AI伤痕效应:深度解读高盛关于科技性失业、韧性与制度选择的报告

2026年4月，高盛（Goldman Sachs）发布了一份报告，该报告由资深经济学家Pierfrancesco Mei和Jessica Rindels执笔，基于美国劳工统计局“全国纵向调查”（NLSY）中超过两万名个体跨越四十年的完整职业数据，首次尝试系统量化技术性失业的长期后果。

报告的核心关切并非简单的“AI会取代多少人”，而是一个更深层的问题：当技术替代了劳动者的技能价值，这道创伤是否会演变为一道难以愈合的经济伤疤？

以下从六个相互关联的维度，展开对报告核心发现的系统梳理与延伸分析。

报告指出，科技性失业指因技术进步导致某些岗位被永久性替代或需求结构性萎缩，而非因经济周期或企业经营问题造成的临时性失业。

高盛将AI可能引发的失业分为两类：一是长期结构性失业——若AI能力最终发展到使人类劳动完全冗余；二是短期摩擦性失业——劳动者技能与市场需求错配，需通过再培训实现职业转型。报告判断前者可能性较低，当前更值得关注的是摩擦性失业。

AI时代的科技性失业呈现三个鲜明特征：

1、冲击范围广。 高盛预计全球约3亿个全职岗位面临AI替代风险，美国约6%—7%的就业岗位处于高暴露区间。

2、冲击对象转移。 与过去自动化主要替代蓝领体力劳动不同，生成式AI首先冲击的是重复性高、可标准化的白领脑力劳动——初级分析师、基础程序员、行政文员、客服代表等成为首批受影响者。自2025年初以来，20至30岁科技行业年轻从业者在AI暴露度较高的岗位中，失业率上升了近3个百分点。

3、替代“任务”而非“人”。 AI很少完全消灭一个岗位，而是接管其中的大部分标准化任务。报告引用的一项研究显示，约63%的美国劳动者工作中，近一半的任务可由AI完成。这意味着，大量岗位不会消失，而是被压缩为半职，或要求劳动者叠加更多不可自动化的任务以维持全职薪资。

科技性失业的影响远不止于短期失业率波动。报告的核心发现可概括为一句话：技术性失业的伤害远比普通裁员更深、更久，更存在“长期疤痕效应”（Scarring Effect）。

研究将“因技术替代而失业者”与“因公司倒闭或行业衰退失业者”进行了系统性比较，发现前者的再就业难度和收入损失均显著高于后者。原因在于，被技术淘汰的人失去的不只是一份工作，而是“某种技能在经济中的价值”。

收入长期受压。被技术替代的劳动者重新就业后，实际收入平均比未失业者低约3%。更关键的是，在失业后的十年间，其收入增长速度比从未失业的同行低近10个百分点。这道伤疤不会随着重新就业而自然消失，而是长期压制着个人的经济上升通道。

职业降级是核心机制。报告揭示，被技术替代者倾向于滑向更常规、所需分析和人际技能更少的岗位。以1980年代文字处理软件普及后的秘书群体为例——“打字快”这一核心技能的价值被技术清零后，幸存者被迫叠加日程管理、跨部门沟通等职能才能保住职位，而只会打字的人则被挤向低收入行政杂务，或彻底退出劳动力市场。AI正在以更快的速度复制这一逻辑。

财富积累受阻与心理成本。在25至35岁关键时期经历技术性失业的劳动者，终身财富积累明显偏少，购房、成家等人生里程碑均被推迟。失业带来的自信心丧失和社会脱节感，进一步削弱了其职业竞争力，形成恶性循环。

更高失业复发风险。即使重新就业，技术性失业者未来再次失业的概率也显著高于其他劳动者，这意味着伤痕效应具有自我强化的特征。

报告得出一个反直觉的判断：公众普遍担忧的AI冲击年轻毕业生的情景，在长期视角下并非事实。

年轻高学历群体是长期最强幸存者。数据显示，年轻、高学历、城市劳动者在被技术替代后的十年内，累计收入损失约为其他技术性失业者的一半。他们的优势来自认知灵活性和职业可塑性——更愿意跨职业转型，更有能力向上攀升至分析性内容更高的岗位，这些岗位与AI的互补性强于竞争性。

报告明确指出：“与当前对AI冲击新毕业生的担忧相反，年轻劳动者实际上能够更灵活地调整……他们更善于转向与新技术互补的角色。”

低韧性与高韧性群体的两极分化。 从工作性质的不可替代性出发，可以勾勒出两条清晰的边界线：

1、低韧性群体：从事高度标准化、重复性脑力劳动的白领，其工作内容最容易被AI学习和复制，且缺乏向上转型所需的教育资本和认知灵活性。

2、高韧性群体：一端是体力劳动者——厨师、维修工、护理员等，他们的工作环境复杂多变，需要手眼协调和临场应变，AI短期内难以替代；另一端是高阶脑力劳动者——战略决策者、顶尖创意人才、资深医生等，他们的工作依赖深度创造力、复杂情感交互和综合判断力，AI目前只能作为辅助工具。

这一发现的关键推论是，AI并非在人类技能图谱上划出一条单一的替代线，而是制造了一种U型韧性分布——两端稳固、中间脆弱。

报告将再培训视为缓解AI冲击的关键手段。经过再培训的劳动者往往能晋升至工作内容更抽象的岗位，这类岗位与信息通信技术有更强的互补性，从而降低了未来再次被自动化冲击的风险。

但培训的效能有其结构性边界：

积极作用明确。针对性技能培训可以帮助失业者转型至AI运维、数据分析、人机协作管理等新兴岗位。新加坡的SkillsFuture计划是一个有参考价值的案例，该计划运行十年来持续更新技能框架，2025年新增9项生成式AI技术技能标准，涵盖AI使用者和从业者，同时纳入伦理和治理考量。

三重局限不容忽视。其一，滞后性，培训体系的课程设计和认证流程往往跟不上技术迭代速度；其二，成本分担困境，大规模再培训的支出由企业、政府还是个人承担，尚未形成清晰的制度安排；其三，根本矛盾，如果技术进步的速度持续快于人类学习和转型的速度，培训只能缓解而无法根治伤痕效应。

报告含蓄地指出，那些在教育基础、年龄等方面处于劣势的群体，即使接受同等培训，再就业效果也明显更差。

这意味着，培训是一种“赋能”而非“拯救”，它更多是帮助有准备的人抓住新机会，而非将所有人拉回起跑线。

报告用独立章节讨论了经济衰退的放大效应，这是决定伤痕深度的宏观开关。

数据显示，在经济衰退期被技术替代的劳动者，比正常时期被替代者额外多出约3周失业时间，再次失业的风险和退出劳动力市场的概率各高出5个百分点。在经济下行期，企业会集中裁撤常规性岗位以压缩成本，而市场上缺乏足够的新岗位来吸收被替代的劳动力。

报告明确警告，“随着AI采用加速出现在一个宏观经济异常不确定的时刻，这种复合风险不容忽视。”如果AI冲击与经济衰退叠加发生，伤疤的深度和广度都将远超历史经验。

这构成了对政策制定者的直接呼吁，社会保障和再就业支持体系需要有比平常时期更大的缓冲空间。

高盛报告最终指向的并非一个技术决定论的悲观预言，而是一个制度选择的问题。

重新定义人类工作的价值。我们不应再简单地讨论“AI是否会抢走工作”，而应思考“在AI时代，人类工作的独特价值何在”。

未来的工作将更多地围绕AI无法替代的能力展开：创造力、同理心、战略思维和复杂问题解决能力。主流模式不是“人vsAI”，而是“人+AI”，个人应主动学习如何将AI作为生产力工具，将自己从重复性劳动中解放出来，投入到更高价值的工作中去。

制度设计决定伤疤深度。 报告通过对比1980年代美国与北欧国家的差异揭示了一个关键事实：同期北欧国家的技术失业者再就业速度和收入恢复明显更好，差距来自社会安全网的密度而非个人能力。

伤疤并非技术进步不可避免的代价，而是政策选择的结果。强制遣散费、自动化税、公共再培训体系等，这些制度工具的存在与否，决定了技术变革的成本由谁承担。

效率迷思的警示。值得警惕的是，当前AI对效率的提升可能被严重高估。有研究显示使用AI编程工具的开发者实际工作效率反而下降了19%，只是主观感觉工作速度提升了24%。大量裁员更多是企业在AI浪潮中展示战略姿态的行为，而非真实的劳动生产率突破。如果政策制定基于被夸大的效率叙事，可能引发过度调整，放大不必要的伤痕。

这份报告是理解AI就业影响的必要起点，但不是终点。

报告揭示了一个被长期忽视的经济学事实：技术性失业留下的伤疤远比普通失业更深、更久。但，其整体基调是谨慎乐观的：AI不会导致大规模结构性失业，历史表明新岗位终将被创造，年轻高学历群体有韧性，培训可以缓解摩擦。不过，培训的效能可能乐观化了。

这是一份严肃的预警，AI带来的生产力革命势不可挡，但如何管理这场革命的社会成本，避免其演变为大规模的社会分化，作为公共政策讨论的基础，需要更充分的展开。

答案不在经济学模型里，而在制度选择和政治意志之中。

企业战略转型与创新实战专家。

业务合作请加微信：neobrand929