导言

在新冠疫情期间，有大量的工作者转入远程办公，但仍然有相当一部分任务需要相关人员到现场处理。这种远程工作与现场工作的 “具身性”（embodiment）差别，对于我们思考人工智能对工作和就业的影响，能否提供一个有新意的角度？与此同时，为什么经济学界大多对 AI 可能会造成的社会经济转型成本忧心忡忡，而科技界却往往对技术进步带来的经济繁荣和社会进步信誓旦旦，我们如何在同一个框架下理解这两股不同的意见？ 

在罗汉堂近期举办的前沿对话中，宾夕法尼亚大学社会政策学院副教授 Ioana Marinescu 分享了她对这些问题的思考和研究，并探讨了需要为 AI 技术爆发带来的就业和福利问题做哪些政策上的准备。 

Marinescu 以 “具身性” 为基准将经济生产划分为体力与脑力两大部门。她指出，唯有假设体力与脑力部门是替代关系，AI 自动化才可能带来长期的经济增长。但只要体力与脑力部门在经济中是互补关系，那么无论 AI 的发展有多快，由于体力部门的有形投入存在瓶颈，经济总产出和工资水平终将触及天花板，达到 “智能饱和”（intelligence saturation）。这种底层假设的差异，正是经济学界与科技界立场分歧的根源。令人警醒的是，她预计在达到高度自动化后，随着越来越多的脑力劳动者被挤入有限的体力岗位，长期的均衡工资极可能出现大幅下滑。 

面对这一前景，她呼吁社会应前瞻性地尽早建立 “AI 调整保险” 并考虑发放 “数字红利”，从而在潜在的大规模失业或职业大迁徙中，为劳动者铺垫一张坚实的社会安全网。

以下是 Ioana Marinescu 教授的演讲全文中译：

Ioana Marinescu (UPenn)

非常感谢罗汉堂的邀请，同时也非常高兴今天能来分享我的这项研究。这是我和宾夕法尼亚大学的人工智能专家 Konrad Kording 共同完成的项目。 

正如 Martin Baily 刚才提到的，AI 的未来走向有着巨大的不确定性，大家对此的看法也存在显然的分歧。简而言之，主要有两个阵营。一个是科技界的观点，他们通常认为 AI 能够取代大部分人类劳动，社会经济将看到由 AI 快速扩张所驱动的爆发式增长，甚至可能会出现 “拐点”（singularity），也就是国内生产总值（GDP）的加速增长。 

与此相反，经济学界普遍认为，AI 是一种资本，或者说是一种 “通用技术”（general-purpose technology），它会对经济增长带来一些积极但有限的影响。在劳动力市场方面，社会将经受 AI 自动化造成的破坏，因为不少人类劳动可能将会被 AI 替代。 

我们这项研究的目标之一，就是希望能够在一个简明的框架下，纳入这两方不同的观点，并可以调节参数，方便后续做一些可检验的预测。

这里的核心问题是：AI 在什么情况下会提高工资，什么情况下会降低工资，以及这些变化会在什么样的时间尺度（timescale）上发生？需要说明的是，在接下来的讨论中，“总工资”可以被视为是就业率和工资水平的乘积。因此，当总工资下降时，这可能意味着失业率的上升或工资水平的下降，具体取决于劳动力市场的调整方式。

01

体力部门 vs. 脑力部门

在进入我们的理论模型之前，我想先介绍一项重要的区分。我们根据工作任务的 “具身性”（embodiment）—— 即一项任务是否需要有人在现场执行 —— 来对它进行分类。由此，我们将把工作划分为 “体力任务”（physical tasks）和 “脑力任务”（intelligence tasks）；相应地，经济生产活动中也就包括了 “体力部门”（physical sector）和 “脑力部门”（intelligence sector）。 

这有别于以往研究中基于 “常规型任务” 与 “认知型任务”（routine versus cognitive）的分类法。例如，注册护士的工作可以说是非常规型认知任务，以往的分类法就不好处理；但在我们的分类中，这就属于体力工作，因为这主要是一项需要亲自到场的工作。 

从根本上说，脑力任务是最直接暴露在 AI 冲击下的工作，并最终可能被自动化完全取代。这涵盖了几乎所有我们可以通过电脑远程完成的任务。如果一份工作基本上由此构成，那么 AI 最终完全有能力胜任。

为了说明这一点，我这里展示一张 AI 与不同职业相关性的图，它来自于一项重要的实证研究。这张图上的每个点代表美国职业分类体系 O*NET 中的一个职业类别，点的大小对应于美国从事该职业的人口规模。X 轴显示的是在新冠疫情期间，特别是在 2020 年 5-6 月间，各职业远程办公的比例。选用这一时期，是因为它非常真实地反映了在迫不得已的情况下，哪些工作是可以完全在线上完成的。Y 轴显示的是 “AI 暴露度”，它衡量的是一个职业中有多大比例的任务会受到 AI 大语言模型的冲击。AI 暴露度越高，意味着 AI 在未来越有可能会独立完成这些任务，虽然短期内并不一定会立即取代人工。 

我们可以看到，远程工作与 AI 暴露度之间存在着极强的正相关关系。那些 AI 暴露度高并且适合远程办公的职业包括财务和投资分析师等。相反，那些暴露度较低并且通常无法远程办公的职业包括零售销售、护理和建筑工作等。

02

自动化和规模扩张

我们的模型并不复杂。它包含两个部门：一个是体力部门，负责所有无法远程完成的工作；另一个是脑力部门，涵盖了所有可以远程办公的工作。一个经济体的总生产函数由这两个部门的产出加总而来，其中体力部门的产出是一个 “恒定替代弹性”（constant elasticity of substitution, CES）函数，脑力部门的产出是各类脑力任务的聚合，而两者的加总也是一个 CES 函数。 

在此基础上，我们扩展了 Acemoglu & Restrepo（2018）提出的任务自动化模型，允许在体力部门与脑力部门内部以及它们之间存在不同的资本 - 劳动力替代模式。我们还设计了一个在线工具，大家可以在那里调节模型中的所有参数，并观察产出和工资的变化。 

关键的一点在于，在这个简单的静态模型中，只有一个 “内生变量”（endogenous variable），即劳动力在体力部门中的份额。在均衡状态下，这将由体力部门和脑力部门之间的均衡工资来决定。当我们探讨 AI 将如何影响工资时，我们指的就是这个均衡工资，正是它使得两个部门之间的人工生产率基本持平。 

在此基础上，我们进行了两个思想实验（thought experiment）。第一个是关于自动化（automation）的。我们假设由 AI 完成的脑力任务份额将会上升，而所有的有形资本投入和劳动力存量保持不变。在这种情况下，随着 AI 代替人工执行了越来越多的脑力任务，劳动力会被优化或转移到体力部门。但这对均衡工资产生的影响并不明朗。 

我们的另一个思想实验是关于规模扩张（scaling）的。我们将允许经济中的 AI 性能或数量出现增长，并且可以是爆发式的增长。于是我们将会看到，当体力部门和脑力部门处于 “互补关系”（complements）时，总产出和总工资都会趋于饱和，也就是说会达到某个上限。

03

体脑之间是互补 or 替代？

模型中的一个重要参数是体力部门与脑力部门之间的替代参数。我们可以看到，如果体力部门和脑力部门是互补的（complements），并且有形资本投入是固定的，那么 AI 投入的增加终将触及一个上限。也就是说，即使可以无限增加 AI 的投入，并大幅提高脑力部门的产出，总产出也最终会达到一个有限的天花板。我们将这种现象称为 “智能饱和”（intelligence saturation）：只要有形资本和劳动力数量保持不变，并且体力和脑力部门处于互补关系，那么 AI 智能的扩展对经济总产出的影响最终会触及一个上限。

相反，如果体力部门和脑力部门是可以互相替代（substitutes）的，那么总产出将会随着 AI 的进步而不断上升，尽管边际收益会出现递减。 

可见，体力和脑力部门之间更多的是互补还是替代（即两者之间替代参数的假设值），会产生非常不同的结果。对于 AI 和技术专家来说，他们需要认识到，如果体力和脑力部门是互补的，那么无论 AI 发展得多快，当有形资本的投入是有限的时候，总产出终将达到饱和。而如果要相信 AI 会带来经济增长的巨大变革，那就必须假设体力和脑力部门是替代关系，而不是互补关系。

04

劳动者将被推向体力部门

让我们来看一下模型的具体机制。自动化 —— 即用 AI 取代人工来完成脑力任务 —— 的作用是把劳动者从脑力岗位推向体力岗位，并导致 “分散式均衡”（decentralized equilibrium）的出现。我们可以将其理解为一种静态竞争的均衡状态，包括了一个最终产品的生产者，以及两个中间部门（其中一个雇佣劳动力，另一个租用 AI 资本）。或者，我们也可以将其视为一个在两部门最终产品之间做选择的代表性消费者。 

如果体力和脑力部门之间的替代程度较为温和，那么随着自动化的加深，脑力部门的劳动力比例会下降，而体力部门的劳动力比例则会上升。道理很简单：自动化使得脑力部门对人类劳动的需求减少，那么如果体力和脑力部门的替代性不是太强，我们就需要通过将更多劳动者转移到体力部门来重新平衡经济。 

前面提到，自动化对工资的影响是不确定的，因为这将取决于自动化带来的产出增长与劳动者转入体力部门后的工资压力之间的博弈。一方面，当 AI 取代了脑力部门的人工时，该部门产出增加，总产出也随之增加，这是推高工资的积极效应。另一方面，劳动者转入体力部门后，该部门的劳动者比例增加，这将会压低工资 —— 因为有形资本是固定的，在此情况下投入更多人力，只会降低该部门的边际生产率。自动化对工资的最终影响取决于这两种力量中究竟是哪种占据了主导地位。

05

产出与工资之间的权衡

我们用实证数据取值对模型进行了模拟测试。结果发现，正如模型理论预计，当自动化程度增加时，越来越多的劳动者流向了体力部门，总产出也随之增加。所以，当体力部门和脑力部门的替代性越高时，自动化就越有助于提高总产出。但是，对于长期的均衡工资而言，自动化的影响恰恰相反：两个部门间的替代性越强，当几乎所有脑力任务都被自动化时，工资下降的幅度越大。

因此，我们需要在工资和产出之间权衡。起初，工资随着产出同步增长，形势看起来很美好。但在这场技术革命初期工资有所增长，并不意味着它会一直保持这种态势。到了高度自动化的阶段，尤其是在体力和脑力部门之间存在高度替代性的情况下，工资很可能会大幅下滑。

那么 “劳动收入份额”（labor share）会发生什么变化呢？在这里，我们用工资与产出的比例来计算劳动收入份额。我们发现，随着自动化的发展，工资占产出的比例将会下降。 

另外，为什么在我们的模型里，只有脑力部门出现了 AI 取代人工的现象，而体力部门没有这种情况呢？这是因为相对于 AI 成本的快速下降而言，机器人的成本目前仍然很高，并且下降缓慢。所以，目前的经济激励主要是用 AI 自动化来取代可以远程工作的脑力劳动者，而不是取代需要在现场的体力劳动者。 

我们来看另一种情况：即使 AI 投入出现指数级的增长，工资在一开始也会增长得很快，但最终会趋于饱和。这也就是说，如果 AI 被大量、迅速地投入使用，那确实可以防止工资下降，但只要脑力部门和体力部门是互补关系，长期而言工资就不可避免地会触及某个上限。而如果两者是替代关系，那么工资则会在完全自动化之后继续保持增长。

06

AI 时代的社会政策

在模型中，我们假设劳动者的重新分配可以立即实现，但在现实中，他们通常会经历一段失业期，工资急剧下滑。即使他们最终在体力部门找到了工作，在过渡期间也可能会出现大规模且持续的失业。我们非常需要加强社会保障体系，以帮助劳动者应对这种调整。为此，我们提出了两个政策选项。

我们提出的第一项政策可被称为 “AI 调整保险”（AI Adjustment Insurance, AIAI）。这将为因 AI 而失业的人提供更多的失业福利、工资保险和再培训机会。它参考的是美国为因贸易而失业的劳动者提出的 “贸易调整援助”（Trade Adjustment Assistance）计划。这里我想强调的是，当我们说到培训时，虽然学习如何使用 AI 会很有帮助，但我们必须把眼光放得更长远。我们更应该问的是：什么样的培训能帮助劳动者适应这个 AI 世界？这有可能意味着他们需要的是现场工作（如护理）的培训。总之，我们需要在过渡期为他们提供某种缓冲。 

我们的第二项政策建议是 “数字红利”（digital dividend）。这是为了应对 AI 可能导致的永久性失业。一旦发生这种情况，我们不希望劳动者完全得不到收入上的支持。因此，我们提议对数字部门征税，以此建立一个可扩展的数字红利基金，并将红利广泛分配给公民。这类基金可以从较小的规模开始做，如果劳动力市场调整较好，可以减少红利分配，但如果出现长期大规模的失业，则可以适当提高此类税收。因为我们并不知道事情会向哪个方向发展，所以最好能提前做一些这类准备，在持续失业发生时及时为劳动者提供收入保障。 

小结一下。在研究中，我们通过两个思想实验来理解 AI 应用会对劳动力市场造成什么影响。首先，AI 自动化将会逐步取代脑力部门的人工，并将劳动者推向体力岗位。劳动者的工资通常在一开始会上涨，但如果产出的收益无法抵消劳动者挤入体力部门所带来的工资挤压，那么在到达高度自动化阶段时工资就可能会下降。 

其次，在扩大 AI 能力和应用规模时，如果体力部门和脑力部门是互补的，并且有形投资是固定的，那么产出和工资最终都将趋于饱和。AI 的爆炸式增长并不意味着国内生产总值或工资也会出现爆炸式增长。 

在政策方面，这表明我们需要对体力部门的资本进行投资，这样我们才能提高该部门的劳动生产率，以应对劳动者的转入。对于被 AI 替代的劳动者，我们建议设立 “AI 调整保险”，并通过对数字经济征税来为 “数字红利” 提供资金，从而更广泛地分享 AI 带来的收益。 

以上就是我今天要分享的内容，谢谢大家。

问答环节

陈龙（罗汉堂秘书长）

Ioana，谢谢你提出了一个极其重要的问题：AI 将如何改变就业。刚才我一直在想，这次技术革命可能真的会与以往不同。如果我们回想历次工业革命中的自动化浪潮，其影响主要局限于体力劳动。然而这一次，AI 技术正大举入侵脑力和知识工作领域，这使得本轮技术革命有别于以往的任何一次转型。 

在我看来，AI 不仅在逐步取代知识型工作，而且不难想象，它很快就会与物理实体相结合。我们现在谈论的机器人或者说 “具身智能”，可能就是这一进程中不可避免的第二阶段，而目前似乎只是一时的喘息而已。从长远来看，五年或十年后，我可以想象会有大量的机器人在我们周围穿梭，我们将不得不正视这一结果。如果情况确实如此，那么 AI 注定会对就业产生非常严峻的冲击。对此你怎么看？ 

Ioana Marinescu

我认为预测遥远的未来是一件难事。我的观点是，在中短期内，机器人的成本依然过于高昂，难以进行大规模部署。但你说的无疑是一个非常合理的担忧，这也正是我提议发放数字红利的原因，我们要确保在遭遇冲击时能有一个缓冲的后盾。我认为建立一个灵活的社会安全网极其重要，因为我们无法确切知晓未来会发生什么，也无法预测这些变化的时间表。灵活性固然重要，但未雨绸缪同样关键。我们不能只是袖手旁观，盲目乐观地认为一切安好，什么都不会发生。关键在于要提前建立起相应的机制，以便在这种假设情境成为现实时，我们能够迅速做出反应。

qmh，rb88，

球盟会直播相关资讯：登入rb88随行版，