How to Avoid Uneven Benefits and Risks in the AI Era: Boston University Scholars on Protecting Jobs and People-Centered Governance

（本文作者王燕为波士顿大学全球发展政策中心资深研究员，吴仪君波士顿大学全球发展政策中心研究助理）

2026年9月29日，特朗普在白宫会见科技企业负责人，六家企业签署《前沿责任联合承诺》，提出内部控制、内部监督、外部审计和董事会监督四层安排。据David Sacks回忆，是祖克柏和黄仁勋提出了加强审计与董事会监督的原则。然而这份协议主要关注的是网络安全、生物安全等风险，并没有涉及就业与收入分配。

AI 治理既要防范技术失控，也要回应技术应用中的收益分配与成本承担问题。前者关系到系统能否安全运行，后者关系到生产效率的提升能够改善多数人的生活。本文认为 AI 治理需要把技术安全与劳动者保护同时纳入视野。

美国的AI繁荣发生在财富高度集中两极分化的背景下。2026年第二季度，最富有的1%家庭持有全国家庭净财富的32.5%，财富较少的50%家庭仅持有净财富的2.3%。据路透社报道，今年7月反对数据中心建设的行动涉及42个州、142场抗议。科技投资迅速扩张，资本收益上升，居民却担忧就业、电费、通胀、和环境成本，折射出收益与风险的不对称。美媒称之为“K型增长”。

一方面，AI带来的风险日益显现：AI与HuggingFace，与PHP漏洞相关的风险事件刷爆全网。AI带来的风险还包括对个人财产、数据和自主决定权的侵害。AI智能体获得账户、文件和软件的访问权限后，可以连续执行多项操作。如果授权范围过宽，或系统误解了用户目标，就可能在当事人尚不知情时采取超出其意愿的行动。

外部黑客的恶意指令也可能滥用用户授予的权限。安全研究人员Jason Martin于2024年公布的一项受控测试显示，攻击者在PDF中隐藏指令，诱导具有电脑操作能力的AI在测试环境中执行删除系统文件的操作。Anthropic也承认，网页和文档中的恶意指令可能劫持智能体，使其偏离用户要求。这类测试揭示了安全机制的薄弱环节。

宏观金融风险同样值得重视。中国人民银行原行长周小川在2026年的外滩年会上指出，AI生产率提升主要来自应用层，同时提醒，大量投资正涌向数据中心，而未来模型和应用对这些算力的依赖程度仍有不确定性。因此，投资热潮中的技术路线变化和资产回报风险，需要与就业冲击一并纳入政策评估，避免将技术转型的损失过度转嫁给普通家庭。

另一方面，当企业用AI提高效率、减少用工时，劳动者、失业人员和退休人员如何参与分享收益？尤其是AI 快速取代基层工作，正在进入劳动力市场的年轻人，如何找到第一份工作并积累经验成长？还有因为AI大幅度提高工作效率的劳动者，如何转业或面对失业？保护这些群体的就业、收入和发展机会，应该成为AI治理的核心关注点。

2024年诺贝尔经济学奖获得者阿西莫格鲁、戴维·奥特和西蒙·约翰逊提出，AI对就业和收入分配的影响取决于研发和应用方向。他们主张发展“有利于劳动者的AI”，让技术增强人的技能，帮助劳动者承担更复杂的任务。实现这一目的，需要公共政策支持，也需要企业改变以AI替代劳动、削减成本为目标的应用方式。

斯坦福大学经济学家苏珊·阿西在2025年肯尼斯·阿罗讲座中指出，机器学习可以帮助识别失业后收入长期受损的劳动者，从而改善转岗支持。不同劳动者承受失业冲击的程度差异很大，制造业中的年长劳动者和受教育程度较低者尤其需要关注。这表示了培训和就业服务应针对具体群体设计，并持续评估其效果。

招聘入口的变化也需要得到足够的关注。企业即使没有大规模裁员，也可能在业务扩张时减少新增招聘。入门岗位收缩，会压缩年轻人获得经验的机会。单个企业减少劳动投入可能具有经营合理性，但大量企业同时这样做，就可能形成宏观就业压力。生产率红利能否转化为普遍的收入增长，需要劳动保障和分配制度支持。

中国也应警惕结构性分化。今年8月，高技术制造业增加值同比增长16.7%，社会消费品零售总额仅增长0.4%。东盟与中日韩宏观经济研究所（AMRO）在9月22日的对华初步评估中指出，居民消费仍然偏弱，建议政策支持逐步转向公共服务、社会保障和有针对性的居民收入支持。若多数人的收入跟不上生产能力，消费不足会反过来制约增长，“K型”分化也可能进一步加剧。

我曾参与世界银行1997年发表的《中国养老体系改革》一书的写作，此后一直关心社会保障和医疗保障体系的发展。2000年，我又参与《增长的质量》一书的写作，负责撰写第三章，聚焦教育卫生机会的均等化。经济增长能否改善多数人的生活，始终是我关注的问题。AI时代，支持创新、培育耐心资本，更应与以人为中心、促进共同富裕相结合。

社保筹资也需要适应技术应用带来的收入结构变化。AI可能提高生产率、扩大税源。但如果企业利润增长快于工资总额，依赖工资缴费的养老保险筹资就可能承压。企业在技术转型中收获了新增收益，也应承担相应的劳动保障和公共筹资责任。

为此，可从四个方面完善政策。短期通过失业保障、转岗支持和企业安置责任缓冲冲击，长期通过公共服务、社保筹资改革和儿童发展投入，改善技术收益的分配与代际机会。

对金融、法律、航空、医疗、基础设施、军事等涉及生命安全与重大公共利益的关键决策和操作，应禁止未经充分验证、缺乏有效监督和接管机制的AI自主执行。不能把尚未完成充分验证的通用模型接入执行系统，也不能让其输出未经人类独立核验就转化为可操作的指令。辅助性的信息检索、资料整理和模拟分析，应在隔离环境与明确权限下开展。经过专门验证的自动化系统，也应接受适用的行业审查和持续监督。

实行必要的第三方审计，并确保合格人员具备独立判断的能力，能够审核、随时接管和承担责任。只在屏幕上点击确认，无法构成有效审核。关键岗位还应保留人工训练和应急演练，防止长期依赖AI削弱人的判断和接管能力。

涉及银行和投资账户的操作，应把信息读取、交易建议和实际执行分开授权。买卖证券、转账、删除重要数据等高影响操作，应逐项说明后果，并取得当事人的明确确认。系统应默认只开放完成任务所必需的权限，设置交易限额、文件备份、完整日志和紧急停止机制。对无法有效控制风险的用途，应禁止接入。

企业应建立责任追溯和问责机制，明确CEO及直接负责人对AI部署、权限配置和持续监督的责任。不能将部署失当、监督缺位造成的损害归咎于算法。同时，保留青年入职和不同层次人才培养通道，以公共投入支持在职、转岗培训，发展养老、托育等人机协同服务，把技术应用与就业创造结合起来。

第二，让劳动者和社区分享技术进步的收益。

我在上一篇发表的《如何避免逐底竞争：坚持以人为本》中提出，应该结合生产率、物价和地区发展水平，适度提高最低工资，让增长成果更多进入普通家庭。在AI时代，还应该进一步把劳动者收入增长、岗位培训和权益保障纳入企业转型安排，避免降本增效演变为压低工资和福利的逐底竞争。对于计划/正在建设AI数据中心的企业，可以建立社区协商机制，就公共设施、居民费用补贴、本地招聘和技能培训作出具体安排，并公开执行情况，让当地居民分享投资收益，合理分担资源和环境成本。

第三，扩大社保医保覆盖，完善企业筹资责任。

建立适应不同就业形态的多支柱保障体系，为灵活就业人员提供弹性缴费和跨地区衔接。补充养老个人账户可在风险约束下配置分散化权益资产。加强对青年及失业劳动者支持，扩大失业和工伤保险覆盖。

对大规模以AI替代用工的企业，可以探索“智能体社保税”，即社会保障调节税或专项缴费，用于失业补助、培训和养老保障。这是需要进一步论证的政策设想，计税不宜简单按智能体数量，而应结合利润、增加值及工资总额变化，与现行税费统筹，并奖励转岗安置和岗位创造，同时注意避免重复征收和抑制有益创新。

保障体系还应进一步消除城乡户籍与地区差异造成的障碍，提高困难农村老人的养老待遇，改善基层医疗和异地就医便利。在基本医保之外，可探索建立个人自愿缴存、专门用于合规医疗支出的补充储蓄账户，对一定额度的缴存给予个税优惠，并对低收入家庭提供适当财政补助。

第四，加大再分配力度，支持婚育、儿童发展和机会公平。

我国税制整体的累进性和再分配作用仍有提升空间，需要完善收入和财富调节机制，使支付能力较强的群体承担相应的公共责任，再分配也需要通过公共支出落实。比如可以考虑借鉴美国经验为符合条件儿童设立一个“教育基金账户”并提供一次性投入，为儿童长期资产积累提供了一个案例与思路。中国可结合自身情况和条件，探索儿童发展基金账户，由财政提供基础投入，允许家庭自愿追加，向困难家庭倾斜。

与此同时，审慎推进房地产税改革、研究遗产税的制度条件，为普通家庭设置合理保障，将更多公共资源用于社会保障、托育和儿童发展，减少家庭财富差异造成的机会不平等，促进社会流动。

在AI时代，更要保护工作、保护劳动者，保障他们的就业和发展机会。衡量科技进步，既要看算力、投资和效率，也要看就业质量、养老保障和发展机会，要看最广大人民能否从中受益。在快速转型中，不能让劳动者个人独自承担科技进步的风险，企业应承担技术应用带来的转型风险和安置责任。政府也不能放任不管，应通过明确的奖惩机制，对创造岗位、培训员工和妥善安置转岗人员的企业给予支持，对逃避劳动保障义务、将转型成本转嫁给劳动者的企业依法追责，让技术进步真正服务于人类的发展和共同繁荣。

让每个劳动者都能分享科技红利，才能把技术效率转化为持续的消费能力与共同繁荣。

第一财经一财号独家首发，本文仅代表作者观点。