金思宇/文


引言：同一个时代，三种答案，一个落差


2026年7月，上海。习近平主席在2026世界人工智能大会暨全球治理高级别会议开幕式上连发四问：当机器开始思考，人类如何与之相处？当算法参与决策，安全如何保障？当技术挑战伦理，治理如何跟上？当鸿沟不断拉大，普惠如何实现？同一天，世界人工智能合作组织在上海成立。到11月初，创始成员国已达38个，实体化运行进程正在推进。十五项主张把“以人为本、智能向善、公平普惠、协同共治”写进了全球AI治理的价值坐标。


有意思的是，几乎在同一时间，全球最具影响力的两位产业领袖给出了截然不同的答案。


马斯克在2025年底录制、2026年初发布的长谈中断言：AGI将在2026年实现，2030年AI总智能超越全人类；白领工作最先消失，货币概念逐渐淡化，“瓦特”成为真正的硬通货；人类将进入“普遍高收入”的后稀缺时代，工作变成爱好。但他同时承认：未来三到七年极其颠簸，社会动荡与极度繁荣同步发生。


黄仁勋的答案更像工程师。从CES到GTC，他反复讲同一件事：AI已进入“推理＋智能体”时代，数据中心变成生产token的“AI工厂”，“token就是收入”；物理AI是下一波浪潮；而制约产业的首要瓶颈，“最重要的是确保智能体是安全的”。英伟达为此推出开源安全智能体参考架构，用沙箱和策略控制限制智能体可触及的资源。他还提出“主权智能”：企业用自己的数据后训练开放模型，形成属于自己的能力。


三种叙述构成了理解当下AI社会的完整坐标系：马斯克给出“终局想象”，黄仁勋给出“工程路线”，中国给出“人本治理”。 前两者回答“能做什么、做多快”，后者回答“为谁做、做到什么程度”。三者并不矛盾，但顺序不能颠倒。终局再美好，无法自动豁免过渡期的代价；算力再强大，不能替代责任的归属。


“人工智能＋”全面铺开的第三年，真正要追问的不是AI会不会取代人，而是：当替代真实发生，缓冲够不够厚？当红利真实产生，分配够不够公？当规则真实落地，牙齿够不够利？ “以人为本、向上向善”不能停留在价值宣言层面。它必须被翻译成可核验的制度安排和社会结果，否则就只是正确的空话。


一、三重加速度已经叠加，但它们的时钟不同步


判断AI的社会影响，最忌两种空转：一是沉溺于“替代还是创造”的抽象争论，二是把风险全部推给遥远的AGI。现实要具体得多。


第一重，技术加速度。 模型迭代周期从数月压缩至数周，推理支出开始超越训练支出，智能体从问答工具变成能观察、推理、规划并调用工具的行动者。高德纳的数据很能说明节奏：2026年企业应用中嵌入AI智能体的比例已达40%，而2025年还不足5%，一年翻了八倍。影响方式发生了质变：过去AI替代的是“任务”，现在它开始接管“流程”。


第二重，就业加速度，且主战场是结构性而非总量性。 中国社科院学部委员蔡昉的判断有代表性：主要矛盾早已从总量不足转向“有活没人干、有人没活干”的结构性错配，AI扮演放大器与加速器。他特别提醒，应抓住生产率提高与岗位替代之间的“安静期”进行政策准备，“不能寄望于技术自我修正” 。


微观端的信号已经不再安静。2026年AI替代率最高的岗位中，法律文书助理达92%，初级程序员87%，基础市场分析师85%，新闻资讯编辑81%。这些不是传统意义上的“低技能”岗位。高盛调研显示，财务基础核算环节的AI替代率已超过85%；国内头部保险、电商公司裁掉了90%以上的基础电销团队。Challenger的数据显示，仅2026年就有11.2万个企业岗位的流失被归因于AI，AI连续第五个月成为裁员时最常被提到的原因。甲骨文在2026财年裁员2.1万人，亚马逊累计裁减约3万个白领岗位。


但这里需要一份审慎。牛津互联网研究院的弗雷指出，“我没有看到任何有说服力的证据，能够证明这些企业正在将大量工作自动化” ，许多裁员公告是为了“取悦”投资者。《金融时报》的分析也发现，那些将AI列为裁员原因的公司，在宣布裁员后的30个交易日内表现落后纳斯达克指数近10%。这说明两件事同时成立：AI的替代效应真实存在，但“AI裁员”也被大量用作叙事工具。 政策制定者既不能因为宏观数据尚未显现冲击就掉以轻心，也不能把每一份裁员公告都当作技术替代的实证。真正需要盯住的，是微观端招聘结构的收窄——智联招聘一季度数据显示，编辑、编校、客户服务等岗位需求量出现明显下降，且职业AI暴露风险越高，初级岗位的进入门槛提升越明显。门槛在无声地抬高，比裁员的声响更值得警惕。


第三重，制度加速度。 过去一年多，中国AI治理的制度骨架不是零敲碎打，而是系统性地往“可执行”方向走。2025年10月修改《网络安全法》，首次在国家立法层面明确支持AI发展并完善伦理规范。2026年3月，工信部等十部门印发伦理审查办法，三类高风险活动必须双重把关。同月，全国总工会等四部门印发《平台劳动规则和算法协商指引（试行）》，明确订单分配、抽成、工作时长、时间预估与路线规划、考核奖惩等必须协商，原则上每年至少一次。2026年5月，中办国办关于加强新就业群体服务管理的意见进一步提出“保障新就业群体对算法规则的知情权、参与权、选择权”。10月，国办发〔2026〕29号把“失业缓冲期制度”“就业风险评估机制”写进文件。


把三重加速度放在一起，结论不在任何单独一重里，而在它们的时钟差上。技术迭代以周计，招聘门槛的抬升以季度计，制度落地以年计，而人的技能转型以数年计。快变量和慢变量之间的落差，就是政策必须填补的空间。 制度文件写得再好，如果落地节奏跟不上替代节奏，缓冲期就会被压缩成“通知期”。


二、马斯克命题：乐观的终局，不能豁免颠簸的过渡期


马斯克的叙述有一种罕见的诚实。多数技术乐观主义者只讲终局的丰盛，他明确讲了代价。这句话比任何AGI时间表都更值得政策制定者圈出来。


但他的逻辑链条有三处需要审慎对待。


第一，“商品趋近零成本”不等于“分配自动公平”。 医疗、教育、养老、住房、照护这些构成普通人生活成本主体的部分，价格主要由土地、编制、资格、区位等稀缺要素决定，不由算力决定。手术机器人可以把边际诊疗成本压到接近于零，但优质医疗的可及性仍然取决于医保支付结构、分级诊疗和医生地理分布。技术可以消灭生产成本，消灭不了分配结构。


第二，“工作变成爱好”是一个社会学命题，不是经济学命题。 意义感、身份认同、社会联结，不会因为物质丰裕而自动生成。如果不在过渡期主动构建新的意义供给和保障体系，“后稀缺”完全可能与“高焦虑”并存。


第三，时间表的激进性本身带有利益属性。 对产业领袖的技术预测应当倾听，对其治理主张则必须独立评估。方法论原则是：把判断和立场分开，把预测和诉求分开。


马斯克关于“电力是AI真正瓶颈”“瓦特是硬通货”的判断，则指向一个被低估的政策议题。2026年9月，五部门启动国家绿色算力设施推荐工作，新版评价体系将绿电占比从“鼓励性目标”变成“进入名单的硬约束”：国家枢纽节点新建数据中心绿电消费比例须达80%，PUE单项权重24分，并首次将单位算力能效和产品碳足迹纳入国家级评价。国家能源局更以部门规章形式要求新建万卡级以上智算中心配套不低于30%的本地绿电直供能力。瓦特是硬通货，绿色瓦特才是长期资产。 在负荷中心继续堆叠高耗能机房，等于用最贵的电生产最便宜的token。


三、黄仁勋命题：产业视角的三点启示与两处盲区


相比马斯克的宏大叙事，黄仁勋的工程语言对政策设计更具操作性。


第一，“token就是收入”提供了一种朴素的AI经济学定价思路。 评价标准从“采购成本最低”转向“生成token的成本最低、吞吐量最高”。这给了一个衡量AI真实渗透率的指标思路：不看融资额和参数规模，看单位算力产出的有效工作量。 一个机房如果只用来展示算力，它生产的不是token，是景观。


第二，智能体的架构天然内含治理接口。 沙箱即权限隔离，编排即可审计日志，知识库即数据主权。治理不必总是外挂的负担，它可以内生于架构之中。如果一项治理要求无法被翻译成架构语言，它大概率落不了地。


第三，“主权智能”的概念具有超越企业的意义。 企业用自己的数据后训练开放模型形成专属能力，国家亦然。世界人工智能合作组织推动的“从单向技术输出转向共同能力建设”，让全球南方从规则被动接受者转为进程参与者，逻辑与此同构。


但产业视角有两处天然盲区，必须由公权力填补。


一是外部性不计价。 智能体的权限最小化原则，是企业出于自身风险规避提出的。它不会自动覆盖劳动者被算法管理、平台抽成不透明、内容标识被刻意缩小这类分散的、个体的、难以诉讼的伤害。企业的理性是局部的理性，社会的理性需要制度来合成。


二是替代节奏由商业回报决定，不由社会承受力决定。 企业部署AI的最优时点，是边际收益超过边际成本之日；劳动者完成技能转型的最优时点，需要提前数年准备。两个时钟不同步，正是“失业缓冲期制度”的正当性来源。长安街知事的评论点得很透：所谓“减缓”不是让技术慢下来，而是要让劳动者应对“早一步” 。


四、“以人为本”必须通过四道可核验的检验


第一道，可及性检验：看它首先惠及谁。 一个只能服务“标准用户”的智能系统，本身就是一种新的排斥机制。适老化、无障碍交互属于数字时代的基础设施，不是慈善项目。


第二道，在场性检验：最终决定权是否留给人。 医疗诊断、司法裁量、信贷审批、招聘筛选、未成年人保护等场景中，AI只能是辅助者。人在场，不是形式上的“人工确认按钮”，而是实质上的“人可以推翻”。 杭州中院2026年的一起判例给出了法律注脚：35岁的周先生被公司以AI替代管理职能为由调岗降薪，法院认定企业单方调岗“缺乏合理性”。技术升级不等于随意处置劳动者，这一原则正在从判例走向制度。


第三道，分配性检验：红利是否通过再分配实现共享。 AI红利不会自动均衡分配。岗位质量——社保覆盖率、合同签订率、实际收入变化——应当纳入平台企业的信用与ESG评价。一个新增了一万个骑手岗位但社保覆盖率持续下滑的平台，很难被叫作“就业友好”。


第四道，可预期性检验：规则是否清晰、稳定、可提前知晓。 清晰的红线加上可预期的宽容，才是最好的创新环境。这里必须点出一个“有规矩、缺咬合”的典型漏洞。标识办法施行已一年有余，执法并非没有动作：监管部门2026年2月处罚了13421个账号、移除超过54万条未按标准标注的AI素材，抖音年内清理了4.2万条违规AI内容。广东查处了用AI伪造“名医”带货的案件，北京昌平对AI虚拟人直播虚假宣传开出罚单，杭州互联网法院审结的AI换脸带货案涉案营业额约740万元。但问题依然顽固： 吴越被AI仿冒带货的视频，运营方“仅在视频角落用极小字体标注‘含AI生成内容’”；电商平台上AI生成的“苦命男孩”剧情视频、“买家晒图”和AI探店图，大量未标注或标注形同虚设。这不是无法可依，而是违规成本低于合规成本。解决办法并不复杂：把核验义务从用户协议搬到页面前端，检测到合成痕迹即自动加标；对平台实行标识执行率抽检公示。技术治理最大的优势在于能以极低边际成本实现高覆盖率，前提是真用。


五、八条建议：把方向转化为行动


1. 建立“AI社会影响评估”前置程序。 对重大公共部门AI项目和高渗透率商业应用强制开展就业影响、公平影响、隐私影响三项评估，结论公开摘要。监管关口前移。


2. 把“就业友好”做成可考核的硬指标。 将国办29号文的18项任务逐一细化，把岗位质量纳入平台企业信用评价，防止“只数岗位、不看质量”。一个岗位如果月薪三千、没有社保、每天十小时，它在统计上叫“就业”，在人的尺度上不叫“友好”。


3. 让失业缓冲期制度长出操作细则。 “鼓励探索”需要变成“可以照做”。明确适用门槛、提前告知最低时限、转岗培训与收入支持的衔接方式，允许地方先行试点。可预测的退出安排，本身就是稳定预期的工具。


4. 把算法协商从“指引”变成“习惯”。 2026年3月的《指引》已经把“谈什么”写清楚了，下一步的关键是“谈成什么”和“谈完怎么办”。建议将协商达成的核心条款纳入平台算法备案和抽检范围，让协商结果具有约束力，而不只是会议记录。


5. 用再分配接住转型阵痛。 扩大技能培训支出税前扣除，设立个人终身学习账户，探索面向转型期劳动者的过渡性收入支持。严禁以“AI赋能”之名压低劳动报酬、规避用工责任。


6. 把标识、水印、溯源做成公共基础设施。 推动显式与隐式标识全量落地，建立跨平台互认与抽检通报机制。标识的价值不在于罚了多少，而在于消费者不需要成为技术专家也能分辨真假。


7. 把算力布局锚定在清洁能源上，把绿电占比变成硬约束。 新建智算中心的绿电占比、PUE、单位token能耗应作为准入条件而非“鼓励方向”。2026年绿色算力评价体系已经把单位算力能效和碳足迹纳入，方向是对的，接下来要看这套指标能否真正拦住那些“PUE很好看、上架率不到五成”的项目。


8. 守住三条红线，填上一处空白。 人类最终决定权不可让渡；个人信息与生物特征数据不可滥用；关键基础设施不可脱离人工干预。同时加快综合性立法，填补智能体自主行动、多主体协作致损场景下“谁开发、谁部署、谁使用、谁负责”的责任界定空白。法律缺位的成本，最终由受害者承担。


结语：千里马跑得快，骑马的人要跟得上


习近平主席指出，要“让人工智能这匹千里马既跑得快又跑得稳”。这句话的要义在“并重”二字。但还有一层容易被忽略的含义：千里马跑得再快，骑马的人如果跟不上，结果不是抵达，是坠落。 技术是马，制度是缰，人是骑马的人。缰绳的意义不在于勒住马，而在于让骑马的人知道什么时候该收、什么时候该放、路在哪里。


面对同一轮浪潮，马斯克看见了终局的丰盛，黄仁勋看见了工程的路线，中国看见的是十四亿人的处境。三种视角缺一不可：没有终局想象，会失去方向；没有工程路线，会失去速度；而没有人的尺度，前两者都将失去正当性。


衡量AI治理成效的标准，从来不该只是发布了多少文件、建成了多少算力、产生了多少token。它应该看一位骑手有没有被算法逼到极限，一位老人能不能顺畅地用上智能服务，一个应届毕业生相不相信自己的技能不会被一夜清零，一家县域小厂能不能用得起一次模型调用。制度的高度，最终要用普通人的体感来丈量。


作者金思宇，中国智库高级研究员、国际问题观察家、经济学家