开挂技巧“皮皮跑胡子挂辅助”详细透视辅助教程

AI会快速带来失业吗？会颠覆行业吗？普通人该如何应对？

针对AI冲击带来的全球性焦虑，近日 ，《每日经济新闻》记者（以下简称NBD）对2025年诺贝尔经济学奖得主彼得·豪伊特（PeterHowitt）进行了专访 。

作为研究技术变革的经济学家
，彼得·豪伊特与菲利普·阿吉翁（PhilippeAghion）构建的“创造性破坏”数学模型指出，“新创新会取代旧技术 ” ，而这正是经济发展的关键动力
。

从“创造性破坏
”的视角
，彼得·豪伊特判断，AI取代人类还为时过早 ，但普通人要做好一生多次转岗的准备。而AI冲击的真正风险是财富向少数公司集中 。为此
，征收财富税是比征收“机器人税”更有效的应对办法
。

电脑革命赋能顶尖人才，但AI革命帮助普通人

NBD：您如何定位AI技术浪潮？它是否构成新一轮“创造性破坏 ”？

彼得·豪伊特：首先要意识到 ，AI尤其是大语言模型
，其实是非常新的事物。ChatGPT发布到现在也不过三年多时间 。

我们仍然不清楚，大语言模型是否就是AI的最终技术路径
。也许 ，未来会转向杨立昆（YannLeCun）正在推动的“世界模型
”路线，也可能走向更加模块化的技术路线
，比如DeepSeek等中国公司的做法。

这一领域充满了不确定性 。我接下来要谈的都只能算是一种启发性的判断或推测
。

但有一点是明确的，AI会对整个经济的运行方式产生革命性影响。从这个角度看 ，它和汽车的出现没有本质区别 。在汽车普及之前
，大多数出生在北美的人，一辈子走过的地方可能都不会离出生地超过几英里。而有了汽车 、喷气式飞机等等之后 ，即使是普通收入的人
，也能够环游世界
。

不过，AI革命不同于电脑革命。电脑革命本质上是一种“技能偏向型”的变革 。人的技能越高 ，生产率提升通常越明显
。

而AI似乎呈现出“逆技能偏向 ”的特征。也就是说
，它主要将常规任务自动化 。这对很多具备一定技能，但并非顶尖的人来说 ，反而会带来很大帮助
。

职业层级越高
，例如大型企业CEO，其常规性工作本就由其他人协助完成 ，AI对他的效率提升并不大。但对护士这样的职业来说，则可借助AI大幅提升服务效率
，比如快速检索医疗信息，自动完成数据录入工作 ，将更多精力投入患者照护 。

AI正在抢走工作
，但也会催生新职业，更多新增岗位将在服务业

NBD：当前 ，AI已经成为部分科技公司裁员的理由
。您如何看待AI带来的岗位替代风险？

彼得?豪伊特：每一种新的革命性技术
，都会让某些人类技能变得过时。在软件编程领域，市场对程序员的需求已经有所下降 。尽管很难说这在多大程度上源于AI冲击 ，又在多大程度上来自此前行业对编程岗位的过度投资
，但以ClaudeCode为代表的工具确实已显著改变程序员就业格局
。

历史经验表明，所有通用技术最终都会催生出全新的职业与技能类型。AI作为革命性通用技术 ，并非简单以机器替代人力
，而是推动整体生产方式的重构，这一过程将创造新的技能需求 。

我经常举一个例子。1875年的北美 ，约50%人口从事繁重农业劳动以维持社会供给
。如果告诉当时的人们，150年后仅需略高于1%的人口从事农业就足够了
，剩余劳动力将脱离农业生产，他们必然会追问这些人将以何为生。答案是 ，一部分人会成为博主
、飞行员等
，而这些职业在1875年是完全无法想象的 。

技术进步的逻辑始终如此，AI亦不例外
。

NBD：白领与中等收入群体是否会面临更大的冲击？

彼得·豪伊特：现在下结论还为时过早。但借助AI ，生产率提升最为明显的群体
，反而会是中等收入从业者 。

在众多行业中，AI可实现大量常规性任务的自动化 ，大幅提升这一群体的工作效率
，导致市场对同类普通从业者的总需求下降
。不过，若萨伊定律（Say’sLaw）生效 ，普通人最终仍能实现再就业
，不过这取决于下游创新。（注：根据萨伊定律，供给会自行创造自身的需求 。）

此外 ，公众往往高估了AI替代的速度
。尽管技术迭代迅速，但当前AI与机器人尚不具备大规模替代海量劳动者的能力。

目前
，几乎没有岗位可以完全交由AI独立处理，AI仍存在明显的失误风险 。例如 ，AI可生成一份漂亮的法律文书
，但其援引的判例可能纯属虚构，若直接提交司法程序 ，将引发严重后果
。

大多数人的工作需要判断力、想象力 、创造力
，很多情况下还需要人与人之间的接触
、共情、说服等能力。而这些目前仍然是人类独有的 。正是这些人类独有的特质构成了壁垒，使得AI难以在短期内实现对劳动力的大规模替代。

这里有一个概念：隐性知识 ，就是那种只能通过经验 、直觉和观察别人做事来获得的知识
，甚至你自己可能都无法把它准确写下来
。这与AI所持有的可编程知识是相反的。

在技术的变革中，新职业将持续涌现 ，但其形态目前无法预知
，因为这些职业依托于尚未发生的创新，而创新在落地之前本就难以预见 。长期来看 ，AI创造的新增就业将更多集中于服务业，制造业用工需求持续下降的趋势
，已难以逆转
。

AI导致财富更加集中，财富税比“机器人税”更有力

NBD：有人担忧 ，AI会导致财富进一步向少数公司集中。您如何看待这一风险？

彼得·豪伊特：这是真实且明确的风险 。

政府可通过监管和规范企业行为
，也可借助税收体系，避免技术与金融权力过度集中在少数AI开发者手中
。若政府采取完全放任的态度 ，仅以技术优劣决定市场主导权
，相关风险将显著上升。在一定程度上，美国当前采取的正是这类偏向自由放任的模式 。

NBD：OpenAI最近提出 ，由政府设立公共财富基金或征收“机器人税
”
，将AI创造的收益分配给普通人
。您认为这一思路是否可行？

彼得?豪伊特：我认为，与其仅针对机器人征税 ，不如构建覆盖范围更广的税制。因为
，仅对机器人征税，企业极易找到规避办法 。这类避税行为通常只有利于企业自身 ，而非整个社会
。一般而言，税基越广泛
，对市场行为的扭曲效应就越小。

相较之下，我认为更值得考虑的是征收财富税（WealthTax） 。很多国家其实早就应该认真考虑这一点。

当前 ，收入所得税是大多数国家的重要财政来源
，但收入的定义通常未包含未实现资本利得
。这在制度上为财富持续集中提供了条件。财富不断增值，但其增值部分却无需缴税 。

当富豪希望将财富变现时 ，往往不会通过出售资产
，而是以资产抵押进行借贷，且借贷成本还可抵税
。在美国现有制度下 ，只要财富规模足够大
，便可长期维持这一循环。由于没有真正有力的遗产税，去世后还可以将财富传给子女 ，进一步加剧财富集中 。

NBD：除此之外
，是否还有别的方式，比如全民基本收入（UBI）？

彼得·豪伊特：现在还没到推行全民基本收入的地步
。在此之前 ，更务实的步骤是建立财富税制度。若完全依靠所得税为全民基本收入融资，很难筹集到充足财力 。除非将所得税率提升至极高水平
，否则最终可发放的全民基本收入额度将十分有限
。

但若征收2%~3%的财富税，政府便能获得更充裕的财政资源 ，全民基本收入才会变得可行。

普通人应做好一生多次转岗准备

NBD：对于被AI焦虑困扰的普通人
，您有哪些建议？

彼得·豪伊特：未来，AI必将成为人们获得体面工作的必备工具 。因此 ，大家必须主动接纳AI
，并尽可能熟练地运用它
。

从历史经验来看，未来出现的机会 ，很可能会比过去任何时候都更好。当然
，这一转型过程不会一帆风顺，必然伴随大量岗位更迭 。人们需要做好准备 ，一生中经历多次职业转变
，将成为常态。但生活总是在变得更好
。我们如今习以为常的汽车
、电视和手机等技术，在诞生之初也曾引发巨大担忧 ，因为它们替代了部分传统工作。如今，类似的进程正在重演 。

过去
，人类适应了历次技术变革，未来也同样能够适应
。

任何经济发展都不可能不伴随剧烈扰动 ，不可能没有岗位消失和岗位诞生
，不可能没有不确定性和焦虑。

如果我是年轻人，我会期待这样一个世界：我的很多努力可能最终会失败 ，但只要坚持下去
，我的未来会比过去更好 。

那些将被创造出来的新工作，几乎肯定会比正在消失的工作更有趣、更有挑战性 ，也更有回报
。

所以
，我想说的就是：要有希望，要保持乐观。

策划|肖勇王嘉琦

记者|岳楚鹏

编辑|兰素英

统筹|易启江

视觉|邹利

排版|兰素英

每日经济新闻

（