楊海燕：AI替代人類，還有多長的路要走？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺

導語：進入2026年，“AI替代人類”正逐步從一種心理焦慮變為現實，多家美國企業一邊削減員工規模、控制成本，一邊加大對AI基礎設施的投入——Meta于5月裁減約10%的員工，以便將更多資源重新投向AI；亞馬遜也在最近一輪裁員中削減了1.6萬個崗位。類似舉措同樣開始在中國企業中顯現：一些企業收縮入門級和中等技能崗位，并減少畢業生招聘規模。

當越來越多崗位被AI外包，“人工”大范圍讓位于“數字勞動力”的進程，是否已經進入倒計時？在IPP副研究員楊海燕看來，當前AI確實已經在占據部分行業的入門級崗位。然而，人的勞動并不只是任務集合，其中還包含難以編碼的默會知識、身體經驗、現場判斷和社會責任。她指出，受世界模型缺失、數據獲取鴻溝、企業技術債、復合型人才短缺以及法律制度約束影響，AI距離大規模意義上的“替代人類”實際上仍有相當距離。

她指出，由于中國的產業及勞動力技能結構，AI對我國就業崗位的沖擊不容忽視，對正在大力推進“人工智能+”的中國而言，如何在產業升級與就業穩定之間取得平衡，將是必須直面的現實考題。

本文作者

楊海燕

IPP副研究員

這兩年，“AI替代人類”的焦慮正在全球蔓延。一邊，是科技巨頭和企業高管們高調宣稱“AI將重塑一切”“改變人類社會”；一邊，是社會層面的焦慮與不安。今年4月，OpenAI首席執行官薩姆·奧特曼（Sam Altman）的住所兩度遭到燃燒瓶攻擊，行為者直言其動機出于對“AI將終結人類”的恐懼。

面對社會的抵抗和恐懼情緒，幾大科技巨頭最近也紛紛回調之前“AI替代人類工作”的說辭。這也折射出AI對人類社會影響的真實圖景：替代遠未到來，但恐懼和焦慮已經先行。

那么，目前AI可以替代哪些工作？若進一步發展情況將會怎樣？

3月，北加州約2400名心理健康專業人員舉行一日罷工，核心訴求之一就是反對AI可能替代治療師、削弱人工照護。圖源：AP

一、“AI神話”及其社會反噬

卡爾·波蘭尼（Karl Polanyi）曾用“雙向運動”（double movement）[1]概括市場力量的擴張與社會自我保護之間的張力。如今，這場由美國科技巨頭們引領的AI科技變革與AI產業的狂飆突進也在科技發展與美國社會民眾之間引發一場新的“雙向運動”。科技巨頭們創造的AI神話，在某種程度上迎來了社會的反噬。

“AI是人類正在從事的最重要的事業之一，比電或火更深遠。”

Google CEO皮查伊（Sundar Pichai）早在2018年就拋出了這一論斷。2025年，他再度強化論調，稱AI具有“前所未有的迭代速度”、“深不可測的能力上限”和“遞歸式自我改進”能力[2]。英偉達CEO黃仁勛將AI定位為“人類歷史上最大的基建浪潮”，稱“這不是簡單的技術迭代，而是堪比PC、互聯網和移動云時代的平臺轉移”[3]；OpenAI以“確保通用人工智能造福全人類”為使命宣言，Meta則聲稱“AI是構建元宇宙的基礎”。

從搜索引擎到芯片，從大模型到社交平臺，每一家巨頭都將自己塑造為AI新紀元的“引路人”。“AI將改變一切”也成為了硅谷新的世俗信仰：不是可能改變，而是必然改變，且改變的方向則由科技公司定義。

如果說皮查伊和黃仁勛的措辭尚屬戰略愿景，馬斯克的預言則直接將人類社會送入“緊急狀態”。他預言，AGI（通用人工智能）將于2026年實現；到2030年，AI的總智能將超越全人類；人類正處于“數字超級智能的生物引導程序”階段，“一場超音速海嘯般的變革已經由不得我們按下開關”；他斷言，“所有涉及信息處理的白領工作將首當其沖，AI目前已能勝任一半以上此類崗位”[4]。

這場由科技公司及其管理者創造的AI神話，提前宣判了人類社會的未來，迫使我們必須快速求變，以應對AI這項技術帶來的變革。

不同AI領軍人物對AGI的定義與到來時間判斷實際上存在著顯著的差異，從“近在數年”到“仍需數十年”不等，這也體現AI發展具備的不確定性和難以預測性。

然而，這場AI“神話”正在遭遇美國社會的系統性反噬。

今年4月，奧特曼的住所兩天內兩度遭攻擊，一名20歲的男子向其投擲燃燒瓶，警方記錄則顯示，其動機是出于對“AI將終結人類”的恐懼。前Google CEO施密特（Schmidt）今年5月在亞利桑那大學的演講，則遭到學生噓聲抗議。

民間社會正在對抗數據中心的快速建設。2026年6月2日，加州蒙特利公園市實行全美首次市民公投，通過全面禁建數據中心的提案。[5]。在密歇根州，OpenAI與Oracle的Stargate超級計算機集群項目遭遇多重阻力，周邊50英里內超20個城鎮通過了對數據中心的禁令，最終在企業起訴并勝訴后，才于6月1日破土動工[6]。在賓夕法尼亞州蒙圖爾縣，300多名當地居民抗議規劃會議[7]。馬斯克/xAI在孟菲斯的數據中心與居民持續沖突已逾兩年，沖突的爭議焦點集中在水資源消耗、電網壓力、噪音污染和居民電價上漲（數據中心已占美國電力供應約6%，顯著高于全球2%平均水平）[8]。

有數據顯示，自2023年以來，美國各州與地方政府已通過超300項針對數據中心建設的限制或禁令，其中超275項集中在2026年；2026年第一季度，全美遭封鎖或延誤的數據中心項目總價值約1,300億美元[9]。蓋洛普今年5月的民調顯示，約七成美國民眾反對在本地建設AI數據中心，14個州正在考慮禁建數據中心或暫停措施[10]。

2025年，田納西州眾議員賈斯汀·皮爾森公開反對埃隆·馬斯克旗下xAI公司計劃使用燃氣輪機建造一座新的數據中心。圖源：Getty Images

除了對數據中心的抵抗，科技巨頭們的“AI替代就業”敘事，疊加美國科技企業的裁員浪潮，也催生了美國的AI就業焦慮。Oracle于過去一年內，在全球裁員21,000人，約占員工總數13%，遣散成本達18億美元[11]。

由AI造成的失業從話語敘述變為現實舉動，進一步推動了政府預防AI就業沖擊的制度建設。比如，失業率居全美之首，且全球最前沿AI研發企業大量集中的加利福尼亞州，今年推出“AI失業追蹤器”[12]，成為美國首個將AI就業影響納入正式政策監測框架的州級舉措。

加州推出全國首個 “AI失業追蹤器”（California AI-Unemployment Tracker, CAIT），試圖通過失業保險申領數據監測AI對不同地區、行業和人群就業的影響。

與此同時，科技巨頭們也被動為AI戰略引發的社會恐慌進行兜底，并試圖重建其社會合法性。2026年6月25日，OpenAI基金會、Anthropic、亞馬遜、微軟聯合IBM、AMD、思科、ADP、德勤、美銀、禮來、洛克菲勒基金會、Pivotal Ventures等二十余家錨定伙伴，跨黨派組建無黨派非營利組織“Raise US”。該組織初期在阿肯色、康涅狄格、馬里蘭、猶他四州落地，并試點“AI職業導航+高中畢業生服務年限延展”等項目。

這一舉措可被視為代表未來世界的科技巨頭們，為了應對社會的反抗主動提供社會保護措施的策略性行為，該組織的CEO雷蒙多(前美商務部長)表態直言：

“美國有AI技術戰略，但無人的戰略”[13]。

二、替代與創造并存的就業影響格局

那么，目前AI到底會對哪些工作產生實質性的影響和替代？

美國西北大學的測算表明，按全量勞動力結構計算AI暴露度，“在美國最受影響的崗位是秘書、常規文員，而非計算機科學家或數據科學家”[14]。由于這些崗位通常由女性承擔，因此就AI的就業沖擊而言，女性明顯大于男性。ILO的研究顯示，在高收入國家，女性面臨的AI高暴露率約為男性的兩倍以上，這也恰好折射出文秘、客服、行政等AI高暴露崗位的性別結構特征[15]。

從行業維度看，AI的滲透程度也并非完全一致。

在編程領域，AI的替代效應已有實質表現：有投資機構反饋，其被投企業已有25%至75%的代碼由AI生成；Indeed（全球第一大招聘網站）上軟件開發崗位發布量下降53%，22至25歲開發者就業較峰值下降近20%。

其它行業也呈現出了較高的AI使用率。有研究顯示，信息行業AI使用率遠高于全行業平均水平[16]；金融業同樣走在“AI化”的前列，中國的工商銀行部署逾500個AI應用，招商銀行大語言模型替代逾1,550萬工時。英國的渣打銀行計劃2030年前裁減約15%后臺崗位[17]；醫療、物流領域的AI應用也在加速，HCA醫療集團（HCA Healthcare）通過AI預測分析降低患者入院率；物流巨頭羅賓遜物流（C.H. Robinson）減少約12%的員工處理了增加的貨運量[18]。

近日，英偉達CEO黃仁勛在接受專訪時被問及“人們是否會因AI失去工作”，對此，黃仁勛指出，人們需要區分“工作任務”與“工作目的”。就如醫護人員的目的在于照護病人，而不是研究一張放射影像圖。圖源：胡佛研究所

另一方面，一些數據則在講述AI與就業間更為復雜的關系，這些數據主要揭示了目前AI對就業的正向影響。普華永道（PwC）的數據顯示，AI暴露度最高的公司，其就業增長（52%）反而快于低暴露公司（36%），薪資增速也更高（24%vs17%）[19]，這意味著AI的使用被用來擴大投入和發展，而非單純替代就業。由此推斷可知，AI應用在短期內更多是“放大器”而非“消滅器”。

波士頓咨詢（BCG）公布的數據也顯示，技術行業軟件工程師人數，總體上仍在增長，只是增速放緩[20]。同時，新的需求激發了冷門行業的招聘熱潮。比如，紐約聯儲數據顯示，2024年美國哲學專業畢業生失業率為5.1%，低于計算機科學專業的7%[21]，且多家AI公司正積極招募哲學背景人才。

這種“替代與增長并行”的格局，說明目前的AI尚未達到消滅和替代人類的階段，更多只是在重塑崗位的技能門檻：入門級崗位減少，但對更高階技能的需求反而在擴大，有學者將其歸納為“大凍結”效應[22]：AI的使用讓企業減少新的招聘需求，尤其是對初級員工的需求。

那么，未來AI要實現對人類工作的系統性替代，究竟還面臨哪些結構性障礙？

三、AI替代人類：必須跨越的三重結構性障礙

客觀來看，正如蒸汽機、紡紗機等技術給人類社會帶來了變革，我們必須承認AI這項技術本身可能帶來的影響。但僅就“AI替代工作與就業”這一單一維度而言，若要大規模替代人類，AI還需要克服三個方面的結構性障礙。

首先，是技術層面的能力瓶頸。

當前AI的主流形態仍是大語言模型（LLM），其本質是對語言符號的統計模式匹配，而非對物理世界的真實理解。換言之，AI缺乏“世界模型”（World Model）：一種對物理規律、因果機制、空間關系和物體屬性的內在表征。

具體而言，大語言模型可以在文本中流暢描述“把雞蛋放在桌上”，但不能真正理解雞蛋會滾動、桌子有邊緣、重力會使物體下落等現實世界的動態。這直接限制了AI在制造業、物流、醫療手術、建筑等需要與物理世界深度交互領域的替代能力。盡管業界已將世界模型視為下一代AI的核心攻關方向，但目前均處于早期實驗階段，距離工業級應用尚有根本性的距離。沒有世界模型的突破，AI替代將始終停留在信息處理層面，無法跨越到物理操作層面。

AI系統需要由感知、短期記憶、世界模型、行動、評價器和配置器等模塊共同構成。其中，“世界模型”是核心，它使AI能夠在行動前預測外部世界的變化。圖源：Meta AI

與世界模型缺失緊密相關的，是數據獲取難題。大語言模型的成功建立在互聯網海量的公開文本基礎上，但行業智能體以及世界模型所需訓練數據遠非公開網頁可比。企業的核心業務數據、實時生產流程數據、設備傳感器數據以及客戶行為數據等，均散落在異構系統中，其中大量都是非結構化格式，且受商業秘密和隱私法規保護。

國際數據公司（IDC）研究指出，大中華區企業AI就緒首要障礙正是遺留架構和數據碎片化[23]；高德納咨詢公司（Gartner）預測，約60%的企業AI項目會因缺乏“AI就緒數據”（“AI就緒數據”是指高質量、可訪問且值得信賴的信息，組織可以自信地將其用于人工智能 (AI) 訓練和相關項目。編者注。）而失敗。周鴻祎曾感嘆：

“企業里知識庫不太容易收集，文檔只是一部分，更多的是潛知識，藏在數據庫里、員工硬盤里、老板腦子里……”[24]

對多數行業而言，數據獲取鴻溝可能比算法差距更難跨越。

最重要的一點是，AI無論如何發展和運作，都建立在符號系統之上，符號只是實在的一種表征，無法窮盡實在界（the Real），也無法完全獲取人類社會的所有信息。

“我們所知道的，比我們能說出來的多得多”

哲學家邁克爾·波蘭尼的這一論斷，清晰地點明了技術對人類的不可取代性。事實上，人類社會目前大量任務依賴默會知識（難以編碼、無法顯性化的經驗判斷與情境感知）。諸如車間技工在機器異響中辨識故障隱患，資深護士從患者面色判斷病情變化，這些凝結于身體記憶中的能力，恰恰是AI最難觸及的領域[25]。另外，AI的預判和運作邏輯只能基于“過往”數據，但過往并不代表一切。

美國最大注冊護士工會National Nurses United的研究指出，醫院正在過快、過度、缺乏監管地引入AI技術，而這些技術不僅沒有真正緩解護理壓力，反而可能削弱護士的臨床判斷。

其次，AI技術的全面應用和滲透需要克服來自企業等組織層面的制約。即便技術可行，企業部署AI仍面臨多重組織約束。

波士頓咨詢（BCG）發現，關鍵瓶頸并非技術本身，而是復合型人才短缺。目前，業界能將AI嵌入業務流程、重構組織架構的人才極度稀缺[26]；多數企業卡在“試點困境”中：實驗室效果驚艷，規模化部署卻步履維艱。

同時，AI并非全然嵌入到一個真空的企業體系當中。很多企業有自身的“技術債”，這會進一步阻礙AI的使用。“技術債”指的是為短期交付而犧牲長期系統質量所積累的代價，像金融債務一樣利滾利。Box CEO萊維（Aaron Levie）就描述了硅谷之外大多數企業嘗試“智能體化”時的困境：

“員工更少具有技術背景，數據更加碎片化，系統也更加老舊……如果智能體只獲得和人完全相同的權限，就會到處碰壁。而且不像人類，它們不知道去找Sally談談，或者去問Bob。”[27]

而傳統企業系統充斥著跨代際技術債務。要繞過這些技術債，離不開人工的對接。比如，打電話給老李、走到老王工位旁催數據。這類行為發生在屏幕之外，AI智能體是無法執行的[28]。

過去的歷史經驗也在告訴我們，技術的全面普及絕非一時之事。經濟史學家大衛（Paul David）對電動機和計算機普及歷史的研究揭示：電動機在1880年代已發明，但美國工廠的生產率直到1920年代才爆發。這中間的三十年里，電動機是被直接接入為蒸汽機設計的舊式傳動系統，效率幾乎未提升。直到老工廠倒閉、新一代按“單元驅動”原則設計的廠房出現，生產率才快速增長起來[29]。

這也說明，一項通用技術的普及應用，需要整個生產系統的重新設計和舊架構的淘汰——這往往需要一代人的時間。今天的AI智能體，面臨著同樣的局面：我們試圖讓它在為人類設計的舊系統里運行，但是舊系統給予其運行的適配空間并不多。企業既有系統與AI智能體越不匹配，其應用就越難落地。

最后，是來自法律和制度層面的約束。

技術可行性和組織意愿并不等于制度許可。我國杭州法院裁定以AI替代為由解雇員工構成違法解除勞動合同，歐盟《AI法案》則對高風險AI施加嚴格合規要求，美國AI行政令要求評估AI對勞動力市場影響，這些舉措均對AI的激進式發展構成制度護欄。歐盟的通用數據保護條例（GDPR）、算法問責、AI倫理審查等，都在約束AI大規模應用。制度約束的意義不僅在于事后救濟，更在于事前預期管理。當企業明確知曉法律風險時，其決策部署將更加審慎。

綜合來看，AI替代人類不是一道技術判斷題，而是涉及技術能力、組織條件和制度框架的系統工程。默會知識壁壘、物理智能-世界模型缺失、數據獲取鴻溝限定了能力邊界；人才短缺、技術債沉疴等制約了推進應用的速度和范圍；法律護欄劃定了社會底線；多重障礙疊加，“全面替代”的時間表遠比科技巨頭們預言的要漫長。

四、中國的AI發展戰略與潛在的就業沖擊風險

雖然中國的AI技術發展水平尚不及美國，但根據國際貨幣基金組織（IMF）的AI準備指數（AI Preparedness Index），中國正處于全球AI競爭的第一梯隊，同時也承擔著最大規模的就業轉型壓力[30]。

從目前的技術能力看，AI對我國就業崗位的沖擊要大于美國。有研究顯示，我國54%的就業崗位處于AI替代高風險區間（替代概率>0.7），比美國（47%）高7個百分點[31]，這與中國制造業占比高、服務業數字化快、勞動力技能結構仍偏中低端密切相關。

世界經濟論壇的研究顯示，與世界其他地區的同行相比，中國企業更有可能將技術視為推動業務轉型的主要動力。圖源：世界經濟論壇《2025年未來就業報告》

世界經濟論壇的研究顯示，在中國受訪者看來，提高AI時代人才供給，最重要的政策不是單純擴大學校教育，而是加大再培訓/技能提升投入，同時提高勞動力市場靈活性，并適度調整移民政策。圖源：世界經濟論壇《2025年未來就業報告》

然而，中國也擁有獨特的制度緩沖機制。在司法層面，前述杭州法院的判例為AI裁員劃定了法律紅線。同時，各大國有企業作為“就業穩定器”，不會因技術效率而大規模裁員，仍發揮著獨特作用。與西方以勞動訴訟和集體談判為主的“事后救濟”模式不同，中國AI發展的戰略安排更強調事前預防和過程控制，在AI技術擴散的初期階段即嵌入社會穩定考量。

但是，中國的AI發展戰略本身也蘊含著一定的就業沖擊風險。目前，我國正在大力推進“AI+”戰略，并設定了AI的應用普及率到2027年達到70%、2030年達到90%的目標。這強化了科技發展與社會穩定領域的政策張力：一方面，AI滲透是產業升級和國家競爭力的核心抓手；另一方面，大規模的滲透可能引發崗位替代的社會風險。據花旗集團估算，這一戰略可能威脅約7,000萬個就業崗位[32]。

在經濟增長放緩與企業營收空間收窄的現實背景下，如何平衡AI的大規模滲透、由此帶來的用工擠壓以及成本管控壓力，將進一步考驗企業管理者的智慧。倘若處理失當，必定會造成一部分社會群體失業，給社會穩定和保障領域增加壓力。

另外，從長遠角度看，中國的“AI+戰略”為AI技能的進一步提升和突破提供了其它國家所缺乏的實驗和應用場景。再加上，中國是全世界視頻采集設備最多的國家，這一方面為AI的數據采集搭建了極好的基礎設施，但在另一方面，也可能在無意間會將中國變為AI就業沖擊的“實驗場”。

當然，這是一種比較悲觀的預測。畢竟，我國走的AI發展路徑并不是“人與機器競爭”的替代模式，而是強調人機協作、以人民為中心的發展路徑。但在現實層面，這也將更加考驗我們如何在“發展優先”和“社會穩定”之間保持平衡，考驗我們的AI治理水平與治理智慧。

參考文獻：

[1]卡爾.波蘭尼.大轉型：我們時代的政治與經濟起源.馮鋼等譯，當代世界出版社，2020年。

[2]Sundar Pichai, Recode/NBC聯合市民大會（2018年1月）; The Verge Decoder播客訪談（2025年5月）。

[3]Jensen Huang, NVIDIA CES主題演講（2025年1月）；達沃斯世界經濟論壇演講（2026年1月）。

[4]Elon Musk, Moonshots with Peter Diamandis播客訪談（2026年1月）。

[5]IEA. Electricity 2024-Analysis and forecast to 2026.International Energy Agency, Paris.

[6]CNBC. Stargate live updates: OpenAI's Altman says 'people are right to be anxious' about AI,2026年6月2日。

[7]The Guardian. How the fight over data centers is roiling Pennsylvania politics: “We don’t need it”.The Guardian,2026年6月16日。

[8]IEA. Electricity 2024-Analysis and forecast to 2026.International Energy Agency, Paris.

[9]The Economist.America's data-centre backlash puts the AI boom at risk,2026年6月23日。

[10]Jones, J. M. Americans oppose AI data centers in their area. Gallup. 2026年5月13日。

[11]Chia, Osmond. Tech Giant Oracle Cuts 21,000 Jobs as It Embraces AI. BBC News, 2026年6月26日。

[12]Om Gupta. As AI job loss fears grow, this new tracker will monitor AI-related layoffs, India Today, 2026年6月26日。

[13]Griffiths, B. D. Large Tech Companies Are Behind a New Group Aimed at Helping Workers .Business Insider,2026年6月26日。

[14]Daron Acemoglu, David Autor, Jonathon Hazell, Pascual Restrepo，AI and Jobs: Evidence from Online Vacancies，NBER Working Paper No. 28257，2020年初版/2022年修訂。

[15]Pawe? Gmyrek, Janine Berg, David Bescond，Generative AI and Jobs: A global analysis of potential effects on job quantity and quality，ILO Working Paper，2023年。

[16]PwC.2025 AI Jobs Barometer，2025年。

[17]Kimberley Long. China’s AI push collides with employment priorities, The Banker,2026年6月24日。

[18]Stephen Gold. To Fear or Not to Fear: AI and the Future of Work，IndustryWeek，2025年5月10日。

[19]PwC.2025AI Jobs Barometer，2025年。

[20]BCG.AI Will Reshape More Jobs Than It Replaces,2026年4月3日。

[21]The Economist. Why big AI labs are hiring so many philosophers, The Economist，2026年6月24日。

[22]Sonnenfeld, Jeffrey A., et al. The Real Job Destruction from AI Is Hitting Before Careers Can Start. Yale Insights，2026年5月4日.

[23]IDC/MongoDB. The AI Readiness Index: Assessing Enterprise Preparedness for AI Adoption，2025年.

[24]周鴻祎，企業AI落地的真正難題，360集團內部交流，2025年。

[25]盛一諾.為什么Agent還沒搶走我們的工作？屏幕之外的隱性知識與技術債，澎湃新聞，2026年6月25日。

[26]BCG.Henderson Institute – AI Will Reshape More Jobs Than It Replaces,2026年4月。

[27]詳見Aaron Levie, a16z & MTS, "Box CEO on AI agents & why enterprise can't keep up"（視頻），YouTube，2026年4月28日；

[28]盛一諾.為什么Agent還沒搶走我們的工作？屏幕之外的隱性知識與技術債，澎湃新聞，2026年6月25日。

[29]Paul A.David. The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, American Economic Review，1990年。

[30]孫吉勝、韓雪亮、李雪瑞，《全球人工智能鴻溝的治理困境與中國方案》，《當代中國與世界》，2026年第2期。

[31]Wang, C., Zheng, M., Bai, X., Li, Y., & Shen, W. (2023). Future of jobs in China under the impact of artificial intelligence. Finance Research Letters,55，1-13.

[32]Long, Kimberley. China's AI Push Collides with Employment Priorities.The Banker, 2026年6月24日。

本文作者：楊海燕 華南理工大學公共政策研究院（IPP）副研究員

IPP公共關系與傳播中心

排版 | 周浩鍇

審校 | 劉 深

終審 | 劉金程

IPP評論熱門文章

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。