當(dāng)前AI技術(shù)迭代迅猛，已從“輔助人”轉(zhuǎn)向“替代人完成完整任務(wù)鏈”。本輪技術(shù)進(jìn)步的使用成本極低、擴散速度極快，對勞動力市場的影響速度遠(yuǎn)超以往，需要引起高度重視。

從研究角度看，潛在暴露度與實際暴露度存在很大差異。目前我們看到的主要是潛在影響，大規(guī)模的真實沖擊尚未完全落地，存量層面還未出現(xiàn)劇烈波動。這正是一個窗口期，能否有效利用這一窗口，取決于對勞動力市場變化的實時監(jiān)測與前瞻應(yīng)對。

AI快速迭代的根本原因在于大國博弈。雖然技術(shù)進(jìn)步難以逆轉(zhuǎn)，但研發(fā)投入的可持續(xù)性可能為技術(shù)進(jìn)步放緩提供變數(shù)，為勞動力市場爭取更大調(diào)整空間。

應(yīng)對AI沖擊，核心在于構(gòu)建動態(tài)監(jiān)測與預(yù)警系統(tǒng)，將勞動力市場“原子化”為任務(wù)與技能兩個底層維度，實時追蹤崗位內(nèi)部結(jié)構(gòu)的演變，及時預(yù)警潛在風(fēng)險。同時加快建立就業(yè)預(yù)警機制，完善社會保障體系，推動“就業(yè)友好型社會”建設(shè)，幫助勞動者平穩(wěn)適應(yīng)技術(shù)變革。

——張丹丹 北京大學(xué)國家發(fā)展研究院副院長

* 本文為作者在2026年3月15日的CF40青年論壇雙周內(nèi)部研討會第194期“AI對勞動力市場的影響”上所做的主題演講，略有刪減。文章僅代表作者個人觀點，不代表CF40及作者所在機構(gòu)立場。

之前我曾分享過AI對勞動力市場的影響，今天想結(jié)合最新的研究進(jìn)展，和大家做一個交流，也請大家批評指正。這項研究一直在推進(jìn)中，期間與智聯(lián)招聘有很多合作。我們在研究過程中不斷修正研究方法，希望得出更科學(xué)的結(jié)論，并銜接之前的研究和未來的探索方向。

當(dāng)前形勢發(fā)生了新的變化。近年來，人工智能的迭代速度非常驚人。假期我在新加坡國立大學(xué)訪問期間，與當(dāng)?shù)貙W(xué)者有一些合作，其中包括新加坡管理大學(xué)經(jīng)濟學(xué)院院長李嘉教授，我們一起探討如何看待人工智能對勞動力市場的影響。我們更多是從方法論的角度切入，重點關(guān)注本輪人工智能進(jìn)步與以往技術(shù)進(jìn)步之間的本質(zhì)差異，希望把這個問題理清楚后再深入推進(jìn)。

目前，除了與智聯(lián)合作使用中國數(shù)據(jù)，我們也在用美國和新加坡的數(shù)據(jù)進(jìn)行比較研究，希望未來能在跨國比較和方法論調(diào)整上繼續(xù)推進(jìn)。

目前我們已經(jīng)有了一些初步結(jié)論。我今天主要聚焦方法論，關(guān)于結(jié)論層面的內(nèi)容，下一次可能會有更完整的結(jié)果。

AI技術(shù)的加速迭代與沖擊

從技術(shù)背景來看，如果說以往的技術(shù)進(jìn)步更多是對“腦力”的輔助或?qū)δ承┤蝿?wù)的替代，那么這一次開始出現(xiàn)對“手”的替代，也就是所謂的通用人工智能（AGI）趨勢。Open Claw出現(xiàn)后，任務(wù)可以自主執(zhí)行。過去AI替代的是整個任務(wù)鏈中的某一個環(huán)節(jié)，而現(xiàn)在它可以完整地執(zhí)行一整套任務(wù)鏈條。換句話說，這次變化是從“輔助人”到“完全替代人完成整個任務(wù)鏈”的轉(zhuǎn)變，這是我們最近觀察到的一個關(guān)鍵變化。

這種替代看起來很難避免——至少對任務(wù)的替代、對崗位的替代，甚至對一個機構(gòu)或一個行業(yè)的替代，未來是難以避免的。

我們關(guān)心的問題是：替代的速度與崗位創(chuàng)造的速度之間，究竟是怎樣的關(guān)系？正如蔡昉老師此前在一些演講和文章中提到的，如果崗位創(chuàng)造的速度足夠快，我們其實不必過度擔(dān)憂。

需要特別注意的是，這一輪AI革命，尤其是對腦力勞動的替代，與過去十年以自動化和機器人為代表的那一輪技術(shù)進(jìn)步有本質(zhì)不同。之前的“機器替代人”主要針對體力勞動，背后是較高的邊際成本——要真正在一個工廠、一個地區(qū)、一個行業(yè)里使用物化的機器，需要結(jié)合生產(chǎn)線進(jìn)行調(diào)整，這個過程需要時間，成本也相對較高。

而這一輪技術(shù)進(jìn)步的特點是，新技術(shù)出現(xiàn)后，往往可以免費注冊，或只需極低的費用即可使用。使用成本極低，擴散速度極快。如果說以往的替代是一個區(qū)域性、行業(yè)性、漸進(jìn)式的推廣過程，那么這一次的技術(shù)使用可能是全球性的、行業(yè)快速滲透式的，影響面可能會更大。它對整個勞動力市場重組的推進(jìn)速度，可能比過去的技術(shù)進(jìn)步快得多。這一點值得我們高度重視。

另外，在過去三年中，隨著人工智能大模型的快速發(fā)展，一些行業(yè)已經(jīng)受到明顯影響。以程序員為例，編程領(lǐng)域在今年的沖擊尤為突出。此前，內(nèi)容創(chuàng)作領(lǐng)域也受到顯著影響，比如今年Seedance的出現(xiàn)對視頻編輯帶來了較大影響。法務(wù)、財務(wù)以及行政事務(wù)等領(lǐng)域同樣也受到AI的很大影響。可以看到，越來越多的職業(yè)正在進(jìn)入AI的影響范圍。

最近我讀到羅比克的一篇文章，文中區(qū)分了“潛在暴露度”與“實際暴露度”或“實際替代”的概念。過去我們與李強合作的研究更多聚焦于“潛在暴露”——即一個行業(yè)已經(jīng)暴露在技術(shù)影響之下，但究竟會造成多大沖擊、會有多少人失業(yè)，其實是不確定的。而“實際暴露度”或“觀察到的替代”，則需要通過存量數(shù)據(jù)來觀察。用招聘信息看流量，可以了解行業(yè)對未來求職者要求的變化，這屬于“潛在暴露”；而對現(xiàn)有從業(yè)人員的實際影響，則屬于“實際暴露”。羅比克文章的核心觀點正是：這兩個概念的差異非常大——流量數(shù)據(jù)展示的是潛在影響，存量數(shù)據(jù)反映的是真實沖擊。

目前我們看到的更多是潛在影響，雖然能夠預(yù)見到一些趨勢，但大規(guī)模的真實沖擊尚未完全落地，存量層面還未出現(xiàn)劇烈波動。我認(rèn)為這正是一個窗口期——從“潛在暴露”到“真實影響”的傳導(dǎo)不會太久，我們還有機會做出應(yīng)對。

為何AI的發(fā)展“停不下來”

當(dāng)前，AI技術(shù)迭代迅速，每年年初都會涌現(xiàn)出大量令人驚嘆的新模型和新工具。為什么不能讓技術(shù)進(jìn)步慢一點？根本原因在于國家間的博弈。這次達(dá)沃斯論壇上，美國大廠也談到了這個問題——雖然大家都預(yù)見到某些替代可能發(fā)生、勞動力市場可能受到?jīng)_擊，但沒有人能停下來。

因此，我們判斷，技術(shù)進(jìn)步將是快速的，且影響是全球性的，使用成本極低、擴散速度極快，這一切都難以逆轉(zhuǎn)。

不過，也有一些因素可能讓技術(shù)進(jìn)步放緩。我們看到，OpenAI最近一輪融資高達(dá)1000億美元，估值達(dá)到7300億美元，投資方包括英偉達(dá)、谷歌等巨頭。這個量級相當(dāng)于一個中小型國家傾全國之力投資一家企業(yè)、投入AI技術(shù)研發(fā)。那么，未來研發(fā)還能有多大空間？我不知道，有可能研發(fā)速度會降下來。

另一個機遇來自開源模型。中國的DeepSeek等開源模型正在形成“卷”的態(tài)勢——美國投入巨資做閉源模型，而我們很快能以開源方式實現(xiàn)類似效果。這是否意味著高投入未必帶來獨占收益？如果技術(shù)成果可以被廣泛共享，是否會降低研發(fā)端的投入熱情？這也是一個值得觀察的方向。如果研發(fā)投入放緩，技術(shù)進(jìn)步的速度也可能慢下來，從而為勞動力市場爭取更大的反應(yīng)窗口。但這一切仍有待觀察。

此外，資本驅(qū)動技術(shù)快速擴張，但資本本身能否持續(xù)維持高強度的研發(fā)投入，也是一個未知數(shù)。未來是否會放緩，我們拭目以待。

構(gòu)建前瞻性的政策與社會支持體系

應(yīng)對人工智能對勞動力市場的沖擊，關(guān)鍵在于開展前瞻性研究，構(gòu)建一套動態(tài)監(jiān)測與預(yù)警系統(tǒng)，實時跟蹤勞動力市場的變化，精準(zhǔn)把握技術(shù)進(jìn)步對特定職業(yè)、任務(wù)及技能的影響，并及時向從業(yè)者和政府部門發(fā)出提醒和預(yù)警。這樣，勞動者可以提前準(zhǔn)備轉(zhuǎn)崗或技能提升，政府也能有針對性地組織培訓(xùn)，從而避免大規(guī)模失業(yè)，推動勞動力結(jié)構(gòu)的平穩(wěn)調(diào)整。因此，建立動態(tài)監(jiān)測系統(tǒng)至關(guān)重要。

動態(tài)監(jiān)測系統(tǒng)的基本邏輯是什么？傳統(tǒng)的勞動力市場研究往往以職業(yè)、行業(yè)或地區(qū)為單位，但在AI快速滲透的背景下，我們更需要將勞動力市場“原子化”——即拆解到任務(wù)和技能這兩個底層維度。以客服崗位為例，三年前和現(xiàn)在的職業(yè)名稱沒變，但具體從事的任務(wù)構(gòu)成已經(jīng)完全不同。因此，我們要透過表面的職業(yè)名稱，觀察職業(yè)內(nèi)部的任務(wù)重組和技能需求的變化。

我們與李強合作，利用智聯(lián)招聘等數(shù)據(jù)，將招聘信息解構(gòu)為任務(wù)和技能兩個維度。目前，國際通用的任務(wù)分類約有2萬種，技能分類約3萬種，但這一標(biāo)準(zhǔn)類似“元素周期表”，是相對靜態(tài)的，近些年變化不大。而我們真正需要的是動態(tài)追蹤——通過分析崗位描述（JD）的變化，發(fā)現(xiàn)哪些新任務(wù)、新技能出現(xiàn)，哪些舊任務(wù)、舊技能消失，不斷更新這個“元素周期表”。

此外，我們還需要關(guān)注這些“元素”的組合方式。勞動力市場的重組，本質(zhì)上就是任務(wù)和技能的組合方式在發(fā)生變化。我們采用網(wǎng)絡(luò)分析方法，觀察哪些任務(wù)和技能開始頻繁組合，當(dāng)組合趨于穩(wěn)定并形成新的模式時，可能就意味著一個新職業(yè)的誕生。我們不能等到職業(yè)名稱消失時才意識到變化，而要在其內(nèi)部結(jié)構(gòu)悄然演變時就捕捉到趨勢。

當(dāng)前國際上通行的“暴露度”算法，如SCI 2024年那篇文章中的方法，已經(jīng)有些過時。我們需要對其進(jìn)行更新。傳統(tǒng)方法往往通過詢問AI能否完成某項任務(wù)的50%工作量來判斷，輸出的是0或1的二元變量。但現(xiàn)實遠(yuǎn)比這復(fù)雜：50%替代和90%替代，對就業(yè)的影響天差地別。以程序員為例，過去幾年可能只是50%替代，現(xiàn)在已接近完全替代，但單一數(shù)據(jù)點無法反映這種變化。因此，我們需要將暴露度從一個二元指標(biāo)拓展為連續(xù)變量，更精細(xì)地衡量替代程度。

更重要的是，現(xiàn)有的暴露度算法只能說明某個職業(yè)“暴露”在風(fēng)險之下，并不能直接等同于“被替代”。我們觀察中國、新加坡、美國的數(shù)據(jù)發(fā)現(xiàn)，大量職業(yè)的暴露度集中在0.7到0.8之間，但這些職業(yè)中有的需求下降，有的需求不變，有的甚至需求上升。這說明，同樣的暴露度并不必然導(dǎo)致替代。因此，我們希望對暴露度指標(biāo)進(jìn)行優(yōu)化，賦予它“溫度”和“態(tài)度”——既能反映暴露程度，也能預(yù)測替代的可能性。這是我們當(dāng)前方法論探索的重點。

最后，我們認(rèn)為當(dāng)前階段應(yīng)當(dāng)加快建立就業(yè)預(yù)警機制，并完善社會保障體系。今年“兩會”提出了構(gòu)建“就業(yè)友好型社會”的方向，其中包含一系列政策安排。在全流程監(jiān)控AI應(yīng)用風(fēng)險的基礎(chǔ)上，相信后續(xù)會出臺更多配套政策，幫助社會逐步適應(yīng)快速的技術(shù)迭代。

張丹丹，北大博雅青年學(xué)者、北大國發(fā)院經(jīng)濟學(xué)教授、教育部長江青年學(xué)者、北大國發(fā)院副院長。張丹丹老師研究領(lǐng)域為勞動經(jīng)濟學(xué)、應(yīng)用計量經(jīng)濟學(xué)和實驗經(jīng)濟學(xué)。