如果AI能创造足够的资源，那工作还是必须的吗？

我们采用了AI暴露度指标构建的方法，随机抽取了2018年1月到2024年5月的125万条招聘大数据进行分析，并最终计算出每个职业的AI大语言模型暴露度。

可以很明显地看到，暴露度高的职业以白领职业为主，而且是一些程序性、规范性非常强的白领工作。暴露度低的职业主要是对人服务的蓝领职业。所以，我们的结论是，大语言模型技术更多影响了脑力劳动。

人工智能将如何影响我们的工作？‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

2025.5.11北京

大家好！非常开心来到一席的现场，跟大家分享我最近的一些研究。我今天讲的这个话题，既有科技感，又与我们每一个人息息相关，那就是“人工智能将如何影响我们的工作”？

我先自我介绍一下。我叫张丹丹，是北京大学的经济学教授。我的研究主要关注制度变化、文化冲击以及技术变革对人类行为的影响，以及如何进行政策设计。

我最近几年关注的话题，实际上是劳动力市场上两个非常显著的变化。

一方面，我们传统的工作岗位正在发生变化，变得越来越非正规化、碎片化和任务化。比如，我们看到大量平台型工作不断涌现，像外卖骑手、视频博主等。

另一方面，这些现象背后反映的是技术的快速进步。比如互联网平台经济的发展，尤其是近年来人工智能（Artificial Intelligence，简称“AI”）技术的飞速进步。我的研究也关注技术进步下，我们的职位会发生怎样的调整。

在2022年11月30日，ChatGPT突然出现之后，所有的白领工作者、脑力劳动者开始瑟瑟发抖。因为我们进入了一个AI大语言模型的时代，很多事情都将发生根本性的变化。

那么，在这个时代，我们会面临怎样的境遇？我们的工作是面临调整，还是我们有可能“躺赢”？我们的工作是否仍然被需要？我们是否还需要工作？我们的社会保障体系又该如何重构？所有这些问题都是我关注的，我相信也是在座各位关注的。

人工智能的发展阶段

要研究这个问题，就需要聚焦到某一个具体的技术进步。对大多数人来说，AI的进步似乎是从ChatGPT出现才开始的。

但实际上，如果我们把时间拉回到30年前的1990年代，AI就已经在很多领域开始发展了。早期，它是以自动化的形式出现的，比如在工厂里一些流程和工序的自动化。

到了2010年，这些自动化流程开始变得越来越聪明，有了算法，有了“脑子”，出现了工业机器人。如今的工业生产中，到处都是工业机器人和机器手臂在作业，大大提高了生产效率。这就是所谓的“机器人时代”，是一种有“脑子”的自动化过程。

紧接着，到了2015年，AI进入应用领域，出现了自动驾驶技术、虚拟人等。

2020年之后，我们进入了AI大语言模型时代，它更新换代的速度非常快，能够解决很多复杂的问题。

总的来说，AI技术在过去30年间发生了巨大变化。

它的变化趋势是从手到脑，过去是把人从体力劳动中解放出来，现在是对脑力劳动的补充甚至替代；从简单到复杂，过去可能只是简单的搬运工作，但现在可以实现自动驾驶、视频制作；从专业领域到通用领域，过去只是解决某一领域的具体问题，但现在可以制作视频、写诗、作画。

因此，不同的时代，AI影响的群体也不相同。我们的研究，更多地聚焦于最近的AI大语言模型技术。

此前的研究实际上已经关注了早期AI技术进步对就业的影响，因此我们的研究将参考和借鉴之前研究的方法和发现，完成我们自己对AI大语言模型的研究。

回顾：技术如何影响就业

我先简单地梳理一下之前研究的发现。这里引用的两篇文章，都有2024年诺贝尔经济学奖得主之一的阿西莫格鲁参与研究。这两篇文章分别聚焦于1990年代的自动化和2015年之后的AI技术对工作的影响。

我们先来看第一篇。他的研究数据采用的是1990年到2000年间美国制造业的相关数据。这两张图的横轴都表示机器人技术在不同行业的渗透率。什么意思呢？就是这个行业在多大程度上使用了机器人这种生产方式。横轴越靠右，说明机器人使用程度越高。

▲Acemoglu，Daron，and Restrepo，P.(2020)，“Robots and Jobs:Evidence from US Labor Markets，”Journal of Political Economy，128，2188–2244

这两张图的纵轴是不一样的，分别表示就业和工资的变化。即使你不了解经济学，从图中也可以清晰地看出，这是条向下倾斜的直线，代表趋势是负向的。它的意思就是说，机器人渗透率越高的行业，就业和工资都会下降。

经济学界基本达成了一个共识：自动化会导致制造业用工和工资的下降，它是一种替代效应。

再来看阿西莫格鲁和他的合作者在2022年发表的另一篇研究，关注的是AI的影响。他的研究数据使用了2010年到2018年的数据，因为AI技术在2015年之后才真正进入应用领域。

这篇研究的方法与前一篇研究完全不同。这篇研究中，他采用了一个叫“AI暴露度”的指标。

AI暴露度实际上是指不同职业在AI技术发展背景下受到的影响程度，或者说该职业中工人从事的任务与当前AI能力的兼容度。简单来说，就是我现在的工作在多大程度上是AI可以帮我完成的。

AI暴露度越高，说明现在的AI技术和从事该职业的工人的兼容度越高。这是一种潜在影响，表示AI这项技术进步可能会影响这个职业的程度。

阿西莫格鲁使用了一个海量的招聘大数据，分析了用人单位投放的招聘广告中的词汇，计算不同岗位的AI暴露度，并据此得出每个用人单位、职业的AI暴露度。

做完计算之后，阿西莫格鲁将用人单位分为两类：深度使用AI的单位和其他单位。

从图中可以看出，横轴是时间，2010年到2018年，纵轴是用人单位使用AI相关职业占比，二者之间是一个明显的上升趋势。

意思是，随着时间推移，深度使用AI的用人单位，在AI相关职位上大量地招人。尤其是在2015年之后，有了一个爆发式的增长。

阿西莫格鲁又通过区分不同的行业，来看哪些行业的增长是更加明显的。可以看到最高的是信息行业，其次是专业性与商业服务行业，第三是金融行业，第四是制造业。

▲Acemoglu，Daron，Autor，David，Hazell，Joe and Restrepo，Pascual(2022)，“AI and Jobs:Evidence from Online Vacancies，”Journal of Labor Economics，40(s1)

再看另一张图，横轴是AI暴露度，AI暴露度越高意味着用人单位使用的AI技术越深入，纵轴是职位创造情况。这张图呈现出正向趋势，即AI暴露度越高的职业或用人单位，它的就业需求增速越高。

▲Acemoglu，Daron，Autor，David，Hazell，Joe and Restrepo，Pascual(2022)，“AI and Jobs:Evidence from Online Vacancies，”Journal of Labor Economics，40(s1)

阿西莫格鲁的研究虽然揭示了这一现象，但也留下了一些还没有回答的问题。

比如，他发现AI暴露度高的用人单位就业增长明显，但是没有回答整个劳动力市场是如何变化的。他只在文章中写了一句话，从整个劳动力市场来看，似乎没有明显影响。

也就是说，尽管2018年美国劳动力市场表面上风平浪静，但是水面下已经暗流涌动了。一些积极拥抱AI的企业已经在大量招人、投入研发并占领市场。

此外，这篇研究中数据是10年前的，2010年到2018年，而2022年之后AI大语言模型技术发展迅速，它的影响可能更为显著。因此，我们希望聚焦于最新的技术进步。

同时，阿西莫格鲁的研究更多关注静态状况，但是对于职业内部的变化没有进行深入地研究，比如不同职业的具体做了哪些调整，例如虽然同样是市场营销，但是完成的任务可能已经不一样了。所以，我们希望在这几个方面做得更好。

大语言模型将如何影响中国劳动力市场？

接下来，我们来看一下，AI大语言模型对中国劳动力市场会产生什么影响。

这是我们过去几年研究的小结。我们同样采用了AI暴露度指标构建的方法，随机抽取了2018年1月到2024年5月的125万条招聘大数据进行分析，构建“AI大语言模型暴露度”。

有了抓取的数据之后，我们想要构建暴露指数，还需要一个标准。就是如何将中国的各种职业分解为具体任务或技能，并且与当下的AI大语言模型技术相对应，看看构成工作的任务或者技能，受到AI大语言模型技术影响的程度具体是怎么样的。

我们参考了“O*Net指标体系”，这也是阿斯莫格鲁研究中所使用的体系。O*Net是美国劳工部提供的一个在线公开且实时更新的指标体系，它像一本字典一样，将1000多个职业细分为约2万个任务、3万个技能，以及2000多个详细工作活动，也就是DWA（Detailed work arrangement）。

我们借助这一指标体系，就可以将中国的这些招聘广告中描述的工作任务进行切分，并分别与技能、任务和DWA对应。

举个例子，比如说“视频主播”这个工作。我们获取了某一条招聘广告中的信息，发现其中关于岗位职责的描述一共有5项，包括“中控台软件操作、设备调试”“跟进数据、处理事件、把控节奏”“售前售后回复与处理”“直播结束后货品整理与发货”以及“其他辅助性工作”。

我们现在就是要把招聘广告中这5条职责描述与O*Net系统中的具体工作任务进行匹配，当然这个现在也不是我们手动完成了，也是由AI大语言模型来匹配。于是，就匹配上了右边的7个任务，每一个任务我们通过AI大语言模型进行打分，分数范围为0到10。

分数越接近0，就说明配适度很低，表示该任务还不能被AI大语言模型完成。越接近10，则说明这个任务很可能已经能够被AI大语言模型完成了。

大家可以看到，这5项职责当中，“中控台软件操作和设备调试”目前AI大语言模型还无法完成，还得由人去操作机器。而“售前售后的回复与处理”现在基本上可以用AI大语言模型来做了。

所以，我们可以看到，一个工作岗位中，其实包含不同任务，而且这些任务的暴露度是不同的。

同时，我们还做了DWA层面的拆分和打分，将5项工作职责匹配到了5个DWA，通过大语言模型打分，同样是从0-10。

这样两条路径我们同时在做。125万条招聘信息意味着我们完成了125万次这样的工作。

但是为了让大家理解AI对于工作的影响，我们还需要看职业层面、行业层面或者地区层面的影响。

比如“视频主播”这个职业，其实包括了成千上万个“视频主播的工作岗位”。所以，我们需要把成千上万个岗位的数据进行汇总，按照任务出现的频率进行加权平均，计算出这个职业的AI大语言模型暴露度。

这就是我们研究的基本逻辑，所以我们将125万个工作岗位全部进行了汇总，按照任务出现的频率进行加权平均，最终计算出每个职业的AI大语言模型暴露度。

给大家展示一下我们计算出的分数，这里分别展示了AI大语言模型暴露度最高和最低的20个职业。暴露度高意味着这份工作很大程度上可以由AI大语言模型完成，而暴露度低就说明当前技术还做不了这项工作。

AI大语言模型暴露度高的职业包括财务相关岗位，比如会计、审计，还有编辑，销售工程师和电脑程序员等等，这几项工作排在最前面。

▲张丹丹等（2025），“大语言模型人工智能技术对中国劳动力市场的潜在影响研究”，《管理世界》即将发表

而暴露度低的职业则包括清洁工、搬运工、餐厅厨师和洗碗工等。

▲张丹丹等（2025），“大语言模型人工智能技术对中国劳动力市场的潜在影响研究”，《管理世界》即将发表

我们可以很明显地看到，AI大语言模型暴露度高的职业以白领职业为主，而且是一些程序性、规范性非常强的白领工作。AI大语言模型暴露度低的职业主要是对人服务的蓝领职业。所以，我们的结论是，AI大语言模型更多影响了脑力劳动。

我们还绘制了一张图，横轴是不同职业的AI大语言模型暴露度，纵轴是该职业新增岗位的数量，呈现明显的负向关系。暴露度越高的职业，新增岗位数量越少。这是一个有点悲观的结果，但是也很好理解，说明我们的企业正在大量使用AI大语言模型来替代部分人工。

▲张丹丹等（2025），“大语言模型人工智能技术对中国劳动力市场的潜在影响研究”，《管理世界》即将发表

此外，我们还对2018年1月至2024年5月期间中国劳动力市场的动态变化趋势进行了分析。

结果显示，整个中国劳动力市场的平均AI大语言模型暴露度呈下降趋势，且最近几年呈现更加明显的下降趋势。

这意味着我们现在看到的大量招聘信息中，与AI大语言模型相关的岗位正在减少，在企业和用人单位层面，他们可能已经在利用新技术替代部分职业。

▲张丹丹等（2025），“大语言模型人工智能技术对中国劳动力市场的潜在影响研究”，《管理世界》即将发表

我们进一步按照AI大语言模型暴露度将职业分为四类，最高的25%和最低的25%以及中间两部分。

这张图的纵轴是新增招聘岗位市场占比，从图中可以看出，AI大语言模型暴露度最高的那25%的职业，新增招聘岗位市场占比下降最为明显。而AI大语言模型暴露度最低的职业，就业增长反而是上升的。尽管如此，整体劳动力市场仍呈现出负向趋势。

▲张丹丹等（2025），“大语言模型人工智能技术对中国劳动力市场的潜在影响研究”，《管理世界》即将发表

我们最近的研究还关注了技能需求的变化。

大家都知道，招聘广告中不仅会列出岗位职责，还包括岗位需要什么样的技能。我们对这些技能提取出来，进行了深度学习，并与O*Net中的3万个不同技能进行匹配，然后汇总到职业层面，分析各职业的技能需求变化情况。

在AI大语言模型时代，有些技能的需求是在下降的，但并不是说整体上已经不需要了。这些需求包括沟通能力、学习能力、情绪智力、适应能力和思维能力等。

需求下降最快的是“沟通能力”。我们认为原因在于，AI大语言模型的沟通能力非常出色，特别是在职场上，如果你给老板写邮件、讨论问题，使用AI大语言模型大概率会比你自己完成得更出色，所以用人单位对这方面的需求会下降。

还有“学习能力”，AI大语言模型的学习能力非常强，它可以辅助使用者完成学习方面的跃升。在情绪智力，也就是情商方面，AI大语言模型同样表现得很好。

另一方面，AI大语言模型出现后，用人单位对于一些技能的要求会上升。包括专业性、管理能力、自我驱动力、解决问题的能力和协作合作能力等。

该如何理解呢？我来到一席之前，正在杭州做调研。我们去看了医院和金融行业对于AI大语言模型的使用情况。

我特别问了这个问题。他们的答案是，AI大语言模型在辅助完成具体工作的时候可能会出现“幻觉”。

比如对于理财师的建议和医生的诊断，AI大语言模型只能起到辅助性作用，因此需要专业人士判断是否要接受AI大语言模型的建议，这使得用人单位对于“专业性”的要求越来越高了。

另外，关于“自主性”，因为AI大语言模型现如今作为我们的助手，时时相伴在我们身边，所以我们可以管理它、利用它帮助我们更高效地完成工作，这需要我们具备自主性。

在这里给大家一些参考，看看我们未来可以在哪些技能层面发展自己。

未来的工作将变成什么样？

接下来，我们进一步探讨一下未来的工作可能会是什么样子。

从技术进步的角度来看，经济学家认为技术进步对个体职业存在“双刃剑”效应，既有毁灭的力量，也有创造的力量。

我在这里引用了一篇研究，回顾了过去80年美国劳动就业的变化。研究者发现当下我们在劳动力市场看到的岗位中有60%以上，在80年前是不存在的。也就是说大量工作是随着时间推移逐渐创造出来的，而不是原来既定就有的。

这篇研究展示了一张图，我想用这张图说明一下什么叫“双刃剑”效应。

在这张图中，有x轴和y轴和很多小圈。每一个圈代表一个职业。x轴代表流程替代，它是负向的，就是毁灭的效应，就是说技术进步会完全替代这个工作。y轴代表要素增强，就是说技术进步会加持我的工作，提升工作效率，让我的工作变得更被社会需要。

我们每个人都处于图中的某个位置，在技术进步的浪潮中面临着被毁灭和被创造的双重力量。

▲Autor D，Chin C，Salomons A M，et al.“New Frontiers:The Origins and Content of New Work，1940–2018.”Quarterly Journal of Economics，139(3)，2024.

在图的右下角，绿色部分的职业较为悲惨，它们的替代效应比较强，而要素增强效应较弱，就是说毁灭力量大于创造力量。所以我们要尽量避免自己出现在这个角落。

而图的左上角的职业则处于正向力量区域，创造力量大于毁灭力量，这些工作在未来可能会越来越被需要。

还是以视频主播为例，刚才我们看到它有5项不同的任务，有的任务可以被AI大语言模型替代，但是有些任务AI大语言模型还做不到。

这就给了我们一个空间，规避技术进步带来的冲击。我们可以发挥技术进步的增强效应，让AI把它能做的做到最好。我们就将精力集中在AI还无法完成的任务上，这样我们整个工作的效率就会大大提升。效率提升后，成本会降低，市场需求就会增加，这个职位就会更加被需要。

每个职位都存在这样的空间，都可以发挥人的主观能动性。如果发挥得好，我们就能处于西北角的有利位置，如果发挥不好，可能会处于东南角的不利位置。这取决于每个个体在自己的职位中的主观能动性。当然，也与技术进步的速度有关。

另外，关于未来技术进步对工作的影响可能会出现两个趋势，一个是工作两极化，一个是工作任务化。

我来解释一下什么是工作的两极化。这张图是较早的一篇顶级期刊文章中的图表，横轴表示职业的技能要求，0表示技能要求很低，100表示技能要求很高，纵轴表示市场需求。我们可以看到整体呈现U型曲线。

▲Daron Acemoglu，David Autor，Chapter 12-Skills，Tasks and Technologies:Implications for Employment and Earnings，Handbook of Labor Economics，Elsevier，Volume4B，2011:1043-1171.

这是什么意思？这就是两极化。随着技术进步，对极高技能和极低技能职业的需求在增加，而中间技能水平职业的需求则在减少。

为什么会出现这种情况呢？因为技术进步会大量替代规则性、程序化工作，而这些工作大多是中等技能水平的。

高技能和极低技能的职业则不会受到太大影响。比如，创作高质量的影视作品需要极高的创造力，AI大语言模型还无法完成，所以对天才型的人才需求就会增加。

另一方面，一些完全不需要技能的工作也会增加。这是什么意思呢？就是任务化的工作。

比如我们刚才说到的机器人。机器人技术的快速飞跃带来了生产效率的大幅提升。然而，像手表、手机生产过程中特别细微的打螺丝工作是机器人无法完成的，需要人来完成。

机器提升了生产效率，也意味着这些机器无法完成的工作对人的需求大量增加，因为需要配合机器的大产能。

我可以告诉大家，这种工作是非常简单无脑的。我们去过大量制造业工厂、电子厂，看到工人每天十几个小时完成重复性的打螺丝、装配工作。这就是一些任务化的工作，处在低技能这一端，但是需求量巨大。

这种两极化趋势提醒我们，中间技能水平的工作区间正在缩小，我们该如何应对呢？

身处不确定性的时代

我们正处于一个充满未知的时代，不确定性极大。我的研究也在不断跟进技术进步的步伐，想把技术进步的影响看得更清晰。

但真实的结果是什么样的，现在还是未知的。很多未知的东西正在做某些我们不知道的事情。所以我们需要警惕。

但是，我们刚才一切讨论的基础都是“工作是必须的”“我们每个人都需要工作养活自己”。

假设AI继续发展，当它能创造大量稀缺资源的时候，我们或许就可以躺平了，我们就不需要那么多工作了。如果可以AI养活我们，那工作可能就不再被需要了。

但对我们这一代人来说，我们正处于这样一个受到冲击的时代。希望大家能够以积极的心态看待这一问题，我后续的研究也将继续关注这方面的变化。

今天的分享就到这里，非常非常感谢。

谢谢大家！