AI会取代工作岗位吗？
此前每一次自动化恐慌都错了。这一次，拉响警报的是造出这项技术的人。真正值得问的不是AI会不会取代工作，而是取代的速度会不会快过再配置的速度，以及在这段空档期里制度做了什么。
以辩论图谱查看辛顿出走
“这些东西真的可能变得比人更聪明，过去只有少数人相信这一点。多数人觉得那还很遥远，我也觉得还很遥远。我以为要三十到五十年，甚至更久。显然，我现在不这么想了。”
— 杰弗里·辛顿，谈离开谷歌，《纽约时报》，2023年5月1日
这位“AI教父”75岁那年离开谷歌，为的是能自由地向公众示警。五个月后他坐进《60分钟》的演播室，把同样的话又慢慢说了一遍。
对任何预言大规模技术性失业的人，人们都有一套条件反射式的回应，而这套回应战绩不俗：两个世纪以来，这类预言一次又一次落空。手摇织工警告说末日将至，新开的工厂雇的人却比旧手艺裁掉的还多。电话接线员被成百万地自动化掉，取代他们的呼叫中心行业规模更大。自动柜员机本该终结银行柜员这个岗位，柜员就业反而增长了。每一波都取代了特定的劳动者，又在下游生出更多的总就业。条件反射说：这不过是又一波。
AI抢工作的警告并不是第一波。上一轮文献来自业外。Carl Benedikt Frey与Michael Osborne 2013年的牛津论文估计，美国“全部就业中约有47%面临”被计算机化的风险，时间跨度是“某个未指明的年数，也许十年或二十年”。Daniel Susskind的《没有工作的世界》（2020年）则主张，历史模式本身正在断裂。那些警告落在评论版、TED演讲和政策简报里，2010年代基本把它们吸收掉了，宏观痕迹并未出现。
2023年之所以不同，是因为打破这套条件反射的人来自业内。辛顿发明了让神经网络成为可能的反向传播算法，在谷歌待了十年。他辞职去向公众示警时，是那个造出引擎的人在告诉所有人：他低估了引擎能跑多快。与他同获图灵奖的约书亚·本吉奥签了同样的联名信。两年之内，Anthropic的首席执行官和一位诺贝尔经济学奖得主，都在说我们也许已经不在旧模式里了的各种版本。
历史记录是真的，示警者身份上的不对称也是真的。过去的自动化恐慌来自技术之外：政客、记者、被取代的劳动者。大语言模型之前那一波末日论（Frey-Osborne、Susskind）同样来自业外，是学者在预测大规模取代，而劳动力市场基本把它吸收了。2023年这一波是头一回，示警的是造出这东西的工程师、高管和理论家。这并不说明他们是对的。这只是让人很难再把他们打发成一群不懂那些工作、只会照着模式套的外人。
这一次真的不一样吗？
“按技术行业当前的范式来判断，我们不能排除所有可能世界中最糟的那一个：AI的变革潜力一点没有兑现，劳动取代、虚假信息和操纵却一样不少。”
— 达龙·阿西莫格鲁，2024年诺贝尔奖得主，Project Syndicate，2024年12月
主流内部的末日论立场，比推特上的版本要锋利。阿西莫格鲁的说法是：AI正在以某种方式被部署，即替代劳动者、把生产率收益攥在手里、什么也不再分配，而任务框架预测，这种方式对劳动的结果会比乐观的故事更糟。辛顿、本吉奥、阿莫代伊和Susskind都站在同一条阵线上，从内部发难。
“卢德分子并没有看错：在他们那一生里，机器确实在毁掉工作。他们看错的是接下来发生的事。此前每一波自动化，最终都造出了比它取代掉的那一波更多、实际工资也更高的工作。”
— 历史模式的概括
历史记录是一致的：技术改变的是人做哪些任务，并不消灭对人类劳动的总需求。工业革命取代了手摇织工，最终造出一个实际工资更高、工时更短的工人阶级。计算机消灭了整批职业：电话接线员、排字工、旅行社代理，而后工业时代的劳动力规模更大、报酬更好。先验是强的。问题在于，2023年这一波里有没有什么东西打破了这个模式，还是说这些警告不过是又一轮把短期痛苦误读成长期轨迹。
第1阶段的裁断
这是头一个由造出技术的人公开警告这项技术危险的自动化周期。这不能证明他们是对的。它只是一个理由：把末日论立场认真对待到足以拿劳动经济学家真正在用的模型去检验它。历史记录提供信息，它不是一条演绎。这里相关的模型正是阿西莫格鲁本人建起来的那个，而它并不自动给出乐观的答案。
那就先把历史条件反射放下一个阶段。姑且相信那些从技术内部示警的人说的话。主流劳动经济学家思考自动化时所用的那个模型，预测的是什么？
任务框架，以及它的发明者现在怎么想
“尽管AI对劳动力市场的影响很可能相当可观，多数岗位和行业只是部分暴露于自动化，因而更可能与AI形成互补而不是被AI替代……AI的广泛采用最终可能在十年间把全球年度GDP推高7%。”
— Joseph Briggs与Devesh Kodnani，高盛，“人工智能对经济增长的潜在巨大影响”，2023年3月26日
新闻标题留下了3亿个工作岗位这个数字，把句子的其余部分丢掉了。完整的报告比它那个疯传的缩写版本更谨慎，也更有意思。
高盛悄悄在用的那个框架，也就是阿西莫格鲁与雷斯特雷波在2018到2022年间明确建起来的那个，是任务框架。分析单位不是岗位，而是任务。一个放射科医生的岗位是一束任务：读片、与临床医生沟通、和外科配合、向病人解释诊断。当一项技术做某个任务比人更便宜，它就把这个任务自动化了。这位医生会不会丢掉岗位，取决于她那一束里剩下的部分发生了什么。
这个框架把劳动效应分解成三股力量。取代效应：任务被自动化，劳动者被替换。生产率效应：产出更便宜，对未被自动化的那些任务需求更多。恢复效应：以前不存在的新任务被造出来，软件工程师、提示词工程师、AI审计师。乐观的故事是生产率加恢复跑赢取代。悲观的故事是它们没跑赢，或者跑得不够快。
在阿西莫格鲁-雷斯特雷波的表述里，劳动份额随取代边际与恢复边际的相对增长而变动：
$$\Delta s_L \approx (\text{reinstatement}) - (\text{displacement}) + (\text{productivity-induced demand})$$当恢复效应与生产率效应占上风，劳动份额回升，实际工资上涨，这就是历史上的模式。当取代效应占上风，也就是阿西莫格鲁所说的“平庸的自动化”（so-so automation），劳动份额下降，工资增长停滞。
把自动化想成三件事之间的一场赛跑。任务被自动化掉，对原来做这些任务的劳动者是坏事。产出变便宜，抬高了对劳动者仍在做的事的需求，是好事。以前不存在的新任务被发明出来，也是好事，只是要等。历史记录是好事跑赢了坏事。框架并不保证这一点，它只告诉你该量什么。
同一个框架既产出高盛7%的GDP预测，也产出阿西莫格鲁悲观的0.53%到0.66%的全要素生产率估计：同一个模型，不同的参数。任务框架这套分析工具，其形式化的落脚点在第21章 §21.7（任务框架）；第13章 §13.3（增长理论）展开生产率的一面；第18章 §18.2（制度经济学）处理劳动份额的一面。任务模型这条学脉，从Autor-Levy-Murnane 2003年经Acemoglu-Autor 2011年到Acemoglu-Restrepo 2018—2022年，贯穿经济思想史第16章（发展经济学）。
框架要求做的历史比较，正是当初造出那套条件反射的那一次：工业革命。手摇织工对动力织机的判断没有错，他们的工资确实下跌，转型确实残酷，吸收下来用了两代人。随后出现的是一个雇人更多、工资更高的纺织业。经济史第7章把这段记录走了一遍，包括大约1780到1820年间那段三十到五十年的工资停滞，乐观的故事总是跳过它。恢复边际起了作用，只是起得很慢。
更近的一个案例是中国冲击。1999到2011年间，美国制造业就业下降了大约四分之一。Autor、Dorn和Hanson随后的工作显示，那次取代是真实的、在区域上高度集中的，而且大半藏在标准模型最先读取的宏观总量里。经济史第17章处理中国一侧的贸易冲击年表，第18章处理美国一侧吸收与否的故事。自由贸易那篇导读把同一份Autor-Dorn-Hanson记录走得更细。那一次的再配置比纺织业的类比更慢，也更不彻底。平庸的自动化这层担忧是：AI的部署看起来更像1810年（恢复终究会来），还是更像2005年（再配置不彻底，成本由劳动者承担）。
平庸的自动化，以及阿西莫格鲁为什么改了主意
“企业目前部署AI的方式，主要是替代人类劳动而不是与之互补，这是最可能压低劳动份额、让工资停滞的那一种自动化，而不是最可能把它们抬高的那一种。”
— 转述自达龙·阿西莫格鲁，“人工智能的简单宏观经济学”（2024年）及相关研究
阿西莫格鲁的悲观转向之所以重要，是因为它出自这套分析工具的内部。他的论点不是框架错了，而是这个框架诚实地用下去，在企业把AI当替代品而不是互补品来部署时，预测的就是一个糟糕的结果，也就是他所说的平庸的自动化。自助收银机替掉一名收银员，并不会因此多产出多少食品杂货；客服聊天机器人替掉一名坐席，并不会因此多产出多少服务。取代在动，生产率不动，恢复跟不上。劳动份额下降，没有工资上涨来抵消。他给出的十年期全要素生产率估计是0.53%到0.66%，比业界预测低一个数量级。框架给出悲观的裁断，是因为企业正在以对劳动者最不利的方式使用AI。
“通用技术走的是一条J曲线。早年看上去像是替代，生产率收益要等企业和劳动者围绕新工具重新组织起来才会到。我们还没走过J的谷底。”
— 埃里克·布林约尔松，J曲线论点的概括（2017年，就AI作了延伸）
布林约尔松的反驳同样出自这套分析工具的内部。通用技术的生产率收益系统性地滞后：电力用了三十年才出现在生产率统计里，因为企业得围绕它把工厂的线路重铺一遍。计算机有二十年时间无处不在，唯独不在生产率统计里，然后1990年代末的繁荣兑现的正是J曲线预测的东西。在这个视角下，盯着2024年的数字断定AI就是平庸的自动化，等于把J的谷底当成了稳态。同一个框架，不同的参数：一方说替代格局就是稳态，另一方说那只是过渡。
第2阶段的裁断
框架站得住。阿西莫格鲁与布林约尔松之间的分歧，是任务模型内部的一个量级问题。一方把参数校准到当前的替代格局上，结论是平庸的自动化。另一方把参数校准到历史上那条J曲线，结论是生产率繁荣尚未到来。政策问题在于，AI的采用能不能被引导到互补而非替代的那种格局上，那种格局才给出乐观的裁断。这是一个制度问题。
理论预测取代与再配置。那么经验记录显示了什么？2024年，那个“AI吃掉了我们的岗位”的企业案例疯传全网。2025年，同一位首席执行官把它收了回去。
Klarna的反转，以及有争议的记录
“上线第一个月，它进行了230万次对话，占Klarna客服聊天的三分之二。它做的工作量相当于700名全职坐席。”
— Klarna新闻稿，2024年2月
2024年被引用最多的企业版“AI吃掉了我们的岗位”数据点。Klarna报出了数字，点了职能，也点了AI供应商。十五个月后，同一位首席执行官说了别的话。
一个关于取代的经验主张，要过的门槛比一份疯传的新闻稿高。框架告诉我们该看什么：哪些任务被自动化了，是的，Klarna的聊天机器人接下了三分之二的对话。但也要看那些劳动者后来怎么样了，服务质量怎么样了，以及这个职能在随后几年里的总就业怎么样了。一份新闻稿捕捉到的是某一个时点上的取代效应。把它读成稳态，前提是生产率效应和恢复效应等于零，甚至更糟。
在宏观层面，如果AI取代真的在以末日论者描述的规模发生，它应当出现在总量劳动数据里：劳动参与率、就业人口比、劳动份额占GDP的比重。阿西莫格鲁2024年的论文查过了。他给出的十年期估计是给全要素生产率增加0.53%到0.66%，不是零，但比高盛的7%低一个数量级还多。国际货币基金组织那个被广泛引用的40%的数字，量的是暴露于潜在自动化的任务。暴露与兑现之间的落差，才是全部要害。
“从品牌的角度、公司的角度，我只是觉得，让客户清楚地知道只要他们想，永远都会有一个真人在，这一点太关键了。”
— Sebastian Siemiatkowski，Klarna首席执行官，彭博社访谈，2025年5月
Klarna把“700名坐席”的说法收了回去
2024年被引用最多的那个AI取代案例，在2025年反转了：同一位首席执行官，把人重新招回来，理由是服务质量。要么聊天机器人没有新闻稿说的那么好，要么这个职能需要人机混合，要么两者都是。干净利落的替代故事，一接触真实客户就没能活下来。
你信谁的数字？
“作为这项技术的生产者，我们有责任也有义务，对将要到来的事情说实话。我认为这还没进入人们的视野。它会在很短的时间里发生，短到两年甚至更少。”
— 达里奥·阿莫代伊，Anthropic首席执行官，Axios访谈，2025年5月28日（他预测AI可能抹掉一半的入门级白领岗位，把失业率推到10%至20%）
阿莫代伊的数字，一半的入门级白领岗位、几年之内失业率升到10%至20%，是业内给出的最锋利的预测。国际货币基金组织那个40%的全球暴露度数字也在同一个区间附近。哪怕这些预测只兑现一小部分，宏观痕迹也不会难找。末日论的说法是：我们离看见它只有几个月。
“我们的估计是，未来十年AI的采用会给全要素生产率增长贡献大约0.53到0.66个百分点，这有意义，但比业界预测低一个数量级还多。”
— 转述自达龙·阿西莫格鲁，“人工智能的简单宏观经济学”，2024年
阿西莫格鲁的数字是主流里最严谨的估计，比业界预测低得离谱。截至2025年的劳动数据支持他：没有总量痕迹，就业接近充分，参与率稳定。那些预测失业率升到10%至20%的人，是在从产品能力往外推，早已越出二十年来充当劳动经济学主力模型的那套宏观模型。末日论预测的置信区间很宽，而数据还没开始动。
第3阶段的裁断
经验记录有争议，置信区间也宽。Klarna把最干净的替代故事收了回去；Anthropic警告更大的一波只有几个月之遥；阿西莫格鲁的数据显示迄今宏观痕迹极小，不过同样的“没有总量痕迹”这个信号，在中国冲击那一次看上去也很干净，而Autor-Dorn-Hanson最终记录下了宏观数据掩盖住的大量区域性取代，见自由贸易那篇导读。宏观痕迹的缺席是一个弱信号。诚实的读法是：我们还没有足以区分末日论预测与乐观派预测的数据。两者都是任务框架的融贯运用。接下来五年的宏观劳动数据，会把当下争论定不下来的许多事情定下来。
就算区间很宽，问题还是得有个答案。如果取代是真的，哪怕只落在区间的下端，制度应当对此做什么？而丰饶论的框架，摆到最锋利的形式又是什么样？
再分配、后工作转向，以及裁断究竟是什么
“等到卡车开始自己开，350万名卡车司机因为再也养不起家而暴动……我们取代工作岗位的速度，会是[上一场]工业革命的三到四倍，而那场工业革命里就有大规模暴动。”
— 转述自杨安泽，《乔·罗根秀》第1245期，2019年2月
这段ChatGPT之前的材料，把全民基本收入拖进了主流政治讨论。五年之后，论证更锋利了，政治更难了。
如果取代是真的，哪怕只落在区间的下端，政策问题就变成了再分配。主流的分析工具里有三件值得认真对待的政策手段。全民基本收入不问工作状态，向每个成年人发放一笔等额的转移支付。负所得税让福利随收入下降而逐步进入、随收入上升而逐步退出。米尔顿·弗里德曼提出它，是作为庞大福利国家的一个与自由意志主义相容的替代方案。扩大的劳动所得税抵免把转移支付与工作挂钩，补贴低工资就业而不是取代它。
三者在劳动供给归宿、财政成本和政治上各不相同。全民基本收入在边际上保住了工作激励，第一块钱不承担任何隐含税，代价是把转移支付也发给了不需要的人。负所得税和扩大的劳动所得税抵免让转移支付保持定向，却引入了退坡的断崖，可能钝化工作激励。财政归宿这个问题贯穿第16章 §16.4（货币与财政理论）。行为反应那个问题，也就是转移支付提高时人们会不会少工作，是应用劳动经济学里被研究得最多的问题之一，答案是：比标准模型预测的少，但不是零。回答这个问题所需的劳动供给分析工具，即集约边际与广延边际、劳动所得税抵免落在低工资劳动上的归宿、买方垄断下的工资下限，安放在第21章 §21.1（劳动供给）和§21.5（买方垄断）。
后工作这套框架背后的学脉，比AI之争要老。凯恩斯1930年的文章“我们后代的经济前景”预测，生产率收益会在一个世纪之内把每周工时压到15小时上下。工时确实下降了，只是远没有那么多。阿西莫格鲁如今置身其中的制度主义传统，从凡勃伦经波兰尼到当代的劳动份额文献，把劳动一方的力量和制度调整当作起支撑作用的变量。经济思想史第15章（制度主义传统：从凡勃伦到阿西莫格鲁）追溯了这条学脉。杨安泽和奥尔特曼是它的后代，不管他们知不知道。
“我们相信人工智能是我们的炼金术，我们的点金石，我们真的在让沙子思考。……我们相信任何对AI的减速都会付出生命的代价。本可以被AI避免、而那个AI又被阻止存在，由此造成的死亡，是一种谋杀。”
— 马克·安德森，“技术乐观主义者宣言”，a16z.com，2023年10月16日
马克·安德森把给AI减速称作“一种谋杀”
AI之争里被引用最多、也毫不设防的丰饶论文本，把任何减速都框定成不作为的杀人。AI没有被部署，因而错过的医疗、气候和教育上的进展，就是失去的生命。在这个框架里，末日论盯着劳动取代，等于把眼前的过渡成本读成稳态，政策裁断错了好几个数量级。
制度应当做什么？
“我们相信增强智能推动边际生产率，边际生产率推动工资增长，工资增长推动需求，需求推动新供给的创造……没有上限。”
— 马克·安德森，“技术乐观主义者宣言”，2023年10月16日
与这份宣言一致的政策框架是最小干预。让技术跑，不要用监管减速去抢先阻断，让生产率收益到来，让劳动者像此前每一轮通用技术里那样完成再配置。福利收益是巨大的。再分配项目带来的制度摩擦，本身就是丰饶论框架要计入的一项成本。马克·安德森那个工资增长会自己造出需求的前提，是1810年自由放任版本的更新。如果这个历史模式管用了两个世纪，举证责任就落在声称这一轮不一样的人身上，而末日论这一波所尽到的举证，还不足以担起它。
“总量上的福利收益是真的，承担转型成本的人也是真的，而这两拨不是同一批人。把前者当作后者无关紧要的证明，这样的政策框架算不上政策框架。”
— 主流劳动经济学标准回应的概括
制度不是摩擦。制度是决定历史模式会不会重演的那个变量。培训项目、转移支付项目、议价结构和可携带的福利，才是把丰饶论的结局从一种指望变成一套方案的机制。马克·安德森的框架正在犯1810年自由放任框架犯过的同一个错：技术会兑现，劳动者会完成再配置，制度应当靠边站。两个世纪的历史记录显示，它确实管用，只是很慢，对卡在空档期里的劳动者很残酷，而且要以制度调整为条件，工厂法、公共教育、最终是福利国家，都是自由放任框架没有预测到、还试图阻止的东西。制度问题，也就是在这段空档期里我们欠人们什么、培训项目、转移支付和议价结构该是什么样，正是任务框架诚实运用时落到的地方。
裁断
任务框架预测的是取代加再配置。历史记录说的是，此前每一轮再配置最终都赢了。2023到2026年的证据，既跟阿西莫格鲁式的平庸自动化稳态相容，也跟布林约尔松式的J曲线到来之前的过渡相容。出力最多的那个变量是再配置的速度：劳动者转到新任务有多快，新任务冒出来有多快，制度调整生出多少摩擦。这个速度由培训体系、转移支付项目和议价结构决定。
立场如下。丰饶论框架低估了过渡成本，这种低估是真实的，对处在空档期里的劳动者是有后果的。而一套认真的政策回应，扩大劳动所得税抵免、可携带的福利、培训项目改革，也许还有一项与AI生产率收益挂钩的全民基本收入试点，即便按乐观派那一组参数值来看也站得住。末日论框架高估了稳态的结局，把J的谷底错认成渐近线。大规模失业的预测目前得不到宏观劳动数据的支持，而它隐含的政策，也就是给技术减速，是拿一项投机性的劳动损害去换马克·安德森指出的那些可测量的福利损失。制度调整是起支撑作用的变量，过渡成本是真实的，只要制度行动就承受得住，而技术应当往前跑。
目前的结论
这些警告来自业内，这使得历史条件反射作为回应已经不够。任务框架是对的工具，阿西莫格鲁和布林约尔松是在用不同的参数跑它。2024到2026年的企业记录显示了取代是怎么发生的。宏观劳动数据还没开始动。
同一个制度调整问题也贯穿移民是否对经济有好处和我们该如何为气候变化买单。劳动份额与制度调整，是贯穿这几篇的那条主线。