《AI、就业和社保》

来源 | 《财经》杂志

2026年第1期 1月5日出版

作者为国/务/院/发展研究中心社会和文化发展研究部部长、研究员;

本文观点不代表作者所供职机构的意见

经济增长与就业创造常被视为硬币的两面.

一、经济增长与就业的关系正在发生改变。

在工业革命之前的漫长农耕时代，低技术进步带来低速增长，对应的是低人口增速和低就业增速，经济增长几乎等同于农业就业的增长。

工业革命突破了能源动力的束缚和生产要素既有组合方式，人类的生产边界大大拓展，工业化和城镇化依托规模经济相互促进，工业品价格随生产率提升而下降，工资水平随生产率提升而上升，大规模生产与大规模消费形成正向循环，工业蓝领岗位快速增加。

现代公司制度扩大社会分工协作的范围，原本由一个企业内部完成的众多生产环节（如物流运输、市场营销、法律咨询）独立出专业化企业，构成庞大的中间投入品和服务网络，在提高经济效率的同时，也使得科层制下的知识白领岗位大量涌现。在上世纪80年代个人计算机普及后，会计、文秘、分析师等信息处理类岗位增长较快。

家庭劳动市场化是就业创造的另一重要引擎。女性大规模进入就业市场，原本在家庭内部无偿进行的劳动转化为国民经济核算上的市场化服务业，家政、餐饮、教育、娱乐等生活性服务业岗位被不断创造出来。

在20世纪的大部分时间里，“经济繁荣即充分就业”是工业文明塑造的一种社会认知，并成为当前诸多商业模式和社会制度的叙事逻辑和心理基础。

21世纪前后发达经济体经历的数次“无就业增长”开始挑战这一共识。最初的研究认为“无就业增长”出现在经济危机之后，更多来自新创设企业增加设备投资，是一种周期性的异常现象，并未形成结构性的就业与增长关系变化。但后续研究表明，常规性认知和体力工作的消失并非渐进发生，而是集中在经济衰退期。企业利用危机作为集中“清洗机制”，永久性地淘汰了可被自动化替代的中等技能岗位。当经济复苏时，这些岗位不会再回来，虽然服务业最终还是吸纳了大部分劳动力，却是以牺牲工资增长和工作稳定性为代价的。

综合近年来国内外研究AI对就业影响的文献，人工智能未造成大面积失业。不少研究还发现，尽管高AI暴露度行业的劳动者失业率确实在上升，但更低暴露度的劳动者失业率上升得更快。一种可能的解释是，高AI暴露度的劳动者教育程度更高，再就业能力更强，受到的影响反而更小。为数不多证明高AI暴露度人群失业率更高的研究，主要使用大型语言模型来评估各类职业被人工智能替代的风险，即“人工智能告诉我们人工智能正在加剧失业”，但统计的显著性也不高。

虽然对就业总量的影响并不明显，但在当前的人工智能时代，就业与增长之间的关系已经表现出一些新趋势，可概括为三个方面的“脱钩”。

一是就业与投资脱钩。在工业时代和服务经济时代，无论是基础设施投资还是机器设备投资，都能带来可观的直接和间接就业。在人工智能时代，科技企业以前所未有的速度进行资本深化，但就业创造效应在下降。与上一轮互联网投资热潮不同，AI时代的扩张模式从“轻资产、重人力”转变为“重资本、重算力”，依赖于数据中心、能源网络等物理基础设施的高密度投资。微软、亚马逊、谷歌和Meta在2025年的资本支出总额预计将达到4000亿美元，这一规模超过了许多中等国家的全年GDP（国内生产总值）。但科技企业同时实施人力资本紧缩策略，削减数十万个就业岗位并冻结对毕业生的初级岗位招聘。不同寻常的是，这些行为发生在科技企业股价创历史新高、营收增长强劲的背景下，反映了企业削减人力成本以释放算力基础设施投资资金的决策思路。

二是技术进步与人力资本提升脱钩。以往劳动生产率的提升，既来自资本及其凝结于机器设备的技术贡献，也来自“干中学”过程中人力资本提升的贡献。在人工智能时代，劳动生产率的提升却更可能来自该指标的分母（即“劳动力规模”）的下降，人力资本提升的速度远远赶不上AI技术进步的速度。

一方面，人力资本“干中学”的积累路径变窄。过去，大学毕业生通过从事基础性工作积累经验，逐渐成长为高级人才。现在，AI越来越胜任初级分析师、初级程序员和初级文案等工作，一些就业岗位针对应届毕业生的招聘需求下降。例如，传统的律所模式依赖大量初级律师进行文件审查、法律检索等工作，现在AI可以在几秒钟内完成这些工作，但离婚等案件需求并不会因为AI技术发展而上升，会导致律所大幅减少初级律师招聘。这不仅导致青年失业率的上升，还可能切断长期以来很多类型人力资本提升的阶梯——如果企业不再招聘初级员工，未来的高级专家从何而来？

另一方面，在技术和教育的竞赛上，人力资本的线性积累速度跟不上技术进化的指数级速度。针对AI时代就业挑战的一大药方是终身教育。但教育模式的变革在AI技术进展面前并不是万能药，大部分劳动者的人力资本积累速度已难以追赶机器智能的进化速度。例如，当大学刚刚开设“提示词工程”课程时，最新的模型可能已经不再需要提示词优化。

三是劳动者工资与生产率提升的脱钩。对美国就业市场的研究显示，自20世纪70年代以来劳动生产率与实际工资的脱钩一直在持续，而AI的加速应用可能扩大这一裂痕。在人工智能时代，AI推动初级代码编写、法律文书起草、基础金融分析等非常规认知任务的常规化，高效率部门的超额利润更多转化为资本收益以及少数核心人才的薪资增长，留在高效率部门的辅助性岗位就业者不仅趋于减少，因其人力资本贡献小于AI，薪资增长也不会与行业生产率提升保持一致。

传统的“鲍莫尔式”生产率分享机制失效。Baumol提出的“成本病”理论指出，制造业等高生产率部门创造的超额价值会通过劳动力市场竞争（争夺稀缺劳动力）或制度性安排（工会谈判、最低工资等），溢出到医疗、护理、文娱等生产率增长缓慢的部门，从而实现全社会工资水平普涨。这种跨部门的工资传导机制，维持了劳动力市场的相对均衡，也成为低效率部门从业者共享繁荣红利的主要渠道。在AI时代，由于高效率部门不再需要更多岗位，无须通过不断涨薪来维持劳动力队伍，也就无法通过“工资示范效应”拉高全社会工资水平。当被AI替代的中等技能劳动者（如文员、翻译、初级代码员）流动到生产率提升较慢的服务业（如网约车、配送、基础护理），出现劳动者供给大于需求，低效率部门劳动者工资随高效率部门工资上升的机制被阻断。

下降的AI成本压低人类工资提高的“硬上限”。对于大量基于规则、逻辑分析、信息合成和模式识别的任务，AI提供了近乎无限的供给，这些领域的人力资本稀缺性被打破，相关技能的市场价格趋于下降。AI技术本质上是能源密集型的，如果智力的边际成本最终收敛于能源成本，而能源成本随着可控核聚变、高空风力发电、太空光伏等技术创新而继续下降，人类完成既有任务的工资上限面临持续下探的压力。例如在某项任务中，当AI的部署成本下降到每小时5美元，那么原本只从事该单一任务工人的工资永远无法超过5美元，无论其生产率提高了多少。

二、以稳定就业为基础的社会保险体系面临挑战

基于AI对就业替代效应和创造效应发生的时点、速度和范围的不同假设，不同机构的“水晶球”对AI影响未来就业的预测差异很大。例如，2020年以来世界经济论坛对人工智能是否增加就业连续三次作出了相反判断，对未来五年全球净增和净减岗位的预测差距达到9200万。相比于就业总量的变化，本文更关注AI时代就业的结构性变化对社保的挑战。

现代社会保险体系是大规模工业化时代的产物。无论是公共养老保险和医疗保险，还是失业保险、工伤保险或生育保险，其初衷都是实现“劳动者就业中断风险”的社会化分散。因此，社保制度设计和就业贡献之间强关联，其持续运转有赖于三大基石：人口红利带来的就业者增长、大工业生产形成的劳动关系标准化，以及生产力提升推动的工资收入增长。正是这三个条件在20世纪的历史□□汇，使得社会保险制度在财务上具备可行性，在政治上具备操作性，成为国家管理社会风险的重要制度。

第一块基石是有利的人口结构，这为社会保险提供了精算基础。在社会保险体系下，人口增长本身被转化为一种特殊的资产类别，代际转移支付产生一种隐含的“生物回报率”，其水平甚至可以超越货币资本的积累。如果一个经济体的人口增长率（n）与实际工资增长率（g）之和大于市场实际利率（r），那么引入现收现付制的社会保险体系将增加社会总福利。在二战后的几十年“黄金时代”里，婴儿潮使得这种“无资本的回报”成为现实，参加社保不仅仅是一种强制性负担，更是一种优于私人储蓄的投资行为。有利的人口结构建立了有社会共识的社保代际契约，实现了养老风险管理从分散的家庭转移到集中的社会供给。