北大国发院副院长张丹丹：要加快就业创造，缓解就业被AI替代的风险

5月17日，2026搜狐科技年度论坛在京盛大开幕。来自科学界、学术界和产业界的近三十位嘉宾共襄盛会，围绕基础科学和人工智能话题展开探讨思辨。

在上午的线上论坛环节，北京大学国家发展研究院副院长、经济学教授张丹丹带来了《如何在AI时代守住职业价值》的主题演讲。

张丹丹表示，人类一直在不同时期经历着不同的技术变革。之前的技术进步，可能相对发生在一个较长的历史时期内。不断有工作被替代，也不断有新的工作产生，最终达到一个均衡状态。

这一次人工智能技术进步，可能给我们带来了更多焦虑。因为这次技术进步冲击的技能群体，主要是白领和脑力劳动者，并且这次技术的迭代速度非常快，同时部署成本相对比较低。

“也就是说，我们可能还没来得及创造很多新的就业，原有就业就已经先受到冲击了。”

张丹丹建议，要加快就业创造，同时缓解就业被替代的风险。

“比如，通过大数据和实时劳动力市场监测，建立预警机制。哪些职业可能受到冲击，我们需要及时提醒；哪些技能是未来需要的，我们也可以及时向社会发布，让大家提前培养相关能力。”

以下为演讲全文：

我们回溯一下过去的技术进步。从电气化到信息化，到前十年的机器人、智能制造，再到现在的AI，人类一直在不同时期经历着不同的技术变革。

我们都走过来了，到现在我们看，大家还是都有工作。那为什么会这样？历次技术进步，实际上都在改变整个就业结构。有很多工作消失了，但同时又创造出了很多新的就业。

我们知道，有一个非常有影响力的研究，是David Autor团队做的，2024年发表在一个经济学顶刊上。他们的研究回溯了过去80年整个就业结构的变化。研究发现，2018年美国劳动力市场上，有60%的人从事的是80年前完全不存在的职业。

所以我们看到，随着历史推进、时间推进，未来的工作可能并不是我们现在能看到的。也就是说，在技术进步的过程中，会有大量新的就业被创造出来。

当下我们面临的一个问题是：就业创造的速度，和就业被替代或者被毁灭的速度，是不是一个我们可以接受的过程？这是一个很重要的问题。

之前的技术进步，可能相对发生在一个较长的历史时期内。不断有工作被替代，也不断有新的工作产生，最终达到一个均衡状态，似乎我们没有感受到特别剧烈的短期冲击。这样就会给大家一个适应的过程，也给整个社会一个调整的过程。

但是这一次AI人工智能技术进步，可能给我们带来了更多焦虑。因为它和之前的技术进步不同，主要可以总结为两点。

第一点，这次技术进步冲击的技能群体，或者说它冲击的职业构成，主要是白领和脑力劳动者。之前更多替代的是体力劳动和蓝领工作。

第二个不同，就是这次技术的迭代速度非常快，同时部署成本相对比较低。比如说十几年前的智能制造，其实也是人工智能的一部分，但它的部署是很慢的。它是在制造业细分产业里面一步一步推进的，而且是一个工厂、一个工厂，一条生产线、一条生产线地部署。

我强调这些不同，主要是想说：这一次就业替代的速度，可能是我们真正需要担心的。也就是说，我们可能还没来得及创造很多新的就业，原有就业就已经先受到冲击了。

那经济学家是怎么看这件事情的？经济学主要做的一件事，就是通过不同的测算方法，去看AI技术进步是如何影响劳动力市场的，或者哪些职业会首先受到冲击。

这里面有不同的方法论，一个大家可能比较熟悉的，就是所谓的人工智能暴露指数。这个指数实际上是在2024年的时候，由OpenAI的一个研究团队提出来的。当然，它背后其实有很长时间的经济学文献支撑。

它基本的逻辑是：把整个劳动力市场上的职业原子化，也就是拆解成task，也就是“任务”。有多少任务呢？所有职业加在一起，大约由2万个任务构成。所以我们可以把任务想象成“原子”，而原子构成分子，任务构成职业。

他们利用一个职业字典，把所有任务如何受到AI影响进行分析，然后汇总到职业层面，最终计算出职业的替代率。

这种方法使用的数据，主要来自当前劳动力市场最新的招聘信息。也就是说，去看新招聘岗位需要完成哪些任务，这些任务是否会被AI替代，以及最终这个职业的替代率是多少。

我们也使用了中国160多万条招聘信息，以及新加坡1500多万条全量数据，做了不同国家之间的比较，包括美国的数据我们也做了分析。

最后得出的结果，其实和OpenAI那篇文章的结论差不多：目前主要被替代的，还是白领工作；蓝领工作被替代的可能性相对较低。

另外我们也发现，随着时间推移，这个替代率是在变化的。因为我们看的是流量数据，也就是新增就业的数据。我们会发现，无论是中国还是新加坡，整体劳动力市场的替代率都在下降。

替代率下降，其实意味着：新的岗位里，那些可以被AI完成的任务，已经不需要再招人了。那么，这种趋势到底会在多大程度上照进现实？

所以我们又进一步分析了：职业暴露度和真实职业需求变化之间的关系。我们发现，它整体上确实是负相关关系。也就是说，暴露度越高，这个职业的需求确实越容易下降，这是一个事实。

但是，在构建这个负向关系的过程中，我们也发现了一个有趣的现象。相当一部分职业的暴露指数，其实都在0.7到0.8之间，也就是说，这些职业理论上百分之七八十的工作内容，都可以在AI的辅助下加速完成。

但如果我们不只看平均趋势，而是看不同职业之间的差异，就会发现：不同职业受到的冲击其实并不一样，它们的命运也不一样。有的职业就业需求会上升，有的不变，有的则会下降。

这里面就出现了一个问题：理论上的暴露度和现实中的替代关系，虽然总体是负相关，但不同职业受到的影响却不一样。

对此，经济学界有不同解释。其中有一个解释，我觉得是比较有道理的，也就是一个职业最终的命运，是增长、不变还是下降，很大程度上取决于这个职业内部任务的构成方式。

如果它是一个串联关系，那么AI影响了部分任务之后，从事这个职业的人，就可以把精力放在其他任务上。这样实际上会提升工作的生产率，进而增加需求，甚至增加就业。

但如果它是并联关系，那就是纯替代。一部分任务被替代之后，其他部分也不再需要人去完成了。

还有一个我想稍微提一下。最近Anthropic发布了一份报告，对比了两种不同的暴露度。一种是我刚才说的理论暴露度；另一种则是实际暴露度。

他们的方法是分析用户与Claude之间的大量真实对话，去观察人类到底是如何与AI互动的，以及AI实际帮助人类完成了哪些任务。

他们发现，Claude目前主要完成的是大约800类任务。而我们刚才提到，整个劳动力市场一共有2万个任务。

在这800个任务中，他们进一步比较了理论暴露度和真实暴露度。结果发现：真正属于“替代”的部分，其实不到50%，只有43%；而“互补”关系占到了57%。

因此，他们又用这个43%的比例，重新调整了暴露指数，最终形成了所谓“观察暴露指数”或者“实际暴露指数”。当然，这个实际暴露指数，是低于理论暴露指数的。

总结来看，目前经济学界的研究总体发现：理论上的AI暴露度其实还是很高的。也就是说，理论上AI确实可以替代人类完成大部分任务。

但是现实中的影响，目前还没有那么大。另外还有一篇研究我刚才没有提到，是哈佛大学两个博士生做的，去年影响也非常大。

他们有一个重要结论，我个人也非常认同：AI主要影响的是新增招聘，而不是存量岗位。也就是说，主要是新招的人变少了。

而在新增招聘里面，受到影响最大的，是junior level，也就是初级岗位和中等技能岗位。高技能岗位以及高级岗位，目前受到的影响相对不大。

基于这些研究结论，我想我们目前其实还处在一个“窗口期”。我们要做的，是加快就业创造，同时缓解就业被替代的风险。

比如，通过大数据和实时劳动力市场监测，建立预警机制。哪些职业可能受到冲击，我们需要及时提醒；哪些技能是未来需要的，我们也可以及时向社会发布，让大家提前培养相关能力。

另外，如果未来某些职业真的受到较大冲击，我认为现在也是一个非常好的时期，去制定就业保护政策和补偿机制，提前做好制度准备。