人工智能（AI）正在逼近一类曾经让人安心的工作：它需要技术，需要训练，也需要长时间的耐心劳动，却主要依靠成熟知识和相对稳定的流程完成。比如，写常规代码、做基础测试、整理资料、制作商品图片、处理客户咨询，都属于这种工作。
说得直白一些，这些工作就是那些通常被人们称为“码农”干的“有技术含量的累活”：未经训练的人难以胜任，经过数年学习和实践的人却可以稳定交付；熟练因此形成门槛，也成为劳动者换取收入的资本。
中国恰好是这种熟练劳动优势最具代表性的产业大国之一。它的发展成就，很大程度上来自把成熟技术做精、做稳、做出规模：工程师解决问题，技术员改进工艺，熟练工保证质量，供应商和管理者把无数环节组织起来。
国家统计局的资料显示，2021年-2025 年，中国制造业增加值占全球的比重始终保持在 28% 以上。人社部公布的资料则显示，中国技能劳动者超过 2.2 亿人，其中高技能人才超过 7200 万人。这些数字背后，是一个依靠学习、训练和产业实践，把庞大人口转化为生产能力的社会。
当越来越多可以数字化、可以拆解成步骤的熟练工作，开始进入人工智能的能力范围，其对中国社会的冲击，会深入触及既有的发展方式。
当熟练能力越来越容易获得，企业靠什么保持利润？劳动者靠什么维持收入？年轻人又该如何走上职业发展的台阶？这些问题都需要新的答案。随着技术成本下降、应用范围扩大，这种冲击将逐步加深。
对于拥有熟练劳动组织成巨大产业体系的中国，人工智能的广泛应用尤其关系到就业、收入与向上流动的基础。担忧由此产生，转型也必须从这里出发。
熟练的价值，正在重新被定价
熟练之所以有价值，是因为它需要时间。一个人反复处理问题，逐渐掌握规则，知道常见错误发生在哪里，学会在限定时间内交出合格结果。企业为这种能力支付工资，客户为这种能力购买服务。劳动者积累经验，通常也能借此获得更好的就业机会。
人工智能正在压缩这段积累过程。过去，新人遇到问题，需要请教前辈、查阅资料、经历多次试错；如今，工具可以提供操作建议、生成初稿、指出遗漏，把一部分经验直接送到使用者面前。一项针对客服企业的实证研究发现，生成式 AI 带来的生产率改善，对新手和技能较低的员工更明显，工具也帮助员工学习并改善留任。对新人而言，这是能力获得的捷径；对熟练者而言，它意味着一部分多年积累的优势，正在变得更容易复制和取代。
这会改变企业组织劳动的方式。一个团队原本需要多人分别承担检索、起草、修改和检查工作，工具成熟后，部分环节可以合并，员工的工作重心随之转向判断、沟通与验收。企业仍然需要人，但对不同层次员工的需求会发生变化。最先承受压力的，往往是那些承担大量常规执行任务、又缺少独立决策权的岗位。
这些变化能否带来更好的就业，关键在于需求。如果完成相同业务所需的劳动时间大幅减少，企业必须获得足够多的新订单，或者创造足够多的新业务，才能继续吸收原有劳动。经济学家达龙·阿西莫格鲁（Daron Acemoglu）和帕斯卡尔·雷斯特雷珀（Pascual Restrepo）关于自动化的研究，把这一过程概括为劳动替代与新任务创造之间的相互作用：技术提高生产率的同时，可以减少某些任务中的劳动需求；新的任务和经济活动，则可以重新扩大就业。
企业效率提高与劳动者处境改善之间，需要一座桥。这座桥由新增需求、职业转换和收入分配共同构成。如果这些环节跟不上，企业节省下来的劳动投入，就可能成为劳动者面临的招聘收缩、工作减少和收入压力。
冲击为何会一层层加深
人工智能对劳动的影响，不会停留在今天的能力水平。它正在沿着成本、任务范围和组织方式三个方向推进。
成本下降，首先扩大了使用它的企业范围。斯坦福2025年人工智能指数报告（AI Index）记录，达到特定 GPT-3.5 基准表现水平的模型，其推理价格在2022年11月至2024年10月间，降至原来的不足 1/280。曾经需要慎重计算的AI工具开支，逐渐变成许多企业可以日常承担的费用。只要某项任务能够稳定地节省时间，采用它的动力就会增强，原有的人工报价也会受到重新审视。
任务范围扩大，则使影响从一个操作延伸到一段流程。早期AI工具帮助人写一句话、改一段程序，后续的智能体则开始尝试读取资料、操作软件、检查结果和推进任务。斯坦福2026年AI Index显示，智能体在OSWorld电脑操作测试上的表现明显改善。企业采用AI技术时，会考虑出错概率、人工检查成本和整体效率。随着越来越多常规AI环节达到可用水平，一个岗位的工作内容就可能被持续压缩，直到原有团队结构需要重新安排。
组织变化又会把这种影响延续下去。起初，企业会让原有员工使用AI工具，随后，可能在下一轮预算、招聘和外包安排中体现效率收益——离职后不再补人，减少初级岗位，把更多业务交给小团队，都是可能出现的调整。
Anthropic在2026年对美国劳动市场的早期研究中发现，在更容易受到 AI 影响的职业里，年轻人获得新工作的速度可能已经放慢。 技术冲击因此可以在没有集中裁员的情况下逐渐累积：现有员工仍然工作，后来者却发现门变窄了。
竞争还会迫使企业跟进。一家率先使用AI的企业可能获得较高利润，但当同行普遍采用AI后，客户便会要求更低价格、更快交付。原本属于先行者的效率收益，逐渐变成行业共同的成本标准。企业为了留住订单会继续压缩费用，员工则需要证明自己拥有AI工具之外的价值。熟练劳动面对的压力，会随着技术扩散一轮轮传递。
压力沿着产业传向家庭
中国的特殊处境在于，熟练劳动同时连接着产业竞争力、家庭收入和年轻人的发展预期。大多数劳动者通过教育和职业训练进入生产体系，企业通过组织劳动者获得交付能力，家庭再以劳动收入支撑消费和生活改善。人工智能只要改变其中一个环节，影响便可能沿着整条链条传递。
青年就业是最敏感的入口。据新华社报道，2026 届普通高校毕业生规模达到1270万人。对准备进入劳动市场的年轻人而言，第一份工作既要提供收入，也要帮助他们把学校里的知识变成实际能力。初级编程、基础分析、普通设计和后台处理等岗位，除了完成业务，也承担着训练新人的功能。企业如果减少这些岗位，会同时减少年轻人的收入机会和经验来源。
初级岗位收缩，还可能使人才培养失去必要的起点。过去，新人从简单任务做起，在真实反馈中积累经验，再逐渐承担复杂工作。如果基础任务越来越多地交给AI，企业却仍然沿用“只招有经验的人”的标准，培养人才的链条就会出现缺口。年轻人学会了更多知识，却更难获得实践机会；行业需要成熟人才，却没有足够空间让新人成长起来。对于长期寄望于教育改变生活的中国家庭，这种落差会格外沉重。
收入与需求之间的联系，会进一步放大压力。国家统计局公布的2025年数据中，工资性收入占居民人均可支配收入的 56.6%。大量家庭的消费能力，仍然依赖就业和工资。当常规技术工作的报价下降，初级岗位减少，收入增长预期转弱，家庭就会更谨慎地消费。企业面对较弱需求，又会继续控制用工和成本，劳动市场的调整由此可能形成反复。
这一变化还会叠加到已有的经济压力上。2025 年，中国居民消费价格与上年持平，工业生产者出厂价格下降 2.6%。 IMF（国际货币基金组织）在2026年发布的中国经济评估中，也将内需偏弱、房地产调整和对外需的依赖列为重要挑战。
在这样的背景下，人工智能节省的成本若主要转化为进一步降价，而没有带来足够的新需求，企业就可能面对更高效率、更低报价和更薄利润同时存在的压力。虽然价格下降能够惠及消费者，但收入增长和稳定预期则决定这种好处能否转化为持续消费。
对于中国来说，强大的自动化生产能力，会让相关的调整推进得更快。国际机器人联合会的统计显示，2025年中国新增安装约35.4万台工业机器人，占全球新增部署的59%。大规模工业应用、完整供应链和激烈的企业竞争，使中国具备迅速推广新技术的条件：一旦有企业验证某种做法有效，同行就会迅速跟进。这样的能力可以巩固生产优势，也会加快用工方式的变化，这要求劳动者和公共制度以更快速度适应。
国际分工同样会发生调整。WTO（世界贸易组织）发布的《2025年世界贸易报告》报告指出，人工智能能够降低贸易成本、提高生产率并扩大市场机会，而基础设施、技能和技术能力的差异会影响各方获得的收益。对可以远程交付的业务，海外客户可能让本地员工借助AI，承担过去需要外包的部分任务；其他经济体的企业，也可能借助AI工具更快达到基本交付标准。对中国而言，这既提供了开拓市场的新工具，也意味着原有竞争者与潜在竞争者都在获得新的能力。
制造业的变化，会更深地进入设备、材料和工艺之中。现场调试、质量控制和复杂供应链，仍然需要大量实践知识，这些能力将成为中国转型的重要基础。与此同时，企业的竞争优势会越来越取决于能否把现场经验转化为数据、产品和持续改进的系统。停留在增加人手、延长工时和压低报价的企业，会承受更大的压力。
这些渠道共同指向一个值得担忧的局面：中国企业可以在技术竞争中继续向前，熟练劳动者的收入与职业空间却未必同步扩大。这可能意味着，生产能力增强，家庭预期趋于谨慎；领先企业不断突破，初级岗位的入口逐渐收紧。对于一个依靠大规模熟练劳动实现工业化和收入提升的国家，技术变化因而具有格外深的社会影响。
从熟练的国度，走向创造的未来
中国的转型，需要把发展的重心推向技术前沿。随着成熟知识和常规能力不断被AI工具吸收，企业今天尚有利润的业务，明天也可能进入新一轮替代。能够形成持续优势的，是提出新的问题、突破关键技术、开拓新的产业。中国应当把更多资源投向这些环节，争取在下一代生产体系形成之初，就拥有参与定义它的能力。
首先要深入人工智能本身的技术源头。基础模型、学习算法、计算架构、关键芯片和研发工具，决定了智能能力如何产生、以什么成本运行，又能向哪些领域扩展。中国需要在这些环节持续取得原创突破，形成具有竞争力的技术平台，并围绕它们发展新产品、新企业和新的产业分工。国务院实施的“人工智能+”行动，已经提出加强基础理论和模型架构创新，支持人工智能芯片攻坚，并推动技术研发与工程实现协同发展。转型的力度，应当体现在这些核心能力的积累上。
前沿突破还要延伸到人工智能以外。先进材料、生物科技、未来能源、量子技术等领域，关系到下一代产品与生产方式的形成。人工智能可以加速研究与开发，中国则应借此提高原创能力，掌握重要的技术路线和核心成果。2026 年“十五五”规划纲要，将原始创新、关键核心技术攻关和战略前沿布局置于科技发展的突出位置，提出突破基础理论与底层技术。这些方向应当成为能够持续投入、不断验证和逐步形成产业的长期事业。
真正的前沿能力，需要厚实的基础研究支撑。它要求长期积累理论、方法、仪器和实验能力，也要求给研究者探索未知的时间。科研评价和资金安排，应当能够支持高风险、有价值的探索，让重要问题获得跨越短期考核周期的研究空间。“十五五”规划纲要也提出，对基础研究团队和青年科技人才给予长期稳定支持，探索长周期资助模式，鼓励高风险、高价值研究。衡量这样的投入，需要看它能否产生新的发现和能力，能否打开此前无法进入的技术领域。
中国已有的制造和工程基础，应当成为前沿突破通向产业的强大支撑。新材料需要制造工艺，新型能源技术需要装备与系统，新计算架构需要芯片、软件和应用共同验证。庞大的产业体系，可以帮助原创成果完成从实验室到原型、从原型到规模生产的跨越。制造规模支撑前沿突破，前沿突破再带动制造升级，中国才能不断建立新的竞争优势。
与之相适应，教育、资本和市场也要支持创造新技术的人。人才培养应加强基础学科、科学方法和独立研究能力，让年轻人更早进入真正有挑战的科研与工程项目。资金需要有耐心承担研发周期和技术风险，市场则要给新企业公平竞争的机会，使有价值的成果能够成长为产品。知识交流、国际合作和多种技术路线的竞争，也应成为创新体系的重要部分。面向前沿的投入，最终需要落到这样的组织与制度条件上。
新的技术与产业，还应不断拓展劳动能够进入的空间。原创突破带来新产品、新市场和新任务，才有可能为人才与就业打开新的通道；关于自动化与新任务的研究，也强调了新任务创造对劳动需求的作用。职业训练、就业服务和收入保障，应当帮助劳动者向新产业流动，降低转换的成本，使技术跃迁获得更广泛的人力与社会支持。
中国过去的发展，证明了大规模学习、工程组织和产业协作能够创造怎样的成就。人工智能正在改变这些能力的稀缺程度，也把新的问题推到了面前：当成熟技术越来越容易获得，中国能否持续创造尚未成熟的技术，能否在新的产业形成时掌握主动？这将决定未来的发展空间。
如果技术不断向前，而产业优势仍然固着于成熟环节，今天的成本竞争就可能演变为明天的产业位置退让。要避免在新生产体系中被整体边缘化，中国需要更强的原创能力，更深的基础研究，更有竞争力的核心技术，以及把突破转化为新产业的能力。发展的主动权，来自不断创造更新的优势。
人工智能对中国的冲击会越来越深，前沿突破因此应当成为转型的中心。中国需要争取的，是参与定义下一代技术、形成新的产品与产业，并由此创造新的需求和发展机会。熟练曾经帮助中国把庞大的人口与产业组织起来；创造将决定这股力量能够走向多远。未来的道路，要在持续向前的探索中打开。
（作者贾康为华夏新供给经济学研究院创始院长、孙善群为华夏新供给经济学研究院研究员；编辑：朱弢）
216.73.216.169
