二百余名专业人士联署AI重塑经济的声明分析、对我影响及对策建议当地时间2026年7月13日，斯坦福大学数字经济实验室发布《我们必须立即行动：关于AI重塑经济的声明》。二百余名经济学家、AI研究人员和科技企业人士联署声明，其中包括16名诺贝尔奖得主及Anthropic、Google、OpenAI等机构相关人士。声明认为，未来十年AI可能推动一场时间更短、范围更广的经济变革，既带来生活水平提升，也可能造成大规模岗位替代。因此，呼吁尽快建立激励、约束和制度体系。一、此次联署表明AI治理已延伸至发展效率与社会分配的新阶段（一）跨界联署要求政策准备期前移。签署者包括斯彭斯、阿西莫格鲁、斯蒂格利茨等16名诺贝尔奖得主，图灵奖得主本吉奥，以及Anthropic联合创始人杰克·克拉克、Google杰夫·迪恩、OpenAI首席财务官萨拉·弗莱尔等。公开信未给出具体政策清单，但核心判断明确：不能等冲击完全显现后再补制度。经济学界与技术产业内部人士共同发声，可能推动欧美把劳动、分配和竞争问题更快纳入AI监管。（二）“总量尚稳、局部先变”成为前置治理的现实依据。斯坦福AI经济指标平台截至2026年7月1日的更新显示，各类职业总体就业差异仍较温和，但22—25岁劳动者在高暴露职业中的下降仍在加深，软件开发和客户服务尤为明显。Anthropic研究也未发现高暴露职业失业率系统性上升，却发现青年进入此类岗位的月度就业获得率较2022年下降约14%，主要表现为“少招聘”而非“多裁员”。欧洲央行测算，2019—2025年美国高替代风险职业就业下降超过4%，低风险职业增长13%，对工资影响暂不显著。（三）监测、劳动者知情和风险分担正由倡议走向制度化。斯坦福已建立就业工资、招聘技能和AI使用高频指标；Anthropic承诺投入2亿美元测试就业转型、工资保险等政策工具。欧盟《人工智能法》要求雇主在工作场所启用高风险AI系统前告知受影响员工和劳动者代表。全球AI治理重心正由模型安全、数据合规，扩展到就业质量、劳动收入和财富分配。（一）AI扩散快于统计更新，少招人、不补员等变化容易漏出政策视野。截至2025年底，我国生成式AI用户达6.02亿人，同比增长141.7%，普及率达42.8%。现行统计能够反映行业就业人数、工资和失业率，却难以识别某项任务已由智能体完成，也难以及时发现校招缩减、外包收回、自然减员不补员等变化。杭州“AI替岗”案中，企业到劳动仲裁阶段才说明岗位被AI替代，且未能提交项目调整和岗位变化证据，法院最终认定违法解除并判赔26万余元。这说明即使微观层面已有岗位变动，因缺乏任务层记录和事前协商，不仅宏观监测迟滞，也直接增加企业违法用工风险与劳动争议成本。（二）新岗位增长与入门岗位收缩并存，毕业生就业门槛可能进一步抬高。2026届高校毕业生预计1270万人，同比增加48万人；16—24岁青年失业率仍在15%以上。今年春招中，AI智能体相关职位同比增长455%，但算法工程师占25.9%，AI产品经理占9.4%，需求明显偏向有技术和场景经验的人员。国际劳工组织测算，全球四分之一岗位不同程度暴露于生成式AI，文职岗位暴露最高。7月13日，汤森路透宣布工程岗位调整可能涉及最多500人，同时计划未来两年新增250余个工程岗位，新增岗位主要偏向资深和AI专长。可见，新岗位并不会自动等量承接被压缩的初级岗位。（三）同一轮智能化改造可能一边增效增薪，一边压缩用工。2025年我国AI核心产业规模超过1.2万亿元、企业超过6200家；邮储银行编码、测试智能体应用占比均已超过60%，运营中心手工单据智能识别替代率达90%；新网银行已形成15类数字员工、100多个智能体。常州对制造业“智改数转网联”的专题调研显示，88.33%的受访企业选择培训后转入智能化生产线，受访企业用工减少10%—30%，多数转岗人员工资提高10%—30%，复合型人才需求增长20%—30%。这组数据说明，AI收益并非一定损害劳动者，但谁能转岗、谁能加薪、谁先退出，取决于企业是否安排培训、保留岗位和分享收益。（四）算力、模型、数据和办公入口相互捆绑，收益或向少数平台集中。斯坦福《2026年AI指数》显示，2025年九成以上重要前沿模型由产业界推出，前沿能力越来越依赖高额算力和商业数据。我国金融监管部门6月已要求金融机构防范对个别算力、模型和技术服务商过度依赖形成的集中度风险，平台锁定与集中度风险已从预判走进现实。以金融业为代表，监管已对模型与服务过度依赖提出警示，但这一风险正向办公入口、行业应用等更广泛领域蔓延，可能导致中小企业有场景却无议价权，收益进一步向少数平台倾斜。美国联邦贸易委员会调查也发现，大型云商与模型企业的合作可能通过排他条款、收益分享和技术绑定提高转换成本，并让云商接触竞争敏感信息。若这一模式延伸到企业办公和行业应用，中小企业可能有场景却缺少议价权。（五）欧美就业类AI规则逐步落细，我企业将面临新的规则补课。欧盟已将招聘筛选、人员评价、晋升解雇等用途列为高风险就业场景，并设置劳动者告知、人员培训、人工监督和运行记录等义务。目前欧盟尚未统一要求披露“替代了多少岗位”，但在欧经营企业和相关系统供应商已经需要说明谁受影响、谁负责复核、人员是否经过培训。我国软件外包、金融服务、跨境电商等企业如果平时不留存岗位基线、流程变化和人工复核记录，遇到客户审查时只能临时补材料，成本高且容易前后不一。（一）把既有就业影响调查细化到任务层，解决“看不见、看得晚”的问题。一是增设全国统一的AI用工变化附表。由人力资源社会保障部门牵头，依托现有统计联网直报和社保数据，先在软件开发、客户服务、财务运营、金融后台、工业质检等行业试填，主要记录AI系统上线时间、校招和补员人数、外包用工、转岗人数、工时、工资等信息，不另建报送系统。二是先做重点企业月度样本，不急于要求所有企业填报。在浙江、广东等数字化基础较好的地区选取一批有代表性的企业，按月观察新人招聘、离职补员、外包收缩和内部转岗情况，试点成熟后再逐步扩大范围。三是明确预警后的处置动作。部分岗位连续三个监测期降幅超过当地预警线时，由属地人力资源社会保障部门核查原因，及时组织转岗培训和专场招聘；企业因使用AI调整岗位的，应留存岗位变化、职工协商和安置记录，作为劳动争议处理依据。（二）把财政和采购支持与青年岗位承载挂钩，避免“只补技术、不留入口”。一是在新增AI应用补助、算力券和政府采购评价中增加就业转型分值。财政、工业和信息化等部门在新增AI应用补助、算力券和政府采购评分中增加青年就业指标，申报单位需说明项目实施后初级岗位增减、学徒岗位设置和人员安置办法，但不搞统一的保岗比例。二是在四类高暴露行业试办带薪AI学徒岗位。先在软件、客服、金融后台、专业服务等行业，把数据核验、异常处理、客户沟通、模型评测等仍需人工完成的任务，组合成6—12个月的入门岗位，明确带教人员、培训内容、考核标准和转正条件。三是把补贴尾款留到就业结果核验后支付。学徒或培训补贴可在入职、满6个月、满12个月三个节点拨付；未签订劳动合同、留用时间过短或实际工资明显低于申报承诺的，不支付尾款。（三）把AI带来的可核算收益纳入工资协商和转岗补偿，减少“机器增效、劳动者买单”。一是在国企、平台企业和金融机构先行披露三项数据。国有企业、平台企业和金融机构每年在内部说明AI项目节省成本、同类岗位增减和职工平均工资变化，提交职工代表大会或工会讨论，不要求公开商业秘密。二是允许企业从经核算的增效收益中列支技能津贴和转岗保薪支出。对承担人工复核、模型纠错等新增任务的职工发放技能津贴；因AI改造调岗的，原则上6个月内保持原工资水平。国有企业和平台企业可从经审计的AI项目节本中列支。三是在少数地区试行转岗工资补助。职工非本人原因转岗并降薪的，可先按工资差额的50%、最长6个月设置试行标准，由企业承担主要部分；中小企业确有困难的，地方就业资金可按实际留岗时间给予部分补助，工资恢复后立即停止。（四）把金融业已有的集中度要求扩展为跨行业规则，防止全链条锁定。一是建立算力、模型、数据和应用入口的联合监测口径。市场监管、工业和信息化等部门除看营业收入和市场份额外，还要监测模型调用量、默认入口、数据回流、换用成本和开发者依赖程度，发现过度集中苗头及时评估。二是对重大云模型合作增加专项报告事项。达到经营者集中申报或者重要数据处理门槛的，应在报告中写明是否限定算力来源、绑定云代金券、指定默认模型、约定最惠待遇，以及合作方能否接触竞争敏感信息。三是先在政府和国企采购中执行可迁移条款。合同中应明确模型可以替换、数据可以导出、接口可以兼容、日志可以转移，不得以短期优惠换取长期排他绑定；采购验收时应至少完成一次数据导出和模型切换测试。（五）先形成中国企业就业影响信息表，再应对境外规则和客户问卷。一是制定统一的中英文就业影响信息表。商务、工业和信息化、人力资源社会保障等部门会同行业协会，表格只保留岗位变化、AI用途、受影响人员、告知培训、人工复核、转岗安置和申诉渠道等必要内容，供企业直接使用。二是在软件外包、金融服务、跨境电商和出海制造企业开展合规试用。可在软件外包、金融服务、跨境电商和出海制造企业各选一批项目，建立“一项目一底稿”，逐项对照欧盟高风险AI规则，形成企业可以照单准备的材料清单。三是以试用结果参与国际规则讨论。由商务、人力资源社会保障等部门依托国际劳工组织、二十国集团和金砖合作机制，推动各方只收集审查所必需的数据，不把企业核心经营数据和统一岗位配额作为市场准入条件。*本文为个人原创研究成果，转载请注明来源及作者信息。
作者简介：
周闻哲，浙江大学新质生产力与创新战略研究院科研主任、浙江省新质生产力发展研究会秘书
夜雨聆风
