如果AI取代90%的人类工作，人的收入从哪来？社会会变成什么样？

“AI会不会抢走饭碗”这句话，前两年听起来还像科幻片的开场白。到了2026年，它已经变成茶水间里最常被压低声音聊起的话题。

一个做财务的朋友半开玩笑地说，他们部门新上的系统，以前三个人干三天的活，现在一个人盯半天就差不多了。笑完之后，桌上没人接话。

90%这个数字，目前仍然是一个用来推演极端情形的假设，不是任何权威机构的预测。

但它像一面镜子，把一条已经悄悄启动的链条照得格外清楚：当机器能干的活越来越多，普通人靠出售劳动换取收入的那条路，会不会越走越窄？如果会，钱又该从哪里来？

一、“90%”是假设，但招聘冻结和技能断层是正在发生的事

国际货币基金组织2024年的研究判断，全球约40%的就业岗位可能受到AI影响；在发达经济体，这个比例约为60%。

国际劳工组织2025年的评估稍显缓和：全球约四分之一的劳动者处于生成式AI暴露度较高的职业中，但多数岗位更可能经历任务重组而非直接消失。

世界经济论坛《2025年未来就业报告》则给出了一组更具体的账：到2030年，全球预计新增1.7亿个岗位，同时替代9200万个，净增约7800万。

净增7800万，听起来不坏。但岗位“净增”和“人能找到工作”之间，隔着一条容易被数字掩盖的沟。

新增的岗位集中在大数据、AI工程、绿色转型和护理、教育等领域，被替代的岗位则大量压在文职、行政助理、出纳和部分设计类工作上。

一个做了十几年出纳的人，不会因为“全球净增7800万岗位”就自动变成AI训练师。新岗位出现在哪里、旧岗位消失在哪里，往往不重合。

脉脉创始人林凡在2026年的一场行业沙龙中给出了一个观察角度：判断一个人是否真正具备AI工作能力，可以看其能否让智能体自主运行超过一小时，并持续交付结果。

这个标准不是全行业公认的门槛，但它指向的变化是真实的：企业衡量人的尺子，正在从“你会不会干这件事”，悄悄滑向“你能不能组织AI把这件事干完”。这个滑动本身，比某一天突然宣布裁员更值得留意。

它首先表现为招聘名额收缩：原本要招二十个人的部门，上了系统之后只招五个。那十五个没有被“裁掉”的人，在统计上甚至不算失业，但他们进入劳动力市场的入口，已经变窄了。

真正需要警惕的，不是某一天所有人同时收到解聘通知，而是一部分人还没完成技能转换，对应的岗位需求就已经先一步退潮。

二、机器干活越多，工资那条线就越松

把镜头从就业拉远一点，会看到一个更根本的链条。现代经济有一个跑了很多年的循环：人工作，拿工资，消费，企业再把东西卖出去。这个循环里，工资既是企业的成本，也是大多数家庭参与经济生活的入场券。

AI改变的是这个循环中间的一段。当企业用更少的人完成同样的产出，人工成本下降，利润空间打开，从单个企业的账本看是效率提升。但如果大量企业同时朝这个方向走，居民端的劳动收入就会承压。

有人会说：东西变便宜了，没收入也能过。这话只对了一半。AI确实可能压降一部分标准化商品和服务的成本，但住房、能源、医疗、照护这些领域的成本，不会因为算法变聪明就自动归零。

一件商品从一百块降到十块，对一个完全没有现金流的人来说，仍然是十块钱的问题。生产能力上去了，购买力没有同步跟上去，企业迟早也要面对“东西卖给谁”的追问。

更关键的一层在于，AI创造的增量收益流向哪里。人民日报海外版2026年的一篇分析指出，人工智能正在加剧初次分配失衡：自动化替代常规任务，同时为具备互补技能的劳动者创造高价值岗位，但中间那道转型鸿沟，让相当一部分人被卡在两端之间。

拥有企业股权、技术平台和算力资源的家庭，可以通过资本收益分享效率提升的红利；主要靠工资吃饭的家庭，面对的却是岗位竞争加剧和收入波动。

这不是说劳动者会“一无所有”，而是工资在财富分配中的权重，可能相对下降。

一个拥有大量资产的人可以买高端住宅、做股权投资，但他替代不了几十万个家庭每天买菜、交房租、换手机的持续性消费。当劳动收入这条腿变细，消费的基础就会跟着变薄。

这才是“机器越能干，普通人越紧张”这句话背后的真实经济逻辑：问题不在机器，在机器创造的收益通过什么渠道、以什么速度流到大多数人手里。

三、出路不在“发钱”两个字，在制度衔接的速度

讨论到这里，全民基本收入、机器人税这些词一定会被端上桌。这些讨论有它们的价值，但需要把话说得准确一些。

在中国，全民基本收入目前并没有进入政策议程。中国社会科学院学部委员蔡昉2026年接受专访时的判断很直接：全面推行UBI需要人工智能充分释放生产力、社会财富积累达到极高水平，从当前发展阶段看，条件尚不成熟。

机器人税同样更多停留在学术讨论和公共政策辩论层面，讨论的重点包括对AI使用者征税、通过社保缴费机制弥补劳动力税基等，距离形成可操作的政策工具还有相当距离。

换句话说，把“国家发钱”当作AI时代的默认答案，目前既不符合政策现实，也容易把注意力从更紧迫的事情上挪开。

真正在发生的，是另一条路径：在岗位消失和新人入场之间，尽量把衔接做厚。2026年5月，国家印发《稳岗扩容提质行动方案》，针对AI带来的就业焦虑给出了一套相当具体的安排。

方案明确鼓励企业在应用人工智能时同步开展转型转岗培训，帮助劳动者尽可能稳在企业，而不是简单把人推出去；同时扩大数据标注员、人工智能训练师等新职业新工种的需求，在高校、企业、技校和培训市场布置“双千”计划和实训基地建设。

这套思路的核心不是“等失业了再兜底”，而是试图在技术替换发生的同一个环节里，把人的转换通道搭进去。

这比单纯争论“发不发钱”更贴近中国经济的现实。中国有庞大的制造业体系和规模巨大的就业人口，AI进入生产流程的速度和就业保障体系调整的速度之间，存在一个天然的落差。

落差越小，转换越平稳；落差越大，结构性阵痛就越集中地压在某几代人身上。职业培训、失业保障、社会保险的衔接效率，在这个意义上已经不只是民生议题，它直接关系到技术升级能不能被社会平稳吸收。

当然，AI未必真的会走到“90%的人不工作”那一步。

医疗照护、家庭教育、社区服务、文化体验这些需要人对人交付的领域，仍然会保留大量劳动需求。

工时制度也可能随着生产率提升而逐步调整。但所有这些“可能”，都不会从技术里自动长出来。它们取决于一个社会选择用什么样的规则去分配机器多出来的那部分产出。

一个越来越清楚的事实是：AI时代真正拉开差距的，未必是谁更会用几个工具，而是谁能够持续地、制度化地分享到生产率提升的收益。

如果几十年后生产能力达到了前所未有的高度，大多数普通人却仍然要为基本生活疲于奔命，那问题的症结就不在机器不够聪明，而在分配财富的规则没有跟上创造财富的方式。

提前把这道题想清楚，比争论“90%”会不会成真，要紧迫得多。