推文作者｜李美霖（华东师范大学本科生）

作者信息

Menghan Shen、Qianyi Xiao、Xin Chen：中山大学中国公共管理研究中心/政府管理学院。

Shixin Fang：复旦大学高等教育研究所。

Kinglun Ngok（通讯作者）：中山大学中国公共管理研究中心/政府管理学院。

原文信息

Shen, M., Xiao, Q., Chen, X., Fang, S., & Ngok, K. (2026). Generative AI, perceived job displacement, and policy preferences: Experimental evidence from China. Journal of Economic Behavior and Organization, 246, 107535.

一

引言

传统技术冲击主要替代低技能重复性岗位，对创意、社交等高阶脑力工作影响有限。生成式AI具备翻译、文案创作、程序编写等复杂能力，首次将自动化替代延伸至白领高技能岗位，引发全球劳动力市场新型结构性冲击。

当前研究多聚焦AI暴露度、岗位替代率测算，极少探讨AI失业风险感知如何影响公众政策偏好。与低技能岗位风险不同，AI直接冲击认知型白领岗位，不仅威胁收入安全，更引发长期职业发展与代际就业机会焦虑，其政策诉求逻辑显著区别于以往技术时代。

尽管生成式AI已成为舆论热点，但公众对其劳动力市场冲击的认知仍模糊：技术路径不确定、媒体报道有限、官方对失业叙事相对淡化，这为信息干预实验提供了理想条件。

本文以广州白领为对象开展随机田野实验，向实验组提供职业AI暴露度信息，从产业政策、社会政策、教育改革、子女择业偏好四大维度，识别AI风险信息对公众政策态度的影响。

二

实验方法

（一）调查实施

2024年12月—2025年1月周末，研究团队在广州10个白领集中的商圈与餐饮街区，开展面对面实地调查。该方法有效提升白领参与率，避免线上调研激励不足、代表性弱的问题。最终招募815人，筛选后得到758名有效白领样本。

（二）随机干预设计

采用随机对照实验，将受访者等概率分为对照组与处理组。处理组接收各职业AI暴露度权威数据，数据来源于由北京大学国家发展研究院与智联招聘联合分布的研究《ChatGPT将如何影响我们的工作？关于大型人工智能模型对中国劳动市场潜在影响的研究》，对照组不接收额外信息。干预目标是激活受访者对AI岗位替代的风险感知，进而观测政策偏好变化。

（三）实验流程与模型

实验先收集性别、年龄、学历、收入、职业、AI使用经历等特征信息，再对处理组进行信息干预，随后测量核心结果：

1.自身、应届生、整体岗位的AI替代概率判断；

2.关于AI产业税收优惠的政策偏好；

3.关于社会支持的政策偏好；

4.教育政策偏好；

5.对子女职业选择的偏好。

研究采用线性回归模型：

其中，𝘛𝘳𝘦𝘢𝘵𝘮𝘦𝘯𝘵𝑖为处理组虚拟变量，𝛸𝑖为控制变量，研究使用Westfall-Young法校正多重假设检验偏差，并做稳健性检验。

三

实验结果

处理组与对照组在性别、年龄、学历、收入、户籍、职业、AI使用等18项特征无显著差异，联合检验p=0.915，随机化有效，实验内部效度可靠。

1.风险感知显著提升

信息干预显著提高了处理组的AI替代风险感知。与对照组相比，处理组对自身岗位替代概率判断提升3.8个百分点，对应届生岗位提升5.9个百分点，对整体劳动力市场提升4.1个百分点，均统计显著。而两组对AI加剧收入不平等的看法无显著差异。

2.产业政策支持度下降

风险信息使受访者对AI快速发展的担忧比例提升14.1个百分点。处理组对政府税收优惠扶持AI产业的支持率从77.7%降至69.8%，下降7.6个百分点。这表明就业风险焦虑会削弱公众对技术创新产业政策的支持。

3.社会福利政策支持显著上升

处理组对扩大失业保险的支持率提升13.5个百分点，对全民基本收入（UBI）支持率提升15.0个百分点，对政府再就业培训支持率提升3.9个百分点，均高度显著。由于公众对缩小收入不平等的基线支持已超87%，干预未带来额外变化。

4.教育改革偏好无显著变化

处理组与对照组在支持培养社交能力、创造力、STEM教育、编程课程等教育改革上无显著差异。白领虽担忧岗位替代，但不认为技能教育能有效抵御AI冲击，反映出对传统教育改革的预期不足。