今天这条信息，乍看像一篇政策文章，细读却有点不一样。

2026 年 6 月 19 日，中国社会科学院国家高端智库首席专家、学部委员蔡昉，在《学习时报》头版发表了一篇署名文章，题目叫《积极应对人工智能对就业的冲击》。

蔡昉不是普通意义上的学者。他长期研究劳动经济、人口变化和就业问题，也参与过国家层面的经济与人口政策讨论。这种身份的人，在《学习时报》这样的场合谈 AI 对就业的冲击，信号意义要比一般论坛发言重得多。

更直接的是他的判断。他提到，随着人工智能模型能力扩展，AI 掌握的技能会进入更多依托认知型技能的行业和岗位，冲击对象会从平均技能逐渐达到顶端技能，对白领职工的就业替代将是全面的。

这句话其实很重。过去很多人谈 AI 替代，脑子里想的还是流水线、客服、低端重复岗位。蔡昉这篇文章把话挑明了：这一轮 AI 不是只替代手上的活，它正在替代脑子里的活。

文章后半段还有一个更容易被忽略的点。他提出，社会保障制度应该更有普惠性，降低门槛，覆盖更广泛群体，并且提到一个方向：如何以“全民基本收入”作为参照，提高最低生活保障的覆盖范围和保障水平。

这里的关键词不是“全民基本收入”，而是“参照”。

01

为什么这次先慌的会是白领

白领过去的安全感，主要来自几件东西：学历、专业证书、写作能力、逻辑能力、沟通能力、数据处理能力，以及把复杂事情整理成方案的能力。

这些能力曾经很值钱，因为它们需要训练，也需要经验。一个会写方案的人，一个能做财务分析的人，一个能读懂合同的人，一个能写代码的人，一个能整理行业资料的人，在公司里都算“脑力资产”。

但生成式 AI 最先学会的，恰恰就是这一类东西：理解、归纳、写作、翻译、检索、制表、写代码、做图、做 PPT、生成脚本、整理会议纪要，甚至给出初步判断。

所以这一次和过去的自动化不一样。过去的机器替代，往往从体力劳动开始。它要进工厂，要买设备，要改生产线，要培训工人，速度再快也受物理世界限制。

AI 的进入方式轻得多。老板不需要重新盖厂房，部门也不需要换一整套设备。一个企业只要接入云服务、买账号、接 API、部署一个企业知识库，很多办公室里的工作就开始被重新拆分。

原来一个实习生花半天整理的资料，现在十分钟有初稿；原来一个运营要反复改的文案，现在模型能出十版；原来一个程序员要写的样板代码，现在工具先写一半；原来一个分析师要翻很多材料，现在 AI 先把线索捞出来。

它未必马上替代一个完整的人，但会先替代一个人工作里的许多小块。等这些小块被替代得足够多，一个岗位的价格、编制和稳定性就会发生变化。

这就是白领真正要面对的事：不是某一天早上醒来发现整个行业消失，而是发现自己的工作越来越容易被拆开、外包、降价，或者由更少的人配合 AI 完成。

02

北大的测算为什么让人不安

蔡昉的判断并不是凭空来的。近期，北京大学国家发展研究院张丹丹教授团队，对中国职业的 AI 暴露度做过系统测算。所谓 AI 暴露度，可以简单理解为：一个职业里有多少工作任务，已经可以被 AI 显著影响。

这个测算最刺眼的地方，是它颠覆了很多人的直觉。

过去大家常说，低技能岗位最危险，高技能岗位更安全。但如果 AI 先掌握的是认知型技能，那么风险排序就会改变。程序员、会计、文案、分析师、设计助理、法务助理、行政、人力、客服主管、咨询顾问，这些看起来更“白领”的工作，反而更早暴露在模型能力之下。

原因并不复杂。白领工作大量依赖文字、数字、图像和软件界面，这些都是 AI 最容易处理的对象。蓝领工作当然也会被冲击，但很多现场劳动依赖身体协调、空间感知、复杂环境判断和责任边界，短期并不容易被一个软件模型完整接管。

换句话说，在这一轮 AI 里，白领并不是站在山顶看别人被洪水淹没。很多白领其实就站在河道中间，只是水还没完全涨起来。

张丹丹团队的一个判断尤其值得重视：未来一半以上的白领，可能会进入灵活用工行业。这个判断不一定会按字面精确发生，但它提醒了一个方向，AI 对白领的影响，未必是单纯失业，而是让更多人从稳定雇佣变成灵活就业。

03

真正麻烦的不是失业，而是人变得不好分类

如果一个人明确失业，制度还能识别。虽然救助不一定充分，但至少身份清楚：没有工作、没有收入、需要帮助。

AI 带来的麻烦可能更复杂。很多人不是完全没工作，而是工作变少；不是完全没收入，而是收入波动；不是彻底被裁掉，而是从正式员工变成外包、兼职、项目顾问、平台接单者。

一个设计师这个月有三个单子，下个月没有；一个程序员从公司离职后接项目，收入看起来不低，但没有稳定社保和失业保障；一个运营被裁后做自由职业，账面上不是贫困人口，现金流却很脆弱。

这类人越来越多以后，原来的保障体系就会吃力。

中国过去很多社会保障安排，默认一个人有稳定单位。单位帮你缴社保，单位对应劳动关系，单位承担一部分福利和责任。一个人只要在单位体系里，就比较容易被制度看见。

但灵活就业者不一样。他们不是完全没有劳动，也不是完全被雇佣；他们可能有收入，却没有稳定预期；他们可能不符合传统低保条件，却很容易在一次生病、一次失业、一次行业波动中掉下去。

所以蔡昉文章里谈低保，不是突然转到福利话题，而是在回应 AI 就业冲击后最现实的问题：当越来越多人不再是传统意义上的“单位人”，社会保障怎么覆盖他们？

04

UBI 到底是什么？为什么蔡昉说“参照”

这里要把“全民基本收入”讲清楚。

全民基本收入，英文是 Universal Basic Income，简称 UBI。它的核心想法是：不管一个人有没有工作、收入高不高、身份是什么，国家或公共机构都定期发放一笔基础收入，保证每个人有最低生活安全垫。

这个想法听起来很激进，因为它和传统救助制度不一样。传统低保一般要审核家庭收入、资产状况、劳动能力和困难程度。UBI 则更接近“普遍发放”，不把大量成本花在证明谁穷、谁不穷上。

它的好处是简单，覆盖面广，不容易漏掉那些处在灰色地带的人。它的争议也很明显：钱从哪来？会不会养懒人？会不会造成财政压力？富人也发，公平吗？

所以蔡昉用的不是“推行”，而是“参照”。这两个字很重要。

参照 UBI，不等于照搬 UBI。更可能的含义是，在现有低保制度和社会保障体系里，吸收 UBI 的一些思路：门槛更低一点，覆盖更宽一点，身份筛选少一点，对收入波动人群更友好一点。

这是一种更符合中国政策习惯的做法。不是一夜之间另起炉灶，而是在原有制度上渐进改造。低保仍然存在资格条件，但不再只盯着传统贫困人口；社保仍然有缴费安排，但要更认真地覆盖灵活就业者；失业和转岗支持也不能只服务于正规单位职工。

05

钱从哪里来，是所有方案绕不过去的坎

只要谈 UBI，马上就会有人问：钱从哪里来？

这个问题不能回避。清华大学李稻葵团队曾提出过 AI 时代 UBI 方案，思路之一是向机器人、AI 企业或超额利润征税，把技术进步带来的部分红利转化为公共保障资金。素材里提到的测算是，人均每月 1500 元，年支出约 2.52 万亿元。

这个方案的底层逻辑不难理解：如果 AI 提高了企业生产率，也替代了部分劳动者，那么技术红利不能只留在资本和企业利润里，也应该有一部分回流到社会保障体系，补偿被冲击的人。

但具体执行并不容易。什么叫机器人税？软件模型替代了人，要怎么计税？企业利润如果通过不同地区、不同主体、不同知识产权安排转移，税基怎么锁定？如果税负太高，会不会反而压制本土 AI 企业投资？

这些问题没有简单答案。也正因为如此，蔡昉的说法才显得谨慎。他不是直接提出一个大规模现金发放制度，而是把 UBI 放在“参照”位置上，先推动低保和社会保障变得更普惠、更能覆盖新就业形态。

这一步看起来没有那么激动人心，却更接近现实政策路径。

06

“发钱会不会养懒人”，这个问题也要重新看

每次谈基本收入，最常见的反对意见就是：发了钱，人还愿意工作吗？

这个担心不是没有道理。如果发放水平过高，又没有配套制度，确实可能影响一部分人的劳动意愿。但如果只是一个基础安全垫，情况未必如此。

很多人不是不想工作，而是不敢停下来。一旦离开一份糟糕的工作，就没有收入；一旦转行学习，就没有缓冲；一旦生病、失业、项目中断，家庭现金流立刻出问题。

一个基础保障，不一定让人躺平，反而可能让人更敢重新培训、换行业、接短期项目、创业，或者等待一份更合适的工作。它真正要解决的不是“让人不工作”，而是让人在转型期不至于因为一次波动就跌到底。

对 AI 时代来说，这一点尤其重要。因为很多人的职业变化不是自己懒惰造成的，而是工作任务被模型重新定价。一个会计、一个程序员、一个设计师、一个内容编辑，如果被工具链压低价格，他们需要的不是道德批评，而是重新学习和重新进入市场的时间。

07

为什么这件事现在必须谈

很多政策问题，最难的不是看见风险，而是在风险还没有完全爆发时提前行动。

AI 就业冲击也是这样。它未必马上表现为大规模失业。更可能的过程是：企业先不招新人，再缩小团队，再把岗位拆成项目，再把部分工作外包，最后一批白领慢慢流向灵活就业。

等社会真正感到痛感时，很多人的职业轨道已经被改写了。

这就是蔡昉文章的意义。它不是一篇普通的技术评论，也不是单纯呼吁扩大福利，而是把 AI 对就业的冲击，从学术讨论推到了政策议程里。尤其是“以全民基本收入为参照完善低保”这个说法，说明最高智囊层面已经开始把 AI、就业、灵活用工和社会保障放在同一个框架下思考。

对于 AI 产业来说，这也不是外部话题。AI 公司、AI 眼镜厂商、企业 Agent 服务商、工业 XR 方案商，最终都要进入真实组织。它们卖的不只是效率工具，也会改变企业怎么用人、怎么培训、怎么分配责任。

如果社会保障接不住转型成本，AI 落地就会遭遇更大的舆论阻力和监管压力；如果保障机制能够让劳动者在转换中有安全垫，技术扩散反而会更顺畅。

08

白领要重新理解自己的护城河

这篇文章最后还是要回到个人。

AI 不会平均地替代所有人。它会先替代那些可以被清晰描述、反复执行、交付标准明确的任务。越是只会做单点任务的人，越容易被工具压价；越是能理解场景、定义问题、整合资源、判断责任边界的人，越不容易被简单替代。

对个人来说，未来的护城河不再只是“我会写”“我会算”“我会做 PPT”“我会写代码”。这些能力仍然重要，但它们正在变成基础能力。更重要的是，能不能把 AI 作为工具嵌入具体业务，能不能理解一个行业的真实约束，能不能对结果负责，能不能在复杂关系里做判断。

对政策来说，未来的关键也不是争论 AI 会不会替代人，而是承认这种替代已经开始，并提前改造保障制度。一个社会不能只在效率提高时欢呼，也要在效率重新分配风险时安排缓冲。

白领的安全感正在被 AI 重新定价。这个过程不会一天完成，但方向已经很清楚。

过去，一个人靠工作获得收入，靠单位获得保障，靠职业身份获得体面。未来，这三件事可能会越来越分开。

蔡昉这篇文章的价值就在这里。它提醒我们，AI 不是单纯的技术进步，也不是某几个岗位的饭碗问题。它正在把“什么是工作”“谁来承担风险”“社会如何兜底”这些老问题，重新推到桌面上。

窗口期还在，但不会一直等人。

主要数据来源

蔡昉《积极应对人工智能对就业的冲击》，《学习时报》，2026 年 6 月 19 日。

北京大学国家发展研究院张丹丹团队关于中国职业 AI 暴露度的公开测算与演讲材料。

李稻葵团队关于 AI 时代全民基本收入体系的公开方案讨论。

国际劳工组织关于生成式 AI 与就业影响的相关研究。

国际货币基金组织关于 AI、就业暴露度与社会安全网的相关研究。