股票配资网

杠杆炒股资金曲线 2026外滩年会｜当AI重塑劳动力市场，制度应如何前瞻适配？

专题：2026外滩年会——科技、地缘与全球经济

　　人工智能正在重塑劳动力市场。尽管从宏观数据层面看，AI尚未造成大规模的就业冲击，但招聘端、青年就业、收入分配等结构性矛盾已经显现。AI能否提高生产率，生产率红利如何转化为更多就业机会及全社会福利，成为各国政策制定者无法回避的问题。

　　10月21日，在2026外滩年会上，葡萄牙央行原行长、财政部原部长Mário CENTENO，中国金融四十人论坛学术委员会主席、中国社会科学院学部委员蔡昉，经济合作与发展组织就业、劳动和社会事务部代理主任Mark PEARSON，国际劳工组织首席宏观经济学家Ekkehard ERNST，围绕“劳动力重塑：何处安放人类？”展开讨论，中国社会科学院人口与劳动经济研究所所长都阳主持。

　　2026年10月21日，2026外滩年会，外滩圆桌“劳动力重塑：何处安放人类？”，由左至右：都阳、Mário CENTENO、蔡昉、Mark PEARSON、Ekkehard ERNST

　　几位嘉宾总体表示，尽管当前AI对就业的冲击尚未在宏观数据中充分显现，但劳动力市场必然经历岗位更替和结构调整，制度准备与政策干预的紧迫性大幅上升。蔡昉强调，应对人工智能对就业的冲击，不能寄望于技术自我修正，需政府干预与包括金融在内的各方共同参与，推动人工智能向善。

　　蔡昉解释称，此次AI就业冲击与历史上两次技术冲击的不同在于：前两次尽管经历了阵痛，但最终都创造了大量新岗位，而AI从相对高端的岗位开始替代，被替代者只能向下流动，可能导致劳动生产率逆势下降、收入恶化。劳动力市场虽可自我调节，但其既耗时过长又会伤害劳动者。因此，当前比以往任何时期都更需要政府政策的介入和制度变革。

　　Mário CENTENO也表达了类似的担忧。他认为，传统技能偏向型技术变革主要冲击低技能劳动者，而本轮AI革命首当其冲的却是高技能群体。大规模岗位置换可能扩大收入差距，加剧不平等和代际矛盾。与此同时，AI催生原子化劳动力市场，劳动者趋于分散孤立，难以形成集体议价力量，企业与劳动者之间信息不对称被放大，工会、集体谈判等传统保护制度面临挑战。

　　Mark PEARSON基于经合组织多国调研数据指出，在应用AI的企业中，当前仅约1%至2%企业因AI而裁减岗位，更多的企业计划借助AI扩大用工规模。AI有潜力给工人带来好处，但工人却忧心忡忡。之所以会出现这种悖论，是因为现有制度和政策未能缓解市场担忧。他还提出，分配问题非常重要，青年就业承压早已显现，AI进一步放大矛盾，保障青年就业应成为政策核心。

　　Ekkehard ERNST也提到了分配问题。他认为，AI时代与历史技术转型最大的不同在于，新技术红利第一次被少数公司占有，且在现行制度框架下，很难被市场竞争自发消解。财富高度集中在少数公司手中，分配问题将更持久、更难解决。

　　在政策制度建设方面，与会嘉宾从多个维度给出方案：蔡昉主张促进AI平权，引导AI向善，超前培育需求弹性大但当前生产率偏低的行业，并推动劳动力市场制度与新就业形态相衔接，增强社会保护制度的普惠性。

　　Mário CENTENO强调重视再分配政策，以此对冲 AI 岗位置换带来的收入差距扩大风险；关注数字化冲击下的教育质量问题，避免教育质量下滑削弱劳动力市场匹配；同时警惕 AI 进一步放大代际矛盾，政策要着力实现劳动力市场平稳转型。

　　Mark PEARSON、Ekkehard ERNST均建议改革技能培训体系。Mark PEARSON提出，推动企业引入AI并提供配套员工培训，把提升全民AI素养作为技能政策重点，防止培训不平等固化。

　　Ekkehard ERNST则提出，培训不能只着眼短期转岗，应借鉴新加坡经验搭建劳动者长期职业发展路径，并结合有效的社会福利制度与韧性建设提升劳动者适应能力。他同时提出拓展劳动价值的定义，让社会性“活动”获得报酬，推动“充分活动”理念落地。此外，通过法律框架改革、数据市场和主权数字财富基金等新制度应对财富集中及分配不平等问题。

　　以下翻译整理自本场外滩圆桌，略有删减，仅供参考。

　　都阳：欢迎参加本场圆桌讨论，本场的主题是“AI时代的劳动力重塑：何处安放人类？”。本场讨论我们非常荣幸地邀请到了四位重磅嘉宾。第一位是葡萄牙央行原行长、葡萄牙财政部原部长Mário CENTENO先生。第二位，大家非常熟悉的是蔡昉教授，中国金融四十人论坛的学术委员会主任。第三位是经济合作与发展组织就业、劳动和社会事务部代理主任Mark PEARSON先生。第四位是国际劳工组织首席宏观经济学家Ekkehard ERNST先生。感谢各位参加这场讨论。

　　正如我们上一场所探讨的，人工智能对微观经济、生产率以及就业都有重大影响。接下来我们进入第一轮讨论，请每位嘉宾结合各自的研究领域，用5分钟左右的时间，分享您对人工智能、生产率以及就业之间关系的看法。首先有请Mário先生。

2026年10月21日，2026外滩年会，外滩圆桌“劳动力重塑：何处安放人类？”，Mário CENTENO发言

　　Mário CENTENO：谢谢。非常感谢邀请我参加本场讨论，我想分享以下几点看法。从微观视角看AI对就业及其在经济中的作用，它会对生产率产生积极影响。这一点几乎不言而喻，也正因如此，我们才拥抱AI，并向其投入大量资源。这种影响传导至劳动力市场，会导致一些岗位逐渐消失，但同时也会催生出新岗位。得益于AI为劳动力市场和企业生产函数带来的无限可能，许多我们过去甚至从未设想过的新职业将应运而生。

　　岗位有增有减，其结果就是劳动力市场发生岗位替代。替代往往伴随着某种程度的动态更替，而这恰恰是劳动经济学家最乐于见到的现象，因为生产率的飞跃正源于此，在企业层面如此，在宏观总体层面同样如此。所以在我看来，值得担忧的并非这一过程本身，而是这一过程的规模与强度。这或许又是一个过犹不及的局面，我们必须提前谋划公共政策加以应对。

　　AI将给劳动力市场带来一些根本性改变。随着我们掌握的信息越来越多，潜在的担忧是该过程可能产生“经济租金”。为什么会有“经济租金”？因为企业可能会攫取市场上绝大部分的剩余价值。如果发生这种情况，社会福利就会受损。另一个在劳动力市场中令人担忧的问题是，我们对“匹配函数”的承载能力是否期许过高？匹配函数是连接劳动者与企业的对接机制，当我们对这种机制要求过高时，并不必然会提升总就业量，最终可能导致失业率更高、不平等加剧。

　　因此我认为，认清每个市场的初始状态及其背后的演进过程至关重要。就初始状态而言，当今大多数经济体的劳动力市场都处于充分就业状态。在这一轮经济周期中，全球劳动力市场的表现堪称亮眼：就业岗位增加、失业率处于低位、劳动参与率提升。

　　因此，如果劳动力市场在充分就业的高位受到冲击，我们就必须做好净就业岗位减少的准备，因为我们很难立刻把每一位下岗的劳动者精准分流到新的岗位上。在老龄化背景下，这一逻辑同样适用。我们知道，一旦发生生产率冲击，受创最深的往往是大龄劳动者。因为这部分群体在劳动力市场中确实享有一定的高薪“租金”，企业也最具动机裁撤他们。然而大龄劳动者恰恰是近年来就业增长贡献最大的人群（至少欧美国家是这样），如果出现上述情况，我们将再次面临如何妥善安置这些劳动者的难题。

　　都阳：感谢Mário CENTENO先生。接下来有请蔡昉教授发言。

　　2026年10月21日，2026外滩年会，外滩圆桌“劳动力重塑：何处安放人类？”，蔡昉发言

　　蔡昉：先说一个总的情况。我们现在都在讲AI对就业会产生影响。但是，无论是在中国，还是在其他国家，如果我理解得对，迄今为止我们从宏观数据上还看不到AI造成了就业冲击。但是，我们也从一些招聘数据上，从微观的环节看到了一些端倪，看到了一些影响。其中有些是真实的，比如说编程雇佣新人的数量减少；但是也有一些，是因为雇主有一个预期，因此他开始观望，也不解雇人，但也不新招人，形成了一个僵持的状态。我想，这是一个短暂的安静期。在这之后，我觉得可能会有更明显的劳动力市场表现。所以，这给了我们一个机会，来分析AI对就业影响的特征，做好理论上、政策上的一些准备，是一个难得的机会。

　　我想在第一轮中，讲三个关键词。第一个就是生产率。因为，如果从非常宏观的角度、从纯理论的角度来说，如果AI可以明确地提高劳动生产率，而且劳动生产率红利瞬间就显现出来的话，那么我们可以利用这个生产率创造出新的需求、新的就业岗位。所以说有就业破坏，也有就业创造。我们知道AI一定会提高生产率——无论是它加速了科学技术进步、带来技术效率，还是说它帮助我们更加没有损耗地、减少试错地进行资源重新配置、带来配置效率，还是说推动我们企业的优胜劣汰，让生产率高的活下去、发展起来，让生产率低的退出去——所有这些提高生产率的途径，都可以通过AI加速。

　　但是，这里有一个问题：像过去任何技术进步一样，AI的应用在产业之间、部门之间、行业之间、企业之间，在时间上，甚至在不同的工序之间，在不同的劳动任务之间、链条之间，是不均衡的。因此，当你在一个链条、一个环节上，为了节省开支减少劳动投入的时候，就业破坏就开始了。但是，生产率会受到整体均衡的制约，不一定马上提高。因此，我们会出现生产率和就业冲击的不一致性，部门之间的不一致性等现象。所以，这是我们应该应对的东西。而且我们也看到了，现在AI替代了很多相对高质量、高人力资本的岗位，使得这些被替代的人要转移出去。这个流动不是我们劳动经济学家希望看到的。

　　第二个，生产率的J字形变化——这不是我创造的，是斯坦福大学等团队的研究结论。AI提高的劳动生产率一定会遵循一个J字形，那么这个J字形的含义是什么呢？就是曾经有一段它并不提高生产率，但正如我刚才所说，生产率还没提高的时候，有可能劳动替代已经发生了。因此，我们的劳动力市场等不得这个J字形，也就是等不到生产率真正提高的时候再做制度安排来解决就业问题，我们必须及时地应对。在特别糟糕的情况下，也许在J字形下边这段时间，就会出现破坏增加、收入增长缓慢、收入分配恶化等等，国民经济循环进而受到损害，那么劳动生产率的提高反而被阻碍了。

　　最后一点是个结论：技术本身解决不了AI的社会经济影响，特别是就业的影响。因此我们必须利用政府的干预，以及包括金融等各个方面的参与，才能协调解决AI向善的问题。

　　都阳：Mark PEARSON先生，我看到经合组织的一些同仁曾探讨过经合组织国家利用AI提升生产率的问题。同时，我们也看到经合组织做过一些实证研究，所得的实证结果刚好印证了刚才蔡昉教授提出的观点。能否请您就此再展开谈一谈？

　　2026年10月21日，2026外滩年会，外滩圆桌“劳动力重塑：何处安放人类？”，Mark PEARSON发言

　　Mark PEARSON：当然可以。大家下午好。很高兴来到这里。通常在这样的讨论里，总会有人在某一刻抛出“就业末日论”，认为我们在劳动力市场中所从事的几乎所有工作未来都将被AI取代。好在我的同事们并没有这么悲观，他们的观点要均衡得多——尽管今天上午我们确实听到了一些类似的论调。长期来看，也许未来真会如此，但从短期来看，当我们真正审视具体数据时，显然还没有出现这种迹象。

　　刚才Mário CENTENO已经提到，目前各国的就业率处于历史高位，失业率极低。再往细了看，我们在今年夏季（6月至8月间）面向14个国家（涵盖美国、日本及多个欧洲国家）开展了一项调研，考察雇主与员工两端的实际情况。这项调查覆盖了8000家雇主以及数万名员工。我们发现，在已经应用AI的企业中，观察其用工情况，仅有11%的企业表示缩减了用工规模；而进一步追问其中因AI而裁员的比例为多少时，这一数字仅为9%。换句话说，在所有应用AI的雇主中，仅有约1%到2%表示他们确实是因为AI而减少了岗位。当然，不排除未来或许真的会出现大规模失业的局面。我们都很清楚，有些岗位未来确实可能被AI彻底取代，但从目前的整体情况来看，即便真有所谓的“就业末日”，也还在非常非常遥远的未来。

　　不过，正如我的两位小组伙伴刚才所言，岗位总数量整体没有变化，并不意味着不会有任何变化发生。实际上，未来的改变会非常明显。但我认为，我们需要审视到底是哪些人会受到冲击。我常举的例子是：想想20世纪70年代末的办公室行政人员，想想他们当年做的工作——听写、打字、复印、邮寄东西……70年代他们所做的几乎每一件事如今都已经被自动化了。但如果我们观察像美国这样的劳动力市场，如今办公室行政人员的实际数量反而比70年代还要多。这说明工作任务在变化，人们在特定岗位上所承担的具体工作任务会发生改变，我认为这是我们在未来会大量看到的现象。

配资世家炒股开户

　　当然，我还想提一点，分配问题非常重要。我们刚才已经听过关于年长劳动者的讨论。接下来，我想专门谈谈青年劳动者。很多观点认为，入门级岗位正因AI而不断消失，但我认为原因不只是AI。如果看数据，青年毕业生就业处境的恶化其实早在2014年左右就开始了，当时主要的影响因素是离岸外包、企业用人方式转变——企业开始更看重实际技能和工作经验，人们也渐渐不再相信正规学历具备信号作用。但AI很可能是导致青年群体就业难的又一重因素。我认为这应是我们政策应对的核心，即保障青年群体能够顺利进入劳动力市场。非常感谢。

　　都阳：谢谢。Ekkehard ERNST先生，据我了解，国际劳工组织已经开展多项研究，探究AI对全球劳动力市场、特别是对发展中国家的影响。这些国家自主开发模型的能力普遍薄弱。请问您看到了哪些新证据？AI对南方国家的生产率和就业有什么影响？

　　2026年10月20日，2026外滩年会，外滩圆桌“劳动力重塑：何处安放人类？”，Ekkehard ERNST发言

　　Ekkehard ERNST：非常感谢。刚才几位嘉宾已经给出了颇具启发性的观点，我们在中低收入国家观察到的就业变化规律与之类似。目前，全球就业规模处于历史高位，失业率创下新低，但矛盾的另一面是，生产率并没有提高，人工智能所许诺的增长红利暂时还没有在数据上体现出来。

　　关于您提到的我们的研究，我们在不同国家开展企业调研。调研发现，某些企业在特定任务上实现了巨大的生产率提高，例如客户工单处理、简历筛选审核。这类任务的生产率显著提升，但无法形成宏观加总效应。

　　部分原因在于，企业内部仍然需要重构工作流程，摸索哪些工作可以借助人工智能扩容、哪些需要缩减，这种调整本身需要时间。但更重要的是一个有趣的现象：你在某些任务上节省的总时长，并不是净节省时长。一方面是因为大模型幻觉问题，另一方面是很多环节仍然需要人在回路中核验信息。这种验证成本的影响不容小觑。

　　此外，很多可以自动化的任务，在员工全天工作时长中所占比重很低。例如，软件工程师是受人工智能冲击非常典型的职业，但编码工作也许只占软件工程师工作时间的三分之一，软件工程师的大量时间被用在开会、规划任务等事务上，而这些工作很难靠人工智能完成。这就是“锯齿前沿”（Jagged Frontier）问题，它在很大程度上解释了我们所说的人工智能加总悖论。

　　接下来是关键一点。您提到的发展模式，是必须纳入考量的重要因素。从人工智能的暴露度指标来看，人工智能主要冲击高技能岗位，所以高收入国家对此担忧更深，因为这类国家的高技能岗位占比更大。但人工智能也会冲击离岸客户服务出口这类业务，比如印度、菲律宾有着大量面向海外的客服外包，这些服务并不供给本国市场。

　　如果这些高技能服务岗位终将被自动化，而且其中一部分确实已经可以实现，这些国家就很难走上传统结构转型路径：从低附加值、低技能岗位，逐步迈向高附加值、高技能岗位。我把这个现象叫做“过早丧失产业升级空间”，与某些新兴国家早年工业化路径中遇到的困境类似，而现在同样的现象正在服务业上演。

　　向高技能服务业转型的道路上，人工智能筑起了越来越多的障碍。眼下人工智能尚未产生总体效应，但这本身是个问题，人工智能妨碍国家的增长潜力，同时也让劳动力市场上的某些群体处于严峻处境，使他们难以找到稳定的有报酬的工作。它还会放慢结构转型的进程，在中国或许影响有限，但在菲律宾、印度以及非洲低收入国家，冲击会十分明显。

　　2026年10月21日，2026外滩年会，外滩圆桌“劳动力重塑：何处安放人类？”，都阳主持圆桌

　　都阳：谢谢。接下来我们进入第二轮讨论，聚焦政策议题。

　　Mário CENTENO：好，让我先来将AI变革与我们之前经历过的技术变革进行类比。劳动经济学家数十年来一直在研究技能偏向型（Skilled-biased technological change）技术变革对劳动力市场的影响。有意思的是，我们仍然可以沿用这套分析框架，但里面的逻辑要全部反转。

　　过去的技能偏向型技术变革不利于低技能劳动者，因为市场对技能的需求持续上涨；而当下这场AI革命之中首当其冲的反而是高技能群体，正如Ekkehard ERNST先生所举的计算机程序员的例子。我们输送了数以百万计的年轻人进入大学，培养计算机编程人才，如今这类岗位的市场需求突然受到冲击。

　　Mark PEARSON先生提到了上世纪70年代的一段往事。我想到了另一个有助于预判未来走向、明确政策方向的案例，就是上世纪70年代物理学人才需求的波动。在彼时的国际太空竞赛期间，美国大批顶尖人才攻读物理学科、取得物理学博士学位，但最终这场竞赛因为资金不足而戛然而止，行业因此陷入危机：一边是物理人才供给持续扩张，另一边是市场需求快速收缩。

　　结果是什么？是失业和工资下滑。这些从业人员只能转向其他行业。这件事中唯一的积极面是：相关从业人员能力突出，是美国高校里极为优秀的学生，所以相对容易再就业，而这正是政策需要着力的方向。我重点谈三点。

　　第一是不平等。大规模岗位置换和劳动力流转可能意味着，在岗劳动者之间的收入差距很可能会扩大，因为高生产率的岗位薪资或会暴涨，而那些不受人工智能影响的岗位薪资或将维持不变。如果把全体人口纳入考量，不平等程度会进一步加剧，因为会有人被迫转行，还有一部分人根本找不到工作。所以不平等是我们必须重视的议题。我们本有政策工具来进行应对，各国社会本来就有实施再分配政策的经验，只是这一次，其影响规模之大让人感到意外。

元股证券:ygzq.hk

　　第二是教育，也就是劳动力市场的信号传递问题。教育是向劳动力市场输送的核心人力资本，数字化会如何影响教育质量？我们已经观察到值得警惕的现象：至少按照经合组织成员国的平均水平，考试的质量已经出现下滑。国际学生评估项目的相关数据清晰印证了这一点，而这很可能和数字化有关。数字化会不会在能力层面把人们排除在劳动力市场之外？这正是劳动力匹配函数的核心关切，所以政策层面也要重视教育板块。

　　第三是代际矛盾。此前，我们已经历过一场社会危机，余波至今仍在，部分年轻一代逐渐形成一种预期：自己不会比父辈过得更好。如果AI革命导致趋势持续，代际矛盾或会激化，诱发社会动荡。所以政策层面必须审慎思考：我们能为年轻一代提供什么支持。正如Mark PEARSON先生所说，青年群体值得重点关注。

　　所以我强调三个方向：再分配政策、教育质量以及劳动力市场的平稳转型。我的分享到此结束，谢谢。

　　蔡昉：我们讨论了很多关于人工智能对当前劳动力市场冲击程度的问题，不过目前的数据支撑好像不是特别明显。但是我们也应该意识到，人工智能的发展日新月异，我们今天所看到的正在发生的，根本不是明天的东西，今天所计算出的高暴露度的工作岗位，也都只是今天的情况而已。高暴露度并不意味着当前就已受到冲击。因此，今天估算出的高暴露度情况，也许放在明天不再成立。所以，我认为我们无法准确预料未来会发生什么，也无法准确估计冲击的规模。

　　从这个意义上来说，当前做好政策准备、在制度层面搭建应对平台，就显得非常重要。无论是政府干预、政策干预还是其他各项宏观经济政策的参与，都应该指向共同的目标、形成协同的手段。由此，我提四方面建议。

　　第一，应着眼于促进人工智能平权。任何时代，新技术的出现都会造成鸿沟，都会造成所谓的K型分化，人工智能所带来的可能是前所未有的鸿沟。中国劳动力市场中的结构性就业矛盾，很大一部分集中体现在“一老一小”两端，即大龄劳动者和青年就业者。对大龄劳动者来说，其过去未曾面对的技术鸿沟如今很可能被进一步拉大；对青年劳动者来说，其此前掌握的入门级技能在人工智能面前正在贬值；因此，从这两个群体入手解决结构性就业矛盾成为当务之急。

　　与此同时也要意识到，假如今天人工智能的影响已经显现为技术鸿沟，那么可以预料，明天人工智能的影响将有所不同，因此其可能波及的人群范围或将更大。所以，相应的就业支持政策应该不断升级，这是一个关键点。此外，促进人工智能平权也是确保劳动生产率得到提高的一个关键，其有助于避免所谓的索洛悖论。

　　第二，应该引导好人工智能。人工智能学者从一开始就提出了所谓的对齐问题（Alignment problem）。目前来看，这一对齐的要求应当扩展，从技术层面扩展到经济社会、宏观政策、产业政策、社会政策等各个领域，全面要求人工智能实现对齐。

　　尤其需要看到，我们今天所讨论的人工智能，其实还只是一些基础模型。未来真正发挥作用、真正影响我们生活的，是这些模型的实际应用。当其转化为具身智能，当人形机器人真正获得智能，其对劳动者的影响很可能是最大的。因此，在这个过程中应该充分坚持引导、激励和规制，真正守住一条底线：从就业的角度来看，要让人工智能成为劳动者能力的增强器，而非劳动者岗位的破坏者。从这个意义上来说，我们有很多事情可以做。

　　第三，人类如何安置？尽管稍显超前，这也是当前具有紧迫性的一个话题。

　　我们应着眼于超前培育那些需求弹性大、但目前来看劳动生产率低的行业，例如很多服务业行业。既然使用人工智能是为了提高劳动生产率，那为什么还要鼓励劳动生产率低的行业呢？因为提高整体劳动生产率，就是为了让那些需求弹性大的行业有生存的余地，而不能让这些行业的发展、岗位的创造、人员的就业和收入，和个体劳动生产率脱钩。“人类如何安放”既是未来努力的方向，也是今天的一道防火墙，是缓冲就业冲击的重要机制。为此，我们可以创造新的需求、开拓新的市场、创造新的就业岗位，而这些都来自人的全面发展。

　　第四，从中国目前的情况看，我个人判断，人工智能对就业的影响已经开始显现。虽然还没有大规模显现，但已经与结构性就业矛盾、劳动力市场不匹配的问题衔接在一起。这些结构性矛盾会进一步加剧，其中也反映了人工智能对就业的负面影响。

　　相应地，我们应从结构性就业矛盾入手，来应对未来人工智能带来的冲击。其中最重要的一点是，劳动力市场制度——如最低工资制度、最低生活保障制度、劳动合同制度等——如何与新的就业形态相衔接。无论是劳动力市场制度还是社会保障制度，在中国过去都与单位就业紧密相连。当就业形态日益灵活，非单位就业比重逐渐提高，我们必须探索新的制度安排，使劳动力市场制度、劳动者权益保护制度和社会保障制度能够适应新的就业形态。这其中涉及很多紧迫的制度建设目标。

　　与此同时，我们的社会保护、社会保障和社会福利制度应该更加普惠。因为在人工智能对劳动力市场产生影响的过程中，我们越来越难以识别一个人受到的冲击究竟是个人原因还是宏观因素所致。因此，为确保每个人都能得到充分保障，制度的普惠性就应该越来越强。从这个意义上说，“十五五”强调投资于人，那么，解决结构性就业矛盾、应对未来人工智能的冲击，也应纳入投资于人的整体战略之中。

　　都阳：感谢蔡昉教授。我觉得刚才听到了一个非常重要的观点：在人工智能时代，鲍莫尔效应可能不再是“鲍莫尔病”，而是人们分享人工智能带来的生产率提升成果的一种方式。下面，有请Mark PEARSON先生发言。

　　Mark PEARSON：刚才大家已经提出了一些非常重要的建议，我都赞同。我无法详细展开所有政策，所以快速补充三条。

　　第一，指导雇主如何引入人工智能。现有证据已经表明，如果引入得当，比如事先与员工协商并提供培训，效果会好得多。

　　第二，支持被替代的劳动者。我们知道劳动力市场会发生人员流动，一些人会失去工作，同时也会创造新的就业岗位。有些国家比其他国家更善于让这种流动产生积极影响。

　　第三，关注职业生涯早期的发展路径。我们需要发展新的学徒制度等，且推广范围要比目前广泛得多。

　　但我真正想重点谈的是技能政策，以及我们究竟需要什么样的技能。因为我们需要的并不只是人工智能方面的技术技能。如果我们去看受人工智能影响最大的职业，再从网上搜集雇主对相应技能的要求，就会发现，雇主需要数据分析与解读能力、数字技能——我觉得这两点都不太令人意外——但也需要创造力和解决问题的能力。所以，我们谈论的是一些你可能不会认为人工智能具备的能力：我们需要的技能，一方面是要帮助员工更有效地使用人工智能，另一方面是要让人去完成人工智能可能无法胜任的工作。这是技能发展的方向。

　　此外，提高整个劳动力队伍的人工智能素养至关重要。这理应成为技能政策的主要目标：不是培养人工智能技术人才，而是确保广大劳动者能有效使用人工智能。

　　我们的调查显示，在引入人工智能时提供了培训的企业中，89%的员工表示，人工智能提高了他们的生产率；而在引入人工智能时没有提供培训的企业中，这一比例只有69%。培训的效果已经显现，但引入人工智能的雇主中，实际上只有一半提供了相关培训。这简直令人难以理解。你不能引入人工智能这样一项重大新技术，还指望员工自己摸索着用起来。提供培训的效果会更好。

　　目前，人们正大力推动开发更多与人工智能相关的培训，这很好。但现有的做法可能会固化培训领域既有的不平等：目前最不容易获得培训的是低技能劳动者。在经合组织国家，每年参加培训的低技能劳动者约占20%，而高技能劳动者的这一比例约为50%。如果我们希望在引入人工智能的同时不加剧不平等，就必须确保那些技能水平较低、较少拥有培训机会的人，也能获得人工智能相关培训。否则，既有不平等会进一步固化。

　　我们也知道应该怎么做：开设短期课程，为每门课程设置相应的模块化证书，并对培训机构的质量进行认证。我们已经掌握了很多提高培训效果的方法。人工智能的发展意味着，我们必须比以往更加紧迫地推进这些工作。

　　Ekkehard ERNST：我想就刚才大家谈到的政策问题补充三点。

　　第一，我们似乎都认同，劳动力转型十分重要，需要为此提供支持。但令人意外的是，我们实际上看到，从一个岗位转到另一个岗位的情况在减少，无论是跳槽，还是其他形式的岗位转换。发达经济体和许多新兴经济体都存在这个现象。

　　问题在于，这种情况是怎么出现的？其中一个与政策密切相关的因素，是各国不同收入水平下的劳动力市场集中度都在上升。这并不只是人工智能带来的问题，因为这一趋势早在生成式人工智能模型出现之前就已经存在，而且与企业政策有很大关系，例如竞业禁止条款。

　　蔡昉教授也提到了平台就业，其中一些劳动者被错误地归类为非就业人员。因此，这里存在一个需要解决的政策问题，只有处理好这一问题，才能帮助人们从一个岗位转到另一个岗位，包括在不同的高技能岗位之间转换。

　　国际劳工组织今年夏天通过了一项新的平台工作公约，将帮助各国制定和实施相关立法，明确界定平台劳动者的就业身份。这是一个积极的进展，有助于明确劳动者在社会保障缴费、职业安全与健康以及其他劳动力市场相关监管方面应当如何归类。

　　这是第一点——我们需要理清为什么劳动力市场中的人员流动没有增加，以及有哪些相关政策问题亟待解决。

　　第二点是技能问题。我们应该利用人工智能这一基础设施，推动更加综合、更加长远、更具前瞻性的技能政策。已经实施的技能再培训政策，实际效果意外地有限。部分原因在于，我们往往只关注下一份工作，或者只关注一个人接下来能够从事的、向前迈出一小步的工作。

　　新加坡在这方面提供了一项值得关注的经验。其做法是梳理劳动力市场中的职业发展路径，帮助劳动者了解的不仅是下一份工作在哪里，也包括五年或十年后可能从事什么工作。这样就可以提前帮助其做好准备，明确需要掌握哪些技能和能力。理想情况下，还应将这些安排纳入相应的制度体系，在提供技术技能培训的同时，也培养更广泛的基础能力。

　　韧性是当下的一个热门词，但它不只是一个流行词。韧性能切实地帮助人们适应变化，尤其是在与有效的社会福利制度相结合时。欧洲就有很好的例子，如丹麦和瑞士。这些国家拥有积极有效的社会保障体系。如果你失去工作，不仅可以获得收入补偿，还能得到一整套激励和支持，帮助你寻找下一份工作。

　　最后一点，我想回到开头提到的问题：各国真正需要关注的是什么？尤其是在新兴经济体向更高价值的经济活动转型的过程中，这个问题尤为重要。我们需要弄清楚，如何提高那些传统上被归类为低增加值、低生产率的经济部门和领域的生产率。

　　我特别想到一个领域：医疗保健。医疗保健是一项高度劳动密集型的活动，也是过去20至25年间唯一一个就业持续增长的部门。医疗服务需求不断增加，而且随着人口日益老龄化还将持续增长。我们要设法以更高的效率和生产率提供医疗服务。

　　与此相关，也是我非常关注的一点是：人们实际上都很忙。他们也许没有处于就业状态，但做着很多目前劳动力市场不付报酬的事。我把这称为活动。所以我们需要把政策焦点从充分就业转向充分活动，我们目前已经接近充分就业，应该让活动、社会活动、照料活动也得到适当的报酬。同样，人工智能作为一种基础设施工具，可以帮助我们识别这些人在哪里为社会提供价值，这些是有社会价值的活动。

　　而且正如Mark PEARSON所说，人工智能可以认证、可以追踪这类活动，帮助人们为自己的活动获得真实的社会价值。所以我认为，各国不应该只聚焦金融、人工智能公司、工业等头部行业，还应该关注一大批目前被认为低增加值、低生产率的部门，推动其在未来更有吸引力、更具生产效率。谢谢。

　　都阳：趁还有几分钟，我想问各位嘉宾一个宏大的问题。自从第一次工业革命以来，技术进步一直在节约劳动力，人工智能时代亦是如此。

　　但我们也看到，自第一次工业革命以来，生产率和就业均实现了大幅增长。那么到了人工智能时代，我们能从历史中获得哪些启示？未来又会怎样？

　　Mário CENTENO：这个问题不好回答。不过我觉得您其实已经说出了答案：就业会更多，只是就业结构会完全不同。我们需要建立能够支撑这种进步的制度。达龙·阿西莫格鲁提出过“亲劳工的人工智能”。这个概念我就不展开了，因为坦白来讲，我没有完全理解这个概念，但确实有一些监管措施在朝着这个方向努力。还有两项制度非常重要，而且又彼此联系，虽然我们到现在还没提到，但也值得讨论。这两项制度就是工会和集体谈判。

　　人工智能时代的劳工市场是一个完全原子化的市场。我在第一轮发言里提到企业攫取租金，这正发生在这样的劳动力市场里：企业借助一个代理式AI模块，一对一地面对每一位劳动者，精确地掌握他们工作多少小时、喜欢在一周中的哪几天工作。在这个非常、非常原子化的劳动力市场，企业和劳动者之间的信息完全不对等。无论是对均衡工资，还是对劳动者的议价能力来说，这可能都是最大的隐忧。历史上，正如您刚才准确地指出，劳动者乃至全社会，在引进新技术的同时，也能在劳动力市场上构建新的制度。如今在我看来，这其中的两项制度——工会和集体谈判，正面临很大的风险。

　　蔡昉：我们面临的潜在就业冲击和历史上有什么不同？我觉得最大的不同，就是历史上的就业冲击是别人的历史，而我们当前面临的是我们的历史，我们的现实。在历史上，就业破坏和就业创造确实存在时间差距。但是，在历史书中，从数据来看，我们可能会将其忽略，认为新技术终究会创造更多的就业岗位。但是如今当我们遭遇了就业破坏，假若没有创造出新的、同样水平、同样数量的就业衔接上，我们就会遭遇结构性就业矛盾，以及可能降低收入等问题。因此对我们来说，最现实的就是必须在就业破坏还没有发生之前，就应该知道怎么做。

　　谈到具体特征，我们可以假设三种情况。第一种情况是，第一次工业革命时期的卢德运动。卢德运动的背景，主要是原来手工业者从事的相对高端、收入可观的一些岗位遭遇破坏。与此同时，也创造了更多的任何人都可以进入、都可以做的工作岗位，只需配合机器就可以生产。也由此吸纳了大量廉价劳动力、产业后备军以及妇女、儿童工。在这种情况下，工资并未实现增长，工人阶级的状况在恶化。直至其改善之前，有接近半个世纪的时间社会是处于比较糟糕的状况，人们称之为“恩格斯停顿”。

　　第二个可比的情况，是美国、欧洲在遭遇全球化冲击的阶段。这一时期，制造业的大量熟练、半熟练工人等中间层次岗位流失，劳动力市场趋于两极化。一部分劳动力流向更低级的就业岗位上，收入也随之降低；另一部分可能进入到更高级的服务业。虽然也解决了就业，但是收入差距随之扩大，造成了人们的不满。

　　这一次的人工智能技术变革，我觉得至少对新兴市场经济而言，同样也是从相对高端的岗位开始替代，没给劳动者留下退路。即劳动者从相对高端的岗位退出来，并没有更好的岗位可去，只能下行去更低级的岗位。下行的结果是劳动生产率总体上是降低的，违背劳动生产率演进的结构路径。同时，劳动者的状况也可能会恶化。历史上，即便在最理想的情况下，就业恢复调整过程也耗费了很长时间，其间劳动者生活水平受到了不利影响。当前如果仅靠劳动力市场的自我调节，既会伤害很多劳动者，又耗时太长，社会等不起。因此，相较于以往历史上的任何时期，当下都更需要政府政策的介入、以及制度的变革。

　　Mark PEARSON：我觉得这里存在一个悖论，这也是历史给我们的重要教训之一。我们估计，未来十年，人工智能的应用有望让实际收入每年增长0.15%到0.95%。和近些年实际收入的变化相比，这个增幅相当可观。

　　我刚才提到，在采用人工智能的企业中，只有不到2%表示在裁减岗位。有一点我刚才没有讲到：相比裁员的企业，因人工智能而计划增加就业的企业数量要多得多。这样看，人们本应对人工智能给劳动力市场带来的影响相当乐观。事实上，工人的想法则不然：经合组织国家里，16%的工人非常害怕自己会在未来一年内因为人工智能而失业。16%，而且就是未来一年内。另有40%的工人对这种事情持有中等程度的担忧。所以悖论就在这里：人工智能有潜力给工人带来实实在在的好处，可工人却忧心忡忡。我认为原因恰恰在于，劳动力市场必然会经历岗位更替，而工人并不相信现有的制度和政策能帮他们渡过这些变化。

　　我觉得他们的担心不无道理，各位在今天的讨论中也已经听到了原因。面对劳动力市场的岗位更替，很多工人都会受到冲击，而我们目前还没有相应的政策来帮他们应对。所以我认为，历史的教训是，正如蔡昉教授已经谈到的，这次的模式和历史非常相似：从最初的冲击出现，到收益更广泛地显现，中间总有一段时间差。这是一种常见现象。我们需要相应的制度。第一次工业革命时，我们花了50年才建立起这些制度。要更好地管理人工智能转型，我们等不起50年。

　　Ekkehard ERNST：是的。我认为，这次人工智能转型和以往历史上的转型有一个很大的不同：这些新技术的红利第一次被少数公司占有，而且不会被市场竞争自发消解，至少在现行制度框架下不会。我想在这一点上我和Mário CENTENO的观点非常一致。分配问题会重要得多，持续时间也长得多，解决起来更难。尽管我来自国际劳工组织，我并不认为集体谈判和工会能发挥多大作用，原因恰恰在于财富已经高度集中在少数几家公司手里。

　　我认为需要做的，应该是全面改革法律框架，从而能够创造出全新的市场。比如，达龙·阿西莫格鲁最近提议建立数据市场，让其他公司能够使用现有的数据来开发自己的模型，从而让目前被少数公司独占的超额收益，能够在市场主体之间实现再分配。我一直提的另一个建议是设立主权财富基金，也就是主权数字财富基金。

　　有意思的是，Anthropic本周早些时候已经朝这个方向迈出了第一步。政府可以通过这类基金投资这些公司，分享这笔巨额财富积累带来的收益，再把它分配出去，比如直接发给公民，或者间接投入基础设施建设等等。这些做法都是可行的，但我们必须重塑现有制度，来解决财富高度集中这一问题。这种集中根源于现有的数据基础设施，其架构设计很大程度上向目前从这项技术中获益的少数几家公司倾斜。

　　都阳：好的，谢谢。时间快到了，请大家和我一起感谢各位发言嘉宾。

]article_adlist-->