來源：繞樑說
生成式AI 對就業市場的衝擊
最近，哈佛大學兩位研究人員Seyed M． Hosseini和Guy Lichtinger發表了一篇論文「Generative AI as Seniority-Biased Technological Change： Evidence from U.S． Résumé and Job Posting Data」（生成式AI作為資歷偏向型技術變革：來自美國簡歷和招聘數據的證據，下附鏈接），通過分析2015-2025 年美國近 28.5 萬家企業+ 6200萬員工+ 2.45億條招聘信息等數據，推導出來的結論是：自2023年初以來，生成式AI正在以一種「資歷偏向」的方式重塑勞動力市場，即對初級員工的影響遠大於對高級員工的影響。
哈佛大學這項研究顯示，AI採用企業的初級員工數量在6個季度內相對下降7.7%；高級崗位基本不受影響，甚至略有增長；導致出現該現象的主因是招聘減少，而非大規模裁員；批發與零售行業受影響最大，初級招聘下降40%。
這種分化源於 AI 對重複性事務的高效替代。比如代碼基礎糾錯、法律文件初審、商務文書草擬等傳統初級工作，已能被AI以更高效率完成，使得企業對入門級新人的需求大幅收縮。
這項研究把員工畢業的大學分成五個等級（Tier1-5），從最頂尖的精英名校到比較普通的地區性大學。研究顯示，AI對畢業生的教育背景呈U型影響，Tier 2-3（中端院校）畢業生受衝擊最大，Tier 1（頂級）和Tier 4-5（較低端）畢業生影響較小。
研究還發現，在採用AI的企業中，現有初級員工的晉升率上升，說明企業更傾向於內部提拔而不是從外部招聘。
AI倒逼年輕人延長職業準備週期，推遲結婚生育
AI技術的發展，客觀上導致高技能員工和低技能員工的收入差距被拉大，高技能AI資深員工的收入甚至正在創新高，但由於AI導致初級崗位減少，大學生就業也更加困難。要獲得高技能，就需要更高的學歷和更多的工作經驗。過去 「本科畢業即就業「 的路徑逐漸失效，為突破競爭瓶頸，更多的本科畢業生選擇念碩士和博士，或者參加更多的實習工作。而這些額外的學歷和實習經驗通常沒有收入或者收入很低，只有經過多年的積累才能最終進入高收入階層。
近年來，國內研究生招生規模大幅增加，一些大學的研究生招生人數甚至超過本科生。例如，南京大學2025級本科新生有4113人，研究生新生則有9222人，研究生數量是本科生的2倍多。復旦大學25級本科招生4000人，研究生招生1.2萬，研究生數量是本科生的3倍。
以上現象的出現，也存在着一定的合理性，畢竟人的平均壽命和退休年齡都在延長。但是在這種現象的影響之下，年輕人會經歷一段較長的收入微薄時期（可能會到20多歲甚至30歲），從而導致這些年輕人沒有足夠的經濟能力組建小家庭。然而，最佳生育年齡（尤其是女性）並不會因為壽命延長而相應延長。所以這種延遲就業的趨勢，使得年輕人如果想在30歲前成家生孩子，就會和個人的教育計劃和職業規劃相沖突。由於沒有足夠的收入來結婚生育，很多年輕人不得不推遲結婚生育，甚至還有一些年輕人選擇不婚不育。實際上，更長的教育經歷，也就意味着教育支出佔家庭支出的比例會更高，進一步拉高現代社會的教育成本，對此的顧慮，也是導致生育率連續下降的一個重要原因。
近幾年中國的生育率只有更替水平的一半左右，其中2023年的總和生育率只有1.01，還不到更替水平的一半。按目前的生育率，出生人口將以每代人也就是30年時間減少一半的速度萎縮。這個趨勢會依次對所有行業造成嚴重負面影響，先是奶粉、兒童用品和托育服務，然後是教育、食品、服裝，再後是房屋、傢俱、家電、電子消費品、汽車、旅遊、娛樂，最後是醫療、養老、殯葬等。這些面向消費者的行業所受到的影響，會逐步傳導到面向企業的行業。而且上述影響不只會導致實際需求的萎縮，而且還會持續拉低預期需求，導致國內投資意願低迷。
AI時代，人口規模更重要
有人認為，AI時代，隨着越來越多的工作被AI取代，未來中國不需要這麼多人口，所以沒有必要提高生育率。
我認為，AI時代，人口規模會變得更加重要。
首先，創新會在AI時代變得更加重要，因為非創新工作基本都由AI來完成，而AI系統會變得越來越複雜。AI系統本身的迭代升級，需要源源不斷的創新人才作為支撐：從底層算法的突破、數據模型的優化，到AI與各產業的深度融合（如工業互聯網、智能醫療、自動駕駛等），每一個環節都需要頂尖的研發人才、複合型的應用人才以及大量具備相應技能的基礎從業者。這些人才的培養與儲備，都需要足夠大的人口基數作為 「人才蓄水池」。
人口基數越大，具備各種專業技能和創新能力的人才出現的概率也就越高。這是因為不同的人擁有不同的天賦、興趣和教育背景，在較大的人口規模下，各行各業都能湧現出大量優秀的人才。例如，在信息技術領域，像印度這樣人口衆多的國家就培養出了大批優秀的軟件工程師。
在互聯網和人工智能領域，用戶不僅是產品的消費者，更是創新的參與者。以搜索引擎為例，用戶在進行搜索操作時，搜索引擎會收集其搜索關鍵詞、點擊行為等數據。這些數據被用於優化算法，使搜索引擎能夠更準確地理解用戶意圖，提供更相關的結果。同樣，在社交平臺上，用戶上傳的內容和互動行為豐富了平臺的內容生態，並促使平臺根據用戶反饋改進功能。因此，用戶數量的增加為產品算法提供了更多的數據支持，使其更方便使用；從內容角度看，用戶越多，產生的內容也越多，形成滾雪球效應。
AI 產業的競爭本質上是 「規模競爭」，只有同時具備龐大人口規模、充足創新人才和齊全產業門類的國家，才能在這場競爭中佔據主導地位。當前，全球真正具備獨立研發和產業化AI能力的國家寥寥無幾，中國之所以能成為其中的重要一極，正是得益於獨特的規模優勢：14 億人口形成的超大規模市場，為AI技術提供了豐富的應用場景和海量的數據資源；龐大的年輕人口羣體，支撐了從芯片製造、軟件研發到行業應用的全產業鏈人才需求；齊全的產業門類，則讓AI技術能夠快速滲透到各個領域，形成「技術研發--產業應用--數據反哺--技術再升級」的良性循環。
但近年來，中國生育率和出生人口持續下降，人口老齡化速度加快，年輕人口規模的逐步萎縮，可能會從根本上削弱AI產業發展的人才基礎和市場活力。如果不及時提高生育率，未來中國在 AI領域的競爭力可能會隨着年輕人口的枯竭而逐步衰退——當研發人才出現斷層、市場規模增長放緩時，AI技術的迭代動力和產業競爭力將難以維繫。
解決方案：給年輕人發放生育補貼和教育補貼
年輕人會在教育、結婚生育和職業初期這三個階段遭遇個人財政困境，而當前社會則基於科技和AI的發展，完全有能力拿出資源來補貼教育、生育和實習培訓。
最近，國務院辦公廳印發《關於逐步推行免費學前教育的意見》明確，從2025年秋季學期起，免除公辦幼兒園學前一年在園兒童保育教育費。這當然是一個可喜的進步，但仍然還是不夠。我們建議儘快實施完全的免費學前教育，切實減輕育兒家庭的教育負擔。學前三年免費教育加上現有小學和初中九年免費義務教育，共十二年免費教育。以後還可以爭取把免費教育擴展到高中階段。
發錢補貼生育，已被國際和國內的經驗表明確實有效果，前提是力度必須足夠大。如果補貼生育沒有效果，那是因為補貼的力度太小。根據測算，如果要顯著提升生育率，生育補貼的財政支出至少要佔GDP的2%-5%。具體的生育補貼建議見附錄。
有人擔心，如此大規模地給年輕人發錢，會不會引起通貨膨脹呢？對此給出結論的前提條件，就是要看產能是否有餘力以及就業是否充分。現在中國恰好處於產能過剩、就業不充分的階段，所以通過擴大消費，可以把閒置的產能和勞動力利用起來。中國現在面臨的並非通脹而是物價負增長，正好需要赤字財政刺激。當然，赤字財政並不能成為一種長期使用的方案，在通脹週期中可以適當回調。根據經濟學的基本原理，在需求不足的情況下，財政赤字支出會有明顯的乘數效應，而且不會引發通脹。因此，用財政赤字發育兒補貼，將具有明顯的拉大經濟效應，要比降息等其它刺激政策見效更快，長期來看還有利於保持創新活力。
目前中國的各項產能充裕，唯一缺少的就是孩子。造成這種狀況的原因，是投入回報之間的錯配。因為養育孩子需要家庭投入，但孩子成長之後帶來的回報則由整個社會享有。所以現在必須要在國家層面來解決這個問題，應該通過中央財政把更多的福利給予養育孩子的家庭。給育兒家庭發錢，就可以通過家庭消費直達實體經濟，還可以促進就業，形成經濟增長的預期。
結論：
AI時代最大的失衡是，一方面AI通過提升生產效率、催生新產業和優化資源配置等方式，推動社會總財富增長，但是另一方面，AI會取代初級的智力勞動，加劇年輕人在教育、結婚生育和職業初期等階段所遭遇的困境。需要政府給年輕人的大力度補貼，才能解決AI時代的經濟失衡問題。
附錄：具體的生育補貼措施
有關生育補貼的具體政策建議如下：
一是現金補貼：給予每個一孩每月補貼1000元，給予每個二孩每月補貼2000元，給予每個三孩及以上每月補貼3000元，直至孩子年滿16歲或18歲。
二是個稅和社保減免：對於二孩家庭，實行個人所得稅和社保減半，三孩以上家庭個人的所得稅和社保全免（對於特別富裕的家庭，可以設定一個封頂補貼的上限）。
三是購房補貼：具體方式可以通過按揭利息返還進行補貼。比如說補貼二孩家庭的房貸利息的50%，三孩以上家庭的房貸利息可全部補貼（不超過一個封頂補貼的上限）。
相關文章鏈接：
Seyed M． Hosseini & Guy Lichtinger： Generative AI as Seniority-Biased Technological Change： Evidence from U.S． Résumé and Job Posting Data：https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=5425555
責任編輯：楊賜