AI人工智能对就业市场和未来经济的影响？

要点:
AI对人类生活的影响已经涉及到方方面面，而目前人类最为担忧的是对自我工作的可替代性。 AI软件已受到大众广泛关注，但硬件与AI结合的日益发展，确仍处于极容易被忽视的状况。但尽管历史上经历了五次“科技创新周期”的更替，却都没有出现“大幅度失业率上升”的现象。这背后隐藏着关于创造性破坏、资源再分配两大要点，值得我们每个人深思。

Terence Yuen

AI人工智能，以极短的时间在全球瞬间爆发，引发了人们对“工作岗位被AI 取替”的忧虑。早前，狂呼观点曾发布一文“美国编剧工会宣布罢工，制片厂用AI取代电视编剧？世界准备好迎接新就业变化吗？” ，提出了这是2023年人类第一次反对人工智能的劳工抗议，标志着劳工历史上的又一个转折点。随着近期出现的企业开始引进AI 来提高工作效率、降低人力成本一系列现象，更是加剧了大众的焦虑，AI是否会破坏现有就业市场？

但我们认为，“工作岗位被AI取替”只是表象，通过今天与金融专家Terence的交流，分析出背后的核心关键在于，一旦处理不当AI 、人类两者之间的关系，或会让全世界经济体系崩溃，迫使全人类陷入无法挽回的困境。

AI对人类工作的冲击<br>据Terence分享，在2030年至2060年短短30年期间，将有一半的工作岗位会被AI取替。而近日，Mckinsey麦肯锡发布的“The economic potential of generative AI”报告中，更是引发了狂呼金融研究所的思考。

报告从体力VS智力劳动者受影响程度、学历高低带来的差异、受冲击行业岗位三大维度分别提供了真实的数据呈现、分析。

在体力劳动者VS智力劳动者方面，体力劳动者在AI出现前可替代性为45.5，而在AI出现后可替代性变为46；智力劳动者则是从15.5变为49，增长幅度高达216 %。相比只是小幅度增长的体力劳动者，一直以想法、创意、判断力为竞争优势的智力劳动者，在面对AI出现后的状况显得更为严峻。

在学历高低方面，较低学历人群，在AI出现前可替代性为54，而在AI出现后变为63，由此可见不管有没有AI的出现，较低学历人群的可替代性都相对较高。而最让人出乎意料的是，一直代表着高学历的硕士、博士人群，在AI出现后的可替代性竟从原来的28激增至57，这让一贯以学术研究、深度思考为“加分点”的高学历人群，瞬间“丢失了”身上的高等教育优势。

在行业岗位方面，研究工作、销售、编程、市场、客服、创意性推广等工作成为AI出现后最受冲击的领域，而这一系列的工作岗位，过往都被视为是智力劳动者不可被AI 取替的“核心技能”。但现在，结果却截然相反。

在狂呼金融研究所看来，AI软件已受到大众广泛关注，但硬件与AI结合的日益发展，确是极容易被忽视的一点。早前，狂呼观点曾发布一文"人工智能机器人伴侣？ChatGPT+人形机器人的新突破！"提出了基于人工智能技术，能够与人类进行智能互动的机器人AI，与ChatGPT的结合，已经很好地将软件、硬件相结合。 体力劳动者在AI出现后，他们的可替代性甚至不比智力劳动者少。

由波士顿动力/Boston Dynamics所设计的远端操控机器狗，配备了照明灯和摄像头，使警察可以实时看到周围环境，用于对人类造成威胁的情况。例如在危险区域中的视察作业，或在有炸弹威胁的事件中解救人质等等。除此以外，ElonMusk的入局也加速了AI机器人的快速发展。 Tesla Bot人形机器人的出现，未来可赋能千行百业，有望取代重复性高、单调枯燥的繁琐体力工作。

机器人24小时监视危险建筑工地、机器人完成物流自动搬运、机器人与ChatGpt 结合后与人类无障碍交流等新现象的出现，都表明了AI的发展不仅在软件上进步飞快，其与硬件的结合、创新，都令社会发生着翻天覆地的变化和影响。而这一切，都与麦肯锡权威报告的思考角度截然不同，过多关注在AI软件上的发展，必然容易忽视其与硬件的结合。

但Terence指出，值得注意的是，尽管历史上经历了“五次科技创新周期”的更替，但每一次更替都没有出现“大幅度失业率上升”的现象。这背后，隐藏着两大要点值得我们深入思考。

AI 周期背后的两大要点<br>著名经济学家Joseph Schumpeter在1942写有一书“Capitalism Socialism and Democracy”。而书中重点提出了一个经济学概念Creative Destruction/创造性破坏，即在资本主义社会，新产品、新科技、新趋势的出现必定会取代旧有结构，而同时创造出新的结构。

据Terence分析，“机器取代人力“已经不是一件新鲜事，这一行为本质反映了企业的“Maximum Profit”/利益最大化。对于公司而言，如何实现盈利最大化成为重中之重，至于实际工作的对象是真实的人类或是机器人， 取决于对应的成本，哪个成本低则优先采用。而在AI 时代，也必然会淘汰部分旧有工作岗位，诞生出新岗位将旧有劳动力进行大规模的转化。但就目前而言，AI下新工作岗位的需求与现有社会人才具备技能，却出现了严重的“不匹配”，因此产生了“Structural Unemployment”/结构性失业。

但是狂呼金融研究所认为，工作岗位的市场需求与人才技能间的不匹配，其实在AI火热前已经出现，但AI的出现让这种“不匹配”进一步加剧了。结构性失业现象在当今社会频繁发生，在全球教育体制中，“应试教育”阶段教授的科目和所学内容过于注重理论性而大大忽视其实用性，导致学生踏入社会后才发现自身技能满足不了工作岗位的需求，从而加大了就业市场上的“供需不平衡”。结构性失业问题频发，解决的关键在于从源头上改革教育机制。

美国近年有部分机构提出了教育机制的一种新兴模式，ISA /Income Sharing Agreement，意为收入分成协议。学生入学时不用缴学费，等毕业后找到工作后再按对应工资比例分期还款至学校。 ISA的政策目的在于减少大学生辍学率，提高高校产出效率，为社会输入有效、高价值的劳动力。

ISA下的教育体制改革，区别以往学校与学生之间频发的利益冲突，创新性地让学校、教师、学生三者站在了“同一阵营”。这种创新教育体制下，把重点放在了培养与就业市场需求相匹配的人才上，以帮助学生找到较好、合适的工作，毕业后尽快“还钱”给学校。

在AI时代，“高学历”、“深度研究学习”已经不是核心竞争优势。相比之下，学生的创新性思维、独立判断力、对事物的好奇心显得尤为关键。教育院校应逐步放弃过去应试教育下的无效背书、考试等培养“工具人”的常规手段，取而代之参考ISA 的新思维，培养更多适应未来就业市场发展的“新人才”。

科技的进步一直在改变就业供需市场，过往需要漫长时间才能完成时代的更替，但AI的介入，让这一切都以人类历史前所未有的高速度，产生了巨大的社会影响。

除此以外，另一个要点则为资源再分配
Terence认为，“AI替代人类工种”表象下的关键在于，当全社会财富高度集中在AI公司，极度集中的财富该如何重新分配？而这一切，若分配不合理，将导致现有社会运作机制被摧毁。群众手里可用于支出的金钱不足甚至微乎其微，将会出现“有产品但没人购买”的局面，从一定程度上最终影响人工智能AI的长远发展。

狂呼金融研究所在此提出，一些大胆的假设性方案。针对资源再分配问题，可参考2020年美国总统大选中，华裔候选人杨安泽/Andrew Yang大力提倡的政策，UBI /Universal Basic Income，意为全民基本收入，主张由政府无条件、定期给予群众每人、每月1000美元基本收入，让所有人都能维持日常生活。

在COVID期间，全球失业率大增、底层劳动者缺乏收入，UBI再次引起多个国家讨论、实验，并在加拿大得到了成功的印证。

早在2017年，UBI的计划在加拿大安省就已经开始试验，无论是否有工作，参与试点项目的单身人士每月可领$1,415加元的基本收入，一年最高可领$16,989加元；而夫妇人每年最多可领$24,027加元。虽然该项目在2018年被保守党政府终止，但提出UBI的国会议员认为，创建全民基本收入已被证明有效，现在缺乏的只是方法和模型。一旦UB政策全面落实，数百万加拿大人将因此受益从而摆脱贫困，同时还能赋予打工人更多的底气，让他们拥有对剥削性工资和恶劣工作条件的情况说“不”的权利。

至于部分人所担心“UBI是否会养懒人”的问题，知名中国经济学家翟东升提出，现实当中存在部分人为让自己处于符合领取福利边缘线范围，放弃努力工作而选择不劳而获的现象，应采取更为有效的解决方法。例如，UBI应该针对社会全体进行平等的发放，而不应该只发给符合条件的“穷人”，避免打击他们的劳动力积极性而形成“养懒人”局面的产生。

对于UBI的提出，不少经济学家也担心会导致另一问题的产生：大量“印钞”的操作破坏了央行的独立性并引发通货膨胀。针对此担忧，我们可以借鉴经济学家沃伦·莫斯勒Warren Mosler创造的MMT(Modern Monetary Theory 现代货币理论），并称之为“美联储的储蓄账户”。这一做法不是政府的要求，而是一种政策选择。 MMT主张政府应扮演“最后借款人”的角色。即使经济已经实现充分就业，只要私人部门有降杠杆或积累财富的意愿，而此时国际收支账户又处于逆差，财政就应该维持赤字状态。 MMT反对“债务上限”概念，因为在发行主权货币且货币政策有自主权的国家，政府的清偿力几乎是无限的。

早前在中国人民大学经济论坛中，中国两位经济学者翟东升、赵燕菁曾就此问题展开了深入讨论。在以下片段的后半部分，它们提及可将MMT与中国化UBI的政策相结合，对于年轻人以“风险投资”的策略打造“国家投资群众”的全新机制。

在他们的对话中，我们将这种中国化UBI形式设想为“风险投资”。若投资机构共投资了十个项目，尽管最后只有一个项目能获得高额回报，但也足以覆盖其余九个项目失败所带来的损失。如此类推，中国政府可通过用MMT方式进行印钞，再使用中国化UBI方式进行资金的再分配，与穷人家庭80%以上的年轻人订下契约，保障他们从出生开始至三十岁都得到国家政府对其生活、教育、医疗等方面的“投资”。

而在三十岁后，他们则需根据当下自身拥有的财富资产，划分对应比例“返还”至国家政府。在此过程中，假设国家“投资”了1000万个小孩，而其中百分之一是天才，哪怕仅有一人能成为“下一个马云”级别的富豪，即便其余90%人全部失败无法“还款”，但“下一个马云”所能回馈的金额足以覆盖其余90%人的所有投资总额。将MMT与UBI的政策，只要加之法律的规范手段，则可以让国家政府为群众作出的每项支出不再是“福利”、“负债”，而是变成一种对年轻人未来的投资手段，化为实实在在的长远资产。

可以看出，“MMT+UBI”组合形式确实提供了一种有别于主流经济学的解决方案，有助于从全局的视野把握经济运行的结构，推动社会、科技向前发展。另外，在国家政府层面，加大对AI企业的税收比例，或对AI机器人/软件服务商每次的收费提取对应比例用作政府可支配资金来源，都能在一定程度上缓解因AI而带来的财富集中下所出现的资源分配不合理问题。

最后狂呼金融研究所想提醒大家，人工智能时代正在快速发生，并在改变着我们所认知的一切。除了软件的进步会直接影响所谓的“智力劳动者”之外，我们不能低估人工智能趋势下的机器人行业，它也会以更直接的方式影响着“体力劳动者”的工作。但我们仍然乐观地认为，人类将会想出新的创新方式来创造出超出我们目前想象的新型业务，并提供新的工作结构。有一天，新的工作岗位甚至可能会超出我们目前对“智力劳动者”的定义。

世界顶级思想家和经济学家已经推敲各种新的方法及概念，这些方法可以帮助我们更好地过渡到未来经济体系。在这种体系中，我们可能会采用MMT + UBI以及基于ISA的新教育体系，为社会及人类创造一个更为完善的体系，以更好地迎接AI时代。

Terence Yuen