人机工作竞争：生成式AI对劳动者工作的冲击及其出路（谭静，欧阳彬）

自美国人工智能公司OpenAI研发的“聊天机器人”ChatGPT问世以来，“生成式AI”（Generative AI，即生成式人工智能）一直备受全球关注和热议。在这些关注和热议中，不仅有惊叹和赞美，还饱含惊恐和忧惧，因为ChatGPT这类人工智能属于生成式AI，除了拥有分析式AI（Analytical AI）的功能外，还能进行深度自主学习、理解自然语言、独立作出决策判断，甚至具有创造性的工作能力，不像以往的人工智能属于分析式AI，只能协助劳动者进行数据化的分析、预测、检索等，无法自主地生成新内容。创造性工作能力向来被视为人类独有的本质性主体能力，但如今，ChatGPT已经能够替代劳动者从事一些原本只有人类才能承担的原创性复杂工作，例如论文撰写、代码编写、艺术创作、产品设计、视频生成等，而且某些场景下其创作速度和作品质量已经远远超过劳动者。可见，生成式AI迭代升级的“智能”能力已经显示出“恐怖”的态势。照此趋势，普通的“智人”似乎很快就会变得多余甚至无用。所以，生成式AI日益显现的对劳动者工作的冲击成为人们热议的重点话题。生成式AI对劳动者的工作到底造成怎样的冲击？为何会造成这样的冲击？在冲击劳动者工作的同时，生成式AI是否能像过去的技术工业革命那样辩证式地产生工作创造效应？这种对劳动者工作的冲击是否有解、如何应对？这些都是学界要深究和探讨的重要问题。

一、技术性优势——生成式AI冲击劳动者工作的缘由

生成式AI之所以对劳动者的工作造成如此强烈的冲击，是因为较之劳动者这种“碳基劳动力”而言，生成式AI作为一种“硅基劳动力”，具备三大无可挑剔的技术性工作优势。

（一）生成式AI拥有劳动者难以达到的超强自主的“深度学习模式”

就知识和认知层次来讲，生成式AI已然超越了传统机器和分析式AI的工具论范畴。生成式AI不仅习得了劳动者的知识和思维方式，而且开始反过来向劳动者“教授”知识和思维方式。生成式AI的记忆、容纳、推理、判断等形式逻辑层面学习能力已经超过人脑，成为一种“劳动者一般智力”，一套独立于劳动者思维、意识、心智之外的自觉、自主的持续学习系统。生成式AI在结构和功能上显露出“自主学习能力突变”式的“进化”革命。生成式AI之所以具备强大的学习能力，根本原因在于超大型神经网络模型，其模型参数达到千亿级别。生成式AI具有超强的自主学习能力和深度学习方法，拥有归纳演绎的能力，可以在劳动者知识的基础上作出极速判断，能够像劳动者一样积累经验且学习积累速度远超劳动者，并能在经验中尝试新的方法。自主学习使得生成式AI实现了快速、高效的自我更新，这种更新遵循“摩尔定律”，以指数级速度提升性能；而劳动者遵循自然法则，其劳动技能的提升速度完全无法与智能系统的提升速度相提并论。同时，生成式AI不需要像劳动者一样提前做足大量的预备工作，因为它可以自动进行数据的标注、编码，进行类比学习和情境学习，并且，通过无监督的预训练和基于劳动者反馈信息的自我强化学习，可以在互动中不断地进行自我纠错和自主强化。而要培养一个合格的劳动者，则必须从小开始教导、训练，至少要经历十余年的教育、培训，需要投入难以计量的人力、物力。人类个体掌握知识理论、实践经验时无法像ChatGPT这种生成式AI那样把海量数据瞬间“吸纳贯通”，让它们立马“为我所用”。前人所习得、练就的经验技能无法遗传给下一代，每个人出生时在知识经验上都是一张白纸，每个人都需要从零开始，通过累月经年、攻苦茹酸的学习、锻炼来获取知识和经验。劳动者即便受过长时间的专业训练，掌握了相当高程度的理论和技能，也依然很难迅速吸纳新知识，快速创造新产品。劳动者存在着自身的局限性，为了抵抗遗忘和生疏，不得不通过反复练习来巩固记忆、加强技能。“人类技能的增速越来越缓慢，而计算机功能的增速却越来越快。”生成式AI没有生物意义上的局限性，不存在“信息茧房”，也没有遗忘的问题。它在虚拟空间可以不断升级迭代，升级后的版本还能轻松“继承”以前版本的功能。生成式AI已经掌握了自主学习和提升的能力。它一旦掌握某种新功能，就能无休止地快速复制和扩散。在此意义上，生成式AI具备了自主深度学习的“类本质”力量。

（二）生成式AI具有劳动者难以比肩的高效稳定的“多维工作能力”

早在18、19世纪的工业革命时代，机器就在速度、力量、强度、耐力等各个方面超越了劳动者的综合能力。20世纪以来，机器已然是工业生产的主要力量，科学技术成为第一生产力。恩格斯早就指出：“现代工业，产品是用动力推动的机器生产的，工人的工作只限于监督和调整机器的运转。”而在21世纪的人工智能时代，生成式AI的智能系统之复杂、劳动技能之高超更是机械化机器所无法比拟的。生成式AI能自动接收命令，迅速作出响应，独立承担和完成特定工作任务，展现出令劳动者难以匹敌的多样化、复杂化的创作能力——这种能力尽管还很不完善，但其完善的能力在以指数级加速度增强。对劳动者而言，即便在理论和实践上通过深入学习、长期培训、系统钻研的方式而获得了高深的知识和杰出的技能，工作能力也还是难以跟生成式AI展开竞争和较量。即便是那些掌握了尖端科技和极度熟练操作技能的劳动者，在面对智能系统时也会束手无策。生成式AI的某些工作能力自始就是劳动者这种自然进化的“碳基生命体”不可能具备的。并且，与生成式AI功能的迭代升级、数据采集传输处理能力的与日俱增、运行速度的“一日千里”、创造功能的日益精湛相比，劳动者似乎变得更加“原始”、笨拙乃至愚钝。在生成式AI已经投入应用的领域，劳动者即使在学习和培训上从不懈怠，也已经无法与功能越来越丰富、强大的生成式AI相竞争。例如，目前ChatGPT在文本生成、语言翻译、数据分析、代码编写等方面的工作能力远远超过了诸多拥有顶尖技能的专业人士，这些专业人士即便运用了相关数字技术或分析式AI，也不是ChatGPT的对手。受益于多模态转化能力，ChatGPT不仅在语言方面表现出色，而且在完成数学、视觉、法律、编程、医学、心理学等多个领域的高难度任务时也展现了劳动者难以企及的卓越能力。ChatGPT具有劳动者所不具备的跨界融合性，有能力整合多个领域的技术和观念并加以创新。可以预期，随着ChatGPT之类变得越来越易于掌握，人们将可以用更加随意的自然语言提出各种问题。这将推动技术的快速发展，技术的应用范围也将不断扩大。随着时间的推移，生成式AI将逐渐用得更加普遍，直至覆盖几乎所有涉及劳动者智慧和体力的领域。

（三）生成式AI具备劳动者难以秉持的高度专一的“绝对劳动态度”

“在奴隶劳动、徭役劳动、雇佣劳动这样一些劳动的历史形式下，劳动始终是令人厌恶的事情，始终表现为外在的强制劳动，而与此相反，不劳动却是‘自由和幸福’。”因此，在社会层面，劳动者只要处于“异化”状态，就不会对劳动秉持完全肯定的态度；只要劳动尚未成为“人的第一需要”，劳动者仍然是迫于生计而从事生产活动，就会始终对劳动怀有不满情绪。普通的劳动大众需要穿衣住屋、养家糊口，并通过不断改善生活条件、提升生活质量来保证家庭劳动力的再生产，所以他们不可能不“挑剔”工作环境、劳动时间和物质报酬。这就意味着劳动者不是无条件地进行工作的。实际上，劳动者始终处于博弈之中，不断地通过阶级斗争、社会运动等方式争取自己的生存权利和劳动利益。而生成式AI不是劳动者，不是人，而是物件，也就没有利害得失，没有阶级属性，没有政治追求，没有个体情绪，总而言之就是没有生活和生存的利益诉求，自然也就没有所谓消极怠工的工作态度和劳动情绪。所以，生成式AI在工作中“任劳任怨”“勤勉务实”“无欲无求”“分文不取”。它就是为替代繁重工作而设计的，在劳动中磨损至报废是其存在的原因和目的。

劳动者劳动态度良莠不齐，对劳动持不同的价值观念，对工作存在不同的认知，因此必然有不同的工作情绪、劳动意志，这些五花八门的主客观因素影响着劳动的积极性。并且，劳动者始终存在生理极限和心理限度，其劳动强度和工作节奏需要张弛有度，工作安排需要劳逸结合，有足够的休息时间。但即便如此，也仍会不可避免地出现劳动不稳定状态，造成工作损失。劳动者在工作中犯下各种低级错误、制造出残次品甚至酿成相关事故的情况不仅在所难免，而且时常发生。相比之下，生成式AI简直堪称“劳动模范”，它拥有坚如磐石的“身体”和“意志”，具有持久稳定、高效出色的劳动状态，对各种工作条件和要求都具有很强的适应性。它不会像劳动者那样易于疲惫，在工作中不会出现任何思想波动和情绪干扰，没有酗酒、吸烟、偷懒等不良习惯，更不会有需要照顾的社会关系，因而可以严格遵守工作纪律。一旦某项任务“交付”给生成式AI系统，生成式AI就“忘我”地投入到工作中，全神贯注、一丝不苟地遵循劳动规程，显著降低差错率、事故率，出色地完成工作任务。

当然，目前生成式AI还处于“弱人工智能”阶段，其能够全面取代劳动者、全方位接管人类工作岗位的情势尚未规模化地发生。而且，生成式AI相对于劳动者的技术性工作优势尚未彻底展现出来，其在工作质量方面也并非完美无瑕，例如目前仍会因为缺乏常识、直觉、意识、道德而使其工作具有明显的局限和缺陷。但随着指数级的“硅基进化”，生成式AI的技术性工作优势会得到持续的巩固和极大的增强，这是确定不移的既存事实和发展趋势。回顾发展历程，自2022年11月底推出ChatGPT至2024年2月中旬发布Sora，不到15个月，生成式AI就实现了能力飞跃，已经能够理解真实的世界场景并与之互动。周鸿祎据此预测，通用人工智能（AGI）的实现可能会从原先预计的十年后提前至两三年内。所以，生成式AI的技术性工作优势呈现出对劳动者的震撼性“碾压态势”：“人工智能时代是就业机会的真正消失”，“计算机和机器没有使工人更有价值，反而越来越多地取代他们”。

二、技术性失业——生成式AI对劳动者工作的冲击

那么，生成式AI对劳动者工作的冲击有哪些方面呢？事实上，生成式AI对劳动者工作的冲击将是多维度、立体化的。同时，这些冲击无疑又会集中表现为“技术性失业”（Technological Unemployment）。顾名思义，所谓技术性失业，就是“因新发现了大量减少使用劳动力的技术手段，而又尚未及时地给劳动力找到新的用途”所造成的劳动者的失业，或者说，“在生产中使用节省人力的技术会减少劳动力的需求，进而导致失业率上升”就是技术性失业。只要技术节省劳动力的速度和数量大于创造新的就业岗位的速度和数量，就会在一定时期内造成失业。《资本论》中的资本有机构成理论认为，随着资本有机构成比例的不断提高，劳动者失业的人数和比例也呈现不断上升的趋势，而技术的发展进步一定会不断地强制性地提高资本有机构成。恩格斯一再指出，“机器上的每一种改进都抢走了工人的饭碗，而且这种改进愈大，工人失业的就愈多”，历史上每一次重大的科技突破在提高生产效率的同时也都在相应程度上“造成人的劳动的过剩”。历史上，技术性失业是人类进入技术工业革命后才出现的社会经济现象。19世纪初，资本主义工业生产因批量引入机器技术而大量排斥工场手工业劳动者，使这些劳动者规模化地失业，引发了著名的“卢德运动”。随着技术从机器工业形态发展为AI工业形态，技术性失业不但没有减轻的迹象，而且在全球层面持续强化。世界著名的管理咨询公司“麦肯锡”2023年6月发布的研究报告《生成式人工智能的经济潜力》（The Economic Potential of Generative AI）显示，针对全球近50个国家和地区的850种职业、2 000多个工作活动进行的专业研究得出了较为精准的预测：生成式AI的出现将使2030—2060年间劳动职业的50%被AI取代，当前工作的70%左右能够很快实现生产的自动化和智能化，其中银行金融、前沿科技、生命科学等行业受到的影响会比较大；生成式AI创造经济价值的能力惊人，每年创造的价值可达2.6万亿—4.4万亿美元（大致相当于英国2023年度的GDP），这种经济价值约有75%来自客户运营、软件开发、市场营销和产品销售领域，所以这些业务也会受到生成式AI的巨大影响。无独有偶，中国国际发展知识中心2022年发布的首期《全球发展报告》也认为，仅2020—2025年间，AI在全球范围内替代劳动者工作岗位就可达8 500万个之多。另有报告显示，约80%的美国劳动力有10%以上的工作任务会受到生成式AI大模型的影响，其中约20%的劳动力有50%以上的工作任务会受到影响。马斯克预测，在未来20年内，生成式AI会导致全球12%—15%的劳动者陷入技术性失业。劳动者自己对技术性失业的普遍担忧也在不断加重。经济合作与发展组织（OECD）的调查结果显示，有60%的人认为AI会在未来10年内令自己失业，高达75%的人认为AI未来将提高自己的工作强度。麦肯锡2017年12月发布的另一份报告《是失去工作，还是获得工作：自动化时代的劳动力转型》（Jobs Lost,Jobs Gained:Work Force Transitions in A Time of Automation）当中谈到，随着新兴科技的进步，在2030年左右，全球大概有3.75亿人将面临重新就业，大约有8亿人的工作岗位会被AI取代。展开来讲，生成式AI对劳动者工作的冲击有如下三个具体方面：

（一）冲击的行业、工种、岗位空前扩大，劳动者作为“数字穷人”被边缘化

在机器工业时代，技术性失业主要发生于以体力劳动为主的行业，大量以体力劳动为主、技术含量较低、受教育程度较低的劳动者失去工作，其中第一、第二产业的工作或职业被技术替代的可能性最大，而第三产业成为那些被技术排挤的劳动者再就业的主要场域。在AI工业时代，工作冲击具有普遍化的特点和趋势，第三产业的工种也不能幸免生成式AI所带来的技术性失业冲击。基于其在认知和思维上的颠覆性突破，AI将造成比过去更广泛的技术性失业，即进而取代部分脑力劳动者，逐步蚕食诸多科技含量较高、以脑力劳动为主的工作领域。所以，技术性失业并不限于某些特定的行业和工种。体力劳动和脑力劳动的职业、简单劳动和复杂劳动的工种都同样面临着冲击，只是不同行业、不同工种、不同职业目前遭遇的冲击程度存在一定差异而已。过去被认为不可能受到自动化、智能化技术影响的高薪脑力劳动，也不可避免地遭遇强烈冲击。一些与内容创作相关的职业，譬如程序员、剧作家、记者、平台客服等，最终也可能被ChatGPT之类的工具所淘汰。事实上，在欧美发达资本主义国家，银行金融、娱乐餐饮、生物医疗、教育科研、商业保险、工业制造、卫生服务、软件工程、数字广告等众多领域的一些劳动“部门”正在快速地被智能机器人取代。从目前生成式AI的发展趋势看，以下种类的“劳动力瘦身”会更加明显。一是简单性、重复性、机械性的生产将由AI完成，例如物流分拣、普通客服等工作。高速公路收费几年前还是由人工完成的工作，如今通过AI的中介，也变成了“自助”缴费或“自动”收费。李开复曾说，人类思考时间在5秒以下的工作就会被机器人取代。二是偏向定量分析的白领工作很容易被AI接管。毕竟，在对数据进行收集、整理、分析、挖掘、预测的能力上，AI的优势相当明显，因此理财师、会计出纳、金融分析师等职业完全可以被取代。三是需要大量记忆和精密研究的脑力工作，被AI在一定程度上取代是必然的。在今天，许多翻译工作已基本不需要人力，“阿尔法折叠”也证明生成式AI在基因测序、蛋白质结构测序等精密研究领域的优势是人力无法企及的。四是艺术文创类工作也会受到冲击。AI的播音配音、剧本创作、写歌编曲、影视制作、虚拟明星等等已经出现，2023年好莱坞以大罢工形式抵制“AI入侵”便是例证。

因为生成式AI本身富含“数字技术”“数字知识”，所以AI工业时代对劳动者的工作能力提出了较高的“数字要求”。对应地，那种“目不识丁的文盲、缺乏科技知识的科盲等处于数字鸿沟之弱侧”的劳动者会在AI工业时代不断涌现，批量化地沦为“数字穷人”。退一步讲，即便生成式AI能够创造出一些新的产业，带来一批就业机会，吸纳大量的劳动力，人们也不得不面对一个现实问题：生成式AI所开发的新产业、新岗位注定带有浓厚的科技色彩，其吸纳的劳动力更多的是具有前沿知识和技能的人，这类人能够融入新产业；而被拒斥、排挤在外的大量劳动力，特别是“数字穷人”，则不具备这样的能力，也不可能像在以往的技术时代那样只需经过短暂的技术培训就可以成功转岗。后者无法被新业态所容纳，再就业概率降低，甚至可能沦落为尤瓦尔·赫拉利笔下的“无用阶级”。那么，这一大批被抛弃在岗位之外的人将何去何从？这是我们无法回避的一个现实问题。“数字穷人”丧失了马克思所指认的需要反抗的对抗性社会关系，如资本家与工人之间、地主与农民之间因雇佣而产生的需要反抗的剥削压迫关系。而今，“数字穷人”的状况比剥削关系更惨烈，“因为至少剥削是一种社会关系。我为你工作，你剥削我，我很可能恨你，但我需要你，你需要我，所以你才剥削我。这与说‘我不需要你’截然不同”。“数字穷人”尴尬地沦为“多余的人”，被抛弃在高度智能化社会的一隅，无人需要，无人喝彩，被残酷地彻底边缘化。对此，必须清醒预判，制定充分的兜底政策，使问题始终在可控范围内，避免失序失控。毕竟，“现实的人”不是空洞的数字或抽象的概念，新技术必然会给“现实的人”带来失业危机和转型阵痛，正如历史上每次新科技得以发明和推广之后，人们萌生的“闲暇幻想”总是“化为不可思议的失业率和贫困”。

（二）收入差距扩大，不平等问题更加严重

在技术工业社会，生成式AI不是作为直接的社会生产力来发挥作用，而是作为资本生产力发挥作用，因此“技术进步确实可以促进经济增长并创造财富，但这里没有经济规律说每一个人都会同等受益”。

首先，在劳资关系维度，生成式AI相关技术作为一种属于固定资本的生产要素，其广泛应用会显著提升生产过程中资本要素的占比，从而提升资本的收益，也就相应地减少了劳动力要素的收益。按照《资本论》中的观点，技术工业的持续发展必然导致资本有机构成的不断提高，因而导致工人工资占比的必然下降。所以，资本报酬的增加会反过来强化劳动者收入的下降。简单地说，生成式AI的技术红利主要是流向资本方面，而不是作为工资进入劳动者口袋。AI技术虽然提高了生产效率，但又导致劳动者供过于求，劳动者薪酬不升反降。因此可以说，“人工智能的社会意义不是机器与人的关系，而是人与人的关系，具体说是掌控人工智能的一个或一群人对不掌控人工智能的大多数人的关系”。

其次，更为关键的是，在劳动者收入相对于资本收益的上升而绝对下降的同时，劳动者群体内部的收入差距也会明显拉大。这个问题早在AI产业迅速发展的初期就已经显露出来，例如，美国真实的人均国内生产总值增长了36%，但普通基层职工实际小时工资却下降了14%，收入的增额都被占职工总数20%的那一部分人所占有，而职工中顶级的1%更是占去了收入增额的64%。中国也存在这种情况。《中国劳动统计年鉴》2016版和2020版的数据表明，信息技术、计算机和软件等智能化程度高的行业劳动者人均收入与农林、渔牧业等新技术运用程度不高的行业劳动者之差从2015年的80 095元扩大到2019年的122 012元。总的来看，生成式AI具有鲜明的技术偏向性。生成式AI的产业化应用在促进经济扩张的同时，必然降低劳动需求和工资水平，导致劳动者收入份额下降；而且，会在高、低收入群体间产生内生的规模性收入分配效应，扩大劳动者内部的收入差距。确切地讲，AI工业发展水平每提高1个单位，就会使劳动者的收入差距扩大4.6%；AI工业发展水平与劳动力就业结构的交互项每提高1个单位，就会导致收入差距扩大1%；AI工业发展水平与劳动生产率的交互项提高1个单位，就会造成收入差距扩大0.2%的结果。

最后，不同的资本构成中，生成式AI技术占比不同，则资本收益也是不同的。进而，资本收益的不同会直接或间接地影响到受雇于不同资本的劳动者的实际工资收入。就中国的民营企业而言，企业年报显示，2020年度华为公司净利润达到646亿元，而新希望集团只有82亿元，仅占前者的12.7%。就国外企业而言，生成式AI行业领头羊OpenAI的年化收入（年度经常性收入）在2023年达到了16亿美元，预计2024年可达50亿美元。OpenAI的科研工作者或技术工程师年薪最高可达82万美元；特斯拉提供的年薪平均是78万美元，底薪接近70万美元。OpenAI和特斯拉劳动者的工资收入肯定超越了其他很多行业、工种、岗位。

（三）加重劳动者工作竞争的“内卷化”，悖反式地导致劳动者“躺平”

生成式AI的应用必然带来失业，而失业的直接后果就是产生大量的剩余劳动力，使得本来就不多的工作岗位引起劳动者之间越来越激烈的竞争，并且这种竞争会造成劳动者收入下降趋势。虽然生成式AI目前还处在弱人工智能阶段，其工业化应用和商业化潜力尚未完全展开，但是完全可以确定，未来就业空间会被进一步挤压，竞争会更加激烈。加之每年海量新生劳动力涌向市场，以及当前宏观经济下行压力增大，这些因素将和AI一同加剧劳动者的就业竞争，使劳动者之间的工作竞争走向“内卷化”。这种消耗式的“内卷化”工作竞争必定会带来“物极必反”的后果，即加剧劳动者的“躺平主义”心态和行为。因为生成式AI时代是一个技术、生产、生活等各方面都在不断加速的时代，这种加速度不断增长的“加速社会”让劳动者难以承受却又被迫卷入加速的社会浪潮中而不知疲倦地投入消耗式竞争体系，但这种加速竞争的工作机制中总有一个超过劳动者人力承受限度的临界点，所以越来越多的劳动者无法适应、无法融入这种快节奏，会在高度“内卷化”的无奈中选择“躺平”。

这种由生成式AI的应用所造成的“内卷化”又会进一步展开为三个层次的竞争关系。其一，人机竞争关系。生成式AI工业不同于传统技术中机器工业的地方在于，生成式AI的自动化和智能化程度极高，而且还在不断提高。生成式AI具有越来越强大的自主学习能力和自主生产能力。这就导致劳动者为了最大限度地降低自己失业的概率而不得不在拼命工作的同时努力跟上AI时代学习和工作的紧张节奏，无休无止地汲取新知识、学习新技能，源源不断地创造新价值，以此来延缓自己失业危机的发生。其二，人机竞争不可避免地加剧劳动者之间工作的“内卷化”竞争关系。与生成式AI相关的技术性失业意味着一定程度上工作岗位的减少和失业人员的增加。这样一来，在岗劳动者不仅受到生成式AI的冲击，还会受到日益增加的失业劳动者的竞争性威胁，就业竞争日益严峻。而企业乐意让员工处于竞争状态，因为这样不仅能激励员工提高工作效率、变成工作狂人，还会加剧劳动者之间的对立，从而转移劳资矛盾。劳动者为了保住工作岗位，无论是否愿意，都被裹挟到恶性竞争和高度内耗之中，不得不面临随时失业的危机和劳动收入下滑的情况。其三，导致劳动者陷入“自我剥削”“自我内耗”的循环中。而当这种循环达到极限时，“躺平”就成为越来越多的人的“最优”选择，特别是那些觉得自己被就业市场永久性抛弃的人。“既然‘卷’不动，那就不再‘卷’”，人们以这种消极的退出姿态放弃对自己的“剥削”和“内耗”。只要这样的“内卷化”竞争没有停息，这种“躺平”现象就难以消失。

三、应对生成式AI工作冲击的可行策略

面对势不可当的生成式AI所造成的对劳动者工作的激烈冲击，应该如何应对呢？一方面，人们应该有相应的心理准备。就目前来看，生成式AI的技术发展和工业应用势必会在一定阶段造成大面积、规模化的失业。另一方面，人们对这种技术进步应该具有相关的辩证认知。生成式AI对劳动者就业不光产生了替代效应，也带来了补偿效应，这也正是生成式AI进步性质的体现之一。凡有一弊，必兴一利，这是唯物辩证法的铁律。经济学中的补偿理论就认为，技术在把劳动者从工厂车间排挤出去的同时，又会在社会市场上创造大量的新岗位来重新吸纳失业劳动者。学者研究发现：“技术变革下的全球劳动生产率与就业趋势呈现出明显的趋同效应”，新技术在摧毁劳动者旧工作岗位的同时，能够“制造新需求带来就业补偿”。作为新兴技术的生成式AI的发展，自然也会产生新的生产部门，从而创造出新的劳动岗位和就业机会。因为生成式AI会极大地提高相关企业的生产能力，使企业能够在市场竞争中占据优势、扩大资本积累，从而巩固和扩大AI化生产应用的行业和市场空间，还会在高水平认知技能服务业中制造相应的工作岗位和用人需求，所以，虽然从短期看来生成式AI的确会对劳动者的工作造成剧烈冲击，但从长期看来，生成式AI也会给劳动者的就业带来补偿效应。生成式AI的工作替代效应和就业补偿效应不是无法共存的，而是在社会历史中辩证地互动着的。从最一般的趋势来看，虽然生成式AI会对很多行业、工种、岗位造成技术性失业冲击，但是由于生成式AI本身就是人类智力的产物，所以它吸纳就业的规模也会有所增长。现实数据也在一定程度上支持这一判断。2015—2020年间，我国AI相关行业的就业人数从349.9万升至487.1万。这也就意味着，为了减轻劳动者对失业的恐慌，扩展生成式AI创造的就业机会，国家和社会可以采取一系列有针对性的措施和方法，有效应对生成式AI带来的工作冲击。

（一）做好“就业摸底”“保障兜底”两手准备

生成式AI可能引发的失业风险需要在国家层面实施可靠的“就业摸底”和有效的“保障兜底”。就业是劳动者生存和发展的基石，劳动者群体的充分就业与社会的整体稳定成正比，每个现代国家都有责任保障劳动者群体的正常生活，维持社会的稳定。失业问题不单是一个经济问题，也是一个政治问题，过高的失业率会引起社会的不满和动荡。因此，最重要的就是从国家层面开展“就业摸底”和“保障兜底”行动，确保失业问题始终在可控范围内。

一要开展可靠的“就业摸底”行动。因其强大的劳动优势，生成式AI必然会引起一些行业内“机器换人”的现象。这次的浪潮不仅涉及体力劳动者，还会波及部分脑力劳动者。这次科技创新波及的劳动领域很广泛，会造成许多劳动者的失业恐慌。加之各种自媒体、独立研究者在网络平台上发布鱼龙混杂的测算数据和耸人听闻的猜测，更会加剧劳动者被AI替代的恐惧，让劳动者不知所措，越发迷茫。因而，要做的第一件事就是开展可靠的“就业摸底”行动，利用大数据等技术，构建起对企业岗位变化和就业数据的监测、分析和预警体系，通过及时、科学的调查和研判，建立失业风险预警服务平台，摸清生成式AI的应用对不同行业、不同岗位造成的风险及其发展趋势，做好失业风险预警工作，为潜在的失业劳动者做好再就业登记、咨询、技能培训等帮扶计划，以便及时帮助劳动群众提升再就业能力。要用真实可靠的官方数据让劳动群众心中有底而不被网络上各种夸大其词的声音所误导，同时也要提醒人们，不可小觑生成式AI的工作优势，而应从容、理性地面对，有针对性地做好转型准备。

二要开展有效的“保障兜底”行动。生成式AI的发展和应用必定会造成失业的问题。一方面，虽然一些劳动者可以转型进入新的工作岗位，但是这种转型需要更高的技能水平和理论水平，所以在适应新岗位而成功转型之前可能存在一段失业期。另一方面，如上文所述，一些低技能、低文化水平的劳动者会出现转型的困难，甚至成为“无用之人”。这不仅对劳动者的生存和发展造成威胁，而且会在一定程度上导致犯罪率的上升，“特定时期内失业率提高所导致的犯罪率的提高，是人工智能带给犯罪研究的挑战之一”。这就需要国家采取有效的“保障兜底”行动，一方面稳步提升社会保障水平，进一步优化劳动群众在医疗、教育、住房上的保障，另一方面健全完善失业保险、失业救济等社会保障制度，保障失业人员的基本生活。

（二）落实优化产业升级、调控生成式AI替代效应两种策略

借助技术创新来实现产业升级是推动经济发展的必由之路，产业升级可以创造新的工作岗位，增加就业机会。生成式AI是未来各国竞争的核心领域之一，开发和应用生成式AI是必然趋势。在政府层面，要出台更多的公共政策，通过政策激励、政策倾斜、资金支持等措施，鼓励、支持生成式AI产业的发展和升级，培育更多新的就业增长点。培育生成式AI产业的领军企业，引导核心技术及重点领域的开发和应用，在此过程中创造更多的工作岗位。引导传统产业的智能化转型，利用生成式AI技术开发高端服务业以及相关衍生产业，吸纳更多劳动力，减轻人工智能对就业的冲击。在企业层面，要结合原本的产业优势，搭建有特色的智能产业模式，转型至人机协同的生产和服务。开发人机交融的岗位，人机交融能够充分发挥生成式AI和人类劳动者的优势，使二者相互结合、能力互补，大幅提高生产效率，这样在为人类劳动者赋能的同时，也有利于开发就业岗位。积极把产业做大做强，通过产业的发展来增加产业研发、生产、维护等就业岗位。把产业升级与产业转移结合起来，充分发挥地区优势，挖掘更多的发展机遇，这样不仅推动企业进步，还为相关地区提供就业机会。

此外，还要积极地调控生成式AI替代效应。生成式AI所引发的技术性失业难以避免。为了缓解技术性失业带来的冲击，短期内最有效的是提高劳动者的劳动技能，使他们更好地适应市场需要。在政府层面，要加大对劳动者的扶持力度，强化就业导向，紧跟产业的发展和岗位的实际需求而加大人才培养的资金投入，结合劳动者原有的工作经验开展有针对性的技能培训，使劳动者通过再培训能够重新就业。在企业层面，面对生成式AI可能带来的冲击，企业在考虑经济效益的同时，应主动承担社会责任，尽可能减缓生成式AI带来的技术性失业冲击。当前，很多企业尚未认识到人工智能时代即将全面到来，因而没有做好相关准备。部分企业管理者对生成式AI的劳动优势及其颠覆性影响缺乏认知，未在员工技能培训方面采取有效举措。鉴于此，企业应当建立一套适应智能化转型的培训体系，预先通过内部有组织的针对性培训来帮助员工成功转岗。企业要有计划地开展员工培训，强化和更新员工的业务能力，帮助员工进行技能升级和转型，协助员工积极面对和适应技术发展所带来的变化。

（三）完善优化教育、终身学习两项机制

从长远看，要有效地应对生成式AI给劳动者带来的冲击，必须开展深层次、广覆盖的教育改革，并且建立终身学习制度。习近平总书记指出，中国积极“促进教育变革创新”，“加快发展伴随每个人一生的教育、平等面向每个人的教育、适合每个人的教育、更加开放灵活的教育”。事实上，“被自动化取代的最可靠的解决办法一直是教育”。在当前日趋智能化的劳动条件下，生成式AI具有强大的劳动优势，能够辅助甚至替代部分行业的工作岗位，这样的情境对人才的培养和教育提出了更高的要求。但同时，生成式AI也为教育提供了更高水准的技术支持。比如，生成式AI可以收集和分析各个学科领域的学生在面对不同教学风格时的实时反应和学习效果，进而提出个性化的教学建议。教育部门及相关部门必须审势而行，根据生成式AI技术的发展、社会需求的变化来推进教育的变革。学校应当转变教育模式，积极推行“人工智能+教育”的培养模式。要根据实际情况调整不同学习阶段的教育内容和教育目标，并尽可能减少“死记硬背”在教学中所占的比重，把培养重点更多地放在人机协作能力、独立思考能力、自主创新能力和解决实际问题的能力上。教师群体也应跟上时代的变化，采取积极的行动，借助ChatGPT等生成式AI来调整改进教学方式，采取启发式的教学方式，保护和提升学生的想象力、批判力和好奇心，使学生具有足够的能力来适应复杂多变的环境，从而成为智能化时代的新型劳动者。

但光有教育改革是不够的。当今，知识和技能的学习贯穿人的整个职业生涯，每个人都需要不断地学习，以适应不断变化的环境。正如尤瓦尔·赫拉利所指出的，在智能时代，将人生划分为学习时期和工作时期的观念已经过时了，“想要不被淘汰只有一条路：一辈子不断学习，不断打造全新的自己”。因而，整个社会都要逐步建立终身学习的制度，加大专项资金和培训资源的投入，搭建各种开放、共享的学习组织以及数字化教育平台，为劳动者提供便捷的学习方式。劳动者应当树立终身学习的意识，根据自己的情况，通过持续的、有针对性的学习，借助高新技术来“武装”自己，尽可能缩小由于技术进步而引起的观念鸿沟和技术鸿沟，不断增强人机协同工作的能力，从而能够适配科技的发展，积极成为生成式AI技术进步的参与者而非旁观者，并在人机交互中持续精进，提升自己的劳动技能和劳动效率。这样，不管时代如何变化，都能在社会中找到自己的位置，为社会贡献自己的才能。

四、结束语

毫无疑问，生成式AI是人类有史以来发明的最具革命性、最有颠覆性的科学技术。生成式AI已经把人类社会推进到数字化、信息化、智能化发展的历史阶段。人类社会不可能逆向运动。诚然，在当下和不久的将来，生成式AI必然会给人类的生存带来各种复杂的问题和挑战。但是，科学技术的进步方向是人类社会的发展“矢量”。根据历史唯物主义，可以认为：技术工业的进步为劳动力的解放提供了坚实的基础性物质条件，让人们可以有更加充裕的时间来实现自由发展；包括生成式AI在内的任何形式的技术工业，究其本质而言都只是人类从事生产劳动和生活交往的工具，是人类生命能力的器具化和人类本质力量的对象化。因此，只有在特定的社会发展阶段和具体的经济组织关系中，技术工业的进步才表现为对劳动者工作的冲击。也就是说，生成式AI规模化替代劳动者的“物理事实”仅仅在一定的社会历史条件中表现为劳动者失业的“社会现象”。在马克思看来，把技术工业替代劳动者从事工作的“解放力量”异化为劳动者的失业，其具体社会历史条件就是“资本（死劳动）支配工人（活劳动）”这种劳动生产方式。从历史唯物主义层面看，生成式AI的工作优势本应体现为技术工业进步性，却在当代社会异化为一种冲击劳动者工作的可怕物质力量。

可以相信，随着科学技术的不断进步、生产力的不断发展和人类生产劳动方式的不断变革，生成式AI日渐强大的技术性劳动优势会历史辩证地将AI对劳动者的挑战转化为劳动者的“福音”，把劳动者从他们今天承受的外在的、强制的、异化的劳动中解放出来，让劳动真正成为劳动者“生命自由力”的表现，从而促成“每个人全面而自由的发展”的最终实现。

〔责任编辑：余明全〕