一、技术不规定怎么分

工业革命最初的几十年里，工人的处境一度相当糟糕，好处真正普及到普通人身上，花了几代人的时间。而且这个普及并不是自动发生的。从俾斯麦时代的养老和工伤保险，到后来各国逐步完善的社会保障，都是在工业化、社会协商和战后重建等多种因素共同作用下，经过几代人一点点建立起来的。

技术创造了可以分配的财富，但它从来没有规定过怎么分。AI 带来的生产力革命大概率是真实且显著的，所以值得讨论的问题不是蛋糕会不会变大，而是蛋糕怎么切，以及切的过程中，谁可能会被落下。

AI 让这个问题多了一层新的意味。过去，技术进步的好处很大程度上是通过就业扩散到普通人身上的：工厂需要工人，经济增长带来更多岗位和更高的工资。如果 AI 让一部分工作不再那么需要人，这条传统的渠道就可能变窄，好处要通过什么方式惠及更多人，就需要重新思考。

所以这篇文章想同时问两个问题：一个好的安排应该是什么样，以及它怎样才能被广泛接受、平稳落地，并且长期运行下去。我会先谈谈这次的变化可能是什么样子，再讨论几种制度方案，最后说说我倾向的方向。这些都只是探讨，不是预言。

二、这次有什么不同

以往的技术革命也消灭过大量工作，但同时创造了更多新工作，而且新工作大多仍然需要人。有人担心 AI 不一样，主要有两个理由。第一，过去的机器替代的多是体力和重复性劳动，人可以转向需要认知能力的工作；AI 替代的恰恰是一部分认知能力本身，转向的空间变窄了。第二，扩散速度可能快得多。蒸汽机和电力从发明到在工厂里普及，都花了几十年，一个新模型却可以在几个月内被上亿人使用。

如果这两点成立，AI 带来的收益可能会更集中在少数环节，而不是像过去那样通过工资广泛扩散。但也有反方向的理由：很多工作由许多任务组成，AI 可能只替代其中一部分，让人更高效而不是被取代；行业规范、组织习惯和信任的建立，也会让实际的替代速度慢下来。

我不打算判断哪一边对，但区分几种情景很有用，因为同一个方案在不同情景下，效果差别很大。

一种是变化慢而分散：多数岗位的一部分任务被替代，调整拖上一二十年。这时候最要紧的是帮人转行，现有的社会保障稍加补强也许就够。另一种是变化快而集中：某几类职业在几年内大面积收缩。这时候再培训跟不上，需要的是更直接的收入保障。还有一种更极端的情景：大部分人的劳动在经济上都不再被需要。这时候问题就不再是怎么帮人找工作，而是收入、身份和意义要从哪里来。

谁会先受到影响，也和情景有关。一些早期研究显示，受影响最明显的是 AI 应用较多的职业里那些年轻的、入门级的员工，比如初级的文员、客服和程序员，不过这些研究目前还只能说明相关，难以单独证明因果。这和以往自动化主要影响生产线上的工作不太一样：这一次，最先感到压力的可能是刚走出大学的人。而刚毕业时的起步不顺，影响往往会延续很多年。

三、两把尺子

评价后面的方案，我想用两把尺子。

第一把来自政治哲学家罗尔斯。想象你站在一块幕布后面，要为社会挑选制度，但你不知道幕布拉开之后自己会是谁：可能是一家 AI 公司的创始人，也可能是工作刚刚被 AI 取代的普通职员。在不知道自己是谁的情况下，你会选什么样的制度？罗尔斯的正义理论包含好几条要求，比如机会的公平平等，而且这些要求有先后次序。这里只借用其中和分配最直接相关的一条：在满足其他要求的前提下，社会经济上的差距应当让处境最不利的人得到尽可能大的好处。“尽可能”三个字很重要，它意味着要和其他做得到的方案比较，而不是和想象中的理想社会比较。

第二把尺子是可行性。一个方案在纸面上再好，如果得不到广泛认同，就很难长期运行，可能随着短期情况反复调整。所以还要问：它能不能被各方接受？能不能长期、稳定地运行？

后面每个方案，我都会用这两把尺子量一量，并说明它适合哪种情景。需要提前说的是，两把尺子不总是指向同一个方向：对处境最不利的人最好的方案，往往不是最容易被接受的方案。这个冲突，到最后需要正面回答。

四、五种方案，各自想保住什么

五种常见的方案，可以按它们想保住什么来分组：继续创造工作和缩短工时想保住岗位，全民基本收入想保住收入，丹麦式的灵活保障想保住人，社会财富基金则想让更多人分享资本收益。

保岗位（一）：继续“发明”工作

如果什么都不刻意去改，社会最可能用它最熟悉的办法消化变化：发明新的工作。凯恩斯在 1930 年预言，一百年后人们每周只需要工作十五个小时。他对生产率的判断大体是对的，我们却没有把省下来的时间拿回来。人类学家大卫·格雷伯认为，一个原因是我们发明了大量连从事者自己都觉得意义不大的工作，比如层层叠叠的流程性文书，尽管这套理论争议不小。AI 之后，很可能会出现专门复核 AI 输出、再写报告证明自己复核过的岗位。

这条路最可能，因为它不需要新制度，避开了“不工作的人该不该领钱”这个难题，也保住了“收入来自劳动”这个大多数人珍视的观念。它的正式版本是就业保障，由公共部门提供兜底的工作岗位。印度从 2005 年起实行了全世界规模最大的农村就业保障计划，2025 年底被一部新法取代，保障天数和费用分担方式都有调整，也引发了关于保障力度能否维持的讨论。一项保障写进预算之后，也就要在每一轮预算安排中接受取舍。

它也有好得多的版本。社会上有大量一直缺人、却一直缺少资金支持的工作，比如照护老人、陪伴孩子、维护社区和公共设施。这些工作的产出很少体现在 GDP 里，但做这些事的人很少觉得自己的工作没有意义。

用两把尺子量：它在可行性上得分最高；对处境最不利的人好不好，取决于新工作是什么样的。如果只是填表，它不过是换了一种形式发钱，还把“收入必须来自劳动”这条可能最需要重新审视的旧规则原封不动地保留了下来；如果是照护和社区工作，它就真正补上了社会需要的东西。从情景看，它在慢而分散时是很好的缓冲，在极端情景里会越来越难以为继。

保岗位（二）：少工作一点

另一种保岗位的思路回到了凯恩斯的预言：既然生产率提高了，就把一部分收益以时间的形式还给人。工作时间确实从十九世纪工厂里的漫长工时，逐步降到了每周四十小时左右，有了周末，也有了带薪假期，只是这个趋势在 1970 年代之后，在很多地方明显放缓了。与其让一部分人全职工作、另一部分人找不到工作，不如把工作分给更多的人。法国推行过 35 小时工作周，近几年欧洲也有不少四天工作制的试点。

但它也有实际的难处。工时减少了，如果时薪不涨，收入就会下降；如果时薪涨了，企业用人成本上升，可能少招人而不是多招人，反而违背初衷。研究、写代码、搞创作这类工作，本来就难按小时衡量。缩短工时还会影响产业的竞争力，需要考虑整体的节奏。四天工作制的试点结果大多不错，但参加的公司通常是自愿报名的，本来就更适合这种安排，能推广到多大范围还很难说。

用两把尺子量：它和“收入来自劳动”的观念一致，可行性不错，但成本怎么分担需要协商；对处境最不利的人，它的帮助有限，因为好处主要落在仍然有工作的人身上，已经失去工作的人得不到直接帮助。从情景看，它最适合慢而分散的变化：每个岗位都少了一部分任务，正好把省下的时间还给人。

保收入：全民基本收入

第三种思路更彻底：把收入和工作拆开，给每个人无条件地发一笔钱。它的规则最简单，不需要审核谁该领，没有领补助的心理负担，也让人在找工作时有更多选择的余地。

它最大的问题是成本高，而且高的程度常常被低估。每人每月一千元，一年一万二，乘以十四亿人，大约是十七万亿元，相当于 2025 年全国一般公共预算收入（21.6 万亿元）的近八成。配合累进税，让高收入者领到的钱通过税收再交回去，再替代一部分现有补贴，净负担会小不少。但一个真正能维持生活的基本收入，需要的资金规模仍然非常大。

另一个常见的担心是，多发的钱会被房租和物价上涨抵消。这要看条件。肯尼亚一项大规模现金转移研究发现，农村地区一下子多了大量现金，当地物价却几乎没有上涨，因为商户可以扩大供应。但在住房供给很难增加的大城市，多出来的钱更可能推高房租。所以会不会被抵消，很大程度上取决于配套的住房和供给政策。此外，它只解决收入，不解决身份、结构和意义。钱能让人生活下去，但不会告诉人星期二早上起床之后该做什么。

用两把尺子量：它对处境最不利的人得分最高，直接，不会遗漏；在可行性上得分最低，成本高，付出更多的人也可能觉得不公平，“为什么都一样领”的争论很难平息。从情景看，在极端情景里它几乎是最直接的办法；在快而集中的情景里，全民发放并不必要，针对受影响人群的收入支持更划算。

保人：丹麦式的灵活保障

第四种思路不去保住每一份工作，而是保住每一个人。丹麦的做法通常被概括为三条：企业调整用工比较灵活，失业保障比较充分，再就业服务很有力。你可能会换工作，但不会因此失去生活保障，而且会有人帮你尽快找到下一份工作。

这套模式常被当作理想样板，但有一面经常被漏掉：它对领取者有明确的要求。领保障的人需要登记、记录求职、参加指定培训，还需要接受“合适的工作”，而“合适”的标准会随着失业时间变长而放宽，拒绝就可能暂停发放。保障和要求是一起设计的，只学保障那一半，结果往往是钱花了，人却没有回到工作岗位。

放到 AI 时代，它的难处有三层：它成本高，需要充足的资金支撑；它依赖一些很难照搬的条件，比如高度的社会信任、成熟的劳资协商机制和高效的公共服务，缺了这些，那些要求很容易变成繁琐的流程；最根本的是，再培训的前提是知道要把人培训成什么。

用两把尺子量：对处境最不利的人，它比较好，既给收入，也给出路；可行性则高度依赖土壤，很难整套照搬。从情景看，变化慢而分散时，新岗位的方向会逐步显现，这套体系仍然有效；变化快而集中时，没人说得清三年以后缺哪一类人，它最关键的一环就会落空。

分享资本收益：社会财富基金

第五种思路换了一个角度：如果 AI 时代收益更多来自技术和资本，那么一个办法就是让更多人分享这部分收益。具体做法是建立一个全民共有的基金，把一部分收益存进去长期投资，再把回报分给每个人，或者用于公共开支。

阿拉斯加 1976 年设立了永久基金，把石油收入存进去，1982 年起每年给每一位常住居民发分红。这个制度运转了四十多年，一直很受当地居民欢迎，但也遇到过问题。分红原本按法律规定的公式计算。2016 年油价下跌、财政紧张，州长动用否决权，把当年的分红拨款削减了一半；2017 年，州最高法院认定分红金额需要每年由议会拨款决定。此后分红金额主要在每年的预算安排中确定，法定公式没有再被完整执行，每年的数额也常有争论。

挪威走的是另一条路。石油基金的收益不发给个人，而是进入国家预算，用来弥补石油收入以外的收支缺口。规则是：长期来看，每年使用的资金应当与基金的预期实际回报相当，这个回报率目前按 3% 估算；近年正常年份实际使用的比例都在 3% 以下，给经济不好的年份留出余地。原则稳定，每年用多少不必从头争论；具体数额又可以随情况调整。

这条路的吸引力在于，钱来自长期投资的回报而不是每年重新筹集，比基本收入更可持续；它也让没有投资能力的普通人，同样能分享经济增长的成果。它最大的难题是启动资金从哪里来：阿拉斯加和挪威有石油收入，大多数地方没有。

用两把尺子量：可行性较好，每个人都是受益者，比较容易获得认同，这或许是阿拉斯加分红延续至今的原因之一，当然也离不开石油收入等条件；但对眼下处境最不利的人，它帮助有限，因为基金的积累需要很多年。从情景看，它是为极端情景提前做准备的长期工具，救不了近火。

五、共同的难题：钱从哪来

五种方案走到最后，几乎都会遇到同一个问题：资金。照护工作需要有人付费，基本收入需要资金来源，丹麦模式需要充足的投入，财富基金需要启动资金，缩短工时的成本也需要各方分担。

一种思路是让资金来源和 AI 带来的收益挂钩，比如围绕算力使用或 AI 相关的新增收益设计税种。好处是道理直观，变化带来的收益也用来支持应对变化。难处在于界定，什么算“AI”、带来了多少收益，都很难说清；负担如果设计得太重，也会影响投资和创新的积极性。另一种思路是长期投资，比如公共资金参与 AI 基础设施和研发，获得相应的回报；也可以鼓励企业以自愿、市场化的方式参与。

一个比较稳妥的原则，是让支出的性质和资金来源的性质相匹配。经常性的保障，比如针对受影响人群的收入支持，需要稳定的、每年都有的资金，适合放在经常性的预算安排里；长期性的积累，比如社会财富基金，适合用新增的、不太确定的收入来建立，比如 AI 相关的新增税收或公共投资的回报。这样，当期保障不会因为要给基金攒钱而被挤占，基金也不会因为某一年收入不好而中断。

还有两件事不是资金来源，却会影响需要分配的规模有多大。一是保持市场竞争。AI 能力如果过度集中，创新会放慢，好处也不容易扩散到各行各业；竞争充分的市场，本身就能让更多人分享技术进步。二是共享的 AI 基础设施。如果学校、科研机构和中小企业能用上共享的算力和开放的模型，AI 的好处会更早、更广地惠及普通人，事后需要再分配的规模也会小一些。

六、怎样才能平稳落地

前面讨论的是好的安排应该是什么样。另一个同样重要的问题是，它怎样才能被广泛接受，并且长期运行下去。

历史上成熟的社会保障制度，很少是一次性设计出来的，大多是在长期实践中，经过各方反复协商、逐步完善而成的。AI 时代的安排大概也会是这样。从长期看，各方的利益有很多重合之处。企业需要有购买力的消费者和稳定的经营环境；个人需要收入，也需要有意义的事情可做；AI 本身的发展，也离不开教育、人才、数据和基础设施这些共同的基础。

但短期内，各方承担的成本和得到的好处并不一样。受影响行业的员工最先承担调整的代价，企业要为新的保障付出成本，还没受到影响的人则可能觉得这些安排和自己关系不大。所以落地需要过渡安排：分阶段实施，给企业留出调整的时间，先在部分地区或行业试点，把效果公开出来，让各方看到实际的收益和成本。

这也提醒我们尽早准备。变化如果来得快，临时拿出的方案往往考虑不周；如果事先已经有想清楚、做过试点的方案，过渡会平稳得多。

七、一个方向，以及怎么走

五种方案看下来，没有一种能单独应对所有情景，所以我倾向于一种组合。但组合最容易犯的错，是把每个方案最好看的部分都拿过来，却不回答两个难题：两把尺子指向不同方向时听谁的，钱不够时先做哪一样。下面试着回答。

在变化慢而分散的情景里，两把尺子大致指向同一个方向：逐步补强现有保障、推动培训和工时调整，既照顾了受影响的人，也容易被接受。难处出在变化快而集中的时候。按罗尔斯的标准，这时应该尽快给受影响的人直接的收入支持；按可行性的标准，大规模的新保障很难一下子获得共识。

我的回答是：优先照顾处境最不利的人，让可行性决定怎么做，而不是决定做不做。可行性可以决定保障的形式，比如先针对受影响的人群、设定期限、和见习与培训结合起来，但不应该成为迟迟不行动的理由。同时，渐进不等于缓慢。一步一步地改，要点在于每一步都能检验、能调整，而不在于每一步都要慢。能让行动又快又稳的，是提前准备：事先想清楚出现什么信号就启动什么措施，事先在小范围里试过。这样，变化真的加速时，扩大保障只是按预案调整参数，不必从头讨论。

收入之外，还有意义的问题。没有哪项制度能替人回答这个问题，但组合可以给意义留出空间：照护和社区工作本身就是有意义的事；缩短工时让人有更多时间陪伴家人、学习和参与社区；持续学习的机会，也能让人不断找到新的方向。工作一直是人们获得意义的重要来源，但未必是唯一的来源。AI 之后，社会或许需要更认真地承认和支持工作之外的那些价值。

这里还有一个看起来的矛盾：我既希望保障和基金的规则稳定，又希望整条路发现问题能及时调整。办法是分层：原则保持稳定，参数灵活调整。“受影响的人有保障”“基金收益按规则使用”这类原则应该长期稳定；金额多少、信号门槛怎么定，则由专业机构定期评估调整。挪威是一个例子：按预期回报使用基金的原则多年不变，每年具体用多少则可以灵活把握。阿拉斯加的经历则说明，调整本身不是问题，关键是调整要有稳定、透明的程序。

排序就意味着取舍。有些人同样受到了影响，却没有落在信号覆盖的范围里，在早期可能得到的帮助更少。信号本身也可能滞后，等数据足够清楚时，有些人已经承受了损失。每一项都需要资金，而资金总是有限的。这些问题我没有办法完全回答，只能尽量让规则公开、让调整及时。

结语

我之所以选择这样一条路，是因为哲学家波普尔提出过一个很有启发的想法。他提醒人们警惕一种观念：认为未来的方向早已注定，只要照着一张完整的蓝图去做就行，这样很容易忽视过程中的代价。他提倡“零星社会工程”：一次只改一处，每一步都看得见效果，发现问题就调整。关于 AI 之后的社会，没有人握有那张完整的蓝图。在不知道未来会怎样的前提下，我宁愿选择一条每一步都能检验、发现问题还能调整的路，并且提前想好，路况变了该怎么走。

黑格尔说，密涅瓦的猫头鹰在黄昏时分才会起飞：人们往往要等一个时代快结束时，才能真正理解它。AI 之后的社会是什么样子，大概也要很久以后才看得清。但选择不会等到黄昏。蛋糕很可能会变大，这是值得期待的；怎么切，是我们要做的选择。这些选择总会被做出，要么经过充分的讨论和思考，要么在没人注意的时候，被一个个临时的决定替我们做掉。前一种不见得每次都选得对，但它有一个后一种没有的好处：发现错了，还有机会改。