辛頓警告AI將取代人類工作，楊立昆反對：應該先聽這5個人怎么說

過去半年，關于“AI 會不會搶走我們的工作”的討論愈演愈烈。幾乎每隔幾周，就會有新的研究報告、行業預測或焦慮故事被推上輿論場。科技公司一邊喊著“AI 將賦能每一個人”，一邊悄悄收緊招聘甚至大規模裁員；白領群體中，“我的崗位還能撐幾年”的擔憂悄然蔓延…

最近，“AI 教父”杰弗里·辛頓（Geoffrey Hinton）在接受采訪時也聊及這個話題。作為深度學習的奠基人之一、2024 年諾貝爾物理學獎得主，辛頓自離開谷歌后，便持續為 AI 潛在風險發出警示。

圖 | 辛頓接受采訪（來源：Youtube）

辛頓指出，回顧人類歷史，每一次重大技術革命都遵循相似的節奏：淘汰一類勞動，同時開辟新的就業空間。農業機械化把勞動力從土地上解放出來，他們走進了工廠；工廠自動化之后，人們又轉向辦公室和知識型工作。經濟體總能生長出新的需求層次，承接那些被舊技術擠出的勞動力。但 AI 不一樣，它不是守在某一扇門后的自動化工具，而是出現在每一扇門的后面。

一個客服人員失業后轉行學編程，發現 AI 也會寫代碼；再轉向法律文書處理，AI 同樣勝任；嘗試內容創作，AI 依然在場。每一次轉型還沒站穩，就可能被迅速追上。辛頓將這一判斷提升到了文明史的高度：人類一路走來，不斷突破各種局限。食物匱乏靠農業解決，距離障礙靠交通工具解決，體力限制靠機械解決。每一次突破都催生了全新的人類活動空間。而 AI 正在突破的，是人類智力本身。當智力不再構成瓶頸，新的空間在哪里？

辛頓坦言，自己目前沒有答案，也未見到任何人給出令人信服的解釋。他還給出了具體的時間預判：2026 年，AI 將在呼叫中心大規模替代人類客服；數年之內，便可能具備獨立運行、持續數月的軟件工程項目能力。這番言論一經發出，便引發討論。

但并非所有人都認同辛頓的觀點。不久后，另一位“圖靈獎得主”楊立昆（Lecun Yan）便公開回應。他措辭直接：“我敬重 Geoff（辛頓），但在技術革命對勞動力市場的影響這個問題上，他甚至不如達里奧·阿莫迪（Anthropic CEO）了解得多。”

（來源：X）

緊接著，他提出了一個更值得深思的觀點：不要聽 AI 科學家談這個問題，無論他們多么杰出；更不要聽 AI 公司 CEO 的判斷，無論他們多么成功。勞動經濟學的問題，應當交給研究勞動經濟學的學者來回答。

隨后，他點名 @ 了五位經濟學家：菲利普·阿吉翁（Philippe Aghion）、達龍·阿西莫格魯（Daron Acemoglu）、埃里克·布萊恩約弗森（Erik Brynjolfsson）、安德魯·麥卡菲（Andrew McAfee）和大衛·奧托（David Autor）。

這條帖子的價值，不僅在于立場表態，更在于它揭示了當前公共輿論中一個明顯的失衡。在“AI 會不會取代人類工作”這個議題上，聲量最大的始終是兩類人：AI 技術專家和科技公司管理者。前者對模型能力有深刻理解，但對經濟系統如何消化技術沖擊未必具備專業判斷力；后者既有商業動機去渲染 AI 的變革性，也有動機去回避其社會成本。

而真正以勞動力市場為研究對象、積累了數十年方法論和實證數據的經濟學家，在公共輿論中的存在感反而薄弱得多。那么，楊立昆點名的這五位學者，對于 AI 與人類共存的問題究竟持怎樣的觀點？我們不妨逐一了解。

達龍·阿西莫格魯可能是五人中對 AI 經濟影響最為審慎的一位。他任教于麻省理工學院（MIT）經濟學系，2024 年因制度經濟學方面的開創性貢獻獲得諾貝爾經濟學獎。近年來，他將研究重心轉向 AI 領域。2024 年，他發表論文《AI 的簡單宏觀經濟學》，結論出人意料：據其模型估算，AI 在未來十年對美國全要素生產率（衡量經濟體整體效率的核心指標）的提升幅度，大約只有 0.5% 至 0.9%。這一數字，與硅谷流行的“AI 將重塑全球經濟”的宏大敘事之間，存在近乎一個數量級的落差。

圖 | 達龍·阿西莫格魯 (來源：Wikipedia)

但阿西莫格魯并非認為 AI 毫無價值。他指出，目前 AI 能夠自動化的，僅是企業全部任務中的一小部分；且許多被自動化的環節，并未被生產率更高的新任務所替代。他將這類技術定義為“平庸技術”（so-so technology）：足以替換工人，卻未能帶來相稱的效率提升。勞動者被排擠出局，經濟整體并未因此顯著受益。

但他并不擔憂 AI 過于強大導致人類無事可做。恰恰相反，他認為問題可能在于 AI“還不夠強大”：企業之所以有動力用其替換人力，唯一原因是它已經足夠廉價，即便替換后的效率增益微乎其微。

2026 年 4 月，他在美國國家經濟研究局（NBER）發布新研究，探討當 AI 生成的內容反過來成為訓練 AI 的語料時，不僅模型可能崩潰，人類的知識庫也會發生系統性退化。因為 AI 傾向于輸出“概率最高”的平庸內容，這會稀釋人類文明中的極端案例和獨創性思維，導致我們在依賴 AI 的過程中，逐漸喪失處理復雜、罕見問題的能力。

同樣任教于 MIT 的大衛·奧托，是當今全球引用量最高的勞動經濟學家之一。與阿西莫格魯相比，奧托的視角中包含更多建設性的可能。他最具影響力的分析框架被稱為“基于任務的分析”：不將一份工作視為整體來判斷其存廢，而是將其拆解為一項項具體任務，逐一考察哪些將被自動化、哪些反而會被增強。在這個框架下，絕大多數工作并非“消失或存續”的非此即彼，而是內部發生結構性漂移：部分環節交由機器處理，另一些環節則因機器的輔助而變得更加重要。

圖 | 大衛·奧托 (來源：Wikipedia)

2024 年，奧托曾提出一個反直覺的觀點：AI 對中產階級可能是有利的。其推理邏輯如下：過去數十年間，專業技能的門檻不斷提高，醫生、律師、高級工程師憑借多年訓練積累的判斷力，構筑了中等技能勞動者難以逾越的壁壘。但如果 AI 被設計為輔助工具而非替代品，它有可能將部分“專家級判斷力”向更廣泛的群體開放：社區護士借助 AI 診斷輔助系統，可以承擔以往僅由專科醫生執行的初步篩查；小型企業主利用 AI 法律工具，能夠處理以往需要委托律師的合同審核。

奧托將此概括為“專業知識的民主化”，不是消滅專家，而是降低成為“準專家”的準入門檻。當然，他也反復強調，這并非技術進步的自動結果，而取決于企業的部署方式和政策的引導方向。2026 年 2 月，他與阿西莫格魯合作發表《構建支持工人的 AI》，系統性地界定了何種 AI 技術可被歸為“親工人型”，試圖為技術開發提供明確的價值導向。

這類技術包括：能開辟全新勞動領域的“新任務創造技術”（如讓農民轉型為管理多維數據的“精準農業調度員”）、旨在降低準入門檻的“決策支持技術”（如輔助護士執行復雜臨床診斷，實現醫療專長的下放），以及強調人類處于回路中心的“協作型人機交互”（如在精密制造中由 AI 負責誤差補償，工人負責核心工藝決策）等。

第三位埃里克·布萊恩約弗森是斯坦福大學數字經濟實驗室主任，同時也是斯坦福以人為本人工智能研究所（HAI）的高級研究員。早在 2014 年，他就與安德魯·麥卡菲合著《第二個機器時代》，預判了數字技術對勞動力市場的深遠沖擊，該書至今仍被視為這一領域的重要參考文獻。

圖 | 埃里克·布萊恩約弗森 (來源：Wikipedia)

但他最具辨識度的理論貢獻誕生于 2022 年的“圖靈陷阱”。他指出，人工智能領域長期以來存在一種根深蒂固的設計傾向：追求讓機器模仿人類、替代人類，將通過圖靈測試視為終極目標。然而，這種設計哲學恰恰將技術推上了替代勞動力的軌道，而非增強勞動力的方向。當研發目標一味聚焦于讓 AI“像人”，自動化便成為默認路徑，“增強”（augmentation）反而被邊緣化。布萊恩約弗森主張，應當有意識地將研發方向從“讓機器做人做的事”，轉向“讓人能做以前做不到的事”。

2025 年，他與合作者發表論文《煤礦里的金絲雀》，以翔實的數據追蹤了 AI 對就業的早期影響。研究發現，自由職業者和平臺工作者首當其沖，這些缺乏組織保護的勞動者，最先承受了生成式 AI 帶來的競爭壓力。在翻譯、文案、基礎編程等領域，自由職業者的訂單量和收入出現了可觀測的下降。

但與此同時，企業端的整體就業數據并未出現崩盤式滑坡，表明 AI 的替代效應在組織內部是漸進式展開的。他目前正在推進“AI 經濟儀表盤”項目，用大數據實時追蹤全美國數千個職業內部的任務漂移。最新監測顯示：2026 年，組織的變革速度終于開始跟上技術的步伐，企業正在經歷從“試點 AI”到“重構流程”的驚險躍遷。

安德魯·麥卡菲是布萊恩約弗森多年的學術搭檔，在 MIT 斯隆管理學院擔任首席研究科學家，同時也是 MIT 數字經濟倡議（IDE）的聯合創始人。相較于布萊恩約弗森更偏學術的研究風格，麥卡菲更擅長將復雜的經濟學結論轉化為企業管理者和政策制定者能夠理解的語言，活躍于《哈佛商業評論》、TED 演講和個人專欄等平臺。

圖 | 安德魯·麥卡菲 (來源：Wikipedia)

他的核心立場可以概括為“技術樂觀加制度焦慮”。一方面，他相信技術進步整體上擴大了經濟總量，但另一方面，他對收益的分配極為警覺。在《第二個機器時代》之后，他與布萊恩約弗森合著《機器、平臺、大眾》，進一步論證了數字經濟的一個顯著特征：增長越來越集中于少數平臺型企業和超級明星公司，而普通勞動者在增長中所分得的份額卻持續縮小。這一“贏家通吃”的趨勢在 AI 時代有被加速的可能。

麥卡菲因此并不簡單地站在“AI 會創造更多工作”的立場上，他的關切更在于：如果不在制度和政策層面進行主動干預，AI 創造的價值將高度集中于資本所有者和少數高技能勞動者手中。

五人中最后一位是菲利普·阿吉翁。他任教于法蘭西學院和倫敦政治經濟學院（LSE），2025 年獲得諾貝爾經濟學獎，獲獎理由是其在創新與經濟增長理論方面的開創性貢獻，尤其是他與彼得·霍維特共同構建的“熊彼特增長模型”。這套理論的核心概念是“創造性破壞”：新技術和新企業的涌現必然摧毀舊的產業結構和就業形態，而正是這種破壞本身驅動著經濟的長期增長。值得注意的是，阿吉翁的命題不是“破壞之后經濟會恢復增長”，而是“破壞本身即增長的引擎”，二者之間有重要的理論區別。

圖 | 菲利普·阿吉翁 (來源：Wikipedia)

將這一框架應用于 AI 議題，阿吉翁的分析路徑便十分清晰：AI 當然會摧毀大量現有崗位，但只要這種摧毀伴隨著充分的創新活力和足夠的制度彈性，它本身就能催生新的產業和新的就業。關鍵變量不在于技術有多強大，而在于制度環境能否承接這種破壞。市場競爭是否充分、教育體系能否及時調適、社會保障網絡是否足夠穩固。

阿吉翁最近還在利用大語言模型本身作為經濟學研究工具，探索如何借助 LLM 進行大規模社會調查和文本分析。換言之，他不僅在研究 AI 對經濟的影響，也在用 AI 重新定義經濟學研究本身的方法。

將這五位學者的觀點并置，可以看到他們并不構成一個統一陣營。阿西莫格魯是冷靜的懷疑者，認為 AI 的經濟影響被嚴重高估；奧托是有條件的樂觀派，認為 AI 有可能惠及中產階級，但前提是開發方向正確；布萊恩約弗森是結構主義者，強調核心問題不在于 AI 本身，而在于人類選擇用它來做什么；麥卡菲關注分配正義，憂慮價值被少數群體攫取；阿吉翁則是歷史主義者，相信創造性破壞終將發揮作用，但需要制度層面的配合。

他們之間有交集也有分歧，但也擁有一個底層共識：技術變革對勞動力市場的影響，不僅是一個工程問題，更是一個經濟學問題。它取決于制度設計、政策選擇、市場結構和企業決策，而不僅僅取決于模型的能力上限。在眾聲喧嘩的當下，我們確然需要更多元的聲音。

1.http://www.nber.org/papers/w32487

2.https://www.nber.org/papers/w34854

3.https://www.nber.org/papers/w32140

4.https://www.lse.ac.uk/lse-player/creative-destruction-ai-and-the-european-recovery

運營/排版：何晨龍