北大國發院副院長張丹丹：要加快就業創造，緩解就業被AI替代的風險

5月17日，2026搜狐科技年度論壇在京盛大開幕。來自科學界、學術界和產業界的近三十位嘉賓共襄盛會，圍繞基礎科學和人工智能話題展開探討思辨。

在上午的線上論壇環節，北京大學國家發展研究院副院長、經濟學教授張丹丹帶來了《如何在AI時代守住職業價值》的主題演講。

張丹丹表示，人類一直在不同時期經歷著不同的技術變革。之前的技術進步，可能相對發生在一個較長的歷史時期內。不斷有工作被替代，也不斷有新的工作產生，最終達到一個均衡狀態。

這一次人工智能技術進步，可能給我們帶來了更多焦慮。因為這次技術進步沖擊的技能群體，主要是白領和腦力勞動者，并且這次技術的迭代速度非?？?，同時部署成本相對比較低。

“也就是說，我們可能還沒來得及創造很多新的就業，原有就業就已經先受到沖擊了?！?/p>

張丹丹建議，要加快就業創造，同時緩解就業被替代的風險。

“比如，通過大數據和實時勞動力市場監測，建立預警機制。哪些職業可能受到沖擊，我們需要及時提醒；哪些技能是未來需要的，我們也可以及時向社會發布，讓大家提前培養相關能力?！?/p>

以下為演講全文：

我們回溯一下過去的技術進步。從電氣化到信息化，到前十年的機器人、智能制造，再到現在的AI，人類一直在不同時期經歷著不同的技術變革。

我們都走過來了，到現在我們看，大家還是都有工作。那為什么會這樣？歷次技術進步，實際上都在改變整個就業結構。有很多工作消失了，但同時又創造出了很多新的就業。

我們知道，有一個非常有影響力的研究，是David Autor團隊做的，2024年發表在一個經濟學頂刊上。他們的研究回溯了過去80年整個就業結構的變化。研究發現，2018年美國勞動力市場上，有60%的人從事的是80年前完全不存在的職業。

所以我們看到，隨著歷史推進、時間推進，未來的工作可能并不是我們現在能看到的。也就是說，在技術進步的過程中，會有大量新的就業被創造出來。

當下我們面臨的一個問題是：就業創造的速度，和就業被替代或者被毀滅的速度，是不是一個我們可以接受的過程？這是一個很重要的問題。

之前的技術進步，可能相對發生在一個較長的歷史時期內。不斷有工作被替代，也不斷有新的工作產生，最終達到一個均衡狀態，似乎我們沒有感受到特別劇烈的短期沖擊。這樣就會給大家一個適應的過程，也給整個社會一個調整的過程。

但是這一次AI人工智能技術進步，可能給我們帶來了更多焦慮。因為它和之前的技術進步不同，主要可以總結為兩點。

第一點，這次技術進步沖擊的技能群體，或者說它沖擊的職業構成，主要是白領和腦力勞動者。之前更多替代的是體力勞動和藍領工作。

第二個不同，就是這次技術的迭代速度非常快，同時部署成本相對比較低。比如說十幾年前的智能制造，其實也是人工智能的一部分，但它的部署是很慢的。它是在制造業細分產業里面一步一步推進的，而且是一個工廠、一個工廠，一條生產線、一條生產線地部署。

我強調這些不同，主要是想說：這一次就業替代的速度，可能是我們真正需要擔心的。也就是說，我們可能還沒來得及創造很多新的就業，原有就業就已經先受到沖擊了。

那經濟學家是怎么看這件事情的？經濟學主要做的一件事，就是通過不同的測算方法，去看AI技術進步是如何影響勞動力市場的，或者哪些職業會首先受到沖擊。

這里面有不同的方法論，一個大家可能比較熟悉的，就是所謂的人工智能暴露指數。這個指數實際上是在2024年的時候，由OpenAI的一個研究團隊提出來的。當然，它背后其實有很長時間的經濟學文獻支撐。

它基本的邏輯是：把整個勞動力市場上的職業原子化，也就是拆解成task，也就是“任務”。有多少任務呢？所有職業加在一起，大約由2萬個任務構成。所以我們可以把任務想象成“原子”，而原子構成分子，任務構成職業。

他們利用一個職業字典，把所有任務如何受到AI影響進行分析，然后匯總到職業層面，最終計算出職業的替代率。

這種方法使用的數據，主要來自當前勞動力市場最新的招聘信息。也就是說，去看新招聘崗位需要完成哪些任務，這些任務是否會被AI替代，以及最終這個職業的替代率是多少。

我們也使用了中國160多萬條招聘信息，以及新加坡1500多萬條全量數據，做了不同國家之間的比較，包括美國的數據我們也做了分析。

最后得出的結果，其實和OpenAI那篇文章的結論差不多：目前主要被替代的，還是白領工作；藍領工作被替代的可能性相對較低。

另外我們也發現，隨著時間推移，這個替代率是在變化的。因為我們看的是流量數據，也就是新增就業的數據。我們會發現，無論是中國還是新加坡，整體勞動力市場的替代率都在下降。

替代率下降，其實意味著：新的崗位里，那些可以被AI完成的任務，已經不需要再招人了。那么，這種趨勢到底會在多大程度上照進現實？

所以我們又進一步分析了：職業暴露度和真實職業需求變化之間的關系。我們發現，它整體上確實是負相關關系。也就是說，暴露度越高，這個職業的需求確實越容易下降，這是一個事實。

但是，在構建這個負向關系的過程中，我們也發現了一個有趣的現象。相當一部分職業的暴露指數，其實都在0.7到0.8之間，也就是說，這些職業理論上百分之七八十的工作內容，都可以在AI的輔助下加速完成。

但如果我們不只看平均趨勢，而是看不同職業之間的差異，就會發現：不同職業受到的沖擊其實并不一樣，它們的命運也不一樣。有的職業就業需求會上升，有的不變，有的則會下降。

這里面就出現了一個問題：理論上的暴露度和現實中的替代關系，雖然總體是負相關，但不同職業受到的影響卻不一樣。

對此，經濟學界有不同解釋。其中有一個解釋，我覺得是比較有道理的，也就是一個職業最終的命運，是增長、不變還是下降，很大程度上取決于這個職業內部任務的構成方式。

如果它是一個串聯關系，那么AI影響了部分任務之后，從事這個職業的人，就可以把精力放在其他任務上。這樣實際上會提升工作的生產率，進而增加需求，甚至增加就業。

但如果它是并聯關系，那就是純替代。一部分任務被替代之后，其他部分也不再需要人去完成了。

還有一個我想稍微提一下。最近Anthropic發布了一份報告，對比了兩種不同的暴露度。一種是我剛才說的理論暴露度；另一種則是實際暴露度。

他們的方法是分析用戶與Claude之間的大量真實對話，去觀察人類到底是如何與AI互動的，以及AI實際幫助人類完成了哪些任務。

他們發現，Claude目前主要完成的是大約800類任務。而我們剛才提到，整個勞動力市場一共有2萬個任務。

在這800個任務中，他們進一步比較了理論暴露度和真實暴露度。結果發現：真正屬于“替代”的部分，其實不到50%，只有43%；而“互補”關系占到了57%。

因此，他們又用這個43%的比例，重新調整了暴露指數，最終形成了所謂“觀察暴露指數”或者“實際暴露指數”。當然，這個實際暴露指數，是低于理論暴露指數的。

總結來看，目前經濟學界的研究總體發現：理論上的AI暴露度其實還是很高的。也就是說，理論上AI確實可以替代人類完成大部分任務。

但是現實中的影響，目前還沒有那么大。另外還有一篇研究我剛才沒有提到，是哈佛大學兩個博士生做的，去年影響也非常大。

他們有一個重要結論，我個人也非常認同：AI主要影響的是新增招聘，而不是存量崗位。也就是說，主要是新招的人變少了。

而在新增招聘里面，受到影響最大的，是junior level，也就是初級崗位和中等技能崗位。高技能崗位以及高級崗位，目前受到的影響相對不大。

基于這些研究結論，我想我們目前其實還處在一個“窗口期”。我們要做的，是加快就業創造，同時緩解就業被替代的風險。

比如，通過大數據和實時勞動力市場監測，建立預警機制。哪些職業可能受到沖擊，我們需要及時提醒；哪些技能是未來需要的，我們也可以及時向社會發布，讓大家提前培養相關能力。

另外，如果未來某些職業真的受到較大沖擊，我認為現在也是一個非常好的時期，去制定就業保護政策和補償機制，提前做好制度準備。