当AI开始替代文字工作，70%的秘书岗位可能消失——这是不是意味着失业潮来了？

面对AI带来的就业焦虑，北京大学经济学院教授曹和平近日在观察者网的对话中，给出了一个颠覆性判断：大模型不是“销售垄断”，而是“生产过程垄断”的公共品，政府补偿生产端，收益本该全民共享。

更关键的是，被AI替代的岗位，可以通过个人数字资产账户获得超额补偿。你刷手机、用大模型产生的数据，经过确权、入表、评估，就能变成“高能资产”，甚至支撑数字货币发行。被裁掉的70%劳动者，可能拿到远超70%的补偿。

曹和平还抛出大胆构想：建立国家级的“数字资产账户管理办公室”，推动数字M0、M1发行，让中国在数字货币领域追上甚至反超美国。传统GDP核算体系已经过时，未来属于数字资产入表、双轨并行的新经济。

观察者网：曹老师好，您如何判断这一轮以大模型为代表的AI，将从组织结构层面对整体就业形势造成何种冲击？这一轮冲击是否会永久改变全社会劳动就业结构的比例？随着AI能力边界的扩展，世界是否会因少数富豪掌握超级AI，掌控核心资源与生产力，进而主导社会运行，形成所谓“终产者”？

曹和平：我对大模型有三个基本判断。第一个核心判断是，大模型本质上是一种“社会性产品”。它的影响并非局限于单一行业或单个部门，而是渗透于整个社会与产业体系，具备全场景覆盖的特征，因此大模型本身属于公共品范畴。从理论层面而言，公共品产生的收益理应由公共部门获取。但现实中，这类公共产品的供给主体却是私人企业。

从经济学视角来看，这种现象并非个例。当全社会共同使用的公共产品由私人企业供给时，这类产品在经济学中可被定义为“生产性垄断的公共品”。我们以往所认知的垄断，更多指向企业在销售端对市场的垄断；而大模型所形成的垄断与传统垄断存在本质区别。

这类公共品的供给主体无需通过控制销售市场实现垄断，恰恰相反，只要其完成产品研发与生产，市场便会自然形成垄断格局。这并非传统意义上的“市场垄断”，而是“生产过程垄断”，也可归为自然垄断的范畴。

Seedance 2.0再度震惊世界

由此便引出一个核心问题：这类生产过程垄断该如何进行合理补偿？答案是政府需对其生产过程予以针对性补偿，补偿方式可参照高新技术企业扶持模式，由政府对其成果进行采购。在实际操作中，一般以财政资金为基础，结合企业自有投入与高新技术专项扶持资金，形成资金放大杠杆；这一杠杆的临界倍数约为2.7倍（中美经验参数）。

理论上，当企业投入1单位的资源，政府与市场给予其2.7倍的补偿后，便不应再允许其通过垄断地位向全社会攫取超额收益。究其原因，大模型的生产具有“一次性完成”的特征，在对其生产创意与生产过程完成合理补偿后，其收益率便应被纳入常规市场监管体系。

因此我要着重强调，大模型是具有“生产过程垄断”属性的产品，而非“销售过程垄断”属性的产品。对其的监管逻辑应是：补偿生产过程的投入与创新，让销售环节的收益由全社会共享；在完成补偿后，参照传统垄断企业的管理体系对其进行规范化管理。

一般而言，这类企业的合理报酬率约为15%，不能允许其长期获取过高的超额利润。这是我对大模型的第一个核心判断。

第二个判断是，大语言模型的出现带来了一个极具现实性的问题，即文字生产者的岗位替代。以往我们谈及技术进步带来的劳动替代，主要集中于体力劳动领域，例如机器设备替代工人的岗位。但大模型带来的替代有所不同，它并非对整体脑力劳动的替代，而是脑力劳动中的文字生产环节被替代。

举一个最直观的例子，北京大学经济学院以往的管理架构，传统上根据工作场景的不同，需要配备12至17名文字类工作助手，这些助手分布在院办公室、科研办公室、外事办公室、创新创业办公室等各个部门。而这些岗位中，约 70% 的文字性工作目前都可以通过大模型完成。这是否意味着要从这12至17名助手中裁掉70%的人员？目前高校尚未开展实质性的裁员工作，但文字工作者被替代的趋势已十分明显。

北京大学经济学院现阶段的应对方式，是将这些文字工作者从原有岗位释放出来，安排其从事其他之前相对较难做的工作，例如辅导员工作，或转向其他学院的事务性工作。

但需要注意的是，这种岗位替代并非仅发生在高校领域。在中学、政府部门、传媒、宣传、组织、银行等领域，只要是大模型能够覆盖的领域，都会出现替代。这就带来了一个现实的经济问题：大模型投入经济社会运行后，会出现宏观面上的岗位被替代的现象。

以往经济学家对技术进步与就业的关系有一个经典判断：技术进步虽会带来一定的劳动替代，但同时会带来劳动创造——创造出新的就业岗位，只要整体上新增就业的规模大于劳动替代的规模，该创新进步就是可接受的。但从当前的现实观察来看，大模型所替代的岗位数量，明显超过了其新创造的岗位数量。至少在短期看是这样。

我再举一个实际案例。北京华为总部周边，原来有大量外卖骑手从事送餐工作。后来有个报社的信息中心在该区域布设了500多台智能报投机器人，这些机器人在公交站、人群密集的商圈等区域，邀请路人进行合影，路人完成合影后，机器人可以邀请路人扫码，支付两块钱，可以生成一张带有“报纸头条”样式的定制照片。很多人感兴趣，会将定制的照片带回家张贴，说自己“上了报纸头条”。

协作机器人越来越多地出现在各种工作场景里

以往报纸若要在该区域布设这类线下设备，需要安排适量的现场工程师负责设备换电、维修、日常管理等工作，人力成本极高。而现在的实际情况是，一名之前的外卖配送员，带领十五六位工作人员，便能完成这500台机器人的全部运营管理工作。

这是一个劳动替代和劳动创造合一的新案例。产业后果是，这十五六位工作人员均是从外卖配送岗位转移而来，外卖配送的岗位本身并未完全消失。同时该报社信息部门凭空新增了15个“生产数字报纸”相关岗位。这确实带来了岗位创造，但不难发现：在创造15个岗位的同时，被替代的岗位数量实际上更多。

也就是说，现在劳动创造所新增的岗位会远少于劳动替代所消失的岗位。如果这种情况长期累积，社会就业岗位出现绝对数量减少，而非过去那种“创造的岗位多于消失的岗位”的格局，而且相关从业者的平均收入或许还会随之下降。尤其是年龄较大、被数字技术甩出就业市场的劳动者。

这就引出了一个核心问题：面对劳动替代规模大于劳动创造的现状，我们该如何应对？

我们可以从福利经济学的视角来分析这个问题。从福利经济学的角度来看，这种变化未必导致帕累托恶化，甚至可能带来某种帕累托改进。

这是因为在劳动就业岗位数量减少的同时，社会整体的闲暇时间也随之增加。通俗来讲，以往社会普遍一周休假两天，未来或许能实现一周休假三天。我们需要思考，如何让闲暇本身创造社会福利。所以，“劳动替代规模大于劳动创造”并非技术进步本身的问题，而是这一趋势倒逼我们重新审视并完善福利经济学的计量方式。

我们应该如何为这份“闲暇”赋予相应的经济价值？这便触及了另一维度的核心问题。因为当人们使用大数据与大模型时，会产生一个重要结果：个体在使用终端的过程中会持续生产数据。

如果在闲暇时间使用自己的终端产生数据，人们不仅消费了视频和其他文字产品，他还是一个数字生产者。如果能为数据生产者积累的数字资源建立专属的 “数字账户”，这不正是 Web3.0 带来的进步，也是劳动替代过程中同步产生的劳动创造吗？但请注意，这不是劳动岗位创造，这是劳动所有权者和生产者合一的创造。

观察者网：也就是实现数据的生产资料化，对吧？

曹和平：没错。假设国家为每一位大模型与大数据的使用者设立专属数字账户，其在使用过程中产生的数据，经由大模型完成认证，通过二维码实现数据确权。这些确权后的数据便可完成入库，纳入国家数字资源池进行统一管理。

数据完成入库后，由于其归属于个人所有，还需完成确权、入表、核算。为个人建立专属的数字收入表与数字支出表，将原本零散的“数字流水”转化为规范的数字资产负债表，其中涵盖现金平衡、资产平衡与资产收益平衡三大核心维度。

接下来，这一过程会延伸出一整套标准化流程：入库、评估、确权、立表、授信、增级、回购、担保、托管、置换，加上法律和会计关联。通过这一系列流程及对应机制，个人便能获得相应的数字资产及未来收入流的索取权，而这份收益的来源，正是大模型对劳动岗位替代后内蕴劳动创造所释放的新增经济价值。

换言之，消费者即便在现实中失去了部分就业岗位，也能通过自身持有的数字资产获得相应经济补偿。这就要求全社会建立起一整套完善的数字资产核算体系。这背后的深层含义是，我们必须重构一套全新的核算体系，涵盖数字资产入库入表体系，以及现金平衡表、资产平衡表、投资报酬率表等。

回顾历史，西蒙·库兹涅茨和科林·克拉克在20世纪30年代就已经系统性地研究和提出了国民收入核算的理论，这一核算方式在60年代形成制度化体系，70年代经世界银行推动在全球范围内推广，最终形成了我们如今每年3月发布GDP数据所依托的国民经济核算体系。

数字资产收益生产的全过程都需要进入核算

但进入大模型时代，这套传统的核算体系已难以适配新的经济发展现状：国家统计局原有的统计方法不再适用，企业的会计报表体系需要完善，证券、银行、财税体系中对资产的表述与核算方式，都需要重新构建。

从这个角度看，大模型所引发的并不仅仅是劳动技术替代，更是对劳动过程的管理，它会对公共品属性界定以及整个社会治理体系带来一次全面重构，其发展正推动着一整套公共品管理机制发生革命性变化。

一旦这套全新的资产负债表体系构建完成，其为社会发展带来的进步将是革命性的。以上便是我关于大模型影响的第二个核心判断。

那么这套全新的核算体系与发展模式该如何落地实现？举例来说，如果让国家统计局全面重构一套核算体系，所需的成本会极高，近乎天文数字。因此，这一进程必须依托数字技术支撑的联网共享经济来推进。这也是我对大模型的第三个核心判断。

这一推进过程的核心就是为自然人建立数字资产账户并实现全民推广。这就要求在现有的大数据管理体系中，专门增设数字资产账户。如果我们要实现这一点，需要先形成具体的政策建议，提交至全国人民代表大会，力争在两年半的时间内完成相关立法准备工作。

第二步，则是在大模型的训练与运行过程中，创造“大模型币”。这里我举一个实际案例来解释，比如无论地方政府还是企业都认为商汤科技具备盈利潜力，但其至今尚未实现盈利。为什么大模型落地实践后却未能达成盈利目标？关键症结正在于此。

商汤本质上是在搭建一个大模型训练的公共平台，这是一个“大模型生产环节”，而Kimi等应用层模型是训练完成后输出的成果。商汤在大模型上的投入已超过500亿元，但核心问题在于：任何一款大模型在完成基础生产后，若要进一步迭代为垂直领域模型，本质上都需要进入AIDC（智算中心）完成后续训练。这一环节，才是真正意义上的“大模型生产”。商汤正卡在这里。

在AIDC之前，有一个你必然听过的概念——IDC。IDC即互联网数据中心，其核心功能是为核心企业提供数据存储服务，本质上属于数据存储枢纽。中国移动、中国电信、中国联通在2000年前后所布局的核心业务，正是IDC相关服务。

但IDC存在一个显著短板：仅能实现数据的存储与分发，无法开展超算运算。正因如此，中国科学院曙光集团布局了超算服务，牵头建设超算中心。早期曙光集团的超算中心建设资金主要来源于中央财政，这一情况很快被科技部关注到。科技部经过研判认为，地方财政亦有充足资金储备，完全可以参与超算中心建设。

于是，科技部一方面向国务院汇报相关情况，另一方面与各地方科技厅开展沟通协调，推动地方政府与财政部门达成共识，采用“中央出资一半、地方出资一半”的模式，批量建设超算中心。在此背景下，各省份省会城市及核心地级市开始大规模布局超算中心建设。

当时，中科曙光已经依托中央财政资金建成十余个超算中心。工信部也向国务院提交报告，申请获得相应补贴支持，并联合地方工信部门及地方政府，采用中央、省、市三级财政联动的模式推进超算中心建设。

地方政府也愿意推进超算中心建设。核心原因在于，当时衣食住行等传统产业已出现产能过剩，房地产领域沉淀了大量资产，社会投资缺乏有效出口，经济增长面临较大压力。在此情况下，超算中心建设成为地方政府新的投资方向。于是，各省市及相关部门也开始加大建设力度。

这一系列举措的最终结果是：超算中心的供给呈现严重过剩状态，供需比例约为9∶1，即1份市场需求对应9份供给，本质上是财政资金集中突击投入，且投资领域布局与判断出现偏差，导致珍贵的财政资金使用效率低下。

这一局面与20世纪80年代我国石油炼化装置建设的情况极为相似。当时50万吨规模的炼化装置是最优产能配置，但从政治层面考量，不可能仅布局燕山石化或者扬子石化等几家企业。政治经济学权衡的结果是，最终分散布局了燕山石化、齐鲁石化、扬子石化、茂名石化等多家企业，这种布局虽然不符合经济效率最优原则，但在政治经济学层面实现了利益大体上的均衡。

而这种超算中心布局带来明显的阶段性“净损失（deadweight loss）”，大、中和小决策在初期阶段也不可能估算预测准确。那么，这种净损失该如何弥补？

深一层的讨论便会发现，商汤的AIDC大模型枢纽（超级中心）实际上是厂商实体自觉平衡这一类损失的重要载体。因为无论是依托财政资金投资建设，还是依托市场资金投资建设的超算中心，最终都必须通过向市场提供高于投资成本的运算服务，才能实现成本覆盖与收益平衡。

要实现这一目标，AIDC就必须完成升级迭代。具体而言，就是要推动智算中心从2.5代升级至3.0代，从单纯的算力供给中心，转型为具备价值创造能力的运算中心。因此，必须推动将商汤AIDC这类2.5代超算中心升级0.5代，迈入价值智算（从智能向智慧）中心时代。

具体而言，智算中心不仅能支撑模型在海量数据供给下瞬时涌现实用高效模型，而且还能够把涌现贡献者的真实努力支出计算在其数字账户上。这样贡献者不仅能够获得高能流动性数字资产，而且还能够获得最高能流动性资产（涌现系统内）兑换其他人的贡献，让自己从生产者支出变为生产者收益（贡献者不出现成本收益倒挂现象）。唯有如此，算力产业才能实现真正的供需平衡与良性可持续发展。

因此，未来我们应对相关失业问题所需要采取的行动将完全不同。假设一位大模型使用者——例如北京大学经济学院院长此前管理的秘书岗位，其70%的工作内容被大模型替代，那么在绩效考核时，该岗位人员的薪资是否只能保留30%？或者直接裁撤70%的岗位人员，剩余30%的人员领取全额薪资？恐怕不行。

但在大模型时代，我们的核心解决方案是：为这些被替代的人员建立专属数字账户。在该账户体系下，其在工作及生活中生产的数据资产，将完成确权、授权、评估、授信、征集、回购、担保、托管、置换等全流程规范操作，并全面纳入法律与会计体系进行管理。

2026年1月1日，新一代数字人民币管理体系正式启动，数字人民币完成“从现金型1.0到存款货币型2.0”的跨越。

这些数据资产最终形成规范的资产负债表、现金平衡表、资产平衡表及投资报酬平衡表。这将使这些人在日常生活中衍生出一类高流动性的“高能资产”，这类资产可作为发行数字货币的基础。这个时候，被裁撤的70%劳动获得了远远超过70%的补偿，对冲掉AI带来的劳动裁撤或者劳动替代担忧。

这一模式背后的深层含义在于：这些人员虽然被替代了传统意义上的脑力劳动，但在数字生产过程中，其身份转变为数字资产的持有者，并可凭借数字资产获得相应收益。

换言之，人们不再局限于传统形式的劳动，可以转向数字生产劳动，进而成为数字资产的所有者。这类“高能”数字资产最终将以数字货币的形式存在并流转。但需要注意的是，这类数字货币的统筹管理需要在国家层面开展。

我认为在这一模式下，仅依靠中国人民银行支付结算司，难以承担这套复杂体系的管理工作，需要在中央层面，由国务院专办管理，由网信办牵头，联合人民银行、自然资源部、科技部及工信部等相关部门，组建“数字资产账户管理办公室”，负责数字形态M0货币的发行。

中国人民银行支付结算司仅承担最终的核算与平衡监管职能，这意味着央行从原先直接发行M0的角色，转变为工具M0的发行、尺度M0的发行以及三类超算中心超高能流动性的“监管者”角色，核心职责是对超算中心M1数字货币与对应商业银行M1数字货币进行平衡性监管。

这一逻辑恰好可以呼应我此前关于数字超算中心的设计构想：每一家超算中心都应获得M1数字货币牌照（功能区分），并发行各自的数字M1。由此，数字资产正式纳入银行体系闭环管理。具体而言，数字经济如果年均增长10%，则数字货币发行规模同步增长10%，并额外覆盖投资机会成本；如果传统经济年均被替代10%，传统货币发行规模可相应缩减约10%。如此一来，数字货币便会自然形成，进而实现传统货币与数字货币双轨并行、逐步实现并轨并单轨运行。

这一逻辑与我国20世纪80年代改革时期的价格机制改革完全一致——彼时实行计划价格与市场价格“双轨制”，最终通过价格并轨形成单一价格体系。

从这里我们可以看出，数字货币并非仅存在于比特币等虚拟货币范畴，它其实就在我们身边。为何要让其他主体率先抢占数字货币发展先机？我们完全可以采用一种比旧金山淘金热更具可持续性的发展模式，依托数字产业发展，让整个社会重新实现财富增长。

观察者网：如此一来，是否会出现套利问题？

曹和平：这也是我要阐述的第四个核心问题。在双轨并行与并轨过程中，会出现一些问题。这里我想引用“稳定币”为加密货币实现合规化的一个例子。

去年7月，USDT（泰达币）作为加密货币，其核心在于通过理论上存在的资产储备与赎回机制，与美元保持1:1锚定。这一锚定机制解决了加密货币流通中的一个核心痛点。在此之前，若将比特币出售，所得资金往往仍在加密生态内兑换为其他加密资产或稳定币，继续流转。这使得这类账户具有极强的隐秘性，仅在少数圈内人群中流通。从本质而言，加密货币此前相当于某种地下流通货币。

后来，特朗普政府出台了监管要求：泰达币发行方需按月披露储备构成，并定期更新第三方认证报告，同时要求其将对应规模的美元资产存入美联储体系内。由此，泰达币的兑换行为获得1:1的官方认可，相当于完成“合规化确权”流程，正式纳入美联储的货币管理体系。这样一来，比特币事实上形成了与美元法币并行的两个市场，通过稳定币（1:1兑换），并轨运行。

于是，我听说去年10月，约1.3万亿美元稳定币资金汇聚于纽约，另有1.3万亿美元聚集于香港，合计2.6万亿美元的稳定币资金快速形成规模效应，使伦敦这一传统国际金融中心被边缘化。2.6万亿美元事实上是美国流通中现金的总量，或者其重要性也堪比中国M0总量在中国经济中的地位。

过去5—7年，中国经济的增速、出口规模均高于美国，而通胀水平低于美国。按道理，人民币相对于美元应该升值才对。但恰恰相反，人民币相对于美元，在去年十月份之前，贬值区间在12%左右。这是难以接受的汇率损失。这一现象，不应该在数字货币领域再出现了。在数字货币与稳定币时代，中国应如何推进人民币国际化？我们财政与金融体系现在与数字货币领域存在脱节，我们强调“监管”数字货币，但是依旧缺乏数字货币在“生产”与“交易”环节的布局。

现在，这一领域的发展机遇依然存在。我国必须构建自主的稳定币体系，至少要在技术层面与美国保持同一竞争水平。否则，我们可能错失大量的财政收入机会。例如此次1.3万亿美元资金规模，折合人民币约10万亿元，已经相当于我国一年财政收入的一半。这是多年货币比较优势累积形成的价差收益，但我国银行、财税及市场化金融机构整体错失了这一机遇。

那么，谁来承担我国数字货币的生产职能？这便回到了我此前阐述的核心逻辑：数字M0、数字M1的发行机制的革新。一旦上述体系构建完成，在中国数字经济的持续推动下，我国经济增速、生产能力提升速度都将在潜力和效率的增加上高于美国。而中国经济规模有望达到美国经济两倍、三倍的核心逻辑，也在于此。