This page hasn’t been translated into English yet, so you’re reading the Chinese original. Chapters are being translated one by one.
为什么要学:关于技术与就业的争论,常被简化为「机器会不会抢走工作」。更有用的问题是:哪些任务被替代,新任务出现得多快,节省的成本归谁。答案决定受损者会不会成为要求管制或补偿的政治力量,也决定节省的成本变成利润、降价还是工资。判断一项技术怎样影响一个行业的利润率和劳动份额(3.2),需要先把这几种效应分开。
边界:本节讨论自动化和生成式人工智能对就业与工资的影响,证据以美德两国的工业机器人和 2020–2026 年的早期研究为主。人工智能的产业链和电力见 13.2,平台与数据见 13.3,全要素生产率见 11.2。几项研究还是工作论文,本节写明每项研究的对象、时间和定义,不评价企业、工会和政府。数据截至 2026 年 11 月。
生活类比:一家快餐店装上自助点餐机。点餐这项任务交给了机器,这是替代。点餐变快,店里能接待更多顾客,后厨需要更多的人,这是生产率提高带来的增加。店里还多出维护菜单系统、处理外卖订单的工作,这是新任务。收银员的岗位是减是增,取决于三股力量谁大。如果点餐机只是把工作推给了顾客,速度和质量都没有改善,那么岗位减少了,好处却很少。
类比的局限:店主可以把收银员调去做新工作。在整个经济中,新任务常常出现在别的企业和地方,得到新工作的往往是另一些人。技术朝哪个方向发展,也不由一家店决定,而受税制、劳动制度和谈判的影响。
先写下你的判断
Section titled “先写下你的判断”以下是 2024 年 5 月 31 日之前已经公开的信息:
- 官方调查:美国普查局的企业趋势与展望调查(Business Trends and Outlook Survey, BTOS)每两周向约 20 万家雇主企业发出问卷。其中一题问:过去两周,企业在生产商品或提供服务时是否使用了人工智能(美国普查局)。
- 使用率:回答「是」的企业从 2023 年 9 月的 3.7% 升到 2024 年 2 月的 5.4%,五个月增长 46%。企业自己预计,到 2024 年初秋约为 6.6%(同上)。
- 过去的速度:普查局估计,2016–2018 年使用人工智能的企业约占 3.2%。按同样剔除「不知道」的算法,2024 年 2 月为 6.0%,六七年间接近翻一番;两次调查的问法不同,只能粗略比较(同上)。
- 不用的理由:预计半年内不使用人工智能的企业中,80.9% 认为它不适用于本企业的业务(同上)。
- 其他数字:麦肯锡 2024 年 2 月至 3 月在线访问了全球 1,363 名企业人士,65% 说所在的机构经常使用生成式人工智能,接近十个月前的两倍(麦肯锡)。2023 年 11 月,ChatGPT 每周的活跃用户约有 1 亿(TechCrunch)。
问题:到 2025 年 9 月底,BTOS 这一题回答「是」的企业比例会不会超过 15%?请只用上面的信息写下一个概率,并写下你依据的是哪几条。答案在本节的「回到开头的问题」。
一个老问题:被替代的人去哪里
Section titled “一个老问题:被替代的人去哪里”机器替代工人以后,被替代的人能不能在别处重新就业?19 世纪的一些英国经济学家认为,机器排挤工人的同时,必然释放出足以重新雇用他们的资本,这种说法称为补偿理论。马克思(Karl Marx)在《资本论》第一卷(1867)中反驳:买机器的资本被固定在机器上,不再用来雇人,被排挤的人不会因此回到生产中(《资本论》第一卷第 15 章第 6 节)。他们加入产业后备军,后备军扩大,在业工人的工资就受到压制(3.2 的学派特写)。
两种说法各对了一部分。1.1 引用的研究显示,英国工业化的前几十年,每个工人的产出增长远快于实际工资,19 世纪中叶以后两者才同步增长。也就是说,工人分享到增长的成果,晚了几十年。要说明这种时间差从哪里来,为什么有时甚至不出现补偿,需要把技术的效应拆开。
三种效应:替代、生产率与新任务
Section titled “三种效应:替代、生产率与新任务”现代的分析把生产看作一组任务,每项任务由劳动或资本完成,资本包括机器和软件。按照这种分析,技术通过三条途径影响劳动需求(Acemoglu 和 Restrepo,2019)。第一条是替代效应(displacement effect),即资本接管原来由劳动完成的任务。第二条是生产率效应(productivity effect):成本下降、产出扩大,还没有自动化的任务就需要更多的人。第三条来自新任务(new tasks),即劳动比机器更有优势的新工作内容,它们把劳动带回生产,这称为恢复效应(reinstatement effect)。
自动化一定降低劳动在增加值中的份额,新任务一定提高这一份额;就业和工资是增是减,要看替代效应与另外两种效应谁大。这里的「替代」指任务从人转到机器,不是 3.2 讲的资本与劳动的替代弹性。
生产率效应的大小,取决于机器比人便宜多少。机器只便宜一点、也做得不更好时,工人被替代了,生产率却提高很少,劳动需求就会净减少。这称为平庸自动化(so-so automation),那项研究举的例子是质量普遍不高的自动客服(同上)。反过来,劳动力稀缺、工资高的地方,自动化省下的成本多,生产率效应也强。
这项研究用美国各行业的数据,估计了两个时期的各种效应(同上):
| 每年的作用 | 1947–1987 年 | 1987–2017 年 |
|---|---|---|
| 工资总额 ÷ 人口 | +2.5% | +1.33% |
| 生产率效应 | +2.4% | +1.54% |
| 替代效应 | −0.48% | −0.7% |
| 恢复效应 | +0.47% | +0.35% |
- 读法:第一行是私营部门的工资总额除以人口,反映劳动需求,不是平均工资。前四十年,替代与恢复几乎相互抵消,工资总额随生产率增长。后三十年,替代加快、恢复放慢,任务的变化每年使劳动需求减少约 0.35%,累计约 10%;制造业的替代效应每年约 1.1%,累计约 30%。生产率的增长也放慢了。
新任务的规模不小。一项研究整理了美国人口普查职业名称索引中 1940 年以后新增的职位,估计 2018 年约 60% 的就业属于这些新职位(Autor 等,2024)。新工作从哪里来,也与技术的方向有关:补充一个职业的产出的发明催生新工作,替代这个职业的任务的发明反而减慢新工作的出现(同上)。
机器人:同一种技术,两种结果
Section titled “机器人:同一种技术,两种结果”工业机器人提供了检验的机会。一项研究考察了 1990–2007 年美国的通勤区(Acemoglu 和 Restrepo,2020)。它把欧洲国家各行业机器人的增长按各区原有的行业结构分摊,衡量各地受影响的程度,这是 9.4 讲过的偏离—份额设计。1993–2007 年,美国每千名工人增加了约一台机器人。研究估计,每千名工人多一台机器人,全国的就业人口比下降约 0.2 个百分点,工资下降约 0.42%,相当于每台机器人减少约 3.3 个岗位。控制来自中国和墨西哥的进口、离岸外包等同期因素以后,结论不变;其他资本和信息技术投资却没有这样的负面影响(同上)。
德国的结果不同。一项研究用社会保险记录考察了德国 1994–2014 年的 402 个地方劳动力市场,德国每名工人使用的机器人远多于美国(Dauth 等,2021)。每增加一台机器人,制造业约少 2 个岗位,服务业约多 2 个,总就业没有明显变化。成本主要落在新进入劳动市场的年轻人身上,进入制造业的人少了。在职工人反而更可能留在原来的工厂,转去做工资更高的新任务。工会力量较弱的地区,制造业就业降得更多(同上)。
研究者对两国的差别提出了两种解释。一是劳动力稀缺:德国、日本和韩国老龄化快,自动化多是为了弥补缺少的工人,所以生产率效应较强(Acemoglu 和 Restrepo,2019)。二是制度:工会和企业职工委员会(works council)使企业倾向于把在职工人转到新任务上,而不是解雇。德国那项研究也说明,按工会力量分组的比较不一定是因果关系(Dauth 等,2021)。两种解释都意味着,同一种技术的结果,取决于它进入什么样的劳动市场和规则。
技术的方向:由什么决定
Section titled “技术的方向:由什么决定”技术的方向(direction of technology)指新技术主要用来替代劳动,还是主要创造劳动能做的新任务。开发和采用哪一种技术,是企业按成本和收益作出的选择,所以相对价格、税收和规则都会使方向偏向一边(Acemoglu 和 Restrepo,2019)。
税收是一个例子。一项研究估计,美国劳动的有效税率在 25.5%–33.5% 之间;设备和软件投资的有效税率 2000 年约为 20%,2010 年代约为 10%,2017 年税改以后约为 5%,约一半的下降来自更优惠的折旧规则(Acemoglu 等,2020)。研究者认为,税制使企业把一些按中性税率本来不值得自动化的任务也交给了机器,这正是平庸自动化;改用最优的税率,就业可以增加 4.02%(同上)。
反方的意见有两条。会议的评论人同意资本的税负在下降,但指出这项估计依赖对资本供给弹性的假定,也没有充分考虑临时性加速折旧以后的补税(Zwick,2020)。另一项研究发现,2002 年以来,加速折旧使投资成本降得越多的地方,就业和工资总额增加越多,只是每个工人的收入没有提高(Garrett 等,2020)。用本节的框架来读,在这些地方,投资扩大带来的生产率效应超过了替代效应。
方向也受谈判的影响。2023 年,美国编剧工会罢工 148 天,争议包括报酬、编剧室的最低人数和人工智能的使用(德塞雷特新闻)。新合同规定,人工智能不能写作或改写剧本,它生成的材料不算原始素材;编剧经公司同意可以使用人工智能,公司却不能要求编剧使用(美国编剧工会)。用 0.2 的利益一项来看,在职的编剧利害集中、已经组织起来,所以能在谈判中规定技术的用法。机器人和生成式人工智能的证据都显示,调整常常落在还没有入行的年轻人身上,他们没有组织,只能间接地由在职者代表。
生成式人工智能:早期的证据
Section titled “生成式人工智能:早期的证据”生成式人工智能(generative AI)指能够按照提示生成文字、图像和程序代码的人工智能,基于大语言模型的聊天机器人最常见。工业机器人替代的主要是工厂里的体力任务,生成式人工智能处理的是写作、编程和客服这类认知任务,受影响的是另一批职业。下面四项研究的对象和定义各不相同。
客服人员的生产率。一项研究考察了一家财富 500 强软件公司的 5,172 名客服人员,公司在 2020 年秋到 2021 年冬分批提供一个生成式人工智能对话助手(Brynjolfsson 等,2025)。以每小时解决的问题数衡量,生产率平均提高 15%;经验少、技能低的人提高约 30%,技能最高的人没有明显变化。研究者粗略估算,如果咨询量不变,同样的工作可以少用 12% 的工时;如果服务改善使咨询增加,用人也可能增加(同上)。
丹麦的收入和工时。一项研究在丹麦 11 个受聊天机器人影响很大的职业中做了多轮调查,例如会计、客服、软件开发和教师;2024 年底那一轮有 7,000 个单位的 25,000 人作答(Humlum 和 Vestergaard,2025)。调查与官方的收入和工时记录相连,记录截至 2024 年 12 月,即 ChatGPT 发布两年以后。比较使用者与不使用者在聊天机器人出现前后的变化,收入和工时的差别接近零,可以排除超过 2% 的平均影响。变化出现在工作内容上:8%–17% 的使用者说自己承担了因此出现的新任务,雇主积极推动使用的单位比例较高(同上)。
美国年轻人的就业。一项研究使用工资代发公司 ADP 的记录,样本每月有 350 万到 500 万名全职员工(Brynjolfsson 等,2026)。它按大语言模型能否完成一个职业的各项任务,把职业分成五组。2022 年 11 月到 2026 年 6 月,样本的总就业增加约 6%,受影响最大的一组增加约 4%,看不到大范围的替代。22–25 岁的人却不同:在受影响最大的两组中,他们的就业下降约 11%;在受影响最小的三组中,增加约 10%。差距主要来自少招新人,集中在人工智能主要用来替代任务的职业,基本工资没有明显变化。研究者强调这些是描述性的事实,不是因果估计:控制教育程度以后差距缩小,2022 年以前已有一些分化,全国性调查中的差距也没有这么大(同上)。
企业自己的报告。普查局 2025 年 11 月到 2026 年 1 月的调查中,18% 的企业在某个业务环节使用了人工智能(美国普查局)。在说人工智能改变了员工任务的企业中,三分之二只用它辅助员工。约 5% 的使用企业说员工人数因此改变,增加的(2.3%)和减少的(2.0%)大致各半;用人工智能替换原有软件和设备的更多,占 16%(同上)。这些是企业自己的判断,不是统计推断出的因果效应。
四项研究合起来说明三点。第一,个人层面的生产率效应已经明显,而且新手受益最多。第二,到 2024–2026 年,在职者的收入、工时和总就业还没有明显变化,调整先出现在招聘上,这与德国机器人研究中「在职者留任、新人少进」的模式相同。第三,新任务已经出现,但规模还小。这些证据与 3.2 的产业后备军说法只部分相符:受影响职业的年轻人进入得少了,工资却还没有受压。研究覆盖的时间都很短,所以它们说明的是方向,还不是长期的大小。
回到开头的问题
Section titled “回到开头的问题”事前的信息指向两个方向。使用率五个月增长 46%,麦肯锡的调查和 ChatGPT 的用户数也显示普及很快;然而企业自己预计半年后只到 6.6%,过去六七年才接近翻一番,八成不打算使用的企业认为它不适用。
先确定参照类别(0.6)。麦肯锡访问的是企业人士,ChatGPT 的数字是个人用户。BTOS 按企业计数,每家小店和每家大公司各算一家,问的又只是生产中的使用;按就业人数加权,2024 年 2 月的使用率就接近 9%(美国普查局)。所以前两条属于另一个参照类别,不能用来推算 BTOS 的数字。
再把问题换算成增速。2024 年 2 月到 2025 年 9 月共 19 个月。按每月约 0.34 个百分点线性外推,约为 11.9%;按企业预期的速度,即七个月增加 1.2 个百分点,约为 8.7%;按五个月增长 46% 复利外推,约为 23%。只有复利外推超过 15%,而它假定增长率不变,这是 S 曲线加速段的特征(期权课 5.3)。企业自己的预期和「不适用」的比例都说明,加速段还没有到来。所以概率应当明显低于一半,例如 10%–25%。
结果是「不会」。按原来的问法,使用率在 2025 年第一季度约为 7%(圣路易斯联储),到 2025 年秋季改版之前升到约 10%(美国普查局),落在企业预期和线性外推之间。写 20% 的卡,Brier 分数是(0.2 − 0)² = 0.04;写 70%,是(0.7 − 0)² = 0.49。2025 年第一季度的约 7% 是到期前半年的更新信号:离 15% 还差一倍多,概率应当再往下调。
这道题还有一层教训。2025 年 11 月,普查局把问题改为企业是否在任何业务环节使用人工智能,此后三个月的使用率是 18%。研究者认为跳升有三个原因:问法变宽,联邦拨款中断期间停止收集数据而使用照常增加,新的补充问卷提供了更多背景(同上)。所以观点卡的判定来源要写明数据序列和问法(0.8),否则到期会有争议。
- 渠道:盈利。生产率提高以后,节省的成本在利润、工资和价格之间分配。需求对价格不敏感、竞争又弱的行业,节省的人工成本更多地留在利润里,劳动份额下降(3.2);需求敏感、竞争激烈的行业,节省的成本较快地变成降价,销量增加又会带来新的用工。客服研究中「少用 12% 的工时」只在咨询量不变时成立,所以判断一家企业,先问它的市场对价格和服务改善有多敏感。
- 有日期的事件:普查局每两周公布一次 BTOS 的人工智能使用率,接下来几期在 2026 年 11 月 19 日、12 月 3 日和 12 月 17 日(美国普查局)。劳工统计局在 12 月 8 日公布第三季度生产率与成本报告的修订值,其中有劳动份额(美国劳工统计局;3.2)。
- 与期权课的衔接:期权课 5.3 讲渗透率和 S 曲线,用来判断一项技术普及到了哪一段。本节提供的是下一步:渗透率上升以后,收益归企业、劳动者还是消费者,这决定了它最终体现在利润率上,还是体现在价格和工资上。
常见误区:
- 「提高生产率的技术一定会减少就业。」——生产率效应和新任务可以抵消替代效应。1947–1987 年,美国的替代效应与恢复效应几乎相等;德国的机器人没有减少总就业。
- 「每一次新技术最后都创造了更多工作,这一次也一样。」——1987–2017 年替代快于恢复,美国受机器人影响的地方就业和工资都下降了。得到新工作的又常常是另一些人,被替代的人很少得到补偿(0.4)。
- 「实验中生产率提高 15%,劳动市场很快会有同样大的变化。」——中间要经过企业采用、工作重组和招聘调整。按原来的问法,到 2025 年秋只有约 10% 的企业在生产中使用人工智能;丹麦到 2024 年底看不出收入和工时的变化。
思考题:
- 用三种效应说明:为什么 1987–2017 年美国劳动需求的增长比 1947–1987 年慢?(答:三种效应都朝不利的方向变化。替代效应从每年 0.48% 加快到 0.7%,恢复效应从每年 0.47% 放慢到 0.35%,两者不再抵消,任务的变化每年使劳动需求减少约 0.35%。生产率效应也从每年 2.4% 降到 1.54%。所以工资总额除以人口的增速,从每年 2.5% 降到 1.33%。)
- 美国受机器人影响的地方就业下降,德国的总就业没有下降。研究提出了哪两种解释?怎样区分它们?(答:一是劳动力稀缺,老龄化快的国家用机器人弥补缺少的工人,生产率效应强;二是制度,工会和企业职工委员会使企业把在职工人转到新任务上。要区分它们,需要比较老龄化程度相近而劳动保护不同的地区,或者劳动保护相近而老龄化程度不同的地区。德国那项研究按工会力量分组,做的是前一种比较的近似。)
- 麦肯锡说 65% 的机构经常使用生成式人工智能,普查局说 2024 年 2 月约 5% 的企业在生产中使用人工智能。两个数字矛盾吗?写观点卡时应当怎样处理?(答:不矛盾,因为问的对象和问题不同。前者访问企业人士,问所在机构是否经常使用;后者按企业计数,大量小企业各算一家,问的只是生产商品或提供服务时的使用。写观点卡时,判定来源要写明数据序列和问法,因为问法一变,数字就会跳,例如 2025 年 11 月的改版。)
关键术语:
| 中文 | English | 释义 |
|---|---|---|
| 替代效应 | displacement effect | 资本接管原来由劳动完成的任务,减少对劳动的需求 |
| 生产率效应 | productivity effect | 自动化降低成本、扩大产出,增加尚未自动化的任务对劳动的需求 |
| 新任务 | new tasks | 新出现的、劳动比机器更有优势的工作内容 |
| 恢复效应 | reinstatement effect | 新任务把劳动带回生产,提高劳动需求和劳动份额 |
| 平庸自动化 | so-so automation | 替代了工人、生产率却提高很少的自动化,会使劳动需求净减少 |
| 技术的方向 | direction of technology | 新技术主要替代劳动还是主要创造新任务;受相对价格、税制和劳动制度影响 |
| 生成式人工智能 | generative AI | 能够按照提示生成文字、图像和程序代码的人工智能,例如基于大语言模型的聊天机器人 |
仅供学习,不构成投资建议。课程里的价格和数据都是标注过的示例,不是实时行情。