杨海燕：AI替代人类，还有多长的路要走？

IPP评论是国家高端智库华南理工大学公共政策研究院（IPP）官方微信平台

导语：进入2026年，“AI替代人类”正逐步从一种心理焦虑变为现实，多家美国企业一边削减员工规模、控制成本，一边加大对AI基础设施的投入——Meta于5月裁减约10%的员工，以便将更多资源重新投向AI；亚马逊也在最近一轮裁员中削减了1.6万个岗位。类似举措同样开始在中国企业中显现：一些企业收缩入门级和中等技能岗位，并减少毕业生招聘规模。

当越来越多岗位被AI外包，“人工”大范围让位于“数字劳动力”的进程，是否已经进入倒计时？在IPP副研究员杨海燕看来，当前AI确实已经在占据部分行业的入门级岗位。然而，人的劳动并不只是任务集合，其中还包含难以编码的默会知识、身体经验、现场判断和社会责任。她指出，受世界模型缺失、数据获取鸿沟、企业技术债、复合型人才短缺以及法律制度约束影响，AI距离大规模意义上的“替代人类”实际上仍有相当距离。

她指出，由于中国的产业及劳动力技能结构，AI对我国就业岗位的冲击不容忽视，对正在大力推进“人工智能+”的中国而言，如何在产业升级与就业稳定之间取得平衡，将是必须直面的现实考题。

本文作者

杨海燕

IPP副研究员

这两年，“AI替代人类”的焦虑正在全球蔓延。一边，是科技巨头和企业高管们高调宣称“AI将重塑一切”“改变人类社会”；一边，是社会层面的焦虑与不安。今年4月，OpenAI首席执行官萨姆·奥特曼（Sam Altman）的住所两度遭到燃烧瓶攻击，行为者直言其动机出于对“AI将终结人类”的恐惧。

面对社会的抵抗和恐惧情绪，几大科技巨头最近也纷纷回调之前“AI替代人类工作”的说辞。这也折射出AI对人类社会影响的真实图景：替代远未到来，但恐惧和焦虑已经先行。

那么，目前AI可以替代哪些工作？若进一步发展情况将会怎样？

3月，北加州约2400名心理健康专业人员举行一日罢工，核心诉求之一就是反对AI可能替代治疗师、削弱人工照护。图源：AP

一、“AI神话”及其社会反噬

卡尔·波兰尼（Karl Polanyi）曾用“双向运动”（double movement）[1]概括市场力量的扩张与社会自我保护之间的张力。如今，这场由美国科技巨头们引领的AI科技变革与AI产业的狂飙突进也在科技发展与美国社会民众之间引发一场新的“双向运动”。科技巨头们创造的AI神话，在某种程度上迎来了社会的反噬。

“AI是人类正在从事的最重要的事业之一，比电或火更深远。”

Google CEO皮查伊（Sundar Pichai）早在2018年就抛出了这一论断。2025年，他再度强化论调，称AI具有“前所未有的迭代速度”、“深不可测的能力上限”和“递归式自我改进”能力[2]。英伟达CEO黄仁勋将AI定位为“人类历史上最大的基建浪潮”，称“这不是简单的技术迭代，而是堪比PC、互联网和移动云时代的平台转移”[3]；OpenAI以“确保通用人工智能造福全人类”为使命宣言，Meta则声称“AI是构建元宇宙的基础”。

从搜索引擎到芯片，从大模型到社交平台，每一家巨头都将自己塑造为AI新纪元的“引路人”。“AI将改变一切”也成为了硅谷新的世俗信仰：不是可能改变，而是必然改变，且改变的方向则由科技公司定义。

如果说皮查伊和黄仁勋的措辞尚属战略愿景，马斯克的预言则直接将人类社会送入“紧急状态”。他预言，AGI（通用人工智能）将于2026年实现；到2030年，AI的总智能将超越全人类；人类正处于“数字超级智能的生物引导程序”阶段，“一场超音速海啸般的变革已经由不得我们按下开关”；他断言，“所有涉及信息处理的白领工作将首当其冲，AI目前已能胜任一半以上此类岗位”[4]。

这场由科技公司及其管理者创造的AI神话，提前宣判了人类社会的未来，迫使我们必须快速求变，以应对AI这项技术带来的变革。

不同AI领军人物对AGI的定义与到来时间判断实际上存在着显著的差异，从“近在数年”到“仍需数十年”不等，这也体现AI发展具备的不确定性和难以预测性。

然而，这场AI“神话”正在遭遇美国社会的系统性反噬。

今年4月，奥特曼的住所两天内两度遭攻击，一名20岁的男子向其投掷燃烧瓶，警方记录则显示，其动机是出于对“AI将终结人类”的恐惧。前Google CEO施密特（Schmidt）今年5月在亚利桑那大学的演讲，则遭到学生嘘声抗议。

民间社会正在对抗数据中心的快速建设。2026年6月2日，加州蒙特利公园市实行全美首次市民公投，通过全面禁建数据中心的提案。[5]。在密歇根州，OpenAI与Oracle的Stargate超级计算机集群项目遭遇多重阻力，周边50英里内超20个城镇通过了对数据中心的禁令，最终在企业起诉并胜诉后，才于6月1日破土动工[6]。在宾夕法尼亚州蒙图尔县，300多名当地居民抗议规划会议[7]。马斯克/xAI在孟菲斯的数据中心与居民持续冲突已逾两年，冲突的争议焦点集中在水资源消耗、电网压力、噪音污染和居民电价上涨（数据中心已占美国电力供应约6%，显著高于全球2%平均水平）[8]。

有数据显示，自2023年以来，美国各州与地方政府已通过超300项针对数据中心建设的限制或禁令，其中超275项集中在2026年；2026年第一季度，全美遭封锁或延误的数据中心项目总价值约1,300亿美元[9]。盖洛普今年5月的民调显示，约七成美国民众反对在本地建设AI数据中心，14个州正在考虑禁建数据中心或暂停措施[10]。

2025年，田纳西州众议员贾斯汀·皮尔森公开反对埃隆·马斯克旗下xAI公司计划使用燃气轮机建造一座新的数据中心。图源：Getty Images

除了对数据中心的抵抗，科技巨头们的“AI替代就业”叙事，叠加美国科技企业的裁员浪潮，也催生了美国的AI就业焦虑。Oracle于过去一年内，在全球裁员21,000人，约占员工总数13%，遣散成本达18亿美元[11]。

由AI造成的失业从话语叙述变为现实举动，进一步推动了政府预防AI就业冲击的制度建设。比如，失业率居全美之首，且全球最前沿AI研发企业大量集中的加利福尼亚州，今年推出“AI失业追踪器”[12]，成为美国首个将AI就业影响纳入正式政策监测框架的州级举措。

加州推出全国首个 “AI失业追踪器”（California AI-Unemployment Tracker, CAIT），试图通过失业保险申领数据监测AI对不同地区、行业和人群就业的影响。

与此同时，科技巨头们也被动为AI战略引发的社会恐慌进行兜底，并试图重建其社会合法性。2026年6月25日，OpenAI基金会、Anthropic、亚马逊、微软联合IBM、AMD、思科、ADP、德勤、美银、礼来、洛克菲勒基金会、Pivotal Ventures等二十余家锚定伙伴，跨党派组建无党派非营利组织“Raise US”。该组织初期在阿肯色、康涅狄格、马里兰、犹他四州落地，并试点“AI职业导航+高中毕业生服务年限延展”等项目。

这一举措可被视为代表未来世界的科技巨头们，为了应对社会的反抗主动提供社会保护措施的策略性行为，该组织的CEO雷蒙多(前美商务部长)表态直言：

“美国有AI技术战略，但无人的战略”[13]。

二、替代与创造并存的就业影响格局

那么，目前AI到底会对哪些工作产生实质性的影响和替代？

美国西北大学的测算表明，按全量劳动力结构计算AI暴露度，“在美国最受影响的岗位是秘书、常规文员，而非计算机科学家或数据科学家”[14]。由于这些岗位通常由女性承担，因此就AI的就业冲击而言，女性明显大于男性。ILO的研究显示，在高收入国家，女性面临的AI高暴露率约为男性的两倍以上，这也恰好折射出文秘、客服、行政等AI高暴露岗位的性别结构特征[15]。

从行业维度看，AI的渗透程度也并非完全一致。

在编程领域，AI的替代效应已有实质表现：有投资机构反馈，其被投企业已有25%至75%的代码由AI生成；Indeed（全球第一大招聘网站）上软件开发岗位发布量下降53%，22至25岁开发者就业较峰值下降近20%。

其它行业也呈现出了较高的AI使用率。有研究显示，信息行业AI使用率远高于全行业平均水平[16]；金融业同样走在“AI化”的前列，中国的工商银行部署逾500个AI应用，招商银行大语言模型替代逾1,550万工时。英国的渣打银行计划2030年前裁减约15%后台岗位[17]；医疗、物流领域的AI应用也在加速，HCA医疗集团（HCA Healthcare）通过AI预测分析降低患者入院率；物流巨头罗宾逊物流（C.H. Robinson）减少约12%的员工处理了增加的货运量[18]。

近日，英伟达CEO黄仁勋在接受专访时被问及“人们是否会因AI失去工作”，对此，黄仁勋指出，人们需要区分“工作任务”与“工作目的”。就如医护人员的目的在于照护病人，而不是研究一张放射影像图。图源：胡佛研究所

另一方面，一些数据则在讲述AI与就业间更为复杂的关系，这些数据主要揭示了目前AI对就业的正向影响。普华永道（PwC）的数据显示，AI暴露度最高的公司，其就业增长（52%）反而快于低暴露公司（36%），薪资增速也更高（24%vs17%）[19]，这意味着AI的使用被用来扩大投入和发展，而非单纯替代就业。由此推断可知，AI应用在短期内更多是“放大器”而非“消灭器”。

波士顿咨询（BCG）公布的数据也显示，技术行业软件工程师人数，总体上仍在增长，只是增速放缓[20]。同时，新的需求激发了冷门行业的招聘热潮。比如，纽约联储数据显示，2024年美国哲学专业毕业生失业率为5.1%，低于计算机科学专业的7%[21]，且多家AI公司正积极招募哲学背景人才。

这种“替代与增长并行”的格局，说明目前的AI尚未达到消灭和替代人类的阶段，更多只是在重塑岗位的技能门槛：入门级岗位减少，但对更高阶技能的需求反而在扩大，有学者将其归纳为“大冻结”效应[22]：AI的使用让企业减少新的招聘需求，尤其是对初级员工的需求。

那么，未来AI要实现对人类工作的系统性替代，究竟还面临哪些结构性障碍？

三、AI替代人类：必须跨越的三重结构性障碍

客观来看，正如蒸汽机、纺纱机等技术给人类社会带来了变革，我们必须承认AI这项技术本身可能带来的影响。但仅就“AI替代工作与就业”这一单一维度而言，若要大规模替代人类，AI还需要克服三个方面的结构性障碍。

首先，是技术层面的能力瓶颈。

当前AI的主流形态仍是大语言模型（LLM），其本质是对语言符号的统计模式匹配，而非对物理世界的真实理解。换言之，AI缺乏“世界模型”（World Model）：一种对物理规律、因果机制、空间关系和物体属性的内在表征。

具体而言，大语言模型可以在文本中流畅描述“把鸡蛋放在桌上”，但不能真正理解鸡蛋会滚动、桌子有边缘、重力会使物体下落等现实世界的动态。这直接限制了AI在制造业、物流、医疗手术、建筑等需要与物理世界深度交互领域的替代能力。尽管业界已将世界模型视为下一代AI的核心攻关方向，但目前均处于早期实验阶段，距离工业级应用尚有根本性的距离。没有世界模型的突破，AI替代将始终停留在信息处理层面，无法跨越到物理操作层面。

AI系统需要由感知、短期记忆、世界模型、行动、评价器和配置器等模块共同构成。其中，“世界模型”是核心，它使AI能够在行动前预测外部世界的变化。图源：Meta AI

与世界模型缺失紧密相关的，是数据获取难题。大语言模型的成功建立在互联网海量的公开文本基础上，但行业智能体以及世界模型所需训练数据远非公开网页可比。企业的核心业务数据、实时生产流程数据、设备传感器数据以及客户行为数据等，均散落在异构系统中，其中大量都是非结构化格式，且受商业秘密和隐私法规保护。

国际数据公司（IDC）研究指出，大中华区企业AI就绪首要障碍正是遗留架构和数据碎片化[23]；高德纳咨询公司（Gartner）预测，约60%的企业AI项目会因缺乏“AI就绪数据”（“AI就绪数据”是指高质量、可访问且值得信赖的信息，组织可以自信地将其用于人工智能 (AI) 训练和相关项目。编者注。）而失败。周鸿祎曾感叹：

“企业里知识库不太容易收集，文档只是一部分，更多的是潜知识，藏在数据库里、员工硬盘里、老板脑子里……”[24]

对多数行业而言，数据获取鸿沟可能比算法差距更难跨越。

最重要的一点是，AI无论如何发展和运作，都建立在符号系统之上，符号只是实在的一种表征，无法穷尽实在界（the Real），也无法完全获取人类社会的所有信息。

“我们所知道的，比我们能说出来的多得多”

哲学家迈克尔·波兰尼的这一论断，清晰地点明了技术对人类的不可取代性。事实上，人类社会目前大量任务依赖默会知识（难以编码、无法显性化的经验判断与情境感知）。诸如车间技工在机器异响中辨识故障隐患，资深护士从患者面色判断病情变化，这些凝结于身体记忆中的能力，恰恰是AI最难触及的领域[25]。另外，AI的预判和运作逻辑只能基于“过往”数据，但过往并不代表一切。

美国最大注册护士工会National Nurses United的研究指出，医院正在过快、过度、缺乏监管地引入AI技术，而这些技术不仅没有真正缓解护理压力，反而可能削弱护士的临床判断。

其次，AI技术的全面应用和渗透需要克服来自企业等组织层面的制约。即便技术可行，企业部署AI仍面临多重组织约束。

波士顿咨询（BCG）发现，关键瓶颈并非技术本身，而是复合型人才短缺。目前，业界能将AI嵌入业务流程、重构组织架构的人才极度稀缺[26]；多数企业卡在“试点困境”中：实验室效果惊艳，规模化部署却步履维艰。

同时，AI并非全然嵌入到一个真空的企业体系当中。很多企业有自身的“技术债”，这会进一步阻碍AI的使用。“技术债”指的是为短期交付而牺牲长期系统质量所积累的代价，像金融债务一样利滚利。Box CEO莱维（Aaron Levie）就描述了硅谷之外大多数企业尝试“智能体化”时的困境：

“员工更少具有技术背景，数据更加碎片化，系统也更加老旧……如果智能体只获得和人完全相同的权限，就会到处碰壁。而且不像人类，它们不知道去找Sally谈谈，或者去问Bob。”[27]

而传统企业系统充斥着跨代际技术债务。要绕过这些技术债，离不开人工的对接。比如，打电话给老李、走到老王工位旁催数据。这类行为发生在屏幕之外，AI智能体是无法执行的[28]。

过去的历史经验也在告诉我们，技术的全面普及绝非一时之事。经济史学家大卫（Paul David）对电动机和计算机普及历史的研究揭示：电动机在1880年代已发明，但美国工厂的生产率直到1920年代才爆发。这中间的三十年里，电动机是被直接接入为蒸汽机设计的旧式传动系统，效率几乎未提升。直到老工厂倒闭、新一代按“单元驱动”原则设计的厂房出现，生产率才快速增长起来[29]。

这也说明，一项通用技术的普及应用，需要整个生产系统的重新设计和旧架构的淘汰——这往往需要一代人的时间。今天的AI智能体，面临着同样的局面：我们试图让它在为人类设计的旧系统里运行，但是旧系统给予其运行的适配空间并不多。企业既有系统与AI智能体越不匹配，其应用就越难落地。

最后，是来自法律和制度层面的约束。

技术可行性和组织意愿并不等于制度许可。我国杭州法院裁定以AI替代为由解雇员工构成违法解除劳动合同，欧盟《AI法案》则对高风险AI施加严格合规要求，美国AI行政令要求评估AI对劳动力市场影响，这些举措均对AI的激进式发展构成制度护栏。欧盟的通用数据保护条例（GDPR）、算法问责、AI伦理审查等，都在约束AI大规模应用。制度约束的意义不仅在于事后救济，更在于事前预期管理。当企业明确知晓法律风险时，其决策部署将更加审慎。

综合来看，AI替代人类不是一道技术判断题，而是涉及技术能力、组织条件和制度框架的系统工程。默会知识壁垒、物理智能-世界模型缺失、数据获取鸿沟限定了能力边界；人才短缺、技术债沉疴等制约了推进应用的速度和范围；法律护栏划定了社会底线；多重障碍叠加，“全面替代”的时间表远比科技巨头们预言的要漫长。

四、中国的AI发展战略与潜在的就业冲击风险

虽然中国的AI技术发展水平尚不及美国，但根据国际货币基金组织（IMF）的AI准备指数（AI Preparedness Index），中国正处于全球AI竞争的第一梯队，同时也承担着最大规模的就业转型压力[30]。

从目前的技术能力看，AI对我国就业岗位的冲击要大于美国。有研究显示，我国54%的就业岗位处于AI替代高风险区间（替代概率>0.7），比美国（47%）高7个百分点[31]，这与中国制造业占比高、服务业数字化快、劳动力技能结构仍偏中低端密切相关。

世界经济论坛的研究显示，与世界其他地区的同行相比，中国企业更有可能将技术视为推动业务转型的主要动力。图源：世界经济论坛《2025年未来就业报告》

世界经济论坛的研究显示，在中国受访者看来，提高AI时代人才供给，最重要的政策不是单纯扩大学校教育，而是加大再培训/技能提升投入，同时提高劳动力市场灵活性，并适度调整移民政策。图源：世界经济论坛《2025年未来就业报告》

然而，中国也拥有独特的制度缓冲机制。在司法层面，前述杭州法院的判例为AI裁员划定了法律红线。同时，各大国有企业作为“就业稳定器”，不会因技术效率而大规模裁员，仍发挥着独特作用。与西方以劳动诉讼和集体谈判为主的“事后救济”模式不同，中国AI发展的战略安排更强调事前预防和过程控制，在AI技术扩散的初期阶段即嵌入社会稳定考量。

但是，中国的AI发展战略本身也蕴含着一定的就业冲击风险。目前，我国正在大力推进“AI+”战略，并设定了AI的应用普及率到2027年达到70%、2030年达到90%的目标。这强化了科技发展与社会稳定领域的政策张力：一方面，AI渗透是产业升级和国家竞争力的核心抓手；另一方面，大规模的渗透可能引发岗位替代的社会风险。据花旗集团估算，这一战略可能威胁约7,000万个就业岗位[32]。

在经济增长放缓与企业营收空间收窄的现实背景下，如何平衡AI的大规模渗透、由此带来的用工挤压以及成本管控压力，将进一步考验企业管理者的智慧。倘若处理失当，必定会造成一部分社会群体失业，给社会稳定和保障领域增加压力。

另外，从长远角度看，中国的“AI+战略”为AI技能的进一步提升和突破提供了其它国家所缺乏的实验和应用场景。再加上，中国是全世界视频采集设备最多的国家，这一方面为AI的数据采集搭建了极好的基础设施，但在另一方面，也可能在无意间会将中国变为AI就业冲击的“实验场”。

当然，这是一种比较悲观的预测。毕竟，我国走的AI发展路径并不是“人与机器竞争”的替代模式，而是强调人机协作、以人民为中心的发展路径。但在现实层面，这也将更加考验我们如何在“发展优先”和“社会稳定”之间保持平衡，考验我们的AI治理水平与治理智慧。

参考文献：

[1]卡尔.波兰尼.大转型：我们时代的政治与经济起源.冯钢等译，当代世界出版社，2020年。

[2]Sundar Pichai, Recode/NBC联合市民大会（2018年1月）; The Verge Decoder播客访谈（2025年5月）。

[3]Jensen Huang, NVIDIA CES主题演讲（2025年1月）；达沃斯世界经济论坛演讲（2026年1月）。

[4]Elon Musk, Moonshots with Peter Diamandis播客访谈（2026年1月）。

[5]IEA. Electricity 2024-Analysis and forecast to 2026.International Energy Agency, Paris.

[6]CNBC. Stargate live updates: OpenAI's Altman says 'people are right to be anxious' about AI,2026年6月2日。

[7]The Guardian. How the fight over data centers is roiling Pennsylvania politics: “We don’t need it”.The Guardian,2026年6月16日。

[8]IEA. Electricity 2024-Analysis and forecast to 2026.International Energy Agency, Paris.

[9]The Economist.America's data-centre backlash puts the AI boom at risk,2026年6月23日。

[10]Jones, J. M. Americans oppose AI data centers in their area. Gallup. 2026年5月13日。

[11]Chia, Osmond. Tech Giant Oracle Cuts 21,000 Jobs as It Embraces AI. BBC News, 2026年6月26日。

[12]Om Gupta. As AI job loss fears grow, this new tracker will monitor AI-related layoffs, India Today, 2026年6月26日。

[13]Griffiths, B. D. Large Tech Companies Are Behind a New Group Aimed at Helping Workers .Business Insider,2026年6月26日。

[14]Daron Acemoglu, David Autor, Jonathon Hazell, Pascual Restrepo，AI and Jobs: Evidence from Online Vacancies，NBER Working Paper No. 28257，2020年初版/2022年修订。

[15]Paweł Gmyrek, Janine Berg, David Bescond，Generative AI and Jobs: A global analysis of potential effects on job quantity and quality，ILO Working Paper，2023年。

[16]PwC.2025 AI Jobs Barometer，2025年。

[17]Kimberley Long. China’s AI push collides with employment priorities, The Banker,2026年6月24日。

[18]Stephen Gold. To Fear or Not to Fear: AI and the Future of Work，IndustryWeek，2025年5月10日。

[19]PwC.2025AI Jobs Barometer，2025年。

[20]BCG.AI Will Reshape More Jobs Than It Replaces,2026年4月3日。

[21]The Economist. Why big AI labs are hiring so many philosophers, The Economist，2026年6月24日。

[22]Sonnenfeld, Jeffrey A., et al. The Real Job Destruction from AI Is Hitting Before Careers Can Start. Yale Insights，2026年5月4日.

[23]IDC/MongoDB. The AI Readiness Index: Assessing Enterprise Preparedness for AI Adoption，2025年.

[24]周鸿祎，企业AI落地的真正难题，360集团内部交流，2025年。

[25]盛一诺.为什么Agent还没抢走我们的工作？屏幕之外的隐性知识与技术债，澎湃新闻，2026年6月25日。

[26]BCG.Henderson Institute – AI Will Reshape More Jobs Than It Replaces,2026年4月。

[27]详见Aaron Levie, a16z & MTS, "Box CEO on AI agents & why enterprise can't keep up"（视频），YouTube，2026年4月28日；

[28]盛一诺.为什么Agent还没抢走我们的工作？屏幕之外的隐性知识与技术债，澎湃新闻，2026年6月25日。

[29]Paul A.David. The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, American Economic Review，1990年。

[30]孙吉胜、韩雪亮、李雪瑞，《全球人工智能鸿沟的治理困境与中国方案》，《当代中国与世界》，2026年第2期。

[31]Wang, C., Zheng, M., Bai, X., Li, Y., & Shen, W. (2023). Future of jobs in China under the impact of artificial intelligence. Finance Research Letters,55，1-13.

[32]Long, Kimberley. China's AI Push Collides with Employment Priorities.The Banker, 2026年6月24日。

本文作者：杨海燕 华南理工大学公共政策研究院（IPP）副研究员

IPP公共关系与传播中心

排版 | 周浩锴

审校 | 刘 深

终审 | 刘金程

IPP评论热门文章

关于IPP

华南理工大学公共政策研究院（IPP）是一个独立、非营利性的知识创新与公共政策研究平台。IPP围绕中国的体制改革、社会政策、中国话语权与国际关系等开展一系列的研究工作，并在此基础上形成知识创新和政策咨询协调发展的良好格局。IPP的愿景是打造开放式的知识创新和政策研究平台，成为领先世界的中国智库。