范文仲：AI劳动力的是与非

来源：市场资讯

（来源：数经科技）

最近在涉及AI的各类讨论中，不论是行业外部人士还是内部专家，都被这两年AI技术的创新飞跃深深震撼，而传统工作岗位将被AI取代的危机前景，以及中美大厂纷纷裁员的传闻更让人焦虑和迷茫。我们认为，虽然AI智能体和具身机器人成为新型白领和蓝领劳动者是大势所趋，不可逆转，但AI在替代部分传统就业岗位的同时，也在创造新的劳动力市场结构和机遇。正如工业革命时代，机器取代大量人类体力劳动，人力拉扛、开凿等重劳力岗位逐渐消失，但同时也促进了影视娱乐业和文体赛事的兴起。

同样道理，未来人工智能劳动力市场不会简单演变为“机器人替代人类”的单线过程，而会逐步形成一个由人类管理者、AI白领职员和AI蓝领工人共同构成的混合生产体系。这个体系的变化不只体现为岗位数量的增减，更体现为任务如何被拆分、组织如何重新配置、职业阶梯如何改变，以及生产率收益最终由谁获得。人类的角色和责任将会重新被定义，对变化趋势的前瞻判断和科学应对，远比恐惧忧虑更为明智。

我们的基本判断是：在未来的AI劳动力市场，传统的白领工作将主要由AI智能体完成，简单重复的编程、法律、财务、客服等工作岗位会率先经历任务自动化与工作流重构。AI蓝领工人将以移动机器人、专业服务机器人以及人形机器人为代表，会先进入制造、仓储、物流、清洁、巡检等工业场景。物理世界的复杂性决定了具身机器人需要跨越更高的门槛，因此AI智能体的扩散速度将系统性快于具身机器人，大概领先约3—7年。即使两类技术在算法能力上同步进步，其商业化速度仍会显著不同。与此同时，人类劳动者不会整体退出生产过程，而会越来越集中于目标定义、复杂判断、关系维护、伦理与法律责任等方面。未来工作不再只是“人做”或“机器做”的二元关系，而是“人类负责什么、AI执行什么、谁为结果承担责任”的重新划分。

一、AI白领智能体将先重构企业组织形态，而非立即替代人类岗位

1. 未来五年岗位不一定消失，但“一个人能完成的产出”显著上升

AI智能体的真正意义在于它开始具备完成连续工作流程的能力。一个成熟的企业智能体可以接收任务目标，形成初步结论，并在需要时将结果交由人类复核。它不只是助手，也是能够承担明确职责范围的数字化执行模块。许多白领岗位并不会立即消失，但其内部的工作构成会发生变化。最先被压缩的将是办公室职位中高度数字化、规则相对稳定、重复程度高的任务岗位。

例如，一名客服人员过去可能花费大量时间检索订单、复制政策条款、整理投诉和填写工单，未来这些步骤可能由智能体自动完成，而人类将集中处理高价值客户、激烈投诉、跨部门协调、例外退款和情绪安抚。财务人员将更多从事异常交易解释、风险判断、预算协调和监管沟通，而不是手工对账和重复报表生成。律师将更多负责谈判策略、复杂案件判断、客户关系和责任签署，减少用于检索、基础尽调和合同初稿的时间花费。咨询顾问将更少依赖手工搜集资料、制作通用图表和撰写标准PPT，而更重视界定问题、理解客户组织、提出不可模板化的判断和推动实施。人力资源人员则会从简历初筛、面试安排和制度答疑中部分解放出来，转向人才评估、组织冲突、薪酬谈判和员工关系。

传统软件企业是这次受到AI白领冲击的代表性行业。目前AI智能体已经能够快速生成样板代码和编写文档，初级开发者以完成简单编程任务为核心的商业价值已经不复存在，但未来软件企业将更加需要好的架构师，系统架构、安全设计、复杂故障定位和上线责任仍然需要人类。一个资深工程师能够在AI帮助下管理过去需要更多初级程序员完成的工作量，其工作效率将出现跃升。

和大众的担忧不同，企业人均产出提高并不必然等同于立即裁员。AI对就业的影响首先将表现为“少招人”“不补人”“同样业务量使用更少新增员工”。这种渐进式调整难以被传统失业数据及时捕捉，却可能长期改变职业进入门槛。未来五年中，最值得关注的不是“某个岗位是否被AI彻底替代”，而是企业是否开始将AI智能体嵌入核心业务流程。一旦智能体从个人桌面的效率工具转变为组织级流程参与者，其影响就会从提升个人效率转向重塑部门结构。届时，一个部门需要多少协调员、初级分析师、文书人员、客户支持人员和基础技术支持人员，将被重新计算。这意味着传统企业不一定裁员，但在新设立的企业中，传统的部门将不复存在。

2. 白领市场出现“入门岗位危机”

传统白领职员的发展通常依靠一条相对稳定的职业成长路径：新员工先通过重复性、低风险、可监督的任务积累经验，再逐步承担分析、判断、客户沟通、项目管理和专家责任。初级职位的价值不仅是完成任务，更是提供训练场、建立组织记忆和形成职业身份。但是，AI智能体首先自动化的恰恰是这条路径底部的大量任务。由此引发一个结构性问题：企业在短期内降低了初级人员的用工成本，但也削弱了未来中级和高级人才的培养渠道。过去，企业可以通过大量初级岗位形成“金字塔式人力结构”。未来，AI智能体可能承担金字塔底部的一部分工作，使组织变得更扁平。短期看，这能提高利润率和交付效率，但长期看，企业可能丧失培养未来业务负责人的路径。

近期，PwC发布的报告揭示了“入门岗位资深化”这一新趋势：AI企业要求初级员工更早具备判断力、沟通能力、业务理解力和AI协作能力。未来的毕业生可能需要在第一份工作中就要满足过去部门经理才会具备的综合技能。这一趋势将导致现有教育体系与AI劳动市场之间产生巨大矛盾。大学和职业教育过去主要训练学生完成作业、通过考试、解决标准问题；但如今基础和标准的问题都会用AI解决，因此未来教育更需要培养学生提出问题、进行跨学科沟通、承担责任和在不完整信息下做出科学判断。高等教育中哲学思维、沟通水平、创新能力将更加重要，单纯依靠记忆、模板和标准答案获得竞争优势的职业路径会越来越脆弱。

3. 白领岗位将出现收入和效率的分化

PWC的报告认为，未来AI白领市场不是一个统一的结构类型，而会形成明显的双轨分化。

第一条轨道是专业化岗位。这里的AI不是简单替代人类，而是帮助提升高水平人类劳动的生产率。这类岗位的共同点是：人类不仅掌握知识，还拥有签字权、责任、关系网络和处理复杂例外的能力。例如，经验丰富的医生可以借助AI进行影像预筛和病历整理，结合患者情况对新病症作出诊疗判断。专业律师让AI检索案例、整理证据和起草初稿，最终对法律意见、谈判策略和诉讼风险承担责任。高级工程师利用AI编写大量代码，仍决定系统架构、处理安全问题、权衡性能与成本，并为事故后果负责。在专业化轨道中，AI提升的是人类专家的单位时间产出。一个资深专家可以服务更多客户、完成更多项目，因此其稀缺性和收入会上升。

第二条轨道是民主化岗位。AI使过去需要一定专业训练的基础任务变得更容易完成，进而降低原有技能的稀缺性。基础平面设计、初级文案、通用翻译、标准化法律文书、简单数据分析、一般性IT支持和低复杂度客服都可能进入这一轨道。此类工作未必会消失，但服务供给者增加、交付周期缩短、客户价格预期下降，劳动者的议价能力会减弱。

双轨分化将使白领内部的不平等扩大。过去，获得大学教育和进入办公室工作本身就能提供相对稳定的中产职业道路；未来，白领群体内部将更明显地区分为能够利用AI放大能力的高端专业人员，以及从事可被AI标准化、模块化和价格化的执行型劳动者。到2030年前后，白领市场的主要矛盾将不再只是“有没有工作”，而是“谁拥有AI互补性能力、谁被AI降低了技能溢价”。

二、AI蓝领机器人扩散更慢，但对实体产业影响更深远

1. 具身机器人将从简单可控的工业场景开始规模化应用

具身机器人经常以人形、通用、家用和自主为宣传卖点，但从产业经济学角度看，最早实现大规模商业化的不会是万能家务机器人，而是任务明确、环境相对受控、人工成本较高或存在劳动力短缺的工业场景。例如，仓库中的搬运、分拣、盘点和码垛，工厂中的上料、下料、质检和设备巡检，医院中的物资配送和清洁，都是机器人更容易率先创造经济价值的领域。未来具身智能带来的变化，是让机器人从固定工位逐步走向更灵活的移动、视觉识别、抓取和多任务协作。其意义不只是“增加机器人数”，而是让原先靠人工才能适应环境变化的任务，也开始具备可自动化条件。

未来几年，许多企业可能采用的并非全能人形机器人，而是轮式移动机器人、视觉系统和专用设备组合的机器人系统。机器人会优先替代那些昂贵、疲劳、危险、缺工、重复且容易标准化的工作，其单位消耗成本应低于人工岗位工资。因此，最先扩散的AI蓝领不会是“最像人类”的机器人，而是在特定任务上“最能赚钱”的机器人。

2. 具身机器人的应用将呈现S型扩散

机器人的经济性取决于单位服务成本是否低于人类劳动的综合成本。只有当机器人在一个足够长的时间周期内保持较高开工率，并且能稳定完成任务时，企业才会实现真实回报。我们认为，具身机器人的采用不会是简单线性增长，更可能呈现S形扩散。

在2026—2028年的试点验证期，企业重点不是购买大量机器人，而是验证其在真实环境中的任务成功率、故障率、安全和投资回报。许多部署会集中在工厂、仓储、危险作业和封闭园区中。此时的关键障碍是可靠性与集成成本，而非单纯的模型能力。

在2028—2030年的商业扩张期，如果机器人在某些任务上证明了稳定回报，企业会将其从单点试验推广到更多工位和更多地点。届时，硬件产能、能源和充电设施、保险与监管将成为更突出的问题。机器人即服务的模式可以降低中小企业的初始资本负担，使部分企业从购买设备转向按月租赁、按小时计费或按任务付费。

在2031—2035年的行业重构期，机器人可能不再只是替代单一岗位，而是推动生产线设计、配送网络、护理流程和零售后台流程的整体改变。这个阶段的难点将从硬件成本转向复杂环境、安全责任、社会接受度和跨系统协同。

2035年以后，家庭和社区可能成为具身机器人进一步应用的场景，但这很大程度上取决于成本下降、可靠性提升、法律责任体系和公众信任。家庭场景中的任务虽然看似简单，实际上环境高度多样、风险敏感、用户偏好复杂，远比工业场景复杂。

3. 人类蓝领岗位总体减少且结构改变

AI蓝领的扩张会减少大部分重复性体力任务，这些任务通常不需要复杂判断，且产出可以通过速度、准确率和设备利用率衡量，因此更容易被机器人代替，但人类蓝领劳动并不会整体消失。机电技师、自动化工程师、质量管理人员的需求会更强烈，复杂维修、非标准化装配和突发故障处理仍然会依赖经验丰富的人类工人。尤其是在一些医疗护理和高接触服务场景，因为涉及信任、伦理、情感和责任，人类岗位不可或缺。人类护理人员将更多时间用于与人互动，从而提升了服务质量。

三、AI蓝领与AI白领的差异及对人类岗位的影响

1、AI蓝领与AI白领的关键差异

AI智能体与具身机器人都可被视为“机器劳动”，但它们的技术约束和市场扩散规律不同。

图1：AI白领与AI蓝领的比较

维度

AI智能体：AI白领

具身机器人：AI蓝领

工作对象

信息、文本、代码、流程、软件系统

物体、设备、空间和实体环境

复制成本

很低，可通过软件和云服务快速复制

较高，需要制造、部署和维护

核心瓶颈

数据权限、系统集成、可靠性、责任边界

硬件、供电、续航、安全、维护、场地适配

最早影响任务

客服、行政、分析、初级编程、文书

搬运、装配、分拣、巡检、清洁

扩散节奏

按月或季度迭代

按年部署和改造

市场结构

容易集中于模型、云和数据平台

平台、硬件、零部件、集成商和运营商共同参与

人类角色

目标设定、审核、解释、责任、客户关系

维护、调度、安全、例外处理和现场协作

外部约束

算力、数据、监管、企业软件基础

能源、制造供应链、物理安全、基础设施

上述图表说明：AI白领先冲击信息处理型中间层，AI蓝领后冲击标准化操作型中间层。白领变化的速度更快，但蓝领变化一旦形成规模，可能对工厂布局、物流网络、能源需求和区域产业结构产生更深层影响。

2、不同人类职业岗位的冲击影响

未来高风险岗位不一定是工资最低或学历最低的岗位，而是任务清晰、数据化、规则化、容易审计、可以被拆分为标准流程的岗位。典型包括数据录入、基础文员、初级客服、基础翻译、简单报表与桌面研究，以及工厂搬运、码垛、重复装配、仓储分拣、固定路线运输和标准化巡检。这些岗位的风险通常不是在某一天突然消失，而是招聘减少、人员自然流失后不再补充、工资增长变慢、工作被外包或平台化，以及一名人类员工借助AI承担过去多人的产出。

AI互补岗位将包括AI产品经理、数据治理和隐私合规专家、高级工程师、系统架构师、机电人员、复杂现场维修人员、医护与照护工作者，以及需要谈判、领导、责任和信任的管理岗位。这些岗位的共同点并不是“完全不会被AI影响”，而是AI更可能提高其效率和杠杆率，而非完全替代其核心价值。

未来相对安全稳固的人类职业具有若干共同特征的任务：承担法律、伦理或社会责任；在高度非结构化环境中处理例外；需要长期信任与关系；身体接触、照护或复杂现场操作；需要说服、谈判和政治判断；需要发现真正的问题，而不仅是回答已定义的问题；或者错误代价极高且难以完全审计。

四、AI劳动力的供给函数和约束边界

AI劳动力并非可以无限复制。AI大模型和智能体的运行高度依赖数据中心、网络、电力和冷却系统；具身机器人还依赖电池、电机、传感器、充电设施和现场运维网络。国际能源署预测，全球数据中心用电量将从2024年的约415太瓦时增加到2030年的约945太瓦时。未来AI劳动力市场不仅受模型能力约束，也会受到电力供应、电网接入、变压器、冷却、土地和能源价格的影响。

我们将未来AI劳动供给函数概括为：

AI劳动总供给=f(模型能力,高端芯片,行业数据,电力供给,网络基建,机器人硬件产能)

2026—2030年间，AI智能体的主要瓶颈将从模型能力逐步转向企业数据、系统接入、权限治理、算力成本和可靠性。具身机器人的主要瓶颈则更可能是硬件可靠性、制造产能、能源基础设施、维护网络和现场适配。因此，和大众的猜想不同，未来不太可能出现“AI无限便宜、人类劳动立刻归零”的局面。更可能出现的是，数字AI服务价格持续下降，但高质量、可负责、可合规的AI服务仍有成本；实体机器人服务的价格下降更慢；能源、芯片和电网受限地区的AI部署速度较慢；能源充裕、制造能力强、供应链完整的经济体更容易形成AI蓝领优势。从这些AI劳动力的生产要素可以判断，中国将有望成为全球AI劳动力市场最具竞争力的地区。

五、AI劳动力应用场景的扩展

近期（2026—2028年）：AI智能体先行，机器人仍以试点为主

这一阶段，AI智能体将从个人使用的聊天工具逐步转变为嵌入企业流程的数字劳动单元。客服、运营、内容生产、软件开发、金融后台和专业服务支持部门将首先发生变化。企业会通过减少外包、放缓招聘、提高岗位门槛和压缩重复流程来获得生产率收益。高水平专业人员的AI生产率和工资溢价可能扩大，因为他们能够借助智能体处理更多工作并承担更高价值责任。与此同时，初级白领职位会更少、更难进入，对毕业生提出更高的领域理解和AI协作要求。蓝领方面，工业机器人和物流机器人会继续增长，人形或通用具身机器人则主要停留在有限工厂和仓储试点。企业更可能把机器人用于夜班、危险工序、招工困难岗位和高重复任务，机器人维护、自动化改造和现场数据采集岗位将增加。

中期（2028—2030年）：从任务自动化走向工作流与产线自动化

这一阶段将是关键转折。多智能体系统可能开始承担相对完整的业务流程。企业组织会更扁平，一些以信息汇总、进度跟踪、材料整理和常规协调为主的中层工作将受到挑战。职业教育和企业培训体系将被迫重建，以解决初级岗位减少后的经验培养问题。具身机器人则可能在仓储、制造、工厂内物流、农业局部环节和公共服务后台出现更大规模部署。RaaS模式若继续成熟，将降低中小企业使用机器人的门槛。人类劳动者会从直接操作转向调度、维护、质量负责、异常处理和现场协作。

中后期（2031—2035年）：双重替代开始叠加

到这一阶段，AI智能体对白领标准化认知工作的影响，与具身机器人对蓝领标准化物理工作的影响叠加出现。社会风险不在于所有人同时失业，而在于大量中等技能、可规则化、可模块化的工作被持续挤压，而新职业创造、培训体系和社会保障未必同步跟上。城市、行业、教育程度和资产持有状况之间的差距可能扩大。拥有模型、数据、算力、机器人资产和客户渠道的人将获得较高资本收益；无法进入AI互补岗位的人可能面临工资下降、项目化就业和职业稳定性下降。

后期（2035--长期）：社会制度设计成为决定性变量

2035年以后，技术能力固然仍然重要，但决定劳动力市场发展结果的更大变量将是社会制度的设计。例如，数据是否被少数平台垄断？算力和能源是否成为可广泛获取的基础设施？机器人和AI利润是否高度集中于少数企业和个人？教育体系能否重建？社会保障能否适应频繁转岗和人机协作就业？这些因素都会决定AI生产率能否转化为广泛福利。未来并不存在唯一结局。不同国家、城市和产业可能走向不同路径：有些地方形成高生产率、高不平等的AI寡头经济；有些地方通过竞争政策、公共基础设施、培训体系和收入保障，形成更包容的人机协作经济。

AI智能体和具身机器人可以理解为由资本所有者拥有的机器劳动。它们产生的收入可能流向基础模型公司、云计算与芯片企业、机器人制造商、数据平台、拥有自动化资产的企业股东，以及掌握AI互补技能的高收入专业人员。社会收入分配制度的不同，将导致两种可能的后果：

如果AI劳动的所有权高度集中，将出现如下链条：AI全要素生产率持续提升→企业自动化利润、资本投资回报大幅上涨→全社会劳动收入占GDP比重持续下滑、劳动者薪资分化加剧→居民收入、家庭财富两极分化扩大。

另一条更加体现社会公平的路径是，政府和社会通过公共算力、开放标准、竞争政策、数据治理、职业培训、工资保险和公共服务，将AI生产率更广泛地扩散到中小企业、劳动者和消费者。

图2：AI劳动力市场的三种制度情景

情景

技术扩散

利润分配

劳动力结果

AI寡头资本主义

高但高度集中

平台和资本占有大部分收益

高增长、高不平等、就业两极化

竞争性AI经济体

技术较广泛扩散

多企业与劳动者共享部分收益

高生产率、较强职业重构

AI福利国家

高扩散并具有公共治理

税收、分红与公共服务再分配

增长较稳、公平性更强

上述图表说明，决定未来的不是AI能否创造价值，而是社会能否建立让价值被更广泛分享的制度。

六、AI劳动市场变革的趋势和应对建议

根据我们的判断，2026—2030年，AI智能体将深刻重塑白领劳动市场；2028—2035年，具身机器人将逐步扩大对制造、物流和标准化现场劳动的影响。到2035年前后，大部分企业组织能够用更少的人完成同等规模的标准化工作。入门级白领机会减少且门槛提高；专业型人类劳动的工资溢价上升；标准化认知岗位和标准化体力岗位承压；人类工作向监督、例外处理、关系维护、责任承担、创意判断与现场协作迁移。

到2035年之后，AI劳动力市场将形成一个高度分层的混合经济：少量人类管理大量智能体和机器人；一部分人类从事高责任、高信任、高创造性工作；另一部分人则面对职业阶梯断裂、工资被压低和就业不稳定的问题。技术本身会提高总产出，但能否提高多数人的福利，最终取决于数据产权、市场竞争、能源基础设施、教育转型、劳动者保护和再分配制度。

以上分析预测揭示了AI劳动力市场的复杂前景。我们建议，普通劳动者需要尽早从“完成任务的人”转向“设计、验证和负责任务结果的人”。当前最重要的应对策略不是单纯学习提示词技巧，而是形成三种互补能力。第一是专业知识能力，即真正理解医疗、制造、金融、法律、供应链或某一具体业务。第二是AI协作能力，即能够定义目标、提供上下文、检查结果、识别错误并处理异常。第三是责任与关系能力，即能够判断、沟通、谈判、协调并承担后果。在AI时代，最脆弱的人群是那些既不拥有领域专业性知识，也不能管理AI，又主要从事简单标准化任务的岗位。

未来的企业不会因为单纯购买智能体或机器人，就自动获得生产率提升，真正的收益来自端到端流程重构、数据治理、权限设计、责任界定和员工培训。在机器人部署上，企业应优先选择高缺工、高危险、高重复和高周转场景，并将能源、算力、维护、备件、场地改造和停机风险纳入全生命周期成本考虑。同时，企业应重新设计人才培养的体系路径，避免初级岗位消失后出现中高级人才断层。

未来不管个人如何努力，企业如何应对，最终人类社会的福利分配将取决于政府的政策设计。科学合理的政策不是简单禁止AI劳动力替代，而是降低社会转型成本并避免收益过度集中。我们建议，政府应加快建立适应AI时代的职业转换体系，增强再培训、收入保险和就业服务；完善灵活就业、OPC项目公司和频繁转岗劳动者的社会保障支持措施；通过竞争政策降低AI寡头的高加价率和进入壁垒。和大多数人的建议不同，我们并不主张直接对机器人数量或AI工具征收一刀切的“AI税”，这可能会限制科技创新和商业投资的动力，但对超级AI平台（可能员工人数很少）的超额经济利润和数据垄断收益进行合理转移分配，是必须采取的措施。这部分税收可以用于对年轻的劳动者进行再就业培训、对年老的劳动者提供社会保障、为公共AI基础设施建设提供必要的资金，以维护AI时代的社会公平与正义。