人工智能如何重塑就业：国际经验与中国应对之策

以大语言模型为代表的AI浪潮正以前所未有的速度，从辅助工具演变为核心生产要素，深刻重塑着劳动力市场格局。基于163万条智联招聘数据的AI-LLM职业暴露度指数表明，白领岗位更易面临高AI风险；且职业风险越高，对初级求职者的门槛要求便越严苛。AI不仅在重塑职业结构，更在职业起点阶段加剧了劳动力市场的分化。

值得注意的是，AI冲击叠加了人口老龄化、青年就业难及灵活用工扩张等趋势，使“就业优先”战略遭遇新挑战。一个核心问题迫在眉睫：当AI替代速度系统性地快于新岗位创造与劳动力再配置时，传统政策工具是否依然有效？各国正如何应对这一轮AI浪潮？

AI替代下的总需求约束与政府干预逻辑

在探讨具体政策选项前，需先明确政府介入AI就业治理的必要性。

企业在决策是否用AI替代员工时，往往只计算自身收益（如节省工资、提升效率），却忽视了社会成本——被替代者的收入下降会导致消费能力减弱，进而通过需求收缩反噬整个经济。

换言之，企业独享自动化带来的成本节约收益，却由全社会承担需求下降的后果。在分散竞争的市场中，个体企业的理性自动化决策难以产生社会整体最优解。竞争越充分，企业越难“内部化”其对总需求的影响，就业替代引发的“总需求外部性”就越显著。

本轮AI革命的特殊性在于其“广度”与“速度”均远超历史，使得这一总需求外部性逻辑变得尤为关键。

历史上，技术革命通常有明确边界，劳动者有充足时间迁移（如工业自动化冲击制造业，电脑改变行政流程）。

但本轮以大语言模型为代表的AI，具有高度横向扩散特征。文案、客服、初级编程、翻译等大量认知岗位几乎同时面临被替代的风险。冲击不再局限于单一产业，而是跨行业、跨层级同步展开。

同时，技术扩散速度也远超历史经验。电力渗透工业体系约需30年，PC普及约20年，互联网约10年，而大语言模型依托云计算基础设施，上线后便在全球迅速复制。

这意味着，当AI替代速度系统性快于新岗位创造、再培训与迁移速度时，技术进步带来的问题将不再是短期摩擦性失业，而可能演变为持续的总需求不足与社会福利损失。

也正因此，“外部性”视角为政策介入提供了理论空间。AI使用是企业理性选择，但当所有企业同步推进降本时，个体理性会累积为整体社会福利损失（类似囚徒困境）。这种市场机制难以修复的外部性，正是制度介入的正当领域。

这种由市场难以修复的总需求外部性，正是政府介入的最佳理由。政府、企业、劳动者间建立新的协作机制，不仅关乎社会稳定，更在于纠正外部性、提升整体效率。

面对AI对就业市场的冲击，不同经济体形成了截然不同的应对路径，这背后反映了各国制度结构、政府能力与劳资关系的差异。

1

新加坡：“协同治理”路径

2026年起，新加坡加速构建AI产业升级与就业稳定联动的治理框架。核心逻辑并非单纯限制替代，而是通过国家协调、技能培训与保障，缓冲冲击、提升适应力，维持稳定。

总体而言，新加坡模式是“国家主导下的协同转型”：产业、劳动力与社会保障政策被整合进同一套国家战略。

首先，新加坡将AI置于国家竞争力与产业升级核心。2026年2月预算案宣布成立“国家人工智能理事会”，由总理任主席，整合监管职能，围绕先进制造、金融等重点领域推进国家级AI行动。

这一安排反映出，AI被视为提升生产率与竞争力的关键基础设施，治理重点是“推动应用”与“促进转型”。

同时，新加坡将AI纳入劳动市场治理框架。2026年4月，人力部、工会（NTUC）与雇主（SNEF）设立“三方就业理事会”，协调AI转型就业影响。

这一体系的重要基础是“企业培训委员会”制度（自2019年起），覆盖超30万劳动者。2025年AI相关培训实现翻倍。

其关键特点在于培训嵌入企业内部转型：三方识别受影响岗位与所需技能，围绕生产流程开展培训与岗位转换，同步推进“企业升级”与“劳动者转型”。

因此，新加坡逻辑是“保就业能力”而非“保岗位”。总理强调“保护劳动者”。

这一思路也体现在制度整合上，将“劳动力发展局”与“技能创前程局”合并为“劳动力与技能局”，形成“就业—培训—再就业”循环。

同时建立AI转型缓冲机制。“技能创前程求职者支持计划”2025-2026落地，非自愿失业者6个月内最高获6000新元支持，门槛为中低收入。

因此，新加坡构建了完整体系：政府统筹，企业转型，工会组织，财政兜底。

2

欧盟：通过程序约束延缓替代冲击

与新加坡不同，欧盟通过立法与前置监管，将AI纳入高风险框架，以程序约束提高替代成本。

核心是《欧盟人工智能法案》（2024通过，2026实施）。首次系统规范工作场所AI使用。

法案将招聘、绩效评估、晋升解雇等纳入“高风险AI系统”。企业需做风险评估、偏见测试、文档留存、人类监督。

关键安排：使用前必须告知工人代表与员工。AI被纳入劳动关系治理，企业需在程序上回应透明度与公平性。

某种程度上，欧盟并非直接阻止替代，而是通过增加制度摩擦与成本，放缓速度，争取调整时间。

类似思路也体现在《欧盟平台工人指令》：平台算法决策不能仅被自动化，重大决定需人工介入。

可以看到，欧盟在AI与就业问题上的制度重心在“程序合法性”而非“促进扩散”。延续社会市场经济理念：技术效率不能凌驾于劳动者保护之上。

欧盟局限性明显：高共识门槛，缺乏对收入损失/再就业的系统性工具。AI责任指令因分歧被撤回。理想主义与现实平衡的两难。

3

美国：联邦收缩与州级碎片化治理

美国呈现“联邦轻干预、州级分散推进”模式。

2025年后，联邦重心转向“技术领先”与“降低监管”，工人保护退居次要。

联邦态度收缩：撤销拜登关于AI劳动力的行政命令，削减相关内容。

《美国人工智能行动计划》提出90多项行动，劳动力仅作附属，缺乏预算与制度安排。

参议院提案（披露、研究中心）大多未立法。

具体约束来自州政府。加州SB951要求AI裁员提前90天通知。

纽约市要求算法偏见审计与披露。伊利诺伊州等地跟进。

不过，从整体上看，美国州级监管关注“公平性”（歧视），未触及“替代规模”。

换言之，美国关注“AI是否公平替代”，而非“是否过快替代”。

这一差异背后反映美国将技术视为市场竞争问题，而非社会保护。联邦谨慎干预，依赖市场与个体适应。

因此，美国模式效率高，但代价是就业风险与收入波动由劳动者个人承担。

中国的政策方向：

从“冲击应对”走向“互动补偿”

中国对AI与就业关系的认识正加速制度化。政策表述从“关注影响”转向“主动治理”。

习近平提出“增强正面效应，防止替代效应短期集中释放”。国务院意见要求建立评估机制。二十届三中全会强调“促进高质量充分就业”。

与部分国家聚焦“限制替代”不同，中国更强调“增强创造效应”。

换言之，政策目标不仅是延缓冲击，更是通过产业扩张、新业态培育与技能升级，加快形成新的就业需求和收入