悲观者正确，乐观者前行： AI 时代的失业焦虑

本文来自微信公众号： 区域产业观察笔记 ，作者：张志伟，原文标题：《悲观者正确，乐观者前行： AI 时代的失业焦虑》

社会观察

现象｜机制｜结构｜出路

马克思主义社会学视角的AI与失业理论研究

从对话式AI到agent，再到AGI，AI时代的工作会走向超越工具理性的人文意义性工作，还是普遍性失业。

失业与AI替代弥漫在身边。除少数学者认为AI对就业没有重大影响外，出现了AI"促进就业说"与"加剧失业说"的明显对立。政府的处境则更为微妙：一方面要鼓励产业智能化以形成新质生产力，另一方面又将提高就业率视为优先任务。

西南科技大学马克思主义学院姚伟教授与蒋倩在《人工智能的就业效应及其应对策略》一文中提出了一个值得重视的判断：这两种看似针锋相对的说法，其实共享同一个盲区。它们都只从科技逻辑与市场逻辑展开分析，却没有深入分析这些逻辑所嵌入的社会制度结构。

而一旦把制度结构这一层加进来，问题的形状就变了。真正正在发生的事情，可能既不是"大规模失业"，也不是"就业持续繁荣"，而是第三个词——极化。

本文按现象—机制—结构—风险—出路的顺序，逐层拆解这一判断。

一、现象：为什么这次让人格外不安

先说"促进就业说"。这一立场的历史依据是：以往科技革命往往导致暂时性技术失业，但最终会促进就业显著增长。其内在机理有六条：科技进步促进分工深化与专业技能增强；创造出新产品及其产业链；提高单位时间产品量、降低价格从而刺激需求与生产规模；造就拥有知识产权的"知本家"和高收入者，带动消费与就业；机械化程度越高，资本和科技实力较弱的市场主体越会转用廉价劳动力，或把生产工序分解还原成低技能劳动力能完成的工序；信息扩散与交通便利降低摩擦性失业。

在此基础上，AI"促进就业说"又补充了六条理由：AI对劳动力是补位式而非挤出式替代；AI可直接为劳动力植入创新技能；智能化始终存在"最后一英里"问题而需要大量人类工程师；AI会创造研发、算法开发、训练维护等新高端岗位，具有就业"升级"效应；家务智能化与工作柔性化有利于提高女性就业率；随着需求层次提高，以满足安全、社会交往、尊重与自我实现为目的的高情感人际服务岗位会应运而生。

但作者指出，这一乐观立场存在三处说不通的地方。

整理自论文第一部分

"加剧失业说"的谱系则更长。自18世纪以来，西斯蒙第、列昂惕夫、凯恩斯、熊彼特等都持此立场。到了AI时代，芒福德预言"无人经济"将成为常态，普通劳动者将面临"没有工作的世界"；里夫金认为工作即将终结，人类将进入"后工作"时代；赫拉利提出经济将出现"无就业增长"，即经济增长率与就业率日益不再相关甚至呈负相关；卡斯特则认为体力和简单脑力劳动者将永远被排除在生产体系之外。

论文梳理出AI加剧失业的七条内在机理，其中三条最具解释力。

其一，AI物化于机器系统，而非人化于劳动力。以往技术往往凝结在工人的技能里，AI则主要沉淀为固定资本。结果是人力资本加速折旧，劳动力日益去技能化。

其二，替代性大于协同性。以前机器运行离不开人的控制和协同，工人与机器均不可或缺。而如今之所以还存在人机协同，只是因为AI还不够发达，不得不忍受人类劳动力的低效性与不稳定性。

其三，替代具有无休止性。老一代AI先替代大量线下工人，同时出现少量技术专家；新一代AI又替代这些专家，出现更少量的生成式AI专家；后者很快又被替代——这种替代螺旋似乎没有终点。

但作者同时认为，悲观立场也有过头之处：它过度夸大了人工智能对社会交往领域的情感劳动、价值评判与审美自由劳动的替代性，从根本上否定了科技与人文之间的界限，也否定了人们超越物质生产活动去从事更有意义劳动的可能性。

一句话总结这一层：乐观派低估了替代的深度，悲观派低估了人文学科的边界。而两者都漏掉了制度结构这一层。

二、机制：为什么短期内，就业总量还是稳的

一个常被忽略的事实是：在AI快速发展的这几年，多数经济体的就业总量并未出现断崖式下滑。论文给出的解释是，有三条逻辑正在相对自发地起作用。

整理自论文第三部分

三条逻辑叠加的直接结果是：就业总量能维持基本稳定甚至增加。但代价同样明确——大多数适龄劳动力仍被滞留在物质生产与服务领域，只能在体力和经验性低技能岗位上就业。

这里需要区分两个词：稳定不等于健康。总量稳定是靠"把人留在低技能岗位"和"扩张非正规就业"撑住的，而不是靠创造足够的优质岗位。这也解释了为什么宏观数据和微观体感之间，会出现越来越大的落差。

三、结构：稳定之下的四重分化

这是全文最具原创性的部分，也最贴近普通人的真实感受。论文认为，AI的迅速发展和广泛应用、市场作为资源配置主体地位的进一步发挥，以及政府自发性的短期合法性追求，共同导致了今天的就业极化。这种极化沿着四个方向同时展开。

"极化"这个词的价值在于，它解释了一个长期困扰公共讨论的矛盾：为什么宏观数据看起来还算平稳，个体的焦虑感却在持续放大。如果只用"失业率"这一把尺子，那么大量劳动者在统计口径上是"就业人口"，他们的困境就无法被测量、也无法被讨论。而极化的视角把注意力从"有没有工作"转向"这份工作处在结构的哪一端"——前者看的是数量，后者看的是位置。位置，恰恰才是决定收入、尊严与未来的东西。

整理自论文第三部分

（一）技能极化：中间层正在消失

就业技能存在初、中、高级之分：初级是个人经验性的基础操作技能，中级是中等专业知识性技能，高级是复杂创新性技能。论文指出，市场主体出于节约成本的考虑，会优先使用AI替代中等技能白领——这直接导致"中产社会"逐渐坍塌，白领则可能逐渐归于规模日益庞大、就业压力日益增加的低技能群体。

如果仅有技术逻辑和市场逻辑在起作用，那么将只有少数高端脑力劳动者能够站稳脚跟。在高度智能化的物质生产领域、经济组织和科研组织中，工作和岗位结构必然高端化，由此形成倒"丁"形或"T"形的就业结构。而政府短期合法性逻辑的作用，是让低技能就业这一极仍然存在并不断扩大——代价是民众的工资性收入占比与市场购买力日益下降，日益难以共享科技创新的成果。

（二）空间极化：数字空间里也有"轮子经济"

在地理空间上，高技能岗位向AI核心产业所在国家、地区和城市集中，科技发达国家的增幅可能进一步扩大；科技欠发达国家、地区和乡村则成为低技能劳动力的聚集空间。在数字空间中，同样是小部分人从事高技能和创新性工作，大部分数字劳工只能从事低技能数字工作——诸如外卖、快递、网约车等"轮子经济"任务。不同技能水平的网络工作者往往分属于不同网络平台和空间，二者之间无论线上还是线下都存在较难逾越的技术与社会区隔。

如果一般民众仍必须在物质性生产与服务领域内与高级脑力劳动者竞争，将永远无法跨越次级智能鸿沟。只有让更多民众跳出物质生产与服务领域，才能使次级智能鸿沟不转化为社会区隔。

（三）形式极化：表面的自由与本体性焦虑

这一极或许最能解释当代年轻人的体感。就业从形式上可分为正规就业与非正规就业，二者在雇用合约、劳动过程组织管理监督、劳动权利保障等方面存在明显差别。

高级技能就业者往往能与雇主形成正式的雇用合约，其劳动过程具有相对自主性，也享有法定劳动权利。而低级技能就业者往往只能实现柔性就业——拥有表面的接单自由，却不得不面对高度不确定性；少数人收入更高而多数人收入下降；在物质生产和服务领域中处于从属地位，日益游离于传统经济组织以及社会文化意识形态系统之外，失去对经济、政治和社会组织的归属感。

论文用了一个很重的表述：这部分劳动者在传统物质生产与服务领域日益找不到存在的意义感，日益陷入本体性焦虑，更难以发展和满足更高层次的需求。

"本体性焦虑"这个词值得停下来读一遍。它指向的不是收入高低，而是一个人能否通过工作确认自己是谁、在哪里、属于什么。当大量劳动者在统计口径上"有工作"，却同时失去归属感与意义感时，失业率这个指标就失去了对真实处境的解释力。

（四）性别极化：家务智能化未必解放女性

AI使传统上女性居多的、服务于物质生产与消费的工作岗位大量消失，而新工作岗位往往需要较强的数字理性和运算逻辑能力。理论上，家务劳动智能化似乎可以使女性从家庭劳动中解放出来，但实际上AI不一定有利于女性就业：传统上属于女性的白领岗位日益消失，而在外卖骑手、网约车司机等网络劳工队伍中女性处于就业劣势，生产性与创造性数字劳动岗位绝大部分都被男性占据。

据《2020年全球性别差距报告》，女性在云计算行业只占14%，在工程领域只占20%，在数据和人工智能领域只占32%。论文指出，如果仍然将大多数女性束缚在物质生产与服务领域，女性在社会交往和情感服务方面的优势就难以凸显，两性不平等状况也难以改善。

把四种极化叠在一起看，会得到一个更完整的图景。它们并不是四个独立的问题，而是同一场结构变动在不同维度上的投影：一个被AI挤出中等技能岗位的白领，很可能同时落入非正规就业、被推向低技能聚集的空间，并在这一过程中承受额外的性别劣势。这也意味着，单点式的政策——比如仅仅提供技能再培训——很难触达问题的根部，因为需要被改变的不仅是劳动者的技能，更是他们所处的产业、合约与分配结构。

四、风险：一个需要被看清的条件句

到这里，可以给"悲观者正确"下一个更准确的定义。

论文的长期判断是：如果既有政策体系维持不变而人工智能进一步发展和渗透，劳动力密集型企业赖以生存的小生境会日益消失，大量低技能劳动力将日益陷入失业状态，并最终形成高技能单极化就业格局。

请注意这是一个条件句，而不是预言。作者认为，鉴于技术逻辑与市场逻辑在今后相当长的历史时期内是不可避免的趋势，以政府为主体加强既有制度结构特别是相关政策体系的深度适应性调整，就成了缓解就业极化的重要路径。换句话说，严峻后果不是技术演进的必然，而是制度选择的结果——这恰恰是行动的空间所在。

五、出路：第四产业与第四次就业大转移

（一）人类已经完成过三次就业大转移

把AI放进长时段看，会发现"产业不再需要这么多人"这件事，人类已经经历过三次。

整理自论文第四部分

一条清晰的规律是：每次就业大转移的间隔在不断缩短。而今天的情况是，第一产业和第二产业本来就不再需要多少劳动力——无论"再农业化""再工业化"或"制造业回流"，都一定以智能化为基础，因此也不再需要多少劳动力；论文估计二者从业人员占比总和可能降到12%以下。而传统商业服务业本身就是智能化的主要领域，批发零售、金融保险、交通运输都在日益智能化。因AI出现的研究、设计、维护、数据等服务岗位，无法对冲传统服务业的岗位损失。

整个传统三次产业都在向外"排放"劳动力。如果没有新的产业提供规模巨大的转移就业空间，AI的就业破坏效应将十分明显。

（二）什么是"第四产业"

被AI占领的传统商业服务过程，对大多数人而言都将是一种科技黑箱过程；而人对人的非物质性服务业与之存在本质区别。有学者称之为"新型服务业"，但论文认为称之为"第四产业"更为恰当——因为它的概念更大，还包含了原有的公共产品和公共服务业。

整理自论文第四部分

它的完整定义是：传统农、工、商业等经济交往活动之外的，以满足人们非物质产品与服务的、基本生存之上的各种需求为目的的活动领域。用更直白的话说：机器负责生产东西，人负责照顾人、建设公共生活、生产和解释意义。

这里需要回应一个自然的疑问：这不就是"第三产业"或"服务业"吗？论文的区分在于活动的目的与逻辑不同。传统商业服务业虽然也提供"服务"，但其运行遵循的是经济交往逻辑——追求效率、可标准化、可计价、可被算法接管，因此它恰恰是这一轮智能化的主战场。而第四产业遵循的是社会交往逻辑：它的价值无法被完全标准化，它的质量取决于人与人之间具体的、不可压缩的互动过程。一个算法可以完成一笔贷款审批，但很难替代一位老师对某个具体学生的长期观察，也很难替代一次临终陪伴。

这也解释了为什么论文把人文社会科学知识技能以及个人经验技能视为第四产业的核心能力，而非自然科学知识技能。在这个领域里，专业训练的价值不在于掌握多少可编码的知识，而在于判断、共情与意义解释的能力。

（三）三个支柱，以及它们长什么样

整理自论文第四部分

（四）最难的问题：钱从哪来

第四产业的劳动往往不创造直接的物质经济效益，但会创造巨大的社会效益、情感价值或人文价值。因此必须由政府加强收入分配政策的深度适应性调整。论文提出四条资金来源。

整理自论文第四部分

在教育政策上，论文还提出了一个反直觉的主张：不能把大学生就业困难归因为人文社会科学类招生规模过大。相反，随着技术更新迭代周期缩短，很多理工科大学生在校所学知识和技能还没有出校就可能已经陈旧过时，农工商业对初中级技能水平的应用型理工类劳动力需求在急剧下降。因此，压缩面临智能机器替代压力的理工类应用型人才专业、加大理工类复杂创新性人才培养、大幅扩展人文社会科学专业招生规模，才是符合未来趋势的。

六、悲观者正确，乐观者前行

回到开头那个问题：AI到底会不会让人失业？

这篇论文给出的不是一个答案，而是一次提问方式的替换。它提示我们，"就业"与"失业"这组二分法正在失去解释力——在总量稳定的表象之下，真正发生的是岗位结构、空间分布、雇佣形式与性别格局的同时分化。一个人可以"有工作"，却同时处在技能被压缩、位置被边缘、合约被柔性化、意义感被抽空的组合状态里。这正是"本体性焦虑"这个词的重量所在。

在这个意义上，悲观者是正确的。他们正确地看到了AI与以往技术的本质区别——它不只是延伸人的能力，它替代人的能力；看到了替代螺旋没有天然的终点；也看到了"只要愿意降低工资就不会失业"这类安慰，实质上是用尊严换取岗位。

但乐观者之所以还要前行，是因为论文的结论同样清楚：技术逻辑与市场逻辑并不足以决定结局。前三次就业大转移是在相对自发的力量下完成的，而这一次，论文把希望明确交给了制度选择——产业政策、就业政策、分配政策、教育政策的深度适应性调整，以及一个名为"第四产业"的新容器。

需要同时说明的是，这些政策主张——包括适度增发货币以支付第四产业从业者工资、压缩应用型理工专业并大幅扩展人文社科招生——是论文作者提出的学术观点，而非既定政策，其中部分主张在学界仍有讨论。把它们作为讨论的起点而非结论，或许是更合适的读法。

还有一层限定值得说清。论文的视野是长时段的、结构性的，它处理的是"当AI充分渗透之后，社会该如何组织劳动"这一问题，而不是对明年就业市场的预测。对正在求职的个体而言，这些分析提供的是坐标而非答案——它帮人理解自己所处的结构性位置，却无法替代具体的职业选择。承认这一边界，反而能让这类讨论保持诚实。

问题的关键或许终将不在于如何实现传统意义上的就业，而在于如何分配日益丰裕的产品。这句出自论文结尾的判断，把"就业"从一个技术问题，重新变回了一个关于分配与意义的选择题。

（本文核心观点、分析框架与数据均出自：姚伟、蒋倩《人工智能的就业效应及其应对策略》，载《河南社会科学》2025年第7期（第33卷第7期），第99—108页，文章编号1007-905X（2025）07-0099-10。本文系国家社会科学基金西部项目"马克思主义视域下人工智能时代的分配正义与实现机制研究"（19XKS008）成果。文中表格与图示系依据论文内容重新整理绘制，非原文图表复制。）

原文作者姚伟系西南科技大学马克思主义学院教授，蒋倩系该院研究人员。本研究为理论分析与文献综述型研究，文中"第四产业""第四次就业大转移"及相关政策主张系论文作者提出的学术观点，不代表既定政策，相关论述版权归原作者与期刊所有。本文仅作学术观点介绍与公共讨论，推荐阅读原文。

现象｜机制｜结构｜出路