问题——效率跃升背后，谁来承接被替代的劳动者？ 近期，生成式技术快速迭代，推动内容生产、客服、编程辅助、图像设计等领域的工作方式发生明显变化；业内出现少量员工即可支撑高营收的案例，显示“单位人力产出”被大幅放大。效率提升固然可喜，但由此带来的一个尖锐问题是：当越来越多岗位被算法与自动化系统接手，被替代的人如何获得体面生计与发展机会？如果新岗位增速赶不上旧岗位消失速度，社会将面临结构性压力。 原因——人工智能替代的不是单一工种，而是部分“认知环节” 回顾历次技术革命，机器多替代体力或流程性劳动，同时催生新产业、新职业，整体就业往往在波动中实现再平衡。我国改革开放以来，农业机械化与工业化、信息化推动大量劳动力转移，改变了“面朝黄土背朝天”的传统劳动形态，创造出制造业与服务业的大规模岗位，这是生产力进步带来的历史性跃迁。 而当前这轮变革的不同在于，人工智能不仅替代重复操作，更在向文本撰写、信息检索、方案生成、风险识别等“知识工作链条”渗透。它对岗位的影响呈现“分解式替代”：不一定取代整个职业，却会压缩岗位所需人数，或降低入门技能门槛，进而改变薪酬结构与就业稳定性。这意味着，传统“通过新增行业吸纳就业”的路径可能面临更严峻的时间差与技能错配。 影响——分配格局、社会心态与安全伦理风险叠加 首先是收入分配压力可能上升。技术收益往往更快向资本、数据与平台集中，若缺乏二次分配调节与竞争政策约束，劳动力议价能力弱化将放大贫富差距，并可能引发代际与区域不平衡。 其次是社会运行方式与个体价值感受到冲击。部分岗位消失会削弱稳定预期，若长期缺乏再就业通道，可能导致“无用感”“被抛弃感”扩散，影响社会凝聚力。 再次是技术伦理与安全风险更为凸显。算法偏见、数据滥用、深度合成内容扰乱传播秩序、关键系统失控等问题，已从技术议题转化为治理议题。技术本身并非天然向善，如何确保其可控、可审计、可追责，直接关系公共利益。 对策——以制度“护栏”引导技术向善，兜底与赋能并举 一是完善就业与培训体系，提升劳动力适应能力。应推动产教融合、终身培训与职业转换服务，重点面向受冲击较大的行业群体，强化数字技能、复合技能与创造性能力培养，缩短“岗位消失”与“新岗形成”的时间差。 二是优化收入分配与社会保障，增强技术红利的普惠性。可结合国情探索更有针对性的转移支付、税收调节与公共服务供给，研究面向低收入与转岗困难群体的基础保障安排，避免因技术冲击形成新的“弃民”风险。 三是建立透明可靠的安全规范与伦理框架。推动算法治理规则、数据合规边界、深度合成标识、关键领域准入与第三方评估机制落地，形成“研发—部署—运营—问责”的闭环治理，提高公众信任。 四是以良治提升治理效能。多位研究者指出，关键不在技术能走多快，而在公共权力能否通过规则与监督防止技术被少数利益绑架。促进公平竞争、限制垄断扩张、强化公共利益导向，是把效率优势转化为社会福祉的必要条件。 前景——在“普遍自由”与“普遍焦虑”之间，路径取决于治理选择 可以预见，人工智能将长期推动生产效率提升，并可能在医疗辅助、科学研究、公共服务等领域释放巨大价值。若制度设计得当，当社会用更少劳动即可提供更充足的产品与服务时，人们有望从高强度、低创造性的劳动中解放出来，将更多时间投入照护、学习、创新与文化生活，社会整体福祉水平有望跃升。 但若缺乏规则约束与利益再分配机制，技术收益过度集中、就业承压与信任流失相互叠加，效率红利可能转化为社会成本。未来走向并非由技术单独决定，而取决于政策选择与治理能力。
技术本身并无善恶，关键在于人类如何运用。面对人工智能的深刻变革，唯有未雨绸缪、统筹谋划，才能在创新与公平之间找到平衡点，让技术进步真正造福全体人民。这既是对治理智慧的考验，更是对人类文明发展方向的重大抉择。