官方网站-首页

　　（来源：图灵人工智能）

　　单击上方“图灵人工智能”，选择“星标”公众号

　　您想知道的人工智能干货，第一时间送达

转自苇草智库，仅用于学术分享，如有侵权留言删除

　　作者 | 邵 青  教育管理学博士、旅美学者、企业家

　　AI究竟会把人类带向何处，取决于技术能力，更取决于社会能否跟上技术改变现实的速度。近期一份由16位诺贝尔经济学奖得主参与联署的声明，把这个问题集中到了一个长期被忽视的维度：时间。

　　2026年7月13日，斯坦福数字经济实验室发布《我们必须立即行动：关于AI经济转型的声明》（We Must Act Now）。声明由埃里克·布莱恩约弗森、阿杰·阿格拉沃尔、安东·科里内克和汤姆·坎宁安发起，获得200多位经济学家、AI研究人员和企业界人士签署，其中包括16位诺贝尔经济学奖得主，以及来自OpenAI、Anthropic和Google的多位重要人物。

　　声明正文极为简短，只列出三点，核心判断十分明确：未来十年，AI可能变得极为强大，由此引发的经济变革或将超过工业革命，完成这一变革的时间却短得多。它既可能大幅提高生产率和生活水平，也可能造成大规模岗位替代。经济学家、政策制定者和科技领袖必须立即研究其影响，建立相应的激励机制、制度和防护措施，使AI更多地补充人类能力，让社会广泛分享技术红利。

　　这份声明没有提出新的经济理论，也缺少具体政策方案，却释放了一个值得重视的信号：AI讨论正在从模型能力和技术安全转向就业、分配与制度承受力。尤其值得注意的是，阿西莫格鲁、斯蒂格利茨、布莱恩约弗森、考恩和LeCun等人的技术立场和经济观点差异很大。他们没有就AI最终创造多少工作、消灭多少工作达成共识，却共同承认变革可能来得很快，社会不能等到结果完全确定以后才作准备。

　　一

　　被压缩的时间

　　“AI带来的经济变革可能超过工业革命”很有传播力，却难以严格验证。工业革命并非某项单一技术的扩散，而是能源、机器、交通、金融、城市化和国家制度长达两百年的共同演进。AI与工业革命究竟谁的影响更大，取决于衡量尺度，也取决于观察周期。

　　声明更有洞察力的地方，是它抓住了“时间压缩”。蒸汽机、电力和计算机虽然深刻改变了世界，其基础设施建设、资本积累和社会扩散仍然经历了几十年。AI以软件和云服务为载体，一次模型升级便可能同时进入金融、法律、编程、教育、医疗和科研。技术突破到行业应用之间的距离显著缩短，企业重组流程和岗位的速度也随之加快。

　　问题由此转向几种时间尺度的错位。模型按月迭代，企业按年调整，学校培养一代人至少需要十数年，税收、社会保障和劳动制度的改革则通常更慢。技术时间快速压缩，制度时间仍然遵循传统政治周期。AI最危险的经济特征，可能正是变化速度开始超过社会重新配置岗位、收入和身份的能力。

　　时间压缩也改变了政策面对不确定性的方式。传统治理习惯在问题明确、证据充分之后采取行动，但AI的影响一旦完全显现，原有岗位、产业结构和市场权力可能已经发生难以逆转的变化。等待确定性看似审慎，同样会产生政策后果，其代价可能是错过建立缓冲机制的窗口。

　　声明的不足也正是在这里显现。它正确指出了时间紧迫，却没有解释制度应当提前到什么程度；它要求建立“激励、护栏和机构”，却没有说明如何避免过早监管压制创新，也没有回答不同技术情景下应采取什么政策。诺奖得主与科技领袖的联署可以提高议题的重要性，却不能代替经验研究和制度设计。这是一份议程声明，还不是一套行动方案。

　　二

　　没有说透的三层问题

　　声明提出了警告，却没有充分解释这场变革为什么如此棘手。它隐约触及了三个彼此关联的深层问题。

　　第一层是技术时间与制度时间的脱节。AI能力增长具有高度集中的供给结构，少数公司一次技术突破，便可通过API、云平台和开源模型迅速扩散。社会制度却需要经过讨论、立法、预算、执行和利益协调。技术可以跨越原有组织边界，而制度仍然被行业、地区和行政体系分割。两种时间结构的距离越大，治理越容易陷入事后无法补救的困境。

　　第二层是收益与成本的分离。AI创造的收益可能首先集中于拥有模型、算力、数据和分发平台的企业，调整成本则落在被替代的劳动者、刚进入劳动力市场的年轻人和公共财政身上。生产率红利与社会承受成本在时间上不同步，在主体上也不重合。

　　这意味着，宏观经济增长与个人处境恶化完全可能同时发生。即使AI最终创造了更多新职业，今天失去工作的会计、程序员或设计师也未必能够自然转入那些尚未出现的岗位。尤其值得警惕的是职业阶梯的断裂。资料整理、基础分析、初级编码和标准化写作容易被AI接管，而这些任务恰恰是年轻人积累经验、进入高级岗位的入口。初级工作大量消失以后，高级专业人才的成长机制也会受到影响。

　　第三层是技术方向背后的权力结构。社会普遍赞成“让AI造福所有人”，真正的分歧出现在具体选择上。哪些岗位可以被替代，谁拥有AI创造的剩余价值，企业采用AI增强员工还是裁减员工，转型成本由资本、劳动者还是政府承担？

　　技术可以扩大财富总量，却不会自动完成合理分配；市场能够发现效率，却没有义务为失去岗位的人提供过渡保障。“AI与人类互补”也不是技术自然演化的必然结果。企业的管理目标、税收结构、资本市场压力和劳动者议价能力，都在影响AI最终成为人的工具，还是成为人的替代。不可否认的是，资本支撑的工程路线从一开始就包含利益选择。

　　声明停留在“使AI造福社会”的最低共识上，回避了最困难的利益协调。精英尚且如此，令人格外担忧。

　　三

　　社会态度也是一种制度变量

　　这份声明产生于美国，与美国社会对AI较强的怀疑态度并不矛盾。公众担心就业、收入和企业权力，促使学术界与科技界更早讨论制度准备。怀疑由此形成治理压力，使制度调整有可能走在大规模冲击之前；但它也可能增加工程部署的阻力，甚至被既得利益者利用，演变为对创新的全面限制。

　　中国社会对AI相对乐观，为技术应用和工程扩散提供了有利条件。较高的社会接受度，加上完整的产业体系和丰富的应用场景，有助于缩短模型能力与现实生产力之间的距离。风险在于，乐观容易掩盖岗位重组和利益分配的成本，使制度建设落后于技术落地。等到冲击集中显现，社会态度可能迅速逆转，治理也可能从前期宽松突然转向强力限制。

　　因此，中美态度反差在这里揭示了两种不同的速度结构：美国可能出现制度压力领先、工程实现受阻；中国可能出现工程实现领先、制度准备滞后。美国需要防止怀疑成为技术否决权，中国需要防止乐观成为制度迟缓的理由。

　　社会态度并非技术进步之外的舆论环境。它决定一项技术能够以多快的速度进入现实，也影响制度在什么时候作出反应。公众信任过低，工程实现会遇到阻力；公众期待过高，转型成本又容易被低估。协调技术、工程与制度三种速度，因而也包括对社会期待的管理。这种反差，我在前两天发出的文章《AI时代的社会期待》中已有系统梳理。

　　四

　　技术、工程与制度的三种速度

　　这一轮社会变革可以从三条相互作用的轨道来理解。

　　技术发展负责扩张能力边界，回答AI能够做什么；工程实现负责把模型嵌入企业流程、制造系统、科研平台和公共服务，决定AI如何改变现实世界；制度建设负责调整教育、就业、税收、社会保障和责任体系，决定社会如何吸收由此产生的收益与冲击。

　　技术发展与工程实现构成产业变革的双轨。实验室中的模型能力只有经过数据治理、系统集成、流程改造、成本控制和组织协调，才能转化为生产率。社会影响也主要发生在工程阶段。同一种AI，可以帮助医生提高诊断能力，也可以被用于压缩医疗人员；可以协助教师开展个性化教学，也可以成为削减教育成本的工具。工程实现并非中性的技术翻译，它决定AI进入什么场景、替代什么任务、增强哪些人。

　　制度建设构成第三条轨道。技术快于工程，容易形成模型繁荣与产业脱节；工程缺少技术支撑，容易陷入重复建设、概念包装和低水平应用；技术与工程同时远快于制度，则可能出现生产率上升与社会安全感下降并存的局面。企业能够迅速减少岗位，学校来不及重建培养路径，社会保障仍然依赖稳定就业和工资收入，最终形成能力扩张、责任滞后和分配失衡的连锁反应。

　　三种速度的协调不等于让它们保持完全一致，更不意味着以最慢的制度速度限制技术发展。关键在于建立前瞻性的反馈机制。

　　技术开发阶段需要评估潜在的任务替代、责任真空和市场集中；工程部署阶段需要区分增强型应用与替代型应用，保留年轻人的职业入口和人的最终责任位置；制度建设则要提高观察和试验能力，通过实时就业数据、监管沙盒、社会保障改革和税收激励及时响应。治理目标应从预测某个确定终局，转向管理持续变化的过渡过程。

　　就业统计也需要从岗位数量深入到任务结构。失业率可能没有明显上升，招聘减少、初级岗位萎缩和工作内容空心化却可能已经发生。如果统计体系只能识别一个人是否就业，便难以及时发现职业阶梯正在断裂。教育改革同样不能停留在增加AI课程上，真正需要重建的是从学习、实习、初级工作到高级判断能力的形成机制。

　　企业采用AI的激励也应重新审视。当资本投入可以抵扣税收，而雇佣劳动承担工资税和社会保障成本时，制度本身就在鼓励机器替代人。未来政策需要为增强劳动者能力的AI应用提供更明确的激励，同时防止企业将转型成本完全转嫁给员工和公共财政。随着劳动收入占比变化，社会保障过度依赖工资税的基础也可能动摇。

　　从国家竞争的角度看，技术决定能力上限，工程决定扩散效率，制度决定社会承受力。美国拥有前沿模型、算力和资本优势，却面临公众信任不足和工程部署阻力；中国拥有应用场景、制造体系和社会接受度优势，却需要补上就业监测、利益协调和制度缓冲。短期竞争看模型和应用速度，长期竞争还要看哪个社会能够在技术进步中维持开放、流动与基本公平。

　　这构成了AI时代更完整的发展逻辑：技术突破创造可能，工程实现塑造现实，制度建设维持秩序。三者形成正向循环，AI才可能成为普遍繁荣的基础；其中任何一条轨道严重失速，技术红利都可能转化为经济失衡和社会冲突。

　　声明《我们必须立即行动》提出了紧迫性，却没有给出行动坐标。这里需要协调的，正是技术、工程与制度三种速度。一个国家拥有最强模型，却无法将其转化为真实生产力，难以赢得产业竞争；实现了快速部署，却让职业阶梯断裂、财富高度集中和公共信任流失，也无法承受长期后果。

　　AI革命最终考验的，是一个社会能否在扩大技术能力的同时，重建与之相称的工程体系和制度秩序。技术发展决定变革能走多远，工程实现决定转轨何以发生，而制度成熟则最终决定社会能否平稳抵达未来。

　　Acemoglu, D., & Johnson, S. (2023). Power and progress: Our thousand-year struggle over technology and prosperity. PublicAffairs.

　　Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper No. 31161. National Bureau of Economic Research. https://doi.org/10.3386/w31161

　　Ipsos. (2026). The Ipsos AI Monitor 2026: A 32-country Global Advisor survey. https://www.ipsos.com/sites/default/files/ct/news/documents/2026-06/Ipsos-AI-Monitor-2026.pdf

　　Stanford Digital Economy Lab. (2026, July 13). “We must act now”: Sixteen Nobel laureates join leading economists and AI researchers in call to prepare for AI’s economic transformation. https://digitaleconomy.stanford.edu/news/wemustactnow/

　　Stanford Institute for Human-Centered Artificial Intelligence. (2025). Artificial Intelligence Index Report 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report

　　作者简介

　　邵 青

　　教育管理学博士，生物医学与生物制药领域专家。旅美学者、企业家，苇草智酷创始合伙人，博腾股份股东及战略投资顾问，莫干山研究院专家咨询委员会委员、副院长，美国希望基金会常任董事。