从去年DeepSeek到今年"龙虾"（OpenClaw）的登场，AI技术实现了巨大飞跃。AI正快速进入我们的工作与生活，从聊天扩展到查资料、做分析、写代码等各种场景。一个自然的问题是：AI来了，生产效率会不会大幅提高？很多人会不会失业？今年二月份广传的《2028年全球智能危机》设想AI在两年内大量取代白领工作，推高失业、拖累消费、造成股市崩盘。

AI确实可能带来失业，但也可能创造新就业；让一些人无事可做，也让很多人更忙；让许多公司消失，也让一些公司腾飞。一半海水，一半火焰。AI与以往技术革命有什么不同？它给个人、企业和社会带来的变化会有多大、多快？AI将主要带来经济繁荣还是失业增加？我们如何适应AI时代？中欧国际工商学院经济学教授朱天在本文中给出详细解析。他认为，AI可能先带来收入和就业的分化而非普遍的经济繁荣。

01

AI的独特属性与影响机制

AI可以看作一种通用认知技术。过去的大多数重要技术，要么主要扩展体力和物质生产能力（如蒸汽机、电力和机床），要么主要改善信息处理和传输方式（如计算机和互联网）。AI的特殊之处在于， 它更直接地进入了阅读、写作、归纳、推理、规划和判断这些几乎所有工作都要用到的认知环节。这意味着，AI冲击的不是某个行业中的局部流程，而是大量工作和学习共同依赖的基础认知活动本身。

AI不是第一种涉及认知的技术，但它可能是第一种如此大规模、低成本、可快速扩散的通用认知技术。它的影响面会比大多数旧技术更广，也更容易跨行业、跨职业扩散。尤其是，AI对教育和科学研究的影响也会远较之前的任何技术更大、更快。

更重要的是，AI不会自动赋予人认知，不能替代知识的学习。恰恰相反，知识、概念、理论框架和判断力仍然只能来自系统学习与积累。一个人如果没有基本的知识结构，就无法向AI提出有效的问题，也无法判断AI输出的对错。换句话说，使用AI的能力，本身就需要知识。也正因为如此，AI一方面可能降低知识获得的门槛，另一方面也可能放大人与人之间的差距。如果AI技术最终让很多人把各种认知活动都外包给AI，失去了获取基本的认知技能（阅读理解能力、数学和科学素养）和学习各种知识的动力，它最终带来的可能是巨大的社会分化甚至倒退。

AI技术影响的速度

在传统技术革命中，常常看到的是发明很快，扩散很慢。蒸汽机、电力、铁路、汽车这些重大技术，从发明出来，到真正扩散到整个经济，都花了十几年甚至几十年时间，因为它们需要大量物质资本投入、基础设施建设以及各类制度的调整和适应。

AI的情况有所不同。这可以从三个层面来看：第一是技术发明，也就是AI模型、算法和算力的突破；第二是AI工具的扩散，也就是大量个人和企业都可以接触、试用和部署这些工具；第三是组织重构，也就是企业和社会能否真正把AI嵌入流程、岗位、考核和责任结构中，并最终转化为全社会生产率的提升。

AI特殊的地方就在于，工具扩散可能会非常快。因为AI不像蒸汽机、汽车那样是边际成本相对较高的技术，它更像互联网，是一种边际成本较低、可以通过软件迅速扩散的通用技术。很多重大技术从实验室走向大规模商用，可能需要很多年；而AI从突破到普及，可能只需要一两年。

但这并不意味AI的经济影响会同样快速而均匀地显现。因为工具本身扩散得快，不等于组织重构也快。很多企业今天已经“上了AI”，但这往往只是接入工具，而不是完成重构。所谓组织重构，不只是购买模型、开通账号、允许员工试用，而是如何调整AI时代企业的流程与岗位、考核与激励以及组织架构。

所以，AI的技术发明快，工具扩散也快，但组织重构、效益提高和制度适应仍然可能很慢。今天人人都可能接触到AI，并不等于人人都已经从AI中获得了同样大的收益。未来真正拉开国家和企业之间生产率与竞争力差距的，未必只是技术发明本身，还在于谁能更快完成制度的调整和组织的重构。

AI替代的主要是任务而不是整个职业

AI首先改变的是某些任务的成本，而不是让整个职业消失。日常办公室工作，无论是哪一个职业，一般都涉及对资料和信息的阅读、搜索、整理、归纳、总结、改写和初步判断。这些原来很费时的工作，现在AI把这类任务的成本大幅压低了。

但任务不是职业。职业是许多不同任务的组合。劳动经济学近些年的一个重要观点，就是技术通常首先替代的是职业中的某些任务，而不是整个职业本身。一个律师、分析师、会计、程序员、老师、医生，工作中都包含若干部分：有些是标准化的信息处理，有些则是与客户沟通、与同事协作、对结果负责、在不确定情境下做判断。前一类任务更容易被AI替代，后一类则更可能被AI强化。

因此，AI首先会重组职业，而不是简单消灭一个职业。但它不必取代一个职业的全部任务，只要取代其中足够大比例、足够高频的任务，就足以改变这个职业的分工结构和晋升路径。未来并不一定是某个职业整体消失，更可能是其内部的初级岗位减少了，中间层被压缩了。

这也正是为什么AI来了，有人会失业，有人会更忙。失业的是那些主要从事初级信息处理和相对标准化任务的人，更忙的是那些能够把AI变成自己能力放大器的人。AI降低了许多任务的成本后，组织往往不会满足于和以前做一样多的事，而会要求更快交付、更多版本、更细分析。另一方面，生成内容变得容易以后，真正稀缺的就不再是“有没有初稿”，而是“哪个初稿能用”、“谁能对结果负责”。结果是，简单任务被压缩了，但高质量判断和整合的任务更繁重了。

AI对微观层面和宏观层面的影响并不同步

AI对微观和宏观层面的影响，不会按同一个节奏展开。任务层面的变化最快，岗位和组织层面的变化其次，而宏观层面的生产率、经济增长率和失业率的变化往往最慢。

其次，在岗位和组织层面，AI的影响会比任务层面慢一些，但往往更重要。企业通常不会因为一个工具刚出现就立刻大规模裁员，更常见的情形是先调整招聘、压缩初级岗位、改变分工方式、提高交付要求，再逐步重构流程和层级。也就是说，AI对就业的早期影响，更可能先表现为招聘放缓、入门岗位减少、部分白领劳动需求走弱，而不一定会立刻表现为全社会失业率明显上升。

最后，在宏观层面，无论是生产率、失业率还是经济增长，反映会更慢。一方面，许多微观层面的效率提升，需要经过企业组织调整之后，才可能稳定地体现为更高的整体生产率；另一方面，就业上的结构性变化，也未必会立刻反映为宏观失业率上升，因为一些老岗位减少的同时，也会有新岗位的增加，而且劳动力市场还会受到总需求、行业景气、人口结构和政策因素的共同影响。换句话说，AI可能已经在一些具体任务和岗位上产生了深刻的影响，但这些变化未必会立刻出现在宏观经济统计数字里。

简言之，AI完全可能先在微观层面提高一部分任务的效率，压缩一部分岗位需求，这些变化要过一段时间，才逐步体现为更广泛的收入分化、行业重组和宏观经济后果。

02

AI时代的多重效应

AI最终带来的究竟是繁荣、平权还是分化，并不是一个非此即彼的问题，这三种结果可能同时存在，只是落在不同层面和不同人群身上。AI确实可能降低很多认知任务的门槛，让中小企业和普通人完成一些原本做不到的事情；但它也可能强化“赢家通吃”的格局，因为头部企业采用AI更快，本来就有优势的人也更知道如何把AI用好，而平台、算力和数据又具有明显的规模经济。

在信息、资源和工具可得性层面，AI确有明显的平权效应。比如基层医生、普通学生、偏远地区从业者，都可能通过AI获得原本只有精英才能接触到的知识与能力支持，这是技术平权的社会效益。但另一方面，知识越扎实、框架越清晰的人，其认知深度、提问和判断能力越强，也就越能驾驭并用好AI；而基础薄弱、缺乏独立思考或判断能力的人，则更难真正用好AI。因此，AI可能在工具和信息层面缩小差距，却可能在能力和收入层面放大差距。

所以AI不会自动带来平权，也不必然加剧分化，而是更可能一边降低部分门槛，一边扩大新的差距。至少在短中期内，更容易看到的是岗位分化、收入分化和资本市场向头部集中的趋势；长期能否转向更普遍的繁荣，则取决于生产率效应能否扩散到更多企业和劳动者，取决于教育、培训、竞争政策和社会保障体系能否跟上。

03

个人、企业与社会的应对策略

如果把上面几点综合起来看，AI带来的绝不是温和的边际变化，而是一场深刻但路径未明的结构性革命：任务、职业、收入分配和企业组织都会被重组。

也正因为如此，个人、企业和社会都不能以“等一等、看一看”的心态来面对AI。对个人来说，最重要的不是担心“会不会被AI取代”，而是要判断自己工作的哪一部分最容易被AI替代，哪一部分反而会因为AI而升值。

具体来说，个人至少应做三件事：第一，尽快熟悉AI工具，把它作为工作环境的一部分；第二，主动强化那些不容易被AI替代的能力，尤其是判断、沟通和责任担当；第三，把AI用于提升自己的认知能力、学习速度和工作效率，而不是把全部思考外包给AI。

对企业来说，关键不是简单“上AI”，而是尽快重构流程、岗位和考核方式。既然信息处理成本正在急剧下降，组织就必须重新思考：哪些环节可以自动化，哪些岗位需要升级，哪些流程可以压缩，哪些责任必须保留给人。

对社会来说，AI不只是一个技术问题，而是一个制度适应问题。失业上升、收入分化、技能贬值、教育滞后，都是真实存在的风险。一个社会能否平稳地度过这一轮技术革命，很大程度上取决于教育体系、职业培训体系、社会保障体系、行业监管等政策的调整。

真正的问题不是AI到底是好是坏，而是它究竟会以多快的速度、通过什么机制，重塑工作、组织和社会。

从短期看，AI可能先带来分化，而不是普遍失业，也不是普遍繁荣。更可能先发生的，是任务重组、职业分化、收入分化，以及资本和能力向头部集中的趋势。同时，一部分标准化岗位、信息处理和内容制作的岗位被压缩，一部分能够定义问题、整合信息和承担责任的人反而会更忙、更有价值。

从长期看， AI当然可能像过去的通用技术一样提高全社会生产率，并带来新的需求和新的机会。但这种繁荣不会自动到来，也不会平均分配，而是取决于企业能否完成流程和岗位重构，取决于教育和培训能否跟上，取决于收益能否扩散到更广泛的人群，而不是只集中在少数头部公司和高能力者手中。AI时代最大的风险， 也许不是技术发展太快，而是社会的适应太慢。

教授简介

朱天是中欧国际工商学院经济学教授、桑坦德经济学教席教授、副院长兼中方教务长。他于2005年加入中欧，之前在香港科技大学任教十年。过去十多年来，朱教授专注于从全球比较的角度研究中国经济，著有《中国增长之谜》、《中国式增长》和《赶超的逻辑：文化、制度与中国的崛起》，并常在各类传媒及微信公众号上发表经济评论文章。他与复旦大学张军教授关于中国消费低估问题的合作研究获2017年比较经济研究学会颁发的最佳论文奖——柏格森奖。

封面图片由剪映AI生成，文中创意图片已获视觉中国授权。

编辑| 田佳玮

责编| 岳顶军