2025 年诺贝尔经济学奖授予乔尔・莫基尔（Joel Mokyr）、菲利普・阿吉翁（Philippe Aghion）与彼得・豪伊特（Peter Howitt）三位经济学家。他们以数百年历史数据为研究基 础，构建并推导相关理论模型，最终揭示了技术进步与“创造性破坏”如何驱动经济实现持 续性增长的核心逻辑。回顾历史，科学技术进步带来的“创造性破坏”曾经出现“卢德运动”。
19 世纪初，英国处于第一次工业革命时期，珍妮纺纱机、蒸汽机等新机器的使用，极 大提高了生产效率，却导致大批手工业者降薪，失业甚至破产。 1811 年，英国中部城市诺丁汉郡（英国针织袜业的中心）的袜商生产劣质长筒袜压低 价格，冲击织袜工人收入，一些织工以 “卢德将军” 的名义捣毁商人的织袜机，运动由此 开始并迅速蔓延至约克郡西区、兰开郡等地区。英国政府采取严厉措施，1812 年通过 《保障治安法案》，1813 年颁布《捣毁机器惩治法》，规定可用死刑惩治破坏机器的工人， “卢德运动”逐渐平息。“卢德运动”通常被认为是机器第一次大规模取代人的工作。英国 也在第一次工业革命后，成为“世界工厂”，并确立了全球霸主的地位。 根据中国青年报，彼时的英国的织工长期都是“国内最大的单一产业工人群体”，家庭 成员都依托手工作坊生存，新机器的使用逐步威胁织工家庭。根据《呢绒呢织业史》记载： 1806 年至 1817 年，约克郡的剪绒工厂从 5 家增加到 72 家，剪绒机器从 100 架增加到 1462 架，3378 个平绒工人中至少 1170 人没有工作，1445 人半工作，只有 763 人完全就业。由于 操作机器的技术方面的要求不高，价格更低廉的工人比纺织技术更娴熟的长期学徒更受工厂欢迎。
实际上，作为“卢德运动”中首先攻击的目标-纺织机器，并非在短时间击溃英国织工， 而是经历了半个世纪。从以人力为动力的珍妮纺织机诞生到与改良蒸汽机融合再到以蒸汽 机为动力的大工业机器大规模使用，这一历程大约经历了 50-60 年（1764 年，詹姆士·哈格 里夫斯发明珍妮纺织机；1785 年，瓦特的改良蒸汽机开始用做纺织机械的动力；1820 年左 右，卢德运动结束机器工业时代到来）。通常认为，珍妮机的发明不仅标志着第一次工业革 命的开始，更是人机交互的起源。 在后续数百年的人机交互过程中，这种类似“卢德运动”思想和行动层出不穷，“第二 次工业革命（19 世纪下半年）”中，汽车对马车的替代导致马车夫的不满和抵触，比如 1858 年英国《红旗法案》规定汽车的限速规定且汽车前方必须有一个人手持红旗先行，这在某些特定的程度上反映了传统行业从业者对新技术的抵触情绪，结果导致英国汽车业失去先发优势。“第 三次工业革命（20 世纪下半叶）”中，计算机等信息技术的加快速度进行发展引起“新卢德派”人士 担心传统产业工人被计算机取代。在当前的“第四次工业革命（21 世纪）”中，人工智能引 起全世界较多传统创作人士的失业担忧，例如 2023 年 5 月，代表 11,500 名编剧和作家的 美国编剧工会（WGA）发起罢工要求制片方限制人工智能（AI）在剧本和影视剧创作中的 应用并提高薪酬。
我们认为，珍妮纺织机对初级体力劳动形成“创造性破坏”，AI对初级智力劳 动形成“创造性破坏”。““创造性破坏””是美籍奥地利经济学家熊彼特提出的核心观点， 构成其企业家理论和经济周期理论的基础，主要指新技术会摧毁旧的产业和就业，但同时 会创造新的经济结构和工作机会。珍妮纺织机和人工智能的影响，正是这一概念在不同劳 动维度的典型体现。 珍妮纺织机作为“第一次工业革命”的核心发明，直接替代“重复、低技能的初级体 力劳动”，其破坏与创造的逻辑清晰可见，主要影响纺织业单一产业，创造性主要在于构建 了规模化体力劳动新体系，大型工厂模式取代家庭作坊，催生“机器操作工”“设备维修 工”“车间管理员” 等新体力岗位。 人工智能作为当前“第四次工业革命”的中重要引擎，AI（如 ChatGPT、计算机编 程、AI 绘画工具）的核心影响集中在对“规则明确、重复性的初级智力劳动”的替代， 覆盖媒体、设计、法律、教育等多个行业，影响区域更广。创造性主要在于催动 AI＋产业 融合，未来有望出现理解 AI 逻辑，且具备专业领域知识复合人才，例如 AI 训练师、AI 内容审核师等高技术岗位。
从历次工业革命来看，本次人工智能所造成的影响破坏性更强，烈度更大，范围更 广。在前三次工业革命（机械时代、电气时代、信息时代）中，就业岗位从农业向工业、 再向服务业迁移，因此历次工业革命对就业的影响均为推动产业与就业结构深度转型，且 主要影响区域为低技能体力劳动者，并因技术扩散依赖物理基建的原因，呈现出线性推进 特征，使得劳动力市场存在调整缓冲期；而本次人工智能革命在技术扩散、替代范围、冲 击群体、替代模式上均突破过往框架，且加速原有技能体系失效、新技能适配难度陡增， 最终对就业的破坏力度与结构性冲击远超历次工业革命。
人工智能与历次工业革命在技术替代的速度、范围、冲击群体及替代模式上存在根本 性差异，其变革的烈度与广度前所未有。 人工智能的广泛应用对就业的替代效应主要呈现三大显著特征：一是行业异质性突 出，各行业人工智能渗透率差异较大，且岗位技能可替代性分化明显，当前就业市场中， 近半数岗位技能具备人工智能可替代性，不一样的行业因此采取直接替代或员工再培训的差异 化应对策略，且完全可被人工智能替代的技能数量呈现突破性趋势；二是初级岗位面临消 失风险，企业采纳人工智能后更倾向通过停止招聘而非直接裁员调整人力，明显降低初级 员工招聘率，悄然重塑人力金字塔；三是年龄冲击非对称，年轻和资浅员工因技能知识更 易被人工智能替代，在高人工智能暴露职业中就业率显著下降，而资深员工凭借难复制的 经验知识实现就业增加，经验溢价大幅度的提高。 人工智能的就业替代呈现出显著的行业异质性。例如，据纽约联储调查显示，在信息、 金融和商业服务行业中，超过半数的受访企业表示已将AI作为其业务流程的一部分， 农业企业则无一家表示用AI，批发零售、娱乐及酒店业中约有 40%至 45%的受访 企业表示正在用AI，而教育医疗、个人服务、零售等行业中约有 1/3 受访企业使用 人工智能。 在具体行业的人工智能可替代性中，不一样的行业虽呈现出较大的差别，但技能可替代性正 在逐步上升。例如，在美国招聘平台 Indeed 上的所有岗位发布所要求的技能中，有 40%的 工作技能难以被人工智能替代（“最低转型”），19%的工作技能可以被人工智能辅助替代 （“辅助转型”），40%的工作技能可以和人工智能进行融合（“混合转型”），而 1%的工作技 能则属于可以被人工智能完全替代（“完全转型”）。其中，54%的“混合转型”类技能和 57%的“完全转型”类技能都是技术类别技能，这表明在人工智能的可深度替代技能类别 中，技术类技能将占据主导地位。
平均而言，典型的职位中有 46%的技能属于“混合转型”或“完全转型”类别，即理 想条件下，在当前就业市场岗位的所需技能中，几乎一半都具有人工智能的可替代性。具 体而言，在软件开发工作中，所需 81%的技能都属于“混合转型”类别，而医疗护理类工 作则有 68%的技能属于“最低转型”类别，表明前者具有十分显著的人工智能可替代性。 这种技能分化将导致企业应对策略的差异，例如部分高人工智能渗透率行业倾向于直接替 代原有人力，而服务业、制造业等具备不易被完全替代技能的行业则更侧重于对现有员工 进行再培训。
此外，在 2024 年的所有要求技能中，根据结果得出暂无任何技能能够被 GenAI 所完全替 代，而 2025 年，已存在 19 项技能被认为是可以完全替代，虽然相对体量较小，但已呈现 出一个明显的突破性上升信号。 企业在采纳人工智能后，其人力策略的核心并非裁员，而是停止招聘，这将导致初级岗 位的直接消失。与直接裁撤现有员工引发的动荡和成本相比，停止或缩减初级岗位的招聘更 为隐蔽且平缓。当公司开始采用 GenAI 后，初级员工的招聘率将也许会出现显著下降，而相 对应的，具备高级经验技能的高级员工招聘率将有几率发生更快增长趋势，甚至持续加速。核 心原因主要在于，人工智能模型更擅长替代可通过正规教育获得的“程式化知识”（即课本中学来 的知识），而这正是年轻劳动者的主要技能储备；相比之下，人工智能难以复制依赖长期实 践积累的“默会知识”（即工作经验中的知识），这正是资深员工的核心优势。 以上推演表明，AI对就业的冲击在年龄维度上表现出极强的非对称性，年轻和资 浅员工成为最主要的受冲击群体，其正在悄然重塑企业的人力金字塔，通过冻结底层招聘， 结构性地减少了年轻人的职业起点，并加强了资深岗位与初级岗位的断层需求。
相关数据曾揭示，在软件开发、客户服务等高 AI 暴露职业中，22-25 岁职场新人的就业 率自 2022 年底至 2025 年 7 月下降了 6%，而同期 35-49 岁年长劳动者的就业率反而增长了 6%至 9%。以软件开发岗位为例，22-25 岁群体的就业人数相比 2022 年底的峰值下降了近 20%。这种结构性替代导致了“经验溢价”的急剧拉升，资深员工因其指导、验证和应用人工 智能的能力而变得更有价值，而年轻人的职业起步路径则因入门级任务被人工智能自动化 而面临断裂风险。 历次技术革命均深刻重塑了劳动力市场，其适应机制在迁移模式、技能升级、教育响 应及社会政策层面呈现出清晰的演变路径。从工业革命的物理性、阶段性适应，到人工智 能时代的虚拟化、终身性适应，变革的速度、广度与深度均呈指数级增长，也对个人、企 业及政府的适应能力提出了前所未有的挑战。 AI对就业市场的影响，既延续了历次技术革命““创造性破坏””的共性，又在 冲击的速度、范围和模式上展现出前所未有的独特性。在速度上，人工智能技术扩散极 快，从“iPhone 时刻”到 10%渗透率仅用 1 年，远快于电力的 20 年和互联网的 7 年。在范围 上，其替代效应不再局限于体力劳动，而是深度渗透至认知劳动领域，全球约 18%的工作 任务面临自动化风险，其中办公室行政支持、法律等白领岗位暴露度最高。在模式上，人工智能率先冲击年轻和资浅员工，因其更擅长替代“程式化知识”，导致在高 AI 暴露职业 中，22-25 岁劳动者就业率显著下降，颠覆了以往技术变革中年轻劳动力更具适应优势的 传统认知。 当前社会面临的核心挑战，是技术变革的指数级速度与社会适应能力的线性速度之间的 “剪刀差”。这种不匹配体现在教育体系改革滞后、劳动力技能转型缓慢、以及社会保障与收 入分配政策未能及时跟进等多个角度。若无法有效弥合这一差距，可能会引起结构性失业加剧、 技能鸿沟扩大和收入不平等恶化，从而引发社会问题。因此，如何构建一个敏捷、包容的适 应性框架，加速劳动力技能重塑，并创新社会安全网，是应对本轮人工智能就业冲击的关键 所在。