中国人工智能的经济风险及其防范

程承坪 彭欢

关键词人工智能 经济风险 防范风险

一、引言

人工智能（Artificial Intelligence），英文缩写为AI，是21世纪的三大尖端技术之一。世界经济论坛创始人克劳斯·施瓦布（Klaus Schwab）在2016年出版的《第四次工业革命》一书中认为，以新一代AI为代表的智能化、信息化技术的出现，标志着第四次工业革命已经到来。2018年10月31日，中共中央总书记习近平同志在主持中共中央政治局就人工智能发展现状和趋势举行的第九次集体学习时强调，人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应，加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越式发展、产业优化升级、生产力整体跃升的重要战略资源。我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，迫切需要新一代人工智能等重大创新添薪续力。

然而，AI既有推动经济社会发展的有利一面，也存在风险性的不利一面，必须保持高度的警惕。AI对经济社会造成的风险主要有经济风险、社会风险、法律风险和伦理道德风险等。为了使AI促进经济社会健康、持续、稳定地发展，一方面要大力研究、推广和应用AI，另一方面也要研究AI可能带来的各种风险，防范和化解风险的发生。正如2019年1月21日习近平同志在省部级主要领导干部坚持底线思维着力防范化解重大风险专题研讨班上所强调指出的，科技领域安全是国家安全的重要组成部分，要加快科技安全预警监测体系建设，围绕AI等领域，加快推进相关立法工作。

当前围绕AI发展可能对经济社会造成风险的研究中，针对AI的社会风险、法律风险和伦理道德风险的研究相对较为丰富，而针对AI的经济风险的研究非常少，但经济风险又是诸多风险中最急迫且最基础的风险，需要及时防范和化解，以确保我国经济社会高质量发展。正如国务院在2017年7月印发的《新一代人工智能发展规划》中所指出的，对于AI的风险评估和防控，近期应重点关注经济风险，尤其是对就业的影响。

对AI导致的经济风险的研究，应从两个方面着手：一是研究AT将会导致哪些经济风险，其作用的机理分别是什么;二是如何积极防范和应对这些经济风险。因此，本文的研究具有重要的理论价值，也具有重要的现实意义。

二、人工智能的经济风险

AI的经济风险主要有失业风险、收入分配两极分化风险、加剧市场垄断风险、对消费者实施价格歧视风险以及国际经济风险等五个方面。

1.AI导致的失业风险

习近平同志在党的十九大报告中指出，就业是最大的民生。2018年12月13日中央政治局召开了确立2019年经济政策方向的会议，会议强调了“六稳”政策，其中把“稳就业”放在了首位。可见党中央十分重视就业问题。因此，对于AI可能引起的失业风险必须引起高度的重视和警惕。

根据经济史的研究，前三次工业革命的技术进步对就业的影响呈现这样的规律：技术进步既会产生就业替代效应，也会产生就业创造效应，短期就业替代效应略大于就业创造效应，长期就业替代效应小于就业创造效应，总体而言，技术进步并没有发生不可控的大规模失业问题，而且技术进步创造的就业数量远远多于替代的就业数量。然而，一般而言，一项重大技术进步刚开始时会产生较大规模的失业现象，主要表现在结构性失业而不是总量性失业，这需要引起足够的重视。

王君等的研究认为，以AI为代表的第四次工业革命对就业的影响基本遵循上述规律，但也有特殊表现。特殊表现有两个方面：一是AI引起的技术进步速度更快、规模更大、影响范围更广，具有跨部门、跨行业和跨国界的特点;二是前三次工业革命的技术進步只能替代人的体力，而AI既能替代人的体力，也能替代人的智力。短时期内AI会替代较多的程序性身体技能和非程序性身体技能的工作，同时也会创造大量的非程序性认知技能、非程序性非认知技能以及程序性认知技能的新就业岗位。以往技术进步速度相对较慢，对劳动者就业的影响也是缓慢的，劳动者可以通过转岗技术培训适应技术进步对就业的影响。譬如，美国的农业机械化就是一个缓慢的过程，并没有造成大规模失业现象。19世纪美国农场需要雇佣80%的工人，到20世纪雇佣工人数降低到40%，而到21世纪雇佣工人数进一步下降到1.5%，在这一过程中美国农场生产基本实现了机械化，但并没有导致大规模的失业。原因在于美国农场的机械化是一个缓慢过程，被机械化替代的劳动力逐渐转移到其他岗位实现了再就业。

但AI导致的技术进步发展速度快、涉及范围广，给劳动者调整技术和岗位的机会和时间较少，一项新技术出来，还没有等劳动者学习好、掌握好可能就过时了。联合国教科文组织的一项研究表明，人类社会知识更新的周期在不断地缩短。知识更新周期，18世纪为80-90年，19世纪到20世纪初为30年，20世纪60-70年代为5-10年，而到了20世纪80-90年代为5年，进入21世纪时进一步缩短为2-3年。奥斯汀·古尔斯比（Austan Goolsbee）和杰森·弗里曼（Jason Furman）的研究认为，AI技术进步对就业的消极影响并不是绝对地减少了就业岗位，而是被技术进步淘汰的那部分劳动者因不能及时更新技术能力而无法适应新的就业岗位。换言之，AI会较快地改变就业的行业结构，而劳动者很难在短期内适应就业的行业结构的转变。部分劳动者一旦不能跟上就业的行业结构转变步伐，就有可能演变成永久性失业。

普华永道对美国就业前景的预测认为，到2030年，美国将有38%的工作完全被AI取代。世界银行估计，在OECD国家有57%的工作可能在未来20年内被机器替代。国内的研究认为，未来20年在我国总就业人口中，有约76.76%的就业人口将会受到AI的冲击，若排除农业就业人口，这一比例也高达65.58%。不仅如此，我国就业的风险不仅来自于国内AI替代就业的风险，还来自于国际的影响。国际的影响表现在两个方面：一是发达国家因AI和3D打印等新技术的发展而将制造业外包的业务撤回国内，导致我国制造业就业风险加剧;二是过去劳动力的流动受到制度等因素的约束，劳动力难以在国家之间流动，因此国际间劳动力之间的直接替代较小，但AI作为一种“特殊劳动力”可以在国际问几乎无障碍地流动，因此我国就业会受到国际AI对就业替代的直接影响和间接影响。可见AI对就业的冲击不可低估，必须未雨绸缪，积极应对。

AI的发展虽然迅速，但也是一个渐近的过程。从技术角度而言，AI对就业的影响也是有规律可循的。AI的发展遵循从弱人工智能发展阶段逐步过渡到强人工智能发展阶段的规律。弱人工智能阶段的AI，只能从事简单的、专用性的、可重复性的工作。因此，凡从事简单的、专用性的、可重复性劳动的劳动者有可能被AI替代。根据李开复等提出的“五秒钟准则”，当前这些劳动最容易被AI替代：会计、服务员、司机、文员、裁缝、保姆、车问工人、保安、快递员等岗位。令人忧虑的是，由于当前这些劳动岗位吸纳了大量的劳动者就业，如果这些劳动岗位被AI迅速替代而这些劳动岗位上的劳动者又不能及时转岗，那么将会发生较为严重的失业问题。当然，从经济角度而言，AI要替代劳动者劳动，还必须具备比较经济优势。但根据技术进步的一般规律，随着技术的不断成熟，其制造和使用成本会逐渐降低。因此，一项劳动只要在技术上具备了被AI替代的可能性，就迟早会被AI替代。

当AI发展到强人工智能阶段，AI将能从事复杂性的、通用性的、非重复性的劳动，届时对就业的影响将更大、更深、更广。

在分析哪些劳动岗位可能会被AI替代时，我们必须分析人工智能与人类智能的异同。人工智能与人类智能既有交集——相同点，也有非交集——不同点。图1刻画了人工智能与人类智能的异同点。图1左边圆圈表示人工智能的智能集，右边圆圈表示人类智能的智能集，两个圆圈相交集的部分表示人工智能与人类智能的智能交集。在相交集的智能部分，存在AI对就业的替代，即存在AI与劳动者之间的劳动竞争关系。相交集的智能主要表现为程序性身体技能和非程序性身体技能，譬如前文所说的会计、服务员、司机、文员、裁缝、保姆、车间工人、保安、快递员等岗位。不相交集的智能可分为两个部分：一是人工智能强于人类智能的方面，譬如大数据的计算与分析、大量资料的检索、高精度和高准确性操作等，这些智能具有程序性认知的特点;二是人类智能强于人工智能的方面，譬如发明创造、情感性、艺术性等，这些智能具有非程序性认知、非程序性非认知等特点，从事这些劳动的劳动者不必担忧被AI替代而失业的问题。

图1人工智能与人类智能的异同

2.AI导致的收入分配两极分化风险

从功能收入分配角度而言，收入可分为两大类，一是财产性收入，或称资本收入，二是劳动收入。在企业，企业剩余收益在资本所有者和劳动者之间分配，根据劳资谈判决定工资理论，企业各要素分配是在制度规范下的博弈结果。这里的制度既包括国家的法律法规，也包括企业内的规章制度以及隐性契约等。博弈结果在遵循制度规范的前提下，与劳资双方的产权博弈能力密切相关。影响劳资双方产权博弈能力的因素主要有对企业总产出的相对贡献、对企业经营风险的抵押能力、资源的相对稀缺性、资源使用的可监督性、资源的专用性（或称可塑性）、要素的可加性、对谈判破裂的担心程度以及在企业中是否拥有经济决策权等。在AI时代，难以被AI替代的劳动者具有较强的博弈能力，而可以被AI替代的劳动者博弈能力较弱。对资本所有者而言，一方面由于资本具有较强的可加性和企业经营风险的抵押能力，另一方面AI为资本所有者拥有，其对企业总产出的相对贡献能力不断增强。因此，在AI时代资本所有者在企业剩余分配中的博弈能力在不断增强。只有那些拥有AI无法替代能力的高级技能劳动者，凭借其稀缺性、主动抵押企业经营风险的能力以及对企业总产出的相对较高的贡献能力而拥有较强的博弈能力。

在法律法规还没有随着AI的发展发生较大改变的条件下，收入分配将可能发生这样的两极分化：资本所有者和难以被AI替代的勞动者将获得大部分的企业剩余收益，而大多数低技能的易于被AI替代的劳动者只能得到较少部分甚或得不到企业剩余收益，成为“资本强权”和“技能强权”的牺牲品。

从劳动者之间的收入分配角度而言，AI技术具有技能偏向性。达龙·阿西莫格鲁（Daror Acemoglu）和大卫·奥特（David Autor）把劳动技能划分成三种等级：高等技能、中等技能和低等技能。他们的研究表明，人工智能是一种高等技能偏向的技术进步，这种技术进步降低了对中、低等技能劳动特别是中等技能劳动的需求，提高了对高等技能劳动的需求，失去工作的中等技能的劳动者转向从事低等技能劳动;高等技能劳动需求的增加导致高等技能劳动者工资水平增加，而低等技能劳动力供给增加导致低等技能劳动者工资水平下降，形成高、低等技能劳动力收入分配的两极分化。基于相同的洞察，尤瓦尔·赫拉利（Y.Harari）在《未来简史》中进一步指出，财富和权力可能会集中在拥有强大AI算法的少数精英手中，造成前所未有的经济、社会及政治不平等。

对于因AI等新技术的发展而导致失业或收入显著降低的劳动者，其家庭收入会显著降低，如果得不到社会保障制度的救济，必然陷入生活的困境，从而构成社会不安定因素的来源。

从收入分配的区域角度而言，不同的区域AI科技发达程度不同、资本拥有量有别，这种差别将会导致区域收入分配的差距不断拉大，这种现象也可称之为区域收入分配极化现象。在那些AI较发达的区域，会吸收更多的投资和更多的AI人才，产生“虹吸效应”（Siphon Effect），从而获得更多的收益，形成良性循环;而那些AI较落后的地区，则正好相反，资本和AI人才外流，区域收益不断减少，人均收入不断降低，形成恶性循环，从而导致强者越强、弱者越弱的“马太效应”（Matthew Effect）。任其发展必然导致区域发展不平衡加剧，影响我国经济社会高质量发展以及新时代社会主要矛盾的化解。

从收入分配的国际角度而言，也存在与区域之间同样的收入分配两极分化现象。在AI、移动互联网、物联网及3D打印等新科技出现以前，发展中国家可以凭借廉价的劳动力和丰富的自然资源参与国际分工，缩小与发达国家的经济差距，中国改革开放四十多年来走的就是这种发展道路。但现在这样的发展道路很难走得通了，因为发达国家可以借助AI、移动互联网、物联网和3D打印等新科技替代廉价劳动力，而且高科技产品知识含量越来越高，所需要的自然资源越来越少，逐渐摆脱了对廉价劳动力和自然资源的高度依赖，从而逐渐形成了“赢者通吃”的局面。因此，南北发展差距以及发达国家与欠发达国家问的收入分配差距将会越拉越大，国际发展不平衡的格局难以扭转，这种格局如果得不到根本性改变可能导致国际社会动荡不安。

3.AI加剧市场垄断风险

市场垄断对经济社会的损害主要表现在四个方面：一是扭曲资源配置，降低经济效率;二是阻止新企业进入，降低市场创新能力;三是攫取消费者剩余，降低消费者福利;四是垄断导致寻租，降低社会福利。

决定企业垄断市场能力的内在因素主要在于企业的最优规模水平，而企业的最优规模水平由长期平均成本曲线的最低点决定，企业长期平均成本曲线是由其短期成本曲线的包络线构成的。以往要获得企业最优规模水平需要很长时间的摸索和调整，而现在借助大数据和AI等新技术，可以较快、较准确地获得这一数据，这有利于提高企业生产效率，但也会强化垄断企业的势力，放大其垄断市场的能力。与此同时，企业在与其竞争对手竞争时，可以利用其掌握的大数据和AI的自主决策技术的优势克服信息不对称的困扰，更有针对性地采取措施，打败竞争对手，强化其市场垄断势力。因此，在大数据和AI时代，市场集中度会增强，垄断风险会加剧。

在大数据和AI等新技术条件下，寡头企业之间更易于达成卡特尔协议或进行串谋。过去，寡头企业之间往往通过反复博弈寻求纳什均衡，从而达成较为稳定的卡特尔协议或串谋;而现在，这个过程可以大大地缩短。不仅如此，一方面，由于卡特尔或串谋并非都是纳什均衡，如果寡头企业之间达成的卡特尔协议或串谋不构成纳什均衡，那么可以通过信号算法、平行算法和监督算法等“算法共谋”手段实现寡头企业之间纳什均衡的卡特尔或串谋;另一方面，当卡特尔构成纳什均衡，但易于受到政府反垄断机构打击时，可以通过非刻意的AI算法进行串谋，由于寡头企业之间的协议隐藏在算法中，从而极大地提高了串谋的隐蔽性，给政府反垄断机构识别企业垄断行为带来了挑战。由于市场是动态变化的，各寡头企业的市场能力也会发生相对变化，因而即使实现了纳什均衡的卡特尔或串谋也会转变成非纳什均衡，从而使卡特尔或串谋面临解体的风险。但在大数据和A1支持企业决策的条件下，寡头企业之间很容易形成新的纳什均衡的卡特尔或串谋，从而维持较为稳定的卡特尔或串谋关系，加剧了市场垄断风险。

基于互联网形成的平台企业，在大数据和AI时代凭借其拥有大数据和AI技术上的优势不断巩固和强化其垄断地位，市场集中程度进一步强化。譬如，根据电子商务研究中心发布的《2018年（上）中国网络零售市场数据监测报告》的数据，2018年上半年我国B2C网络零售市场中，天猫稳居首位，市场份额高达55.0%，排名第二的京东占25.2%的市场份额，而排名第三的拼多多的市场份额仅为5.7%，其他电子商务企业市场份额加总仅为14.1%。

平台企业不仅对本行业实现寡头垄断甚至完全垄断，而且利用大数据和AI优势进一步拓展为跨行业寡头垄断。过去，限于信息和技术约束，跨行业寡头垄断的现象较少。但现在，通过大数据和AI，借助“平台包抄”的方式，利用不同消费场景在数据层面上的同质化特点，不同细分领域之间的平台企业可以进行跨界竞争，从而不断涌现出跨行业的寡头垄断现象。所谓平台包抄，是指不同细分领域里的平台企业针对重叠性较大、成分相似的消费者群体而进入其他领域，借助大数据和AI等新技术对丰富的消费者信息资源进行分析和甄别，从而找出消费者在不同细分领域消费行为的相关性，这既可以丰富对消费者行为习惯的认识，又可以提高对消费者的营销效果，从而增加企业利润，实现在平台经济基础上的范围经济。譬如，美团与滴滴之间的跨界平台竞争。跨行业寡头垄断进一步提高了市场垄断的程度和风险。

4.AI导致的对消费者实施价格歧视风险

英国著名经济学家阿瑟·塞西尔·庇古（Aahur Cecil Pigou）在其名著《福利经济学》一书中最早提出了价格歧视概念并对其进行了系统阐述。所谓价格歧视（price discrimination），是指厂商在向不同的消费者提供相同等级、相同质量的商品或服务时，在消费者之间实行不同的销售价格或收费标准。庇古将价格歧视分为三个等级：一级价格歧视、二级价格歧视和三级价格歧视。一级价格歧视也称完全价格歧视，是指厂商向每一个消费者索取其愿意支付的每单位产品的最高价格，从而完全攫取消费者剩余的行为。二级价格歧视亦称数量价格歧视，是指厂商根据消费者消费数量或消费时段的不同，索取不同价格的行为。三级价格歧视亦称弹性价格歧视，是指厂商根据消费者的价格弹性差别区分为不同群组，并对不同的消费群组索取不同价格的行为。

价格歧视属于垄断定价行为，是垄断企业借助商品或服务的差别价格获取超额垄断利润的一种定价策略。过去，受信息约束，商品或服务的提供者欲实施价格歧视有较大的困难。但现在，有大数据提供充分信息，在AI参与价格决策的条件下，企业可以基于消费者属性数据和动态的消费者行为数据等大数据资源，借助贝叶斯網络、神经网络和聚类分析等AI算法对消费者进行用户画像，根据消费者消费意愿的差别实施差别定价，从而最大程度地攫取消费者剩余，谋求利润最大化，实现通常只能在理论上才能获得的一级价格歧视利润;不仅如此，还能根据消费者购买数量的差别实施差别定价，获得二级价格歧视利润，以及根据消费者消费弹性的差别实施差别定价，获得三级价格歧视利润。

价格歧视之所以被视为一种风险，是因为它损害了消费者利益，降低了消费者购买意愿，从而损害了社会福利，是反垄断的重要目标。保罗·纽尔（Paul Nihoul）指出：“美国100多年的反垄断历史只有一条，就是保护消费者，保护消费者的福利。”美国联邦贸易委员会和司法部1997年修订后的《横向合并指南》在效率抗辩方面要求：“考虑可认知的效率是否可能足够扭转合并在相关市场上对消费者的潜在损害”。吴玉岭和陈潭通过对美国历史上的反垄断实践和理论的梳理，认为美国反垄断政策的终极目标是通过保护市场竞争，促进企业提高经济资源的配置效率和生产效率，实现提高消费者福利水平的目的，使消费者能够以最低的价格购买到质量最好的商品，享受到最优质的服务。罗伯特·兰德（Robert Lande）认为：“反垄断法的最基本目标不是效率问题，而是分配问题，是阻止财富不公平地从消费者转移给拥有市场势力的生产者，即防止通过垄断剥夺消费者应得的福利。”这意味着厂商对消费者实施价格歧视违反了反垄断法的价值准则和目标追求，同时也不利于当前我国通过提高消费水平促进消费带动型经济增长的根本要求，会对我国产业结构转型升级构成挑战。

5.AI导致的国际经济风险

国际经济风险除了前面所说的因AI导致的国际收入分配两极分化风险以外，还存在着全球价值链分工极化风险和国际贸易保护主义风险等。

在经济全球化时代，存在价值链分工的全球化。联合国工业组织把全球价值链分工界定为，散布于全球的、处于全球价值链上的企业以跨国公司为旗舰企业进行的从研发设计、产品开发制造、营销、售后服务直至循环回收等各种增值活动。全球价值链分工往往形成一种垂直专业化的分工。在价值链分工中，产品的生产可分为三个环节——研发设计、生产加工组装和营销，这三个环节又可进一步细分为若干个子环节。在全球价值链分工中，发达国家占据主导地位，主要负责产品生产的研发设计和营销等高附加值的环节，而发展中国家则处于被主导地位，主要从事低附加值的生产加工环节。在这样的全球价值链分工体系条件下，发达国家采取“去工业化”策略，把低附加值的生产加工环节通过外包的方式向发展中国家转移，发展中国家通过承接低附加值的生产加工环节参与经济全球化分工，形成全球价值链分工的极化现象。

然而，随着AI、5G及3D打印等智能新技术的发展，生产的机械化和自动化水平得到极大的提高，它既能实现大规模批量化生产，也能实现小规模个性化生产，劳动成本急骤降低，从而使得原本由发展中国家承接的生产加工环节重回发达国家，发达国家得以再工业化。而发展中国家不得不面临过早的“去工业化”，“去工业化”导致发展中国家失业加剧，经济增长乏力。不仅如此，过早的“去工业化”使得发展中国家在未掌握AI等智能新技术的条件下，难以找到新的经济增长点，无法积极参与新的全球价值链分工，全球价值链分工极化现象不断加深，发展中国家被国际分工边缘化，锁定在贫困陷阱中。

国际贸易保护主义思潮源于“关税抽租理论”和“新贸易理论”等。詹姆斯·布兰德（J.A.Brander）和芭芭拉·斯宾塞（B.J.Spencer）于1981年提出了关税抽租理论，用来解释在不完全竞争条件下，政府通过政策干预可以改变企业的战略性行为，使国际贸易朝着有利于本国企业获取最大利润的方向发展。在此基础上，保罗·克鲁格曼（P.Krugman）于1983年进一步提出了新贸易理论。该理论认为，政府通过贸易保护，全部或局部封闭本国市场，可以阻止国外产品进入本国市场，使国外竞争者由于市场份额的缩小导致边际成本上升，无法实现规模经济，而本国原来处于追随地位的厂商则能快速扩大市场份额，通过规模经济降低边际成本，从而增加本国企业的国际竞争力。由于AI产业具有极强的网络外部性，因此AI领先企业会构筑极高的进入门槛，容易形成不完全竞争市场甚至完全垄断市场。

阿维·戈德法布（Avi Goldfarb）和丹尼尔·特雷弗勒（Daniel Trefler）借助上述理论于2018年提出了在补贴政策、人才政策和集群政策等几类战略贸易保护政策支持下，AI产业在国际贸易中的发展理论。该理论认为，如果AI依赖的知识外部性主要来自于本国范围，那么政府就可以通过产业政策和战略性贸易保护政策对本国AI企业进行有效扶持，从而提升本国AI企业的国际竞争力。因此，AI发达国家会借助贸易保护主义政策促进本国AI的发展，取得全球AI发展的优势，拉大其与AI欠发达国家基于AI等智能新技术的经济发展差距，把AI欠发达国家锁定在低技术发展陷阱中，从而导致国际经济风险。

因此，我国如果不能跟上AI发达国家发展AI的步伐，就有可能陷入全球价值链分工的低端及低技术发展的陷阱中，这种国际经济风险应引起政府和社会各界人士的足够重视。

三、对策措施

针对AI发展可能带来的上述经济风险，提出以下对策措施。

1.对AI导致的失业风险的防范

第一，要树立密切联系经济社会发展实际的开放式教育理念。AI技术进步对就业的影响不但与技术进步本身有关，还与教育、管理和制度变革等有关。密切联系经济社会发展实际的开放式教育理念既有利于促进经济社会发展，也有利于就业，反之，脱离经济社会发展实际的封闭式教育理念既不利于促进经济社会发展，也不利于就业。中国与第一、第二次工业革命失之交臂，原因固然是多方面的，但教育脱离经济社会实际是一个重要原因。新中国成立后，特别是改革开放之后，教育理念发生了较大变化，由脱离经济社会发展实际的封闭式教育理念通过改革开放逐渐地转变为密切联系经济社会发展实际的开放式教育理念，从而促进了我国经济社会的发展，搭上了第三次工业革命的末班车，使中国在不到40年时间里一跃而成为世界第二大经济体。在以AI为代表的第四次工业革命来临之际，中国欲引领世界经济发展的潮流，就必须进一步改革教育的方式方法，实行密切联系经济社會发展实际的开放式教育理念，密切关注国际科技发展的前沿态势。

第二，各级各类教育部门都应重视AI教育。无论是初等教育、中等教育、职业技术教育，还是高等教育，都应当顺应AI发展的历史潮流，增加与AI相关的课程，增设与AI相关的专业，既要培养AI专业人才，也要培养与AI相关的复合型人才，这既有利于夯实AI发展的人才基础，也有利于劳动者紧跟AI发展的步伐，减少因AI发展导致的失业风险。

第三，各级各类教育要由重视知识的传授转变为重视创新能力的培养，并促进劳动者树立“终身学习”的理念。AI发展迅猛，AI知识学习与应用的能力强于人类，但AI不具备创造能力。因此，创新劳动岗位不可能被AI替代，具有较强创新能力的劳动者失业的风险较低。随着经济社会的发展，知识更新速度不断加快，劳动者只有紧跟技术结构变迁的步伐，才能免除永久失业之虞。因此，每一个劳动者都应当树立牢固的“终身学习”的理念。

第四，鼓励创业创新，开发不容易被AI替代的工作岗位。一是通过创业创新开发像发明创造、情感性、艺术性等具有非程序性认知、非程序性非认知等特点的工作岗位，这些工作岗位既有利于促进经济社会发展，也不容易被AI替代。二是通过创业创新开发人机融合、人机协同和人机耦合的工作岗位。由于人工智能与人类智能各有所长，又各有所短，如果能够充分发挥人工智能与人类智能的互补作用，取长补短，那么既可以通过人机融合、人机协同、人机耦合形成“1+1>2”的智能耦合效果，又可以避免劳动岗位被AI替代造成失业之虞。

第五，完善失业保险制度。AI时代，失业更加频繁，而且可能会存在大量的劳动者因不能适应技术发展需要而永久地退出劳动力市场的现象。目前，《中华人民共和国社会保险法》和《失业保险条例》是基于保障失业人员失业期间的基本生活，为促进其再就业的目的而制定的，失业者最多能够领取24个月的失业保险金。而在AI时代，失业时间可能更长，为再就业需要准备的时间也更长，而且这两个法并无针对因失业而永久退出劳动力市场的救济方案。因此，现有失业保险制度需要不断地完善，以应对AI导致的新的失业风险。

2.对AI导致的收入分配两极分化风险的防范

第一，从功能收入分配角度而言，我国目前的法律法规对劳动者权益有一定保障措施，但总体而言更偏重于资本所有者。改革开放之初，由于我国劳动力资源较为丰富而资本较为匮乏，为了发展经济需要大力引进外资，因此法律法规偏重于资本所有者有一定的历史合理性。经过40多年的改革开放，我国逐步实现了由站起来到富起来的历史性转变，但资本仍然不丰裕，还需要引进外资，促进我国进一步地由富起来向强起来转变。然而，当前我国资本的稀缺程度不同于改革开放之初，而且我国劳动力素质也得到了根本性提升，从历史的角度而言，人力资本的作用和地位会不断提高，并逐渐地拥有对物质资本的比较优势。因此，法律法规需要适时地加以改变，由资本偏向型向资本与劳动平衡型转变，并逐步地过渡到劳动偏向型。这有利于劳动者在企业剩余分配的博弈中拥有更大的优势，得到更多的剩余分配收入，从而改善劳资分配的格局，提高劳动者收入。同时，在条件成熟时，可以考虑开征AI所得税，旨在进一步平衡劳资收入分配格局。

第二，从劳动者之问的收入分配角度而言，AI技术具有高技能偏向性，会提高高等技能劳动者收入，降低中、低等技能劳动者收入。因此，应创新收入转移支付制度，完善社会保障制度，实现既能促进中、低等技能劳动者不断提高技能水平，又能把高等技能劳动者与中、低等技能劳动者的收入差距限定在合理范围内的目的，从而有利于共同富裕的社会主义根本目的的实现。

第三，从收入分配的区域角度而言，AI将会拉大区域收入分配的差距。针对这一现象，应出台各种政策平衡不同区域AI的发展，防范因AI的不平衡发展而导致的区域收入分配差距的扩大。

第四，从收入分配的国际角度而言，AI将会拉大国际收入分配的差距。针对这一现象，我国应进一步加大促进AI发展的人、财、物方面的支持力度，紧跟世界AI发展的前沿，保持我国AI发展水平始终处于世界第一方阵，从而防止因AI技术落后导致与发达国家收入分配不断拉大的风险。

3.对AI导致的加剧市场垄断风险和价格歧视风险的防范

第一，加快AI安全预警监测体系建设，成立专门的政府监管机构。目前根据我国相关法规规定，公安部、工业和信息化部、商务部、中国银行业监督管理委员会、中国人民银行等相关部门都负有对个人信息及市场的监管职责，但这些部门之间存在“九龙治水”的现象，对个人信息及市场的监管效果不是十分理想，迫切需要整合监管资源，提高对个人信息及市场的监管效率。在我国的海量数据中，20%是互联网数据，80%是组织数据，而组织数据中的80%由政府掌握。因此，政府应成立专门的监管机构，凭借拥有的大数据优势以及先进的AI技术和人才优势建立AI安全预警监测体系，对AI时代的个人信息、市场及其经济社会的运行实施有效的监管。

第二，综合各学科人才大力发展AI监管科技，形成对加剧市场垄断风险和价格歧视风险防范的监管科技优势。

第三，加快完善数字信息安全立法工作的步伐。一是加强AI条件下的反垄断立法，维护市场競争态势，保护消费者利益。二是加强对个人信息保护的立法工作，应对个人信息搜集及数据使用等环节进行规范和限制，防止滥用个人信息加剧市场垄断和实施价格歧视的行为。

第四，要求厂商在决策过程中采取可解释性更强的AI算法，以便于政府反垄断机构对“算法共谋”、价格歧视等行为进行监管，同时推进AI发展，使AI具备因果推理能力，减少AI对大数据的依赖程度，从而削弱平台企业以及垄断企业的垄断地位，维护公平竞争的市场环境和消费者利益。

4.对AI导致的国际经济风险的防范

对国际经济风险的防范主要在于发展中国的AI等智能新技术，只有中国的AI等智能新技术处于世界领先地位，才能避免中国在全球价值链分工中处于全球价值链的低附加值端的极化风险，以及发达国家的国际贸易保护主义对我国经济社会发展构成威胁的风险等。具体而言，可采取以下五项对策措施。

第一，加强AI基础理论研究，夯实我国发展AI的理论基础，占领AI关键核心技术和关键共性技术的制高点。目前，美国和中国在全球拥有AI相对领先技术优势，美国在AI基础科研上拥有相对优势，而中国在AI产业化应用上拥有相对优势。中国欲领AI发展的世界潮流，就必须弥补AI基础科研能力的相对不足，增强AI产业发展的后劲。应坚持问题导向，主攻关键核心技术和关键共性技术，在高性能芯片等短板技术上抓紧布局，全面增强AI科技创新能力，确保AI关键核心技术和关键共性技术牢牢掌握在自己手里。

第二，坚持市场导向的科技发展思路，强化AI科技应用开发。应以市场为导向，充分发挥我国数据量大、市场规模大、产业升级潜力大的优势，推进AI技术产业化，赋能产业升级，创新AI产品和服务，形成AI科技创新和AI产业应用相互促进的良性循环局面。

第三，加强A1人才队伍建设，为AT发展夯实人才基础。一方面要改革教育体制机制，打造多种形式的AI高层次人才培养平台;另一方面要完善A1人才使用制度，既要大力培养AI高层次人才，也要使用好这些人才，做到人尽其才、才尽其用，同时还要大力吸引国外AI高层次人才来我国工作或学习交流，为AI科技发展和AI产业发展提供坚实的人才支撑。

第四，大力发展与AI相关的5G、大数据、物联网、云计算、3D打印以及AR/VR/MR等技术。以AI为代表的智能新技术是由AI、5G、大数据、物联网、云计算、3D打印以及AR/VR/MR等组成的技术生态体系，单纯发展AI技术难以获得理想的效果，必须协同推进这些共生技术的发展。

第五，加强AI对国家安全、社会稳定、数据保护、网络安全的影响研究，以及AI伦理、AI法律和AI劳动主体资格等与AI相关的社会科学领域问题的研究，提高我国运用AI等智能新技术的综合能力，确保AI等智能新技术能够促进中国经济社会高质量发展。

作者单位：武汉大学经济与管理学院

责任编辑：牛泽东