这两天看到《关于适应人工智能技术发展助力构建就业友好型发展方式的意见》，明确提出有效减缓人工智能应用就业替代影响，要求优先在劳动力紧缺、环境高危等岗位推广应用，稳慎把握在劳动密集型行业应用的范围、力度和节奏，并鼓励企业探索建立失业缓冲期制度。
周末和大家谈谈AI与就业，它在哪个环节改变了需求、不同市场又因为怎样的产业与结构差异而面临不同考题？
一、意见文件的关注点
意见共六方面十八条任务，个人理解有三条值得重点关注：
第一，优先在劳动力紧缺、环境高危等岗位推广应用。这句话定的是AI进入劳动市场的方向，先去人不愿意去或者人不够的地方。这个方向上AI起的是补缺作用，与替代是两回事。这次把优先序写清楚，本身也是在做区分。
第二，稳慎把握人工智能在劳动密集型行业应用的范围、力度、节奏。后面接的是鼓励企业探索失业缓冲期制度，在大规模应用前提前告知受影响劳动者、提供转岗就业支持。
第三，建立人工智能应用就业风险评估机制。
后两句合起来做的是同一件事，把AI应用的社会成本，一部分从劳动者和社会转回企业。意见本身没有限制技术，而是要求应用方承担转换成本。评估机制负责事前管理，缓冲期管事中，两段接起来形成一条约束链。
这里有个值得注意的点是，其实我们的替代压力要比国外小。服务业就业占比低，被生成式AI直接冲击的办公、行政、销售类岗位本来就少；另外在服务业内部，家政、外卖这类生活性服务业占比超过50%（海外约40%），而这类工作短期是难以被替代的。
从成本上看，国内每百万token综合价格是国外的五分之一到六分之一，考虑到劳动力平均年薪，我们劳动力相对AI的成本优势是非常明显的。再加上AI产品出口对制造业就业的拉动，替代的净影响更弱。
虽然替代影响更小，但我们正更快考虑并尝试应对潜在冲击。
还有一个数字可以参照。皮尤研究中心8月的调查里，71%的成年人认为AI会在两年内减少本土就业岗位，50%说AI让他们担忧多于兴奋，而在2021年这个比例是37%。
恐惧的扩散速度比失业快的多，要处理的除了实际岗位，还有预期。等到岗位真的没了再出手，成本会高很多。
二、冲击的形状是什么？
GS做过一个测算，假设AI最终带来15%的整体生产率提升，按历史关系推算，过渡期内最多约9%的员工可能暂时离开现有岗位，招聘放缓还会对整体就业形成约3%的额外拖累。它另选了25个受技术冲击最深的职业做样本，这些职业在冲击后五年就业人数平均下降约25%，降幅最大的照片冲印员接近60%。
当然这只是上限情形的推算，GS也承认影响可见但范围窄，AI暴露度最高的行业过去三个月就业增长比长期趋势少约1万人，这个缺口大体被AI相关建筑岗位招聘抵消了。The Economist也做过估算，截止研究时AI在美创造岗位约100万，显著超过因AI裁掉的约20万。
总量还在净增加，变化落在结构里。
两个方向同时发生。一边是客服岗位自2023年1月以来缩减约10%，行政助理缩减约15%；另一边是工程师、数据科学家这类离AI最近的职业，2022年以来比趋势线多出约73万个岗位。数据中心建设支出一年增60%，电工、暖通、电网工程师的需求被拉起来，安装维护岗位的薪资比同类工作高约40%。
最值得看的是入口。A家前段时间出的那份报告里，公司规模一年扩到三倍，技术岗位的数量还在增长，但初级技术岗位的招聘占比从27%降到9%，初级员工占比从21%降到14%，2025年12月之后初级岗位数量下降尤其明显。今年4月的内部调查里，约三分之一的机器学习经理、五分之一的软件工程经理表示因为使用AI减少了招聘。
总量扩张加入口收缩，这个组合比单纯裁员更值得注意。裁员是一个可逆的动作，大环境好转可以重新招；入口收窄是结构性的，它不会自己恢复。
GS在样本里还发现，25个职业中有19个分离率上升、平均升幅3.8个百分点，13个招聘率下降、平均降幅0.7个百分点，17个职业的岗位减少主要由分离率驱动。简单来说就是人走了岗位就不补了，先集中裁一批的情况并不多。而对入门岗位来说，这两种机制指向同一个结果。
入口之所以要紧，因为它是训练场。初级岗位的产出常常不如它的培养功能重要，判断力、业务理解、处理异常的能力，都是在做具体事情的过程中长出来的。A家招聘评分卡里技术岗提及AI工具使用能力的比例从约5%升到15%，非技术岗从7%升到28%，评估重点从领域专长转向自主性和判断力。
企业要的是已经会判断的人，而判断恰好是在被收缩掉的那些岗位上练出来的。
除了替代本身还有个现象，到今年8月员工直接指导的交互式智能体，工作时长已经是人类的6倍；但这些智能体约80%的时间在等待人类下指令、确认结果。员工的工作重心从执行任务转到构建工具、监控流程、管理智能体，元工作占交互会话的比例从10%升到22%。
瓶颈从生产能力转到了人的注意力。AI没有让人从工作里脱身，它改变的是工作的性质，从“做任务"变成"审任务"。审查比执行更依赖经验，对熟手是提效，对新手是门槛。
三、速度由周期和成本线决定
替代会以多快速度发生，取决于周期和成本。
宏观健康时，自动化带来的劳动力扰动有限，但在转弱时企业更倾向用自动化压成本，岗位流失会加快。从具体数字来看，当整体失业率上升时，每1%的技术驱动生产率提升对失业率的影响，会比基准情形高出0.1到0.2个百分点；职业层面，冲击后五年内整体失业率每多上升1个百分点，受冲击职业的就业人数会额外下降约4%。
这解释了今年春天和现在的差别。年初AI替代的恐慌达到顶点，随后随着经济数据超预期而消退，AI相关裁员数量从高点回落。变化的原因主要在于周期，而非模型能力。这也意味着，AI什么时候会造成大规模失业这个问题，答案其实并不在技术路线图里。
另一条线是成本。AI使用程度最深的1%企业，每位员工分摊的年化token开支在今年5月已经到9万美元，而同期劳动力平均雇佣成本近10万美元。在高强度使用AI的企业里，AI的账已经接近人力的账，替代的经济动机已经出现。
而国内这两条线的距离还远。之前提到，劳动力相对AI便宜的多，这是一层缓冲。不过缓冲是会消耗的：token价格往下走，人力成本往上走，两条线交叉的位置就是替代加速的时点。国外这个交叉点已经出现在少数企业，在国内还需要时间。
不过，这种静态比较没有算AI带来的效率提升。同样一名员工配上AI能干更多活，实际的投资回报率会高于token价格除以人力成本这个比值，交叉点会比按现行价格算出来的更早。使用过程本身也在生产训练数据，模型的边际成本还会继续下降。
结构上还有几层缓冲。AI产品的出口订单转化为制造业就业；服务业占比低，风险敞口小；农业场景分散、非标准化，部署成本高于人力成本，替代会慢很多。
虽然总量有缓冲，但青年就业需要注意。青年就业本来就集中在入门岗位，而入门岗位正是这轮收缩最明显的一层。这个压力在国外数据里已经出现，斯坦福研究显示，2022年生成式AI突破以来，22-25岁年轻人在高暴露职业中的就业率下降约13%。缓冲是总量的，痛点是结构的。
四、总结
以上都可以归到一个问题：技术收益归谁，转型成本归谁。
A家此前决定把5%股权注入公益基金，公司估值每较基准上涨50%，董事会可追加2%，加上创始人承诺捐出的股权和员工捐赠配对，约20%股份最终用于公共利益，方向包括应对AI对就业的冲击。这是由企业自愿出资的方案。
评估机制和失业缓冲期，是普遍适用的版本。它和企业方案一样，都是让使用AI的一方承担一部分被替代一方的转换成本。这件事如果完全交给市场，企业的采用决策只会算自己的账，社会成本留在外面，采用速度会超过社会能承受的速度。
后续关于这个问题还是考虑几个点：
第一，token价格与人力成本的比例。这是替代的经济开关，比关于AI能力的讨论更直接；
第二，入门级岗位的招聘占比。失业率反映结果，招聘结构反映趋势，后者更早；
第三，AI相关裁员公告与岗位分离率。这两个指标比招聘计划更及时，因为技术冲击通常先体现在实际岗位流失，再体现在招聘放缓；
第四，失业率与AI采用率的相关性。现在这个相关性刚转正、开始具备统计显著性，还谈不上稳定。
总结一个链条：技术成本下降——入门岗位先收缩——经验积累断层——中高级人才供给不足——剩余人力成本回升——替代在高级岗位上的经济性变差。
这条链有一段反身性的部分，替代会摧毁培养通道，培养通道被摧毁之后，剩下的熟练人力变贵，替代在需要判断力的岗位上反而更不划算。替代因此有自我限制，代价是中间一代人的职业路径。
$英伟达(NVDA)$ $SK海力士(SKHY)$ $美光科技(MU)$
本话题在雪球有231条讨论，点击查看。
雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>
