夜雨聆风
AI会快速带来失业吗？会颠覆行业吗？普通人该如何应对？
针对AI冲击带来的全球性焦虑，近日，《每日经济新闻》记者（以下简称NBD）对2025年诺贝尔经济学奖得主彼得・豪伊特（Peter Howitt）进行了专访。
作为研究技术变革的经济学家，彼得·豪伊特与菲利普·阿吉翁（Philippe Aghion）构建的“创造性破坏”数学模型指出， “新创新会取代旧技术”，而这正是经济发展的关键动力。
从“创造性破坏”的视角，彼得・豪伊特判断，AI取代人类还为时过早，但普通人要做好一生多次转岗的准备。而AI冲击的真正风险是财富向少数公司集中。为此，征收财富税是比征收“机器人税”更有效的应对办法。
1
当地时间2025年12月10日，诺贝尔经济学奖得主彼得·霍伊特（左）在斯德哥尔摩音乐厅举行的诺贝尔奖颁奖典礼上从瑞典国王卡尔十六世·古斯塔夫手中接过奖项。图片来源：视觉中国-VCG111611837192
NBD：您如何定位AI技术浪潮？它是否构成新一轮“创造性破坏”？
彼得•豪伊特：首先要意识到，AI尤其是大语言模型，其实是非常新的事物。ChatGPT发布到现在也不过三年多时间。
我们仍然不清楚，大语言模型是否就是AI的最终技术路径。也许，未来会转向杨立昆（Yann LeCun）正在推动的“世界模型”路线，也可能走向更加模块化的技术路线，比如DeepSeek等中国公司的做法。
这一领域充满了不确定性。我接下来要谈的都只能算是一种启发性的判断或推测。
但有一点是明确的，AI会对整个经济的运行方式产生革命性影响。从这个角度看，它和汽车的出现没有本质区别。在汽车普及之前，大多数出生在北美的人，一辈子走过的地方可能都不会离出生地超过几英里。而有了汽车、喷气式飞机等等之后，即使是普通收入的人，也能够环游世界。
不过，AI革命不同于电脑革命。电脑革命本质上是一种“技能偏向型”的变革。人的技能越高，生产率提升通常越明显。
而AI似乎呈现出“逆技能偏向”的特征。也就是说，它主要将常规任务自动化。这对很多具备一定技能，但并非顶尖的人来说，反而会带来很大帮助。
职业层级越高，例如大型企业CEO，其常规性工作本就由其他人协助完成，AI对他的效率提升并不大。但对护士这样的职业来说，则可借助AI大幅提升服务效率，比如快速检索医疗信息，自动完成数据录入工作，将更多精力投入患者照护。
2
2025年诺贝尔经济学奖授予经济学家乔尔·莫基尔、菲利普·阿吉翁和彼得·豪伊特（右）。图片来源：诺奖官网视频截图
NBD：当前，AI已经成为部分科技公司裁员的理由。您如何看待AI带来的岗位替代风险？
彼得•豪伊特：每一种新的革命性技术，都会让某些人类技能变得过时。在软件编程领域，市场对程序员的需求已经有所下降。尽管很难说这在多大程度上源于AI冲击，又在多大程度上来自此前行业对编程岗位的过度投资，但以Claude Code为代表的工具确实已显著改变程序员就业格局。
历史经验表明，所有通用技术最终都会催生出全新的职业与技能类型。AI作为革命性通用技术，并非简单以机器替代人力，而是推动整体生产方式的重构，这一过程将创造新的技能需求。
我经常举一个例子。1875年的北美，约50%人口从事繁重农业劳动以维持社会供给。如果告诉当时的人们，150年后仅需略高于1%的人口从事农业就足够了，剩余劳动力将脱离农业生产，他们必然会追问这些人将以何为生。答案是，一部分人会成为博主、飞行员等，而这些职业在1875年是完全无法想象的。
技术进步的逻辑始终如此，AI亦不例外。
NBD：白领与中等收入群体是否会面临更大的冲击？
彼得•豪伊特：现在下结论还为时过早。但借助AI，生产率提升最为明显的群体，反而会是中等收入从业者。
在众多行业中，AI可实现大量常规性任务的自动化，大幅提升这一群体的工作效率，导致市场对同类普通从业者的总需求下降。不过，若萨伊定律（Say’s Law）生效，普通人最终仍能实现再就业，不过这取决于下游创新。（注：根据萨伊定律，供给会自行创造自身的需求。）
此外，公众往往高估了AI替代的速度。尽管技术迭代迅速，但当前AI与机器人尚不具备大规模替代海量劳动者的能力。
目前，几乎没有岗位可以完全交由AI独立处理，AI仍存在明显的失误风险。例如，AI可生成一份漂亮的法律文书，但其援引的判例可能纯属虚构，若直接提交司法程序，将引发严重后果。
大多数人的工作需要判断力、想象力、创造力，很多情况下还需要人与人之间的接触、共情、说服等能力。而这些目前仍然是人类独有的。正是这些人类独有的特质构成了壁垒，使得AI难以在短期内实现对劳动力的大规模替代。
这里有一个概念：隐性知识，就是那种只能通过经验、直觉和观察别人做事来获得的知识，甚至你自己可能都无法把它准确写下来。这与AI所持有的可编程知识是相反的。
在技术的变革中，新职业将持续涌现，但其形态目前无法预知，因为这些职业依托于尚未发生的创新，而创新在落地之前本就难以预见。长期来看，AI创造的新增就业将更多集中于服务业，制造业用工需求持续下降的趋势，已难以逆转。
3
彼得・豪伊特与布朗大学同事共庆诺奖 图片来源：布朗大学
NBD：有人担忧，AI会导致财富进一步向少数公司集中。您如何看待这一风险？
彼得•豪伊特：这是真实且明确的风险。
政府可通过监管和规范企业行为，也可借助税收体系，避免技术与金融权力过度集中在少数AI开发者手中。若政府采取完全放任的态度，仅以技术优劣决定市场主导权，相关风险将显著上升。在一定程度上，美国当前采取的正是这类偏向自由放任的模式。
NBD：OpenAI最近提出，由政府设立公共财富基金或征收“机器人税”，将AI创造的收益分配给普通人。您认为这一思路是否可行？
彼得•豪伊特：我认为，与其仅针对机器人征税，不如构建覆盖范围更广的税制。因为，仅对机器人征税，企业极易找到规避办法。这类避税行为通常只有利于企业自身，而非整个社会。一般而言，税基越广泛，对市场行为的扭曲效应就越小。
相较之下，我认为更值得考虑的是征收财富税（Wealth Tax）。很多国家其实早就应该认真考虑这一点。
当前，收入所得税是大多数国家的重要财政来源，但收入的定义通常未包含未实现资本利得。这在制度上为财富持续集中提供了条件。财富不断增值，但其增值部分却无需缴税。
当富豪希望将财富变现时，往往不会通过出售资产，而是以资产抵押进行借贷，且借贷成本还可抵税。在美国现有制度下，只要财富规模足够大，便可长期维持这一循环。由于没有真正有力的遗产税，去世后还可以将财富传给子女，进一步加剧财富集中。
NBD：除此之外，是否还有别的方式，比如全民基本收入（UBI）？
彼得•豪伊特：现在还没到推行全民基本收入的地步。在此之前，更务实的步骤是建立财富税制度。若完全依靠所得税为全民基本收入融资，很难筹集到充足财力。除非将所得税率提升至极高水平，否则最终可发放的全民基本收入额度将十分有限。
但若征收2%~3%的财富税，政府便能获得更充裕的财政资源，全民基本收入才会变得可行。
4
NBD：对于被AI焦虑困扰的普通人，您有哪些建议？
彼得•豪伊特：未来，AI必将成为人们获得体面工作的必备工具。因此，大家必须主动接纳AI，并尽可能熟练地运用它。
从历史经验来看，未来出现的机会，很可能会比过去任何时候都更好。当然，这一转型过程不会一帆风顺，必然伴随大量岗位更迭。人们需要做好准备，一生中经历多次职业转变，将成为常态。但生活总是在变得更好。我们如今习以为常的汽车、电视和手机等技术，在诞生之初也曾引发巨大担忧，因为它们替代了部分传统工作。如今，类似的进程正在重演。
过去，人类适应了历次技术变革，未来也同样能够适应。
任何经济发展都不可能不伴随剧烈扰动，不可能没有岗位消失和岗位诞生，不可能没有不确定性和焦虑。
如果我是年轻人，我会期待这样一个世界：我的很多努力可能最终会失败，但只要坚持下去，我的未来会比过去更好。
那些将被创造出来的新工作，几乎肯定会比正在消失的工作更有趣、更有挑战性，也更有回报。
所以，我想说的就是：要有希望，要保持乐观。
策划|肖勇 王嘉琦
记者|岳楚鹏
编辑|兰素英
统筹|易启江
视觉|邹利
排版|兰素英
◆◆◆ 往期推荐 ◆◆◆
减重30%，成本还更低！中国电动车掀起镁代铝浪潮：问界单车用镁达20公斤级，零跑、长安急寻供应商⋯⋯
1500元买断一张脸！AI短剧“买脸”成风，风险无人兜底，肖像生意成灰色产业
