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（Peter Howitt）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（Philippe Aghion）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。

　　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（Yann LeCun）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、喷气式飞机等等之后，即使是普通收入的人，也能够环游世威廉希尔界。

　　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。

　　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Claude Code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。

　　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（Says Law）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。

　　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？

　　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，与其仅针对征税，不如构建覆盖范围更广的税制。因为，仅对征税，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（Wealth Tax）。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。

　　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。

　　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。

　　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。