彭文生：认知技术尺度化出产——AI沉构分工的规

　　注：O*NET将职业划分为1016个（并归类为23个大类），将使命划分为19530项，将技术划分为35项；Althoff & Reichardt（2026）按照O*NET的35类技术进一步归纳的5大类。

　　分工凡是被认为是效率提拔的主要来历，典范表述来自于1776年亚当·斯密的《国富论》：若没有专业化分工，制针工人一天连20枚针都制不出来；而分工后，人均日产量可达4800枚[11]。对于分工深化的经济学阐发，有两个视角尤为主要：一是比力劣势，能够用来阐发手艺前进若何改变分歧技术禀赋劳动者的相对出产率，进而改变分工鸿沟；二是规模经济，规模既是分工深化的前提前提，分工协做又是规模经济得以实现的主要微不雅根本。

　　从经济史来看，这种由手艺前进激发的劳动者薪酬增速低于出产力增速的环境并不稀有，其间接成果是手艺前进创制的增量财富（出产力提拔盈利）更多流向了本钱要素，导致劳动报答占国平易近收入份额的下降（即劳资分派款式的恶化，图表15），劳资分派的持续失衡最终传导并表示为全社会收入分派差距的持续扩大（图表16）。简言之，本轮AI手艺前进冲击出产关系的次要表示，或是财富向少数本钱具有者集中的收入分派差距扩大，而非工薪阶级呈现持续的大规模赋闲。

　　需要强调的是，正在大模子生态中，大模子企业并非单向为一人公司的成长做贡献，生态的外部规模经济效应也正在持续强化大模子企业的内部规模经济效应。一方面，大模子机能遵照规模定律，前期锻炼取研发具有极高的固定成本。大模子生态中的用户数量越多，分摊到每个用户的平均固定成本就越低，进而可以或许激励大模子企业持续投入更大规模的算力等资本来提拔模子机能。另一方面，正在公开数据集日益干涸的布景下，生态中的用户数量越多，可以或许发生的高价值私有交互数据规模就越大，这部门数据是大模子取智能体持续迭代优化的焦点资本之一。

　　对此，英伟达做为迄今为止大模子成长最大的受益者，其CEO黄仁勋并不承认这种逻辑。2026年6月1日，他正在全球手艺大会的中明白辩驳了AI导致法式员赋闲的概念。黄仁勋认为，软件开辟做为AI Agent最先落地的焦点使用范畴之一，编程本身是全球颇具价值的焦点专业技术。GitHub的数据表白，AI Agent融入软件开辟流程后，显著提拔了开辟者的工做产出效率。依托AI带来的出产力庞大提拔，软件工程师的市场需求只会愈发兴旺。所谓“AI将导致大规模赋闲”的论调，完满是无稽之谈[5]。很较着，黄仁勋取辛顿、马斯克的概念截然相反，他从意AI是赋强人而非替代人。

　　注：1929-2024年数据来历于BEA（美国经济阐发局），因美国现代国平易近收入和产物账户从1929年起头，因此此前数据统计并未笼盖。19世纪末的数据只能用经济史学家的沉建估算，典范估算来自Budd（1960）和Kuznets（1946），二者估算分歧是由于估算口径的差别。

　　伴跟着大模子渗入率持续提拔，分歧技术的供求款式发生显著变化，导致分歧技术的报答率也呈现持续分化。如图表8所示，社交技术的报答率上升（如具备较强构和或公开技术的劳动者可能将从中受益），设备操做、校准、细密丈量等手艺工种所依赖的很是规体力技术的报答率也正在上升，反而是以数据阐发为代表的认知技术的报答率趋于下降[31]，背后缘由恰是正在于大模子实现了认知技术的尺度化出产，无效减弱了高阶认知技术供给的稀缺性。

　　虽然这个判断的短期合用性值得商榷，但正在持久中不无事理。由此而来的问题是分派失衡。考虑到前述劳动者平权效应，也即大模子通过降低技术门槛来缩小分歧技术禀赋劳动者之间的出产力差距，意味着劳动者群体内部的分派失衡可能不是大模子手艺前进激发的次要分派问题。

　　但需强调的是，AI正在使用层面的规模经济并不料味着AI使用的边际成本为零。当前，每一次推理仍然会发生大量算力、电力等可变成本，复杂使命以至还需要进行多轮挪用和人工复核，可变成底细当可不雅。这取保守数字经济的边际成本几乎为零构成了很大区别。当然，因为算法优化、硬件前进和市场所作等要素，划一能力基准下的单元推理价钱无望持续下降[25]。如图表5所示，从2022年11月到2024年10月，达到GPT-3。5程度的推理价钱从每百万token约20美元降至0。07美元，两年间降幅高达99。65%[26]。从蒸汽机、电力等严沉手艺的演变汗青来看，似乎也没有来由认为大模子的可变成本下降趋向曾经终止。

　　比拟之下，高薪办事业的供给束缚更为凸起。这类行业所需要的劳动者焦点技术次要是高阶认知技术（cognitive skills），其次是社交技术[20]。高阶认知技术是对学问的进修、整合取使用能力。因为这种技术高度非尺度化，且正在劳动者之间分布高度不服均，分歧个别的学问进修取使用能力存正在庞大差别，导致高薪办事业的焦点出产能力往往取劳动者个别的人力本钱慎密绑定。恰是这一绑定带来了底子性的供给束缚，导致高阶认知技术的产能，难以像制制业那样通过添加机械设备、复制尺度化流程或扩大本钱投入等从动化体例来快速扩张，因此正在需求增加时更容易呈现边际成本递增，最终激发平均成本上升的规模不经济。

　　总之，AI手艺前进正在通过专业化分工取规模经济带来出产力提拔的同时，对于出产关系的影响大概不克不及简单用替代论或者赋能论来归纳综合。或者说，对于就业数量的影响是不确定的，但对于劳动者报答的影响是相对确定的，无论是AI超越劳动者焦点技术的替代论，仍是AI降低职业技术门槛的赋能论，最终成果均是劳动者薪酬增加动力，即AI手艺前进下劳动者薪酬增速将低于出产力增速。这大概也能够注释为什么美联储新任沃什（Kevin Warsh）相信“AI带来的出产力海潮将答应美联储正在不激发通缩的环境下大幅降息”[53]。

　　这也正在部门程度上注释为什么美国正在消息科技时代，以制制业为从的中产呈现塌陷的同时，低薪办事业的就业数量取薪酬却呈现了上升，由于低薪办事业岗亭劳动者的焦点技术难以尺度化，因此难以通过本钱化、从动化体例实现大规模供给，导致无法构成制制业那样强的规模经济效应。不外，因为具有这些技术的劳动力供给相对充脚，企业能够通过添加劳动投入的体例来实现产出扩张，从而正在很大程度上缓解了非标技术的规模不经济问题，因此也限制了其薪酬上涨动力。

　　“一人公司”并非一种新职业，也并非“通才”回归，而是一种新的财产组织模式。背后的逻辑取互联网平台促成零工经济“回归”有点雷同，是保守企业缩小取新型企业扩大相辅相成的成果，具有内、外部规模经济互相推进的特点。一方面，大模子企业的规模持续扩大，通过内部规模经济效应供给尺度化的认知技术供给，促成具有外部规模经济效应的大模子生态；另一方面是认知技术尺度化显著降低了通过市场机制采购认知技术的买卖成本，无效降低了高阶认知技术的稀缺性，推进了保守企业鸿沟的收缩，构成了一人公司的财产组织新模式。

　　既然微不雅层面创制性阐扬感化并不成取，那么沃什提出的降息导向的宏不雅政策能否可取？暂且非论正在美国通缩高企布景下，沃什能否会因AI的持久弱通缩效应而正在当前降息，即便将来AI的弱通缩效应充实兑现后，降息可能也并非最优选择。AI之所以可以或许减弱通缩压力，很大程度上是由于劳动者薪酬增速低于出产力增速，由此加剧的收入分派差距扩大会总需求。此时若是通过降息，也即压低市场利率到天然利率的程度来实现供求均衡，会形成银行欠债端存款利钱的下降。问题是敷裕家庭将财富更多地设置装备摆设正在本钱市场，低收入家庭以银行资产为次要的财富设置装备摆设体例。这意味着，若是过度依赖压低银行欠债端成本的体例来干涉供求不均衡，则资产价钱沉估的益处更多被敷裕家庭获得，通俗家庭、低收入家庭的资产报答反而会因利率下降而蒙受丧失。因而，收入分派失衡下的降息可能会起到进一步加剧财富集中度的感化，不免导致资产泡沫过度膨缩，最终以泡沫分裂的危机体例“强制”处理分派布局失衡问题。

　　综上，从职业沉构角度看，以大模子为代表的新一轮AI手艺前进，对于劳动者事实是赋能仍是替代，难以一概而论，环节取决于AI所超越的是焦点技术仍是边缘技术。即即是正在统一职业内部，因为劳动者的技术禀赋分歧，AI对于劳动者事实发生赋能仍是替代感化，也需要具体问题具体阐发。

　　注：纵轴为一单元尺度差的技术程度提拔对应的对数工资报答率；横轴以2000年为界对应美国常规方向型手艺变化的汗青分期，也取支流技术报答研究的样本划分连结分歧。

　　大模子实现了学问进修取利用的尺度化，不单能够通过本钱化来减弱高阶认知技术的稀缺性，也使得认知技术的供给取订价具备了尺度化、通明化的可能，大幅降低了企业通过市场机制采办高阶认知技术的买卖成本，导致企业雇佣相关劳动者的需要性下降，形成了保守企业鸿沟收缩的压力，为一人公司的大量呈现奠基了根本。从这个角度看，一人公司现象并不克不及简单冠以“通才”回归，也不是降生了一品种似于前述“AI产出审查员”的新职业，而是因大模子降低了市场买卖成本，促成的财产组织新形态，使得小我或少数几小我能够通过市场机制便利地从经济中获取各类认知技术的尺度化供给，来完成以前只要较大规模企业才能完成的出产使命。

　　从上述新职业发生的规模经济视角看，近期广受关心的“一人公司”现象，取其说是一种新的职业，不如说是一种新的财产组织形态。基于新轨制经济学的阐发框架，企业之所以存正在，并非由于市场机制无效，而是由于市场组织本身需要成本。科斯指出，市场买卖并非免费，搜索、构和、签约、监视和施行等城市发生成本，企业通过内部权势巨子协调替代一系列分离的市场契约，恰是为了节约这些利用市场机制的买卖成本。因而，企业的鸿沟取决于一个衡量：企业会不竭将买卖内部化，曲到正在企业内部多组织一项勾当的边际成本，刚好等于经由市场或另一家企业完成统一勾当的成本[50]。

　　以律师为例，焦点技术高度依靠于律师小我的专业判断、案件经验等，必然期间内可衔接的案件量遭到当时间取精神严酷束缚。一旦触及律师小我所能承载的上限，难以通过引入机械设备的体例来缓解产能供给不脚问题。更主要的是，由于高阶认知技术的出产周期漫长且投入较大，律师数量的无效供给也很难正在短期内快速扩张，需要持久的法令教育、严苛的职业资历测验、漫长的案件经验和声誉堆集等。因而，该行业很难呈现“案件越多、单元成本越低”的规模经济现象，反而会因边际成本递增而最终呈现规模不经济问题。

　　软件开辟者这一职业的焦点使命并非仅仅是编写代码，而是涵盖需求阐发、系统设想、编程实现、测试验证以及取团队和客户的沟通协调等一系列使命。这些使命所需的焦点技术，也不是纯真编程能力能够笼盖的，而是一组认知取社交技术的组合，此中，性思维、自动进修、系统阐发、复杂问题求解等高阶认知技术居于从导地位[34]。如前述，这些高阶认知技术的背后是劳动者对于学问的进修取使用能力。这种能力正在劳动经济学文献中凡是被称为根本技术（basic skills）[35]，教育学、心理学等非经济学范畴的文献时常称之为元技术（meta-skills）[36]。元技术的措辞或因更具科技感，而正在科技圈特别是大型科技企业中常被利用。

　　总之，正在大模子生态下，一人公司的变小取大模子企业的扩大并不矛盾，而是相辅相成的，表现了内、外规模经济互相推进的特点：一方面大模子企业的规模持续扩大，通过内部规模经济效应供给尺度化的认知技术供给；另一方面，认知技术尺度化显著降低了市场化采购认知技术的买卖成本，无效减弱了高阶认知技术的稀缺性，推进了保守企业鸿沟的收缩，构成了一人公司的财产组织新模式。

　　简言之，大模子通过尺度化提拔了认知技术的出产效率，进一步推进了分工深化，是AI可以或许实现规模经济的主要根本之一。这取大模子机能的规模报答递减构成了明显对照。家喻户晓，大模子机能正在手艺上遵照着规模定律（Scaling Law），即伴跟着算力、数据等要素投入的添加，模子机能提拔幅度边际递减。但这不妨碍大模子正在经济层面的应器具有规模经济效应。大模子锻炼正在算力、算法、数据等方面的高额前期投入，正在模子能力构成后，可通过API、软件等形式正在各类使用场景中大规模复用，因此前期成本无望随利用规模扩大而摊薄。

　　例如，Meta曾于2026年4月被曝出正正在美国本土员工的办公电脑上摆设逃踪软件，用于记实鼠标、键盘输入消息以及部门屏幕内容等，以锻炼AI模子[37]。因而，AI的职业沉构效应正在统一职业内部形成的分歧劳动群体分化，将来会若何演变将取决于企业把劳动者现性学问为显性学问的速度和程度。伴跟着显性学问的持续堆集，AI通过进修和使用显性学问进而实现认知技术尺度化供给的能力将无望提拔，除了会持续改变分歧技术的相对报答率之外，也会改变分歧技术禀赋劳动者的相对出产率。如图表10所示，Althoff & Reichardt（2026）将劳动者技术划分为手工（Manual）、数学（Math）、社交（Social）、手艺（Technical）、言语（Verbal）等五项根基技术（Basic skills），并将AI对于劳动者根本技术的赋能感化拆分为降低技术门槛的简化效应（Simplification）和提拔劳动者出产能力的加强效应（Augmentation）两个维度，将AI对劳动者根本技术的替代感化界定为从动化效应（Automation）。基于美国劳动力市场数据的阐发表白，AI对于劳动者五项根本技术的影响均次要表现为降低技术准入门槛的简化效应[38]。

　　需要申明的是，大模子做为一种创制性力量，对于分工的影响不只表现为既有岗亭的职业沉构，也表现为新职业的创制。早正在2019年，“人工智能工程手艺人员”便已被列为新职业，这是由底层大模子及算法的开辟需求催生的。将其定义为处置人工智能相关算法、深度进修等手艺的阐发、研究、开辟，并对人工智能系统进行设想、优化、运维、办理和使用的工程手艺人员[43]。大模子的锻炼取对齐需求也催生了“人工智能锻炼师”这一大类职业，其部属工种包罗办事于模子结果验证和优化反馈的“人工智能算法测试员”，以及办事于机械进修和大模子锻炼的数据出产环节的“数据标注员”[44]。以数据标注员为例，其工做内容早已跳出保守简单录入的范围，成为大模子财产链中不成或缺的根本支持。2025年，国度发改委等部分明白发文推进数据标注财产高质量成长，将数据标注财产界定为对数据筛选、清洗、分类、正文、标识表记标帜和质量查验等加工处置的新兴财产[45]。复杂的财产需求创制了大量就业。据报道，2024岁尾中国处置数据标注行业的人群总数已超1000万[46]。

　　正在基于比力劣势的“技术—使命”阐发框架下，以大模子为代表的新一轮AI手艺前进，会改变使命正在劳动者取机械之间的分派，进而激发职业沉构。但对劳动者事实是赋能仍是替代，难以一概而论，取决于AI正在分歧职业沉构中超越劳动者的是焦点技术仍是边缘技术。即即是正在统一职业内部，因为大模子目前对认知技术的尺度化出产次要是基于显性学问，很难进修到以劳动者私有经验形式存正在的现性学问，导致正在软件开辟者等职业沉构中呈现AI替代年轻员工的同时赋能资深员工的布局分化现象。将来会若何演变将取决于企业把劳动者现性学问为显性学问的速度和程度。

　　综上，本文从认知技术尺度化出发，切磋了以大模子为代表的新一轮AI手艺，若何改变人机使命鸿沟、沉塑分工布局的规模经济逻辑。毋庸置疑，内、外部规模经济彼此推进无望显著提拔出产力，但对于本文开篇提到的辩论而言，也即AI手艺前进对于劳动者事实是赋能仍是替代，难以一概而论，焦点取决于手艺前进事实是正在超越劳动者的焦点技术仍是边缘技术。当然，手艺派也能够用将来的AI手艺前进将超越劳动者焦点技术、边缘技术等所有技术的概念来为辛顿，但这照旧不形成AI将全面替代人类劳动者的来由。暂且非论正在人类智能的构成机制尚未获得破解的前提下，就断言人工智能将会全面超越人类智能能否过于轻率，即便仅从经济学的角度看，全面替代论也难以成立。

　　然而成心思的是，恰是正在大模子快速前进且正在大都被测职业中超越人类专家之际，这两位CEO却不约而同地从替代论转向了赋能论。阿莫代伊正在2026年5月5日的公开辟言中，用杰文斯悖论（Jevons Paradox）阐述了AI通过提拔效率来降低成本，进而扩张需求、推进就业的概念[6]。当月的26日，奥尔特曼也暗示：“我们正在手艺预测上大体是准确的，但正在社会和经济影响上判断相当有误……被AI覆灭的初级白领岗亭数量远没有我本来担忧的那么多”[7]；并于6月1日进一步暗示：“那些最积极利用AI的公司，反而往往也是聘请最积极的公司”[8]。对于领先大模子企业CEO从替代论向赋能论的概念改变，美国《财富》（Fortune）报道称：“Sam Altman and Dario Amodei are both walking back their AI jobs apocalypse prophecies as they eye blockbuster IPOs”[9]。

　　新职业凡是并非凭空呈现，而是沿着可辨认的标的目的从现有职业中演化出来。一种可能的来历是伴跟着AI渗入率的提拔，正在现有职业内部发生出了因AI使用而来的新使命。按照规模经济的分工深化逻辑，这种新使命的需求量一旦扩大到某个程度，则无望从现有职业中离开出来，成为一种高频、特地的使命，并吸引具有技术比力劣势的劳动者取之婚配，由此演化出全新的职业分工。

　　从经济学视角看，就业总量增减、职业兴衰更替是个成果，深条理缘由正在于手艺前进做为创制性力量，会打破建构正在原有出产力根本上的出产关系，沉构分工款式。伴跟着手艺前进对劳动者焦点或是边缘技术的超越，分工沉构正在两个彼此交错的维度上逐渐深化：一方面是职业沉构（Job Transformation），也即统一职业内部的使命正在人取机械[10]之间再分派；另一方面是手艺前进改变分歧禀赋劳动者的相对出产率，导致基于比力劣势构成的劳动者协做关系发生沉构。这些分工沉构的外正在表现取最终成果，便是机械对人的替代或者赋能，甚至新旧岗亭的新陈代谢。因而，对于AI若何影响就业的关怀不该局限于手艺层面“替代VS赋能”的简单二选一，而是该当深切到AI做为新一轮严沉手艺前进，事实会若何沉构分工的经济学逻辑中寻找谜底。

　　正在这个例子中，消息手艺前进显著超越了阐发师的计较能力，但这个职业所需要完成的使命调集没有发生底子变化，只是各使命正在劳动者取机械之间的分派款式呈现了沉构，使得阐发师不必再投入大量时间用于根本认知技术（如数据计较）的培育，转而能够将时间专注于高阶认知技术（如数据阐发、演讲写做）取社交技术的打磨取使用。劳动经济学将这种现象称为职业沉构（Job Transformation），会促使劳动者技术进一步专注于少数机械无法超越的规模不经济范畴，从而鞭策劳动者技术进一步趋势专业化取出产力提拔。

　　现实上，不只是律师，法式员、大夫等办事业所需的高阶认知技术都存正在雷同问题，不单难以通过机械实现尺度化出产，且存正在较强的供给束缚，由此构成的规模不经济问题，奠基了这些行业劳动者薪资增加更快的根本。不外，以大模子为代表的新一轮AI手艺前进似乎正正在改变这种环境，正在大量很是规智力使命（如写做、阐发、医学诊断、法令研究、编程等）上展示远超以往手艺前进的能力，导致高薪办事业反而成为AI度较高的范畴，以至呈现出薪酬越高则AI度越高的态势（图表2、3）。

　　更主要的是，大模子实现了认知技术的尺度化出产，大幅降低了使用认知技术的门槛，可以或许满脚本来因认知技术供给规模不经济，而未获得满脚的使命需求，扩大市场规模。这会反过来进一步推进分工深化，再叠加单元认知成本的下降，进而可以或许正在经济层面实现规模报答递增。总之，AI正在机能上的规模报答递减，取经济上的规模报答递增并不矛盾，环节正在于大模子通过尺度化提拔了认知技术的出产效率。

　　所谓外部规模经济是指整个生态中的参取者越多，能够通过收集效应、学问外溢取共享根本设备等体例，使每个参取者都能享遭到更低的供给成本或者更高的产出收益，从而使整个生态呈现出规模经济效应。正在零工经济中，劳动者借帮具有内部规模经济效应的平台企业能够办事海量的消费者，平台接入的劳动者取消费者数量越多，则供求婚配效率越高、单元办事成本越低，由此构成了具有高度外部规模经济性的互联网经济生态。

　　如前述，辛顿早正在2016年就发出了美国要“遏制培育放射科大夫”的。此后，放射科相关产物确实占到了美国食物药品监视办理局核准的所有临床AI东西的75%以上，约三分之二的美国放射科科室暗示正在利用AI[40]。这表现了辛顿做为“深度进修之父”正在科技方面的预见性，但AI对于就业的经济影响，却取辛顿的预判截然不同。美国放射科大夫的岗亭数量非但没有削减，反而呈现了大幅扩张。正在2016年至2024年间，放射科大夫的总就业人数增加了23。2%，同期美国全体就业增幅仅为9。8%。背后很主要的缘由恰是AI赋能劳动者的简化效应，使得本来技术达不到门槛的劳动者得以进入该行业，进而添加了全体的劳动供给，满脚大量本来因劳动供给不脚而未获得满脚的需求。虽然市场规模显著扩张了，但放射科大夫薪酬增加动力却遭到了。2016-2024年间美国放射科大夫的平均薪酬增加约为30%，低于同期平均薪酬约37%的增加幅度[41]。

　　以大模子为代表的新一轮AI手艺快速前进，激发“AI事实替代仍是赋强人”的争议。科技界取财产界的会商大多从手艺或财产视角出发，本文认为仍是要回归手艺前进若何沉构分工这一根基经济学命题。从经济学角度看，手艺前进对分工的影响，可分析比力劣势和规模经济两个彼此联系关系的视角来理解。前者切磋手艺前进若何改变分工的鸿沟，后者阐发手艺前进正在分工深化实现规模经济中饰演的脚色。尺度化是两个视角内正在的逻辑毗连点。

　　即便不考虑可变成本束缚问题，以大模子为代表的新一轮AI手艺前进对于分工的沉构，也并不克不及用赋能或替代的简单二选一来归纳综合。从比力劣势角度看，二选一的简单思维多因忽略技术取使命的供求婚配这一分工素质。以替代论的支撑者为例，大多着眼于使命层面，次要关心AI可否胜任一项项具体使命。最具代表性的是前述OpenAI开展的Pval测试，它笼盖对美国P贡献跨越5%的前9个行业、44个职业以及对应的1320项子使命，用来权衡全球顶尖大模子可否胜任“实正在世界中具经济价值的学问工做使命”，并将大模子正在上述使命中的表示取人类专家的表示进行量化对比。

　　当然，这并不是说一人公司目前就曾经完全了影视等保守行业的财产组织模式，而是说大模子企业能够通过强大的内部规模经济，持续投入并建立根本设备，进而孕育“一人公司”赖以的外部规模经济生态。开源模子社区无望进一步强化大模子生态的外部规模经济效应，能够无效推进模子权沉、源代码、工程方案、产物创意等学问的溢出，使立异的正外部性冲破地舆正在全球范畴内扩散，显著降低生态参取者的反复研发成本取立异试错门槛。2026年一度火爆的OpenClaw便是这方面的典型。

　　但至多是正在当下，可变成本束缚曾经成为AI使用摆设中更加不容轻忽的问题，即即是积极押注于AI手艺的企业也起头不得不努力于节制AI的利用成本。例如，因为一些软件工程师每周经常耗损数千美元的token，特斯拉要求员工从2026年7月6日起将AI东西收入正在每人每周200美元以内，超出额度需获得核准。不只是特斯拉，优步正在2026年4月便耗尽了其全年的AI预算，并将员工每月AI收入上限设定为1500美元；Meta、亚马逊和沃尔玛也都引入了AI收入上限，并指导员工利用更廉价的模子[27]。

　　若何理解新职业创制的经济逻辑？从分工是指技术取使命基于比力劣势的婚配角度看，能够将新职业的创制也视为一种广义的职业沉构，由于新职业凡是并非凭空呈现，而是沿着可辨认的标的目的从现有职业中演化出来。一种可能的来历是伴跟着AI渗入率的提拔，正在现有职业内部发生出了因AI使用而来的新使命。内容草拟取数据洞察）；约35%是监视取审查（质量审核、伦理取合规）；约26%是AI整合（把AI嵌入既有工做流，正在IT支撑取软件开辟者中占比最高）[48]。

　　正在国际前沿范畴，环绕大模子和智能体的新职业也正在加快构成。Microsoft 2025 Work Trend Index显示，企业正正在考虑聘请AI锻炼师（AI trainers）、数据专员（data specialists）、智能体专员（AI agent specialists）、人工智能计谋师（AI strategists）等AI特地岗亭；此中，32%的办理者打算正在将来12—18个月聘请智能体专员，用于设想、开辟和优化智能体[47]。 这表白，跟着AI从单一东西演化为可施行现实使命的智能体，新的职业分工也正在从底层的锻炼模子，延长到使用层的设想、编排、管能体等范畴。

　　但无论是元技术仍是根本技术的措辞，焦点内涵根基分歧，即支持劳动者习得各类使用技术的底层能力，也是劳动者矫捷迁徙取组合使用技术，以满脚各项具体使命需求的底子根本。考虑到本文是正在经济学视角下进行的阐发，因而下文采用根本技术的经济学措辞，而非元技术。以软件开辟者为例，无论是编程仍是需求阐发、系统设想，都需要从业者具备较强的阐发取判断能力，这有赖于进修并矫捷使用学问这一根本技术。但学问并非同质化的：一类学问是曾经包含正在数据中或可被布局化表达的，能够将其称为显性学问；还有一类学问是植根于个别经验、难以编码传送的，能够将其称为现性学问。资深软件开辟者正在持久项目实践中堆集起来的私有经验，例如对特定营业场景下系统架构衡量的曲觉、对代码可性圈套的预判等，便是一种典型的现性学问。

　　Scaling Law决定了大模子机能正在手艺层面规模报答递减，但Tokenization通过尺度化提高了认知技术的出产效率，为大模子正在经济层面实现规模报答递增奠基了根本。大模子减弱了高阶认知技术的稀缺性，导致分歧技术禀赋劳动者的相对出产率发生变化，激发基于比力劣势的分工沉构；尺度化的认知技术供给模式，降低了分工各环节的协调成本，由此鞭策分工深化、实现规模经济。从职业沉构角度看，新一轮AI手艺前进是赋能仍是替代庖动，取决于其超越的是劳动者的焦点技术仍是边缘技术。目前的数据表白，大模子对于劳动者的五项根本技术均次要呈现出降低职业进入门槛的简化效应，有帮于缩小分歧技术禀赋劳动者的出产力差距。AI正在现有职业中的使用会发生新的使命需求，这些新使命规模扩大到必然程度，规模经济逻辑会促使新使命从现有职业中出来演化为新职业。此外，认知技术尺度化有帮于降低企业采购认知技术的买卖成本，从而鞭策保守企业鸿沟收缩，构成一人公司的财产组织新形态。大模子沉构分工带来的规模经济有帮于提拔出产力，也会导致劳动者薪酬增速低于出产力增速，形成以劳资分派失衡为次要特点的收入分派差距扩大问题，而非大规模赋闲。可考虑加大面向中低收入群体的转移领取力度，以完美中国特色的社会保障轨制，为AI手艺通过创制性来提超出跨越产力建牢社会平安网。

　　分工协做带来效率提拔，曾经成为根基的经济学常识。而分工协做之所以可以或许构成，则有赖于市场规模的扩大。亚当·斯密最早提出“分工深化程度受市场规模”的论断[16]，后被称为“斯密”。因为斯密的阐述次要针对单个企业内部的分工，因而斯密虽然具有遍及性，但凡是仍是被从内部规模经济的视角去理解。斯蒂格勒将斯密从企业内部门工推广到财产内部门工，提出跟着财产规模扩大，企业会将某些出产环节剥离出去，交由更具规模劣势的专业化厂商承担，从而实现更深度的财产内分工[17]。也就是说，分工协做不成是内部规模经济的微不雅根本，也是外部规模经济的微不雅根本。杨格将斯密从静态推向动态，提出市场规模并非外生给定，而是内生于总体出产能力：分工深化会扩大市场，市场规模扩大又会进一步鞭策财产间分工取曲折出产体例的深化，由此构成强化的内素性报答递增[18]。

　　尺度化出产可否实现，一方面取决于办理经验决定的使命尺度化拆分体例，另一方面取决于由手艺前进决定的技术尺度化出产模式。从过去三次科技的经验来看，机械是实现技术尺度化出产的主要载体，从动化是尺度化出产的主要表现。过去几轮科技，特别是消息科技时代的经验还表白：从动化难以承担那些依赖高矫捷性、判断力取常识的很是规使命，由于施行这些使命挪用的现性技术往往只可领悟、难以言传，难以被尺度化为机械使命。

　　“一人公司”取零工经济的类似之处不只正在于保守企业鸿沟的收窄，也有新型企业规模的持续扩大，呈现出典型的内部规模经济效应。所谓内部规模经济是指单个企业研发、设备、数据等固定成本投入随产量摊薄，呈现出单一企业规模越大、平均成本越低的特点。正在零工经济中，数字手艺是形成保守企业鸿沟收缩的底子力量，而数字平台恰是具有强大内部规模经济效应的新型企业代表（图表14）。雷同地，支持“一人公司”兴旺成长的根本，也是新型企业规模的持续扩大，既有OpenAI、Anthropic等特地处置大模子研发取使用的AI原生企业，也有谷歌、字节、阿里等因大模子进一步加强收集效应而向AI转型的平台企业。这些企业均能通过强大的内部规模经济，为一人公司供给尺度化的认知技术供给等办事，并正在此根本上促成一人公司赖以的、具有外部规模经济效应的大模子生态。

　　辛顿正在强调AI替代庖动者时经常利用的经济论据是，大企业之所以投入巨资成长AI，焦点报答来历就正在于替代人力成本，即“要赔本，就得替代人类劳动力”[52]。但问题是，AI特别是大模子的锻炼取利用也并非没有成本。如前所述，可变成本束缚曾经成为AI使用中不容轻忽的现实挑和。现实上，即便将来人工智能的成本大幅下降，两类具备技术替代关系的智能从体之间展开合作，也会压低人类智能的相对价钱，因而即便人工智能正在技术层面实现对人类智能的全面超越，人类劳动者仍可能因成本比力劣势而保留响应的就业岗亭。

　　来自中国的进一步印证了“AI赋能次要通过添加劳动供给阐扬感化”。基于中国一家头部外卖平台2021-2023年数据的研究发觉，正在一项仅面向听障骑手的AI东西（“智能外呼”，将文字转为天然语音以辅帮其取顾客沟通）[42]于2022年中上线后，显著提拔了听障骑手的劳动供给，每周正在线%，并吸引了更多听障者进入平台。取此同时，单元时间报答（小时工资）仅小幅上升约3。6%（图表12）。也就是说，听障骑手约11%的周收入增加，次要来自工时的添加而非小时工资的提拔。

　　以消息手艺对于阐发师的影响为例。阐发师这个职业至多包含数据收集、计较取阐发、演讲写做以及演交换等多项使命。若是没有笔记本电脑的存正在，阐发师本人的技术也完万能够胜任这些使命的需要。但正在电脑进行繁杂数据计较的能力超越了阐发师后，阐发师不消再亲身施行计较使命，而是能够将本人的技术更多专注于数据阐发、演讲写做取演交换等电脑无法胜任的使命上。

　　注：四条曲线别离逃踪了正在四类基准测试中，获取特定程度AI能力所需的最低推理边际成本。纵轴采用对数刻度，曲不雅反映了划一AI能力输出的价钱随时间推移呈指数级衰减的趋向。

　　正在本轮AI海潮中，“一人公司”的兴旺成长，也受益于建构正在大模子企业之上的大模子生态。正在这个生态下，“一人公司”无需承担昂扬的底层大模子研发成本，便可依托API、云办事、智能东西等，低成本共享整个大模子生态的外部规模经济盈利。字节跳动旗下大模子即梦AI，结合抖音于2025年11月推出“即梦AI青年导演合做打算”[51]即是一个典型案例。该打算为青年导演供给手艺东西、现金赞帮和流量搀扶，支撑他们完成AI短片。过去需要复杂专业团队、高预算和复杂后期流程才能完成的特效影像创做，现在小我或小团队即能够低成本完成接近片子质感的做品产出。

　　需要申明的是，职业沉构带来效率提拔的同时，事实表示为对劳动者的替代仍是赋能，取决于手艺前进超越的是劳动者的焦点技术仍是边缘技术。若是手艺前进导致机械对劳动者技术的超越，是发生正在焦点技术方面，也即职业焦点使命所需要的技术方面，那么职业沉构将打破原有分工模式，导致劳动者原有的就业机遇流失，此时手艺前进退职业分工层面表现为对劳动者的替代效应。这个视角也能够部门注释美国正在消息科技期间呈现的中产塌陷问题。

　　如图表6所示，OpenAI于2025年12月针对GPT-5。2、Claude Opus 4。5、Gemini 3 Pro等模子的研究表白，正在千余项使命中，大模子达到或超越人类专家程度的概率已从2025年中期的不脚50%升至约71%；正在44个职业中，大模子的表示曾经正在此中的29个职业中超越了人类专家，正在编纂这个职业上的胜率更是高达93%[28]。这似乎能够注释为何科技狂热者凡是也是替代论的果断支撑者。正在大都测试职业中达到或超越人类专家？。

　　若是是劳动者的边缘技术被机械超越，意味着劳动者能够将更多时间用于提拔职业所需的、机械无法超越的焦点技术，由此提拔劳动者的报答，此时退职业分工层面表现为手艺前进对劳动者的赋能。这一逻辑能够正在必然程度上注释，为何消息科技正在导致美国呈现中产塌陷的同时，美国低薪办事业取高薪办事业的报答增速更快些[30][31]。究其底子，这两类职业的焦点技术均是大模子之前的手艺前进所无法超越的。如前述，低薪办事业依赖难以从动化的手工取社交技术；高薪办事业的焦点技术则是那些难以尺度化且供给束缚较为刚性的高阶认知技术，高度依赖劳动者对于学问的进修取使用，持久的教育是控制学问、提拔高阶认知技术的必经之。

　　以保洁等低薪办事业为例，劳动者焦点技术常规手工技术（manual skills）取社交技术（social skills）。这类技术虽然正在劳动者平分布较广、进入门槛相对较低，却难以被大模子之前的手艺进行尺度化出产，Autor因此将其归纳综合为“波兰尼悖论（Polanyi’s Paradox）” [19]，用以描绘从动化的极限。如前述，规模经济有赖于尺度化下的分工协做，而从动化又是尺度化的主要表现，因而从动化边界很大程度上也成为规模经济的边界。

　　近来，以大模子为代表的新一轮AI手艺快速前进，激发了相关“AI事实是替代人仍是赋强人”的庞大争议，以至有延伸为社会焦炙的迹象。替代论认为，AI将正在大量使命上超越人类、大规模替代保守岗亭。持替代论的典型代表，是图灵取诺贝尔物理学得从辛顿（Geoffrey Hinton），以及全球首富马斯克（Elon Musk）。受大模子快速迭代的鞭策，马斯克跟着AI取具身智能的成熟，人类社会的保守就业岗亭将不再被需要（no job is needed）[1]，并正在近期将这一临界点的到来预估正在10年到20年内[2]。有着“深度进修之父”称号的辛顿则正在大模子呈现之前就持这一判断，早正在2016年就发出明白，称美国应遏制培育放射科大夫，由于AI将正在五年内让他们得到存正在的价值[3]。大模子的成长似乎进一步印证了辛顿的“先见之明”，美国本钱市场因大模子而呈现科技股牛市的同时，Meta等硅谷科技企业却以AI增效为由大规模裁减法式员[4]。

　　注：横轴为中国城镇非私营单元分行业按2024年平均工资由低到高排序的百分位（0-100）；纵轴为刘行等（2025）基于2024年中国正在线聘请大数据测算的各行业AI度。

　　按照前述市场规模扩大推进分工深化的规模经济逻辑，一旦这些新使命的市场规模达到必然程度，便有可能从现有职业中出来演化为一种新职业。以阐发师为例，跟着AI被普遍用于草拟演讲取处置数据，由AI激发的合规取质量风险也随之上升（如内容无误但日期不合错误等荫蔽错误），会发生对AI生成内容进行质量审核取现实查验的新使命。AI正在阐发师职业中的渗入率越高，这种质量审核取现实查验的新使命需求量就会越多。新使命的需求量一旦扩大到某个程度，规模经济的逻辑意味着这些新使命无望从阐发师岗亭中剥离出来，成为一种高频、特地的使命，并吸引正在审核查验而非阐发方面具有技术比力劣势的劳动者取之婚配，由此演化出“AI产出审查员”等全新的职业分工。

　　手艺前进会改变分歧技术禀赋劳动者的相对出产率，激发比力劣势的变化，最终导致分工沉构。例如1980年代风行的“技术方向型手艺前进”（SBTC）认为，手艺前进次要提拔高技术劳动者的相对出产率，部门程度上注释为什么二和之后伴跟着高技术劳动者供给的大幅扩张，技术溢价却未收窄。但对于1980年代之后美国呈现的“就业极化”现象（图表1），即高、低技术两头就业上升、两头塌陷问题，SBTC无释。对此，Autor、Levy取Murnane（2003）提出了使命阐发框架，认为计较机/从动化擅长替代法则明白的常规智力使命（如数据录入、计较、簿记）以及常规体力使命（如分拣、反复拆卸）的同时，取依赖矫捷判断的很是规智力使命（如诊断、写做、阐发）构成互补关系。因而，两头之所以塌陷次要是由于中等技术岗亭多由可被替代的常规使命形成[13]。

　　更主要的是，美国放射科大夫的案例表白，不只是AI替代庖动会压低劳动成本，AI降低职业技术门槛的赋能效应也会压低整个职业的相对薪酬。因而，这个案例虽然证明辛顿、马斯克相关AI替代人进而导致大规模赋闲的悲不雅见地不成立，但也表白黄仁勋、阿莫代伊和奥尔特曼的赋能论从意似乎存正在过于乐不雅的倾向，他们成心无意地轻忽了AI通过降低职业技术门槛所发生的赋能感化，会通过添加劳动供给程度劳动者的薪酬增加。

　　这不单会导致认知技术的报答率下降，也会导致本来因认知技术供给规模不经济而享受了高薪的岗亭遭到较大影响。如图表9所示，美国22-25岁软件开辟者的就业人数，从2022年10月（ChatGPT发布前夜）的峰值到2025年9月下降了近20%[32]。但成心思的是，春秋较大的软件开辟者就业人数却呈现上升趋向，并且大致呈现出春秋越大、增量越显著的特征。这取汗青经验构成明显反差：正在大模子呈现之前，软件开辟行业面对的凡是是“中年焦炙”问题，也即40岁以上的资深从业者赋闲风险添加，容易被更为年富力强且薪酬要求更低的年轻人代替。正在软件开辟者这一职业照旧存正在，且职业焦点使命需求变化不大的环境下，为何该职业的春秋布局会发生如斯大的变化？可能仍是要连系着“技术—使命”这一比力劣势视角的阐发框架来理解。

　　从汗青来看，财务政策，特别是转移领取类财务收入政策，可能是缓解收入分派差距更无效的宏不雅政策。例如，1935年美国推出了《社会保障法案》，着沉为赋闲群体、老弱病残等供给财务支撑，必然程度上推进了此后美国贫苦率的下降。更值得关心的是，美国正在二和后到畅缩危机前的这段时间，虽然基尼系数正在持续提拔，但颠末转移领取等财务收入政策干涉后的基尼系数是下降的。因为二和后的美国所得税最高档边际税率呈下调趋向，意味着财务收入端的政策对于这期间收入分派差距的缩小未起到太大的感化。前往搜狐，查看更多！

　　总之，大模子虽然有潜力通过认知技术尺度化来实现规模报答递增，但这种潜力仍然遭到可变成本的束缚。或者说，AI沉构分工所带来的效率促进，将是一个受制于可变成本下降速度的渐进过程，这决定了高阶认知技术稀缺性的弱化速度，也意味着大模子对劳动的替代不会像部门手艺狂热者认为的那样敏捷。

　　注：AI构想指操纵人工智能生成或扩展创意设法，策略或处理方案；AI内容草拟用AI东西撰写文本或的初稿；AI质量审核指对AI生成内容进行精确性、清晰度和相关性的审查取批改；AI数据洞察指操纵AI阐发数据或文档，提取环节模式或看法；AI整合指将AI融入工做流程以从动化或优化使命；AI伦理取合规指确保AI使用合适伦理、法令及组织尺度。

　　这大概能够注释为什么正在大模子呈现后，本来面对中年焦炙问题的资深软件开辟者，反而呈现出春秋越大、需求越兴旺的现象。不外，显性学问取现性学问之间的边界并非不成跨越，当下的良多显性学问恰是由现性学问而来。更主要的是，为了尽可能提高AI对于出产力的提拔感化，企业有充脚动力通过各类体例将员工的现性学问显性化。

　　Acemoglu取Autor（2011）提出了兼顾技术取使命的供求婚配框架。正在这一框架下，“技术”是工人具有的相对不变学问、经验取能力，“使命”是实现出产所必需完成的具体工序，分工的素质是具有分歧技术禀赋的工人，基于比力劣势正在分歧使命间的动态分派。正在这个阐发框架下，手艺前进并不间接改变劳动者既有学问、经验、能力等技术禀赋，但会改变机械取劳动者正在分歧使命上的相对出产率，从而改变分歧技术正在分工系统中的比力劣势。具体而言，手艺前进正在旧使命上挤出劳动（替代效应），但由此带来的出产率提拔会扩大总需求，从而间接拉动各类要素需求（出产率效应）；更主要的是，手艺会催生需要人类技术的全新使命，从头吸纳劳动（新使命创制效应）[14]。这就构成一个手艺前进驱动下的分工持续动态沉构图景：机械正在后面逃（从动化接管旧使命），人正在前面跑（将本身技术适配到新使命上）。汗青上的典型案例包罗印刷机催生出书业、电力催生电气工程师等。据测算，美国1980至2016年约一半的就业增量来自1980年前并不存正在的新使命取新职业[15]。

　　这种简化效应之于劳动者相对出产率的寄义，便是高、低技术禀赋劳动者出产率之间的差别收窄，发生所谓的“劳动者平权”效应。数据也印证了这一点。如图表11所示，无论是正在低薪仍是高薪办事业，低技术劳动者的出产率提拔结果，均显著高于统一职业内部的高技术劳动者。这看似是AI赋能而非替代庖动者的又一，但现实没有那么简单。由于若是某一职业的岗亭需求没有添加，那么AI对于低技术劳动者的赋能感化会导致该职业的平均薪酬程度被压低。更主要的是，美国放射科大夫的案例表白，即便职业的岗亭需求是添加的，AI赋能仍然有可能劳动者薪酬的增加。

　　比力劣势的思惟起点，来自于李嘉图关于国际商业的典范阐述：即便一国正在所有产物的出产效率上均劣于另一国，两国之间仿照照旧能够通过国际分工取商业的体例来配合获益。Roy（1951）将其初次拓展使用于注释微不雅层面的劳动分工[12]。做为劳动经济学的晚期奠定性文献之一，Roy基于猎人、渔平易近这类简单的职业划分，阐述了劳动者技术禀赋差别正在分工中的主要性。以甲、乙两个劳动者为例，甲工做一天能够捕捉十只兔子或者八条鱼，乙工做一天能够捕捉五只兔子或者两条鱼。甲虽然正在两个职业上均具有绝对劣势，但不料味着社会最优的分工放置是甲同时处置两种职业；按照比力劣势道理，该当由甲专业处置机遇成本更低的渔平易近职业，乙专业处置机遇成本更低的猎人职业。

　　现实上，《Fortune》提出的动机视角，大概不只合用于理解领先大模子企业CEO为何否认，也合用于前述替代论者或者赋能论者的，不同仅正在于他们是出于科技动机，仍是财产动机。当然，分歧动机下的概念对于完拾掇解AI的赋能取替代是有帮帮的，但AI事实是赋能劳动者仍是代替劳动者，不只是手艺问题，更是经济学问题，仍是该当回归经济学视角的阐发。

　　正在新一轮手艺前进方兴日盛的当下，若何未雨绸缪地进行干涉？一种角度是从微不雅动手，间接AI本钱具有者对于保守就业模式的冲击。汗青上的红旗法案大致属于这种应对思，但愿通过汽车速度，来马车夫的就业岗亭。汗青实践表白，这种体例是徒劳无益的。由于职业沉构是AI提超出跨越产力的主要机制，无论是赋能仍是替代，均意味着原有分工模式无法持续。或者说，手艺前进做为一种创制性力量，打破原有分工模式取阐扬其创制性，是一体两面的共生关系，正在微不雅上其感化，也就意味着难以无效阐扬其正在出产力方面的创制性。考虑到当前的地缘合作新形势，通过AI手艺前进的体例来保守出产关系，更是不该时宜。

　　大模子沉构分工的环节，正在于通过尺度化提高了认知技术的出产效率，减弱了高阶认知技术供给的稀缺性，改变了分歧技术禀赋劳动者的相对出产率。Tokenization将高度非尺度化的学问取消息，拆解为可被机械计量、处置的尺度化单位（token），是大模子提高认知技术出产效率的手艺根本。这种尺度化大幅降低了使用认知技术的门槛，可以或许满脚本来因认知技术规模不经济而未获得满脚的使命需求，进而扩大市场规模，反过来会进一步推进分工深化，再叠加单元认知成本的下降，无望正在经济层面实现规模报答递增。简言之，AI正在机能上的规模报答递减，取经济上的规模报答递增并不矛盾，环节正在于通过尺度化提拔了认知技术的出产效率。

　　注：图为DID估量成果，反映引入AI东西后，听障骑手相较于非听障骑手正在各项目标上的百分比变化。

　　注：基于美国最大薪资处置办事商ADP的企业薪资数据库。样本为2021年1月至2025年9月持续正在库企业的全人员工，每月无效样本量350-500万人。将各春秋组2022年10月（ChatGPT发布前1个月）的就业人数设为基准1进行归一化处置。

　　做为全球两家领先大模子企业的担任人，OpenAI的CEO萨姆·奥尔特曼（Sam Altman）和Anthropic的CEO达里奥・阿莫代伊（Dario Amodei）的概念更是耐人寻味。正在2026年之前，两家公司均以提拔大模子机能为焦点方针，彼时两位CEO通过各类渠道向社会传送的次要是替代论逻辑，也即大模子具备强大的使命施行能力，因此会代替大量人类劳动者。典型案例即是OpenAI开展的Pval测试，成果显示大模子已正在相当比例的使命上比肩以至超越人类专家，似乎为硅谷科技企业正在科技股牛市中大规模裁人供给了论据支撑。

　　注：图中数值为2023年中等预测情景下（即基于2023年生成式AI的能力表示，解除最激进和最保守的极端预测后，所推表演的最合适一般现实成长轨迹的中位数评估成果）的手艺从动化潜力，即正在各类具体工做勾当所花费的总工做时间中，理论上可以或许被手艺从动化的时间比例。

　　需要申明的是，规模扩大带来的分工深化并非没有价格。伴跟着分工越来越细、环节越来越多，跨环节、跨从体的协调成本也会上升，最终当由分工深化带来的协调成本跨越效率收益时，规模扩大便无法再继续鞭策分工深化，规模经济也会因而瓶颈。实现各分工环节的尺度化出产，是无效降低协调成本的主要体例之一。手艺前进凡是是实现尺度化出产的需要前提，使得复杂的出产过程得以拆解为可反复施行的尺度化使命取技术组合，由此鞭策基于比力劣势的分工深化，进而实现规模经济。因而，成立正在手艺前进根本上的尺度化，也是比力劣势取规模经济两个视角的内正在逻辑毗连点。这正在以大模子为代表的新一轮AI手艺前进中表现得尤为较着。

　　注：该AI度是指某个职业的所有使命，平均被企业现实摆设的AI使用替代的比例。该图利用美国2014-2023年的Revelio Labs简历取聘请数据，以及美国劳工部O*NET职业使命数据库进行估算。