以缓解相应的养老压力。

当然，前提是——必须持续对人进行投资，这一切才可能实现。所以我一直强调，与其陷入“精算恐慌”，反复担心养老资金缺口，不如把关注点更多放到劳动生产率的提升上。劳动生产率的提升空间是非常大的，我们真正需要担心的，是提高后的生产力红利能否公平地被老年人和普通人分享。借用一句改写过的古语来说——“不患寡，而患不均”。

02

知识分子：您主张把学前教育纳入义务教育。此前也有学者提出将高中纳入义务教育，并把部分大学改造成职业技术学院。您怎么看这种思路？

蔡昉：我一直觉得，学者提出的建议越具体，往往可行性和说服力反而越弱，也更容易出错。不过从大方向上讲，我有几点看法。

第一，教育起点应尽可能前移，越早越好。国际上有一个广泛认可的概念，叫"前1000天"——从怀孕开始计算，到孩子出生后大约1000天，这一阶段形成的人力资本，具有终身不可替代性，一旦错过，之后即便接受再多教育，也难以完全弥补。这类能力，也恰恰是人类相较人工智能最有可能保持优势的部分。

第二，延长义务教育的核心逻辑，在于让国家为尽可能多的学习机会来"买单"。学前教育入园率不足，有些是因为客观条件限制，但更多还是家庭负担能力不足；不继续读高中，也常常是因为经济原因。因此，把学前教育和高中阶段都纳入义务教育，对延长受教育年限而言，是很有实际意义的。

但我并不赞成把大学改造成职业技术学院。在人工智能时代，职业技能的"保鲜期"越来越短——在孩子学习能力最强的阶段，让他去掌握一项可能毕业时已经落后的技能，本身就是一种浪费。相反，在那段时期形成的学习能力、社交能力、团队合作能力和领导力，才是可以终身受益的财富。从这个意义上说，如果真的要调整方向，应该是有条件地把职业技术学院升级为大学，而不是反过来。

此外，如果过去学校教育和工作后培训的比例大约是9比1，那么到了人工智能时代，这个比例至少应该向5比5转变。

知识分子：您在书中提到，过去三十年，"知识改变命运"几乎是一条被普遍认可的规律——学历越高，在劳动力市场上获得的红利越多。但这次生成式AI反过来，首先冲击的恰恰是白领群体，知识和技能壁垒正在迅速被削弱。支撑几代中国家庭向上流动的"文凭逻辑"，是否真的已经走到尽头？在AI时代，学校教育究竟应该培养什么？

蔡昉：如果这里所说的“知识”指的是人力资本，那么"知识越多越有优势"这个底层逻辑并没有结束，只是它的表现形式改变了。过去，经济学家习惯用"受教育年限"来衡量人力资本——读书越久、学校越好，通常回报越高，这几乎像一个稳定模型。现在，受教育年限本身的决定性作用在下降，真正重要的，不只是你上了多少年学，而是你在学校到底获得了什么，以及一生中拥有多少继续学习的机会、累积了多长时间的学习过程。

过去，我们的教育遵循着一条清晰逻辑：学得越"硬"，竞争力往往越强——例如数学、计算机、编程之类，通常回报较高，因为这些领域能直接提升劳动生产率。人工智能的发展路径也正沿着这条路线延伸，推理、计算、记忆正是它的比较优势。这里有一个著名的"莫拉维克悖论"：AI在逻辑推演上可以远远超过人类，哪怕一个小模型也可能击败最顶尖棋手；但在动作感知、身体协调这些人类轻松完成的事情上，它的表现却像婴儿——我们经常看到机器人"出糗"的视频，这恰恰是它的结构性短板。尽管人工智能赋能的机器人会继续进步，但在人类这些能力上，人和AI及机器人之间，很可能长期存在一个“时间差”。

因此，人的技能培养应当沿着比较优势去布局：同理心、好奇心、审美力、社交能力和团队精神。李飞飞在《我所看见的世界》里讲过一个例子：他们早期训练AI做图像识别时，AI看到一张非洲草原照片，能够准确识别并描述"一匹斑马在吃草"，这已经是了不起的进步。但他们很快发现，那张照片里真正打动人的，是画面中的一道彩虹，而AI完全没有注意到。对"彩虹"的感知，是人类特有的能力，但也并非天然具备。现在很多年轻人，看得到斑马，也看得到草地，却看不到那道彩虹——因此，审美教育和好奇心培养，在AI时代不是无关紧要的软能力，而是人与AI协作中的相对优势。

因此，未来学校教育需要完成两项改变：一是调整内容，从以认知能力为中心，转向更重视非认知能力——包括终身学习的热情与方法、自我更新的意愿；二是调整结构，不再把"硬科学"视为唯一高回报道路，而是让人文、艺术以及社会性能力培养，在教育体系中真正拥有应有的位置。

知识分子：您刚才谈到审美、情感感知是人类的比较优势，也是未来就业的