AI带来的是生存还是毁灭

1 有点逆耳的问题

大家都很兴奋的谈AI的能力有多强，有多聪明，奇点、涌现、智能爆炸等等。但对于普通个体来说，面临的更实际的问题，就是失业！被取代，被替换，被优化。

这不是即将发生，而是已经发生，并迅速的扩散中。

这是个有点拧巴的现象，AI很好，非常好。但是AI也让人失业，让非常多的人失业。

AI让商品和服务越来越便宜，让企业用更少的人做出更多东西，增长的数据很漂亮，但你的工资没了。。。。。。这叫进步，还是叫灾难？

乍看之下，这两件事不该同时发生。生产效率提高了，东西更多更便宜，日子不是应该更好吗？

问题在于，生产出来的东西还得有人买。对大多数普通人来说，收入就是来自工资。如果企业不再需要那么多人，生产能力虽然上去了，但是广大的普通消费者手里的钱却急剧的萎缩了。

广大的消费者收入萎缩，产品更加卖不出去，生产商品的厂子最终还是要倒闭。 那AI是促进了社会进步，还是促进了社会的毁灭呢？

人类几千年的文明发展史中，多次出现类似的技术革命。但从没有那次想AI这样子直接把人类社会逼上了绝路！

工业革命，蒸汽机出现了，汽车代替了马车。马车夫失业了。但是诞生了汽车司机的新的行业。而且由于技术的进步，惠及的人群面更广，司机的需要还远超过了车夫的需求。还衍生出了无数周边的产业和行业。

但AI不是这样子的，他出现了，他替代了程序员，他替代了艺术设计师，他马上就要替代律师，会计，财务，咨询，教师，翻译，等等等等职业。在国内，甚至无人送餐机器人，无人送货车也都出现了，不仅是脑力劳动被汰换，连体力劳动也不例外。

但他只产生极少的新的工作岗位的需求！AI只需要极少的维护人员即可。 他不产生新的工作需求！！

AI社会越来越不需要你的劳动，但你却仍然要靠劳动换取收入，才能在这个社会里活下去。

2 机会：AI 能把生产力提高到什么程度

先说清楚机会到底有多大，否则后面的危机听起来像是我在吓唬人。

AI 带来的第一个变化，是完成一件事的成本暴跌。写代码、出设计、做分析、整理资料、撰写报告、翻译文献，这些过去要按人天报价的工作，现在按分钟算。一个原本要十个人推起来的项目，两三个人加几台机器就能跑通。对小企业和个人来说，这是第一次能用几个人的成本，去做过去一支团队才能做的事。

第二个变化，是它能进入的领域还在不断变宽。最早是程序员在用，接着是设计、文案、客服，然后是财务、法务、医疗辅助、教育答疑。每往外扩一圈，就有一整个行业的生产函数被重写。

第三个变化，是这种能力会外溢成公共福利。医疗资源紧张的地方，多出一个能承担初筛和随诊的助手；教育资源不足的地区，每个孩子都能配上一对一的辅导。过去这些都要靠人和钱堆出来，现在可以靠算力摊薄。

把这三件事合起来看，AI 释放的生产力不是一个行业、一个国家的增量，而是整个经济运行方式的重构。这不是「效率提升百分之几」，而是「同样的人力，能不能干出十倍的事」，答案是能的。

这也是为什么，那么多人对 AI 兴奋到失态。这个兴奋不是没道理的。

但正因为生产力可能涨得这么猛，一个问题就绕不过去了：这么多产出，需要谁来做，又需要谁来买？

劳动力的过剩结局就是内卷（注：专业术语 ¹上的内卷的最终结局是整体死亡)。生产力的过剩，是一样的导致内卷然后全部破灭么？

3 危机：如果企业不再需要那么多员工

道理很简单，机器干的活越多，雇的人就越少。你第一眼看到的事实就是——AI不是创造了一类新岗位，它直接把原来的人换掉了。程序员被换掉，设计师被换掉，律师、会计、财务、咨询、教师、翻译，一个接一个。连送餐、送货这种体力活，国内也已经有无人车、无人配送在跑。

虽然大规模失业的统计数字还没出来，但已经能看见一些端倪了。

斯坦福数字经济实验室 2026 年的研究发现，在美国 AI 高暴露职业中，22 至 25 岁年轻人的就业人数，相比按低暴露职业推算的水平低了约 19%。年轻人进入某些职业的机会正在减少。

这都不是说AI导致的裁剪老员工的问题，而是年轻人进入职业体系的机会都没了。

有经验的人还能靠审核、把关、承担责任活下去，年轻人连练手和成长的位置都没有了。

中国的情况也有类似的痕迹。智联招聘在 2026 年 3 月的 CF40 研讨会 ²上讲过一组数据：把平台上的职位按经验要求分成初级、中级、高级三类，初级职位（无经验或一年以下）从 2022 年 10 月开始持续衰减，而那个月正是 ChatGPT 在全球爆火的月份；中级职位受影响不大，仍在增长，高级职位略有增长。

这个分水岭的位置值得留意：不是「AI 抢了所有人的饭碗」，而是 AI 把职业阶梯最底下那两级抽掉了。中高级岗位的人靠经验吃饭，暂时还安全；新人想从初级爬上去，发现梯子没了。这和斯坦福那份研究的结论是同一个方向——被卡住的，是进入。

同期数据里还有两个数字：节后三周企业总招聘职位数同比下降约 15%，而有招聘意愿的企业数量同比反而增加了 7%。也就是说，企业还在扩张，只是每家要的人变少了。这比「企业不行、大规模裁员」更值得警惕，因为它说明的并不是短期的经济周期。

IMF 在 2024 年发布的《Gen-AI: Artificial Intelligence and the Future of Work》给了个框架，大致描述了这轮替代的形状。报告估计，全球约 40% 的就业岗位受到 AI 影响，发达经济体这一比例约为 60%。它还区分了一个维度：互补性。高暴露、低互补的岗，AI 直接顶上去，会计文员那种标准化文书工作首当其冲；高暴露、高互补的岗，AI 暂时只是帮手，比如医生靠 AI 看片子，最后签字负责的还是医生。

但「暂时」这两个字要划重点。互补不是一道永久护城河，它取决于 AI 那天的能力边界。今天它还越不过去的判断、责任和复杂协作，明天可能就跨过去了。医生现在靠签字保住位置，不等于五年后还需要那么多人签字。

另一个反直觉的地方是，学历高并不更安全。越是认知密集的活，越是 AI 的舒适区，律师、咨询、分析师这些高学历扎堆的行当，恰恰在被正面冲击。高学历既是风险，也是一种适应能力，看你怎么用。

所以，真正要问的不是「多少人会失业」，而是：如果 AI 连转型的出口都一起占掉，人类劳动的总需求，会不会发生长期变化？

这个问题现在没人能给出确定答案。但裂缝已经出现了，而且裂缝的位置，比我们想的要深。

4 根源：生产出来的财富，最终归谁

AI让企业大幅减少了用工，而且生产效率提高了。接下来会发生什么？

举个栗子：原来企业有 100 名员工，每人每月创造的产出价值平均为一万元，合计 100 万元。现在引入 AI，10 个人就能完成原来 100 个人的工作，产出仍然是 100 万元。

如果其他条件不变，企业支付的工资可能从 100 万元降到 10 万元。原来用于支付工资的那部分钱，并没有因为人员减少而自动消失，它可能变成企业利润，也可能用于购买 AI 服务、算力和设备，最终流向相关资产和技术的所有者。

这只是一个简化的例子，不是真实企业的财务模型。但它说明了一个问题：生产效率提高以后，劳动者获得的收入不一定会同步增加。

经济学里有一个概念叫初次分配，说的就是生产活动创造的收入，如何在劳动者、企业和资本所有者之间分配。

在往下算账之前，先说清一个前提。前两节说的「生产力上去了」，其实还是一个进行中的过程，不是一个已经终结的结果。

国际劳工组织 2026 年 4 月的研究简报《The Aggregation Paradox of AI》（Chan 与 Shedania）给它起了个名字，叫加总悖论：单个的，局部的任务层面的效率提升非常明显，但到了系统性的，整体行的，效率提升则仍不明显。 就是说每个小任务都很棒，但合到一起还是不行。这也是加总悖论的意思所在。

在行业和宏观经济层面，官方统计里还没出现清晰的 AI 驱动的生产率增长。企业要重排流程、治理数据、培训员工、添置设备，这些都要时间和成本，收益卡在投资跟不上的地方。

这说明「生产力变大」和「财富变多」之间还暂时隔着一道闸门。一旦突破这道门，生产力社会性的全体大幅度提升，全社会所需要的雇佣员工将断崖式的下跌。那时候才是大问题爆发的时候。

但请注意，这道闸门拦不住分配问题，反而让问题更尖锐：既然产出都还没完全兑现，收益就已经开始往少数人手里集中了，等真的兑现那天，会更集中还是更分散？

过去，劳动者通过工作获得工资，企业通过经营获得利润，资本所有者通过投资获得回报。劳动是生产过程中不可缺少的一部分，因此劳动者也有一定的议价能力。

但如果 AI 让企业越来越少地依赖劳动，整个的生产关系都被颠覆了。而且不是因为雇主变坏了，只是因为在纯粹的交换关系里，企业有了更便宜的替代方案，一方不再被需要。

这不是一个只停留在纸面上的假设。IMF 2026 年的研究《Aggregate Gains from AI and Their Distribution》用真实的 AI 使用数据评估了这一情景。

IMF研究借助 Claude 的使用记录，估算 ³出了 AI 帮助人类节省的劳动时间，再按相应工资水平折算。基准估算约为每年 2.7 万亿美元，相当于样本经济体 GDP 的 3.4%。保守估计约 1.6 万亿美元，较高情景则达到 6.1 万亿美元。

这个数字需要特别说明：它不是新增 GDP，也不是 AI 公司实际赚到的钱，而是被节省的劳动时间按工资换算后的价值。它说明 AI 使用已经对应着相当可观的潜在劳动成本节省，但不能直接说明这些收益最终落到了谁手里。

研究还发现，这些劳动成本等价值在不同收入国家之间分布很不均匀。在研究样本里，约 96% 的劳动成本等价值落在高收入国家。注意这个措辞：它是样本内劳动成本等价值的分布，不是「财富已经被这些国家装进了口袋」。这个研究测的是价值在哪里产生，没测价值最终在哪里兑现。

按 GDP 占比计算，高收入国家约为 4.2%，中等收入国家约为 0.6%，低收入国家约为 0.1%。高收入是中等收入的七倍，是低收入国家的四十多倍。

这不仅仅是因为高收入国家的工资更高。低收入国家的 AI 使用也更集中在少数职业，例如专业人员、软件工程师和管理人员。大量农业、基础服务和制造业劳动者，还没有真正用上这些工具。

IMF研究还构造了一个 AI 收益集中度指数（ACI），用来观察 ⁴ AI 节省的劳动时间是否集中在少数高收入职业。指数越高，说明节省的时间越集中。

例如，研究给出的美国 ACI 为 0.49，印度为 0.84，肯尼亚为 0.78，坦桑尼亚为 0.98。

坦桑尼亚的 0.98 说明当地 AI 节省的劳动时间几乎全部落在少数高收入职业上。这不等于该国实际财富分配就是这个形状：集中度指标衡量的是一项收益的来源分布，不是收入分配结果本身。把二者画等号，是这类研究最容易被误读的地方。

研究也观察到，AI 的使用正在从计算机和数学类职业向教育、销售、行政等领域扩散。随着使用范围扩大，单次使用对应的工资价值下降了 5.5%，但整体估算规模却从约 1.2 万亿美元增加到 2.7 万亿美元。典型的以量补价。

不过别高兴太早。ACI 下降只说明「时间节省在职业之间更均匀了」，不代表普通人的工资变高了，更不代表失业风险变小了。

这里还有一个容易被忽略的情况：即使 AI 没有直接替代一个职业，也可能扩大同一行业内部的收入差距。

IMF 2024 年的研究通过经济模型模拟了不同情景。在高互补性的情景下，AI 帮助专业人员提高效率，但收益可能更多地流向高收入群体。报告引用的英国模型中，在某些情景下，低收入群体总收入下降约 2%，高收入群体则增长接近 8%；在生产率大幅提升的情景下，产出增长约 16%，低收入群体收入增长约 2%，高收入群体则增长约 14%。

这些数字是模型情景，不是对现实的预测。但它的指向很清楚：AI 甚至不需要让谁失业，只要让懂它的人更值钱，就足以把差距拉开。

这就是它最可怕的地方。生产力提高是一回事，收益如何分配是另一回事。

5 出路：让生产力增长变成共同财富

如果一个社会整体100个人，但是现在只需要10个人的劳动就能满足所有的需求。那是不是可以拿10个人的产出，重新分配去保障100个人的生活呢？

这就是我们要重点关注的目的，AI导致的生产力的进步，应该福利到所有的社会成员上，这样子才能保障整体社会的正常运行。

但如何再分配做到共同富裕，不是一个简单的问题。那么解决办法就不能只有给失业者发补贴。

补贴当然有用，但它解决的是收入不足，不一定能解决财富所有权集中、劳动者议价能力下降，以及社会保障资金来源的问题。

以下是来自AI的建议：

这些办法并不是互相替代的关系。它们针对的是不同环节，可能需要组合使用。

6 写在最后

AI 带来的机会很大。它可能让生产成本大幅下降，让医疗、教育和科研服务惠及更多人，也可能让一个人完成过去需要整个团队才能完成的工作。

但机会有多大，问题就有多深。生产力提高，并不意味着所有人都会自动受益。如果企业越来越少地需要劳动者，而大多数人的收入仍然依赖工资；如果 AI 创造的收益越来越多地流向资本和技术所有者，而社会保障仍然主要依赖劳动收入，那么技术越先进，现有分配机制承受的压力就越大。

这不是说 AI 必然造成社会崩溃，也不是要预言一个确定的结局。

它带来新工作、新需求、更低的生活成本，同样可能发生。

真正的不确定在于：社会有没有能力接住被技术改变的人，有没有能力改写那套建立在「劳动换收入」之上的旧契约。

AI 能解决人类解决不了的问题，却不会自动解决人类之间的问题。

生存还是毁灭，答案不在机器有多聪明，而在于人能不能为一套已经过时的分配机制，找到新的地基。