AI摘要：世界经济论坛2026年1月发布的《2030年人工智能与人才》报告亦警示，在AI技术演进较快、但劳动力技能转换滞后的组合下，就业市场将陷入“替代时代”：企业加速自动化部署，劳动者被替代的速度远超教育与培训体系的响应能力，最终形成经济高速增长与就业市场失衡并存的格局，失业率攀升、消费信心走弱，社会稳定风险随之上升[5]。 (本文作者介绍：粤开证券首席经济学家、研究院院长，经济学博士，注册会计师，高级经济师，中国首席经济学家论坛理事，主要研究方向：宏观经济、财政理论与政策。 不可否认的是，伴随AI技术的应用，AI训练师、AI伦理审核、算力运维、人机协同产品经理等新兴岗位已经涌现。

意见领袖 | 罗志恒

摘要

人工智能（AI）技术正引发新一轮产业和技术革命，全球资本市场率先反应并持续上涨。AI技术革命是一次一般意义上的技术进步，还是可能颠覆过往历次技术进步对经济和社会的影响范式？AI在多大程度上影响经济增长、通胀水平、就业与收入分配等问题？这些已引发政策层、学术界、产业界、资本市场的高度关注，并已上升为全球性的宏观议题。本文在前期研究《中美人工智能竞争：道路比技术更重要》的基础上，重点聚焦AI对就业的影响。

我们认为，AI技术正在重塑劳动力与资本等生产要素间的关系，可能以前所未有的速度和方式重塑劳动力市场。AI对就业的影响并非简单的“替代”或“创造”，而呈现出阶段性、结构性特征，对其研究要置于中国人口老龄化少子化、应用场景庞大等特征上考虑。AI既带来经济增长与生产效率提升的机遇，也可能引发摩擦性失业、收入分配失衡等社会风险。

AI将以怎样的方式影响就业？主要影响哪些岗位、群体？又会催生哪些风险与连锁反应？综合国际经验与中国国情，我们形成六个核心判断：

第一，AI对就业的影响具有两面性，“替代”与“创造”并存，但短期内更可能产生负面冲击的阵痛。

第二，就业市场所受冲击呈现结构性特征，“知识密集型白领”首当其冲。具体需从工作内容、技能层级、行业分布、年龄与工龄等多角度来总结观察。

第三，当前AI对就业市场的整体影响尚不显著，但未来演进方式高度未知，不可掉以轻心。随着AI能力与应用广度的持续跃升，冲击的深度与广度将动态演变。

第四，AI在影响就业的同时，也将深刻改变收入分配格局。具体体现在：其一，不同劳动者之间收入差距扩大；其二，劳动者议价能力整体弱化，分配格局向资本倾斜；其三，生产要素及分配权力更加集中于人工智能公司背后的资本所有者，AI推高的资本回报将进一步固化和扩大贫富差距。由此，需要关注收入分配体系的重塑可能引发的系统性经济金融风险。

第五，传统宏观政策工具和统计监测体系在应对AI冲击方面存在一系列局限性。一是现有就业监测体系难以捕捉AI冲击，AI冲击下的劳动力“向下流动”至生产率偏低、工资更低的零工经济或服务岗位但“失业率”指标仍相对平稳；二是各国财税政策总体侧重鼓励企业的技术、设备投资，但对劳动力雇佣的激励相对不足，隐性激励“机器替代人”；三是社会保障制度难以界定“主观不努力”与“被技术淘汰”，难以针对性救济被技术替代的失业；四是传统逆周期调控工具难以有效应对外生性就业冲击。

第六，中国特殊的AI发展道路和人口结构可能放大就业市场面临的冲击。第一，中国AI技术落地更快。第二，青年就业压力相对突出。第三，人口老龄化程度较深。AI时代下，需更加重视就业市场面临的压力与挑战。

政策应对上，核心在于平衡技术创新与就业稳定、效率提升与公平分配，让AI技术红利惠及全体劳动者，推动中国就业市场实现平稳转型与高质量发展。一是尽快更新就业监测体系，重点跟踪高风险岗位和青年就业变化。二是有针对性地开展技能和教育培养，缓解技能错配问题。三是调整财税激励方向，引导企业向“增效不裁员”方向发展。四是优化社保和失业保障，兜底结构性失业风险。五是结合中国人口国情，以服务业扩容和AI新兴岗位培育对冲替代压力。六是配套收入分配、休假制度改革，将AI生产率提升转化为消费增长。

需要说明的是，当前各方对于AI对经济增长及就业影响的研究有共识也有明显的分歧，在冲击何时到来、程度有多深等关键认知上仍处于“盲人摸象”的阶段。各方研究总体仍处于初步阶段，本文正文引述的文献观点亦能说明此点。比如，AI对就业影响是替代效应还是创造效应为主、影响是阶段性还是持续性未能达成共识；但同时各方又有共识认为必须重视AI对于收入分配的影响，AI应用可能加剧“供强需弱”格局，生产效率快速提高的同时部分劳动者因不掌握相应技能而难以融入就业和收入分配体系，于是需求持续疲软，供需失衡加剧，这在我国“供给导向型”制度体系中尤其要引起高度重视。

风险提示：全球AI发展态势超预期，AI对就业的影响超预期，AI引发的社会风险超预期等。

目录

一、关于人工智能（AI）冲击就业市场的六个判断

（一）AI对就业市场的影响具有两面性，但短期内更可能产生负面冲击

（二）AI对就业的冲击具有结构性，“知识密集型白领”首当其冲

（三）AI对整体就业市场的影响尚不显著，但未来演进方式高度未知

（四）AI冲击就业市场的同时，也将深刻改变收入分配格局

（五）传统宏观政策工具在应对AI引发的就业冲击时存在一系列局限性

（六）中国特殊的AI发展道路及人口结构可能放大就业市场面临的冲击

二、政策建议

正文

一、关于人工智能（AI）冲击就业市场的六个判断

（一）AI对就业市场的影响具有两面性，但短期内更可能产生负面冲击

技术革命对就业的影响具有两面性，即岗位替代与岗位创造。西方劳动经济学领军人物奥特尔（David Autor）在2015年论文《为什么还有那么多工作？》中提出“岗位替代”与“岗位创造”的分析框架，并指出，历史上每一次重大技术变革都伴随这两种效应的博弈，而最终影响将取决于技术扩散速度、产业吸纳能力与劳动力技能结构的动态匹配[1]。

长期来看，AI技术能够创造新的就业岗位。高盛研究指出，AI可能会取代美国6-7%的劳动力，但这一影响可能是“短暂的”。其依据是，目前美国约60%的劳动者从事的是1940年时并不存在的职业；过去80年中，超过85%的就业增长由技术驱动的新职业贡献[2]。不可否认的是，伴随AI技术的应用，AI训练师、AI伦理审核、算力运维、人机协同产品经理等新兴岗位已经涌现。此外，OpenAI报告指出，AI应用与降本未必会减少就业，而是取决于该项业务的消费者需求弹性[3]。若需求弹性足够高，AI带来的成本与价格下降将显著拉动终端消费需求增长，进而拉动劳动力需求增长，这可能足以抵消AI替代效应，最终实现就业净增长。报告以平面设计师为例，由于AI辅助设计使单位产出成本大幅下降，企业和个人对视觉内容的需求显著扩张，更多项目被启动、更多定制需求被释放，形成就业扩张效应。

然而，乐观的长期趋势并不能掩盖转型期的阵痛。正如蔡昉教授指出，就业破坏与创造之间存在严重的不对称性：技术替代往往是瞬间发生的，而搜寻和匹配新岗位则是一个漫长且痛苦的过程，中间产生的摩擦性失业可能持续数年[4]。世界经济论坛2026年1月发布的《2030年人工智能与人才》报告亦警示，在AI技术演进较快、但劳动力技能转换滞后的组合下，就业市场将陷入“替代时代”：企业加速自动化部署，劳动者被替代的速度远超教育与培训体系的响应能力，最终形成经济高速增长与就业市场失衡并存的格局，失业率攀升、消费信心走弱，社会稳定风险随之上升[5]。

（二）AI对就业的冲击具有结构性，“知识密集型白领”首当其冲

AI对就业的影响并非全域替代，而是以非对称、分层级、跨年龄的方式重塑就业结构。我们从工作内容、技能层级、行业分布、年龄与工龄四个角度来总结观察。

从工作内容看，AI主要替代标准化、重复性、非物理交互的工作。IMF报告从两个维度研判AI对各类工作的影响：一是“技术暴露度”（Exposure），衡量AI在技术上能完成该项工作多少比例的任务；二是“人机互补性”（Complementarity），衡量AI介入后能否显著提升人的工作效率与质量[6]。具体将岗位分为三类：一是“高暴露、低互补”工作，如基础数据处理、文案撰写、报表编制、常规客服、初级代码生成等任务，此类工作最容易被AI替代。北京大学张丹丹教授团队基于125万条在线招聘信息的研究显示，受影响最大的20个职业中，包括会计、编辑、销售和程序员等知识密集型“白领”工作[7]，与上述类型岗位基本吻合。二是“高暴露、高互补”工作，如谈判协调、复杂决策、创意设计、现场处置、人际关怀等，此类工作依赖人类经验、情感与主观判断，AI可以帮助提升工作效率但难以完全替代。三是“低暴露”工作，如水电维修、护理服务、清洁洗碗、表演艺术等，这些岗位依赖复杂的物理操作、实时感官反馈或情感交互，目前AI技术亦难以实现有效替代。IMF预测，全球约40%的工作属于“高暴露”，其中发达经济体的这一数字约60%，主要归因于其劳动力市场中认知密集型岗位（白领）的占比较高。

从技能层次看，AI主要影响中高技能层级人群。过往技术革命（自动化）主要替代中等技能，本轮AI的影响范围向中高技能层级延伸，覆盖较高学历、较高薪资的认知型白领岗位（如法律助理、会计审计、金融分析等），这些岗位主要依赖程式化判断与信息处理等能力，恰符合AI模型核心能力。与此同时，低技能体力劳动岗（如护理、清洁、餐饮服务等）因涉及物理交互，短期内难以替代；而更高技能层级的管理、研发、创意岗位，有望获得AI的赋能而非替代，薪资与议价能力可能提升。

从行业分布看，认知密集型服务业更容易受冲击，制造业、生活服务业影响相对有限。金融、传媒、教育、专业服务、IT 等认知密集型行业，因文档处理、分析、客服、内容生产等任务占比高，其工作内容更容易受AI替代，岗位总需求可能受冲击。但也值得指出的是，一些关键专业服务行业，如法律、金融、医疗、教育等，虽然AI能处理其大量文案工作，但由于涉及法律责任、伦理决策及复杂人际沟通，社会目前尚不接受由无监督AI独立决策，因此AI或难以完全替代这些行业的中高层级岗位。同时，制造业以及诸如批发零售、物流仓储等服务业，所受影响相对有限。

从年龄与工龄看，年轻和年长劳动者各有挑战，年轻者“就业入口”收窄，年长者技能转型困难。初级岗位是AI替代的重灾区。斯坦福大学数字经济实验室2025年11月的研究显示，在美国AI高暴露职业中，22岁至25岁初级员工的就业人数下降了约16%[8]。即便法律、金融、医疗等行业中高层岗位未被替代，但相关岗位的实习生、应届生招聘需求仍可能明显下降。这意味着，AI应用可能导致年轻人进入就业市场的“入口”收窄，并可能持续影响其长期职业发展。年长劳动者虽然不存在就业入口缩窄的问题，但技能转型更为困难，一旦被替代后再就业难度将高于年轻群体。

此外，AI发展还可能间接冲击其他就业岗位。MIT研究指出，即使是AI技术暴露度较低的工作也面临风险[9]。若企业采纳AI技术的速度滞后，其经营效率和市场竞争力将相对下滑，增长放缓，进而减少用工需求。例如，餐饮服务业就业岗位的相对萎缩，并非因为AI能够直接替代这些工作，而是由于未采用AI技术的企业在竞争中落于下风，业务扩张受阻，最终减少了对劳动力的需求。可见，AI对就业的冲击，也将取决于不同行业和雇主在AI时代下的生存格局的演变。

（三）AI对整体就业市场的影响尚不显著，但未来演进方式高度未知

当前各方对AI是否已经实质性冲击就业市场存在分歧。我们的结论是：现有证据可初步证明AI对特定岗位已经产生替代，但对整体就业市场的影响仍处于积累阶段，未来影响的速度、方式等仍有待观察。

一些现象和研究能够说明AI对就业已经产生影响。2025年美国GDP增长保持韧性，但新增就业人数大幅放缓，呈现“无就业增长”的特殊现象。（参考《2025年美国经济回顾：表面韧性与内在脆弱》）。）面对这一现象，圣路易斯联储2025年8月的研究显示[10]，2022-2025年期间，美国不同类型岗位的生成式AI普及程度与失业率上升幅度之间存在正相关性，初步说明AI对特定岗位可能已经产生了替代效应。

但另一些研究对AI的影响持怀疑态度。耶鲁大学2025年10月的研究认为，目前尚未出现生成式AI显著冲击劳动力市场的现象[11]。这份研究构建了“职业分布异质性指数”，旨在衡量劳动力在不同职业间的分布变化。其研究指出，在ChatGPT发布后的33个月内，美国就业结构变化程度并不显著，且就业结构的变化实际上始于2021年，早于生成式AI广泛普及。其结论是，近年来美国劳动力市场的重塑更多源于宏观经济波动，而非AI的直接颠覆。

无论目前的证据是否充分，需要认识到AI影响的复杂性、未知性。斯坦福学者钱达尔（Bharat Chandar）直言，目前AI对整体就业的影响可能很小，仍有很多“未知”：尚不清楚未来就业的趋势，不知道哪些工作未来需求会增长，不清楚AI应用后劳动者的工作内容发生了哪些变化，AI对雇主与求职者匹配的影响也尚不明确[12]。

我们认为，AI冲击就业市场是一个逐步累积的过程。一方面，AI技术扩散需要时间；另一方面，企业重新梳理业务流程、重置岗位需求也需要时间。总之，目前的证据或许只是冰山一角，随着AI能力与应用广度的持续跃升，冲击的深度与广度将动态演变，我们对此不可掉以轻心。

（四）AI冲击就业市场的同时，也将深刻改变收入分配格局

AI技术的扩散不仅改变就业数量与结构，更将重塑生产要素的稀缺性，进而冲击整个社会分配体系。

其一，不同劳动者之间收入差距扩大。一是“高暴露”白领收入承压。即前文提及的中高技能层级的白领岗位，由于面临被AI直接替代的风险，其市场议价能力快速弱化。二是“高互补”白领收入上升。对于不能被AI完全替代、且能借助AI实现效率提升的高技能精英，“一人抵多人”的产出效应将推动其薪酬进一步上涨，与其他群体的收入差距拉大。三是“下沉就业”压制底层收入。张丹丹、蔡昉等学者均指出[13]，AI对中等技能岗位需求的冲击，可能迫使大学毕业生“向下流动”进入低技能服务业，这不仅造成人力资本浪费，更因劳动力供应过剩而拉低社会底层工资水平。

其二，劳动者议价能力整体弱化，分配格局向资本倾斜。过去技术革命主要替代体力劳动，而本轮AI技术替代的是智力劳动。长期以来，人类的“智能”（intelligence）是一种稀缺的生产要素，但是AI的出现让“智能”不再稀缺，继而引发整个经济系统对人类智能重新定价。斯坦福大学教授埃里克·布莱恩约弗森（Erik Brynjolfsson）指出，如果AI发展旨在模仿或取代人类（自动化）而非拓展人类能力（增强），机器将成为劳动者的替代品[14]。在此过程中，劳动者的整体议价能力将大幅削弱，财富会迅速向资本所有者集中。

其三，生产要素及分配权力更加集中。传统经济中，有价值的知识分散在人类大脑中，天然促进了生产要素与分配权的去中心化；而当知识被编码并数字化为AI模型后，将更容易被少数人拥有和集中。由于高收入群体持有更多资本资产，AI推高的资本回报将进一步固化和扩大贫富差距。

收入分配体系的重塑可能引发系统性经济金融风险。Citrini Research发布的《2028年全球智能危机》报告描绘了一种颇具启发性的未来情景[15]：AI广泛替代就业后，社会工资水平系统性下滑，大量原本信用状况良好的白领因收入结构永久改变而面临房贷违约，最终引发经济金融危机。总之，相较于历次技术革命，本轮AI技术对社会分配体系的冲击或更具颠覆性，其带来的影响不仅是结构性失业风险那么简单，很可能将对居民消费、经济增长和社会稳定产生深远影响。

（五）传统宏观政策工具在应对AI引发的就业冲击时存在一系列局限性

各国政府已普遍意识到AI对劳动力市场的颠覆性，但在冲击何时到来、程度多深等关键认知上仍处于“盲人摸象”的阶段。即便认知到位，传统的就业监测方法、财税体系、社保制度及宏观调控工具等都存在固有的局限性。

一是现有就业监测体系难以捕捉AI冲击。依赖传统的就业人数、失业率等指标，可能严重低估AI对就业市场的冲击程度。当AI替代了一部分岗位后，受影响的劳动者往往并非完全失业，而是“向下流动”至生产率偏低、工资更低的零工经济或服务岗位。在此情形下，失业率指标可能仍显“平稳”，但实际的经济福利已大幅缩水。如何统计岗位的消失与创造、如何监测就业市场与社会福利的质量水平，成为政府部门统计工作的新挑战。

二是各国财税政策总体侧重鼓励企业的技术、设备投资，但对劳动力雇佣的激励相对不足。从政策动向看，近年来在大国科技竞争背景下，全球主要经济体对AI相关设备、技术投资的财税激励普遍增强，但缺乏对企业创造更多就业岗位的系统性激励。总体来看，各国企业在雇佣劳动力与投资技术设备时，可能存在一定财税待遇级差，继而形成“用机器替代人”的隐性激励。

三是社会保障制度难以针对性救济被技术替代的失业。传统社保制度基于严格的受益人识别逻辑，旨在防止道德风险。然而，在AI可能大规模排挤各层次劳动者的背景下，如何界定“主观不努力”与“被技术淘汰”，将成为政府面临的制度难题。传统失业救济金制度在应对长期性、结构性失业时，将面临财政可持续与制度公平性的双重压力。

四是传统逆周期调控工具难以有效应对外生性就业冲击。AI技术应用可能阶段性削弱劳动力总需求、推升自然失业率中枢。然而，传统应对周期性波动的宏观调控工具（如货币宽松、财政刺激）难以根治“技能错配”导致的结构性失业。即便将利率降至零，也无法改变AI能以极低成本完成高薪白领任务的残酷现实。

（六）中国特殊的AI发展道路及人口结构可能放大就业市场面临的冲击

中国处于全球AI发展的第一梯队，且具有特殊的就业与人口结构，需更加重视就业市场面临的压力与挑战。

第一，中国AI技术落地更快，应用场景多、技术使用率高，相应受冲击可能更快。我们在报告《中美人工智能（AI）竞争：技术比道路更重要》中指出，中美AI发展模式截然不同，美国聚焦前沿技术极限突破，中国则更加侧重技术落地与产业应用。此外，斯坦福报告指出，公众对于AI的态度一定程度上决定了AI技术使用率，在全球主要国家中，中国公众对AI应用和政府监管的信任度较高，员工定期使用AI的比例领先全球[16]。中国AI技术扩散速度较快，意味着被替代岗位“出清”速度也可能较快，劳动者“向下流动”现象和压力更值得重视。

第二，青年就业压力相对突出，AI进一步收缩青年就业入口。2026届高校毕业生预计达1270万人、再创历史新高[17]，且本身已面临青年就业需求与岗位匹配不足的问题。而吸纳就业能力最强的互联网、金融、教培等行业恰恰受AI冲击较大。初级岗位收缩与毕业生供给增长形成矛盾，青年就业“入口”变窄问题尤为突出。

第三，人口老龄化程度较深，既是AI应用加快的动因，也可能因老龄化而抑制社会总需求和就业岗位。中国在全球范围内人口老龄化程度偏高，老年人口多、老龄化速度快[18]。老龄化人口本身可能是鼓励企业加快AI应用与自动化部署的因素，以应对劳动力短缺；但另一方面，老龄化可能限制消费需求扩容空间，并且抑制服务业的就业创造能力，进而更可能加剧AI替代效应导致的劳动力供需失衡。

二、政策建议

一是尽快更新就业监测体系，重点跟踪高风险岗位和青年就业变化。目前已有预期性裁员、青年初级岗位收缩的迹象，且中国AI应用落地速度快，岗位出清节奏可能前置。建议对接招聘平台、企业用工数据、社保系统以及AI平台实际使用数据，重点监测会计、编辑、初级程序员等AI高暴露岗位的人员流动，以及22-25岁青年群体的就业质量变化，及时识别集中失业风险并提前介入。优化监测指标及体系，聚焦岗位流失速度、青年失业率、转岗成功率、薪资下滑幅度等核心指标，确保监测数据真实反映就业市场实际压力。

二是有针对性地开展技能和教育培养，缓解技能错配问题。知识密集型白领受冲击最为突出，且劳动力技能转换速度跟不上AI替代速度，导致摩擦性失业加剧。建议重点针对财会、文职等高替代风险群体，开展实用导向的转岗培训，优先培育AI辅助训练、数据标注等门槛适中、近期需求较大的新兴技能。与此同时，高校专业结构应同步调整，适度缩减替代风险较高的专业数量和招生规模，扩大技工、养老护理等AI难以替代且市场需求旺盛的技能型人才培养，从源头降低技能错配压力。

三是优化财税激励方向，引导企业向“增效不裁员”方向发展。现行税制对AI投资的补贴、税收优惠等激励政策较充分，但对劳动力所受冲击的应对机制相对不足。建议审慎评估AI投资税收优惠政策的边界，对于在应用AI提升效率的同时保持员工规模、并积极开展员工培训的企业，给予针对性的税收减免或信贷支持，形成正向激励。同时，重点支持中小微企业普及轻量化、低成本的AI工具，避免这些企业因技术落后而萎缩，进而减少对劳动力的需求。

四是优化社保和失业保障，有效应对结构性失业和劳动者向下流动的问题。AI冲击下的结构性失业具有持续性，传统以“短期失业”为假设前提设计的失业保障制度难以有效应对。建议适度放宽失业救助的申请认定条件，淡化对“主观失业”与“技术性失业”的复杂区分，让被AI替代的劳动者能够顺畅获得失业救济，渡过转岗过渡期。与此同时，完善灵活就业人员的社保覆盖，将外卖骑手、平台零工等AI替代后劳动者可能大量流入的岗位纳入基本保障体系，防止收入及生活保障水平差距扩大。

五是结合中国人口结构国情，以服务业扩容和AI新兴岗位培育对冲替代压力。老龄化趋势既是AI替代的推动力，也蕴含着就业吸纳的新空间。建议重点发展养老、托育、家政等劳动密集型、AI短期难以替代的服务业，既能承接被AI替代的劳动力再就业，又能满足老龄化社会日益扩大的服务需求，形成双赢局面。与此同时，依托中国AI产业的规模优势，积极培育AI系统运维、安全监管、模型调优等产业链上的新兴岗位，以新岗位创造对冲岗位替代，在总量上缓解就业压力。

六是配套收入分配、休假制度改革，将AI生产率提升转化为消费增长。除就业问题本身，AI冲击后引发的分配失衡、消费放缓等次生冲击也亟需应对。建议配套推进收入分配改革，健全工资增长长效机制，强化直接税收的分配调节功能，防止生产率提升的成果过度向资本集中。同时，进一步完善休息休假制度，将AI应用带来的效率提升适当转化为居民闲暇时间增加，推动“效率红利”向“消费潜力”转换，形成“技术进步-消费增长-就业扩容”的正向循环。

参考文献：

[1] Autor， D． H． （2015）． “Why Are There Still So Many Jobs？ The History and Future of Workplace Automation．” Journal of Economic Perspectives， 29（3）， 3-30．

[2] Goldman Sachs． （2025， August 13）． How Will AI Affect the Global Workforce？

[3] OpenAI． （2026， April）． The AI Jobs Transition Framework．

[4] 蔡昉． （2025）． 《中国就业新趋势：人工智能如何重塑劳动力市场》． 北京：中信出版

[5] World Economic Forum． （2026， January）． Four Futures for Jobs in the New Economy： AI and Talent in 2030．

[6] IMF． （2024， January）． Gen-AI： Artificial Intelligence and the Future of Work．

[7] 张丹丹等． （2025）． 中国人工智能技术暴露度的测算及其对劳动需求的影响． 《管理世界》， 2025（7）．

[8] Brynjolfsson， E．， Chandar， B．， & Chen， R． （2025）． Canaries in the coal mine？ Six facts about the recent employment effects of artificial intelligence． Stanford Digital Economy Lab Working Paper．

[9] Murray， S． （2025， October 9）． How artificial intelligence impacts the US labor market． MIT Sloan School of Management．

[10] Ozkan， S．， & Sullivan， N． （2025， August 26）． Is AI contributing to unemployment？ Evidence from occupational variation． Federal Reserve Bank of St． Louis．

[11] Gimbel， M．， Kinder， M．， Kendall， J．， & Lee， M． （2025， October 1）． Evaluating the impact of AI on the labor market： Current state of affairs （Research Report）． The Budget Lab at Yale．

[12] Chandar， B． （2025）． AI and labor markets： What we know and don‘t know． Stanford Digital Economy Lab．

[13] 张丹丹． （2025， July 4）． 北大张丹丹专访：警惕AI加速劳动力市场结构性失衡． FT中文网；蔡昉． （2025， March 20）． 人工智能和数字经济的就业影响． 长安讲坛总第422期．

[14] Brynjolfsson， E． （2022）． The Turing Trap： The Promise & Peril of Human-Like Artificial Intelligence． Daedalus， 151（2）， 272-287．

[15] Citrini， & Shah， A． （2026， February 22）． THE 2028 GLOBAL INTELLIGENCE CRISIS： A Thought Exercise in Financial History， from the Future． Citrini Research．

[16] Stanford HAI． （2026， April）． AI Index Report 2026．

[17] 刘振国． （2025）． 推进实施积极应对人口老龄化国家战略． 人民网

[18] 澎湃新闻． （2026， March 9）． 两会话民生：共绘高质量充分就业新蓝图．

(本文作者介绍：粤开证券首席经济学家、研究院院长，经济学博士，注册会计师，高级经济师，中国首席经济学家论坛理事，主要研究方向：宏观经济、财政理论与政策。)

责任编辑：张文

** 新浪财经意见领袖专栏文章均为作者个人观点，不代表新浪财经的立场和观点。 **

** 欢迎关注官方微信“意见领袖”，阅读更多精彩文章。点击微信界面右上角的+号，选择“添加朋友”，输入意见领袖的微信号“kopleader”即可，也可以扫描下方二维码添加关注。意见领袖将为您提供财经专业领域的专业分析。**