Nature：别让AI工具取代人类

导语

通用人工智能究竟是技术发展的必然方向，还是一套正将创新导向取代人类的危险叙事？诺贝尔经济学奖得主达龙・阿西莫格鲁认为，核心问题不在于机器何时超越人类，而在于由谁塑造人工智能，以及技术红利最终归谁享有。偏向资本的税制，叠加科技企业对自动化的追逐，或将进一步挤压劳动者空间、加剧不平等，进而动摇民主社会的经济根基。政策层面应当转向扶持劳动者友好型AI，赋能教师等专业从业者。就在这篇文章刊发的前几天，《经济学人》刚针对阿西莫格鲁的制度研究，以及他相对保守的人工智能生产率预判提出尖锐质疑。阿西莫格鲁随后回应，认为这些批评本身缺乏扎实依据。这场争论并不只是技术乐观派与悲观派的对立，而是在探讨一个更深层的命题：AI时代的进步，究竟该用效率来定义，还是以人的机会、尊严与共同繁荣作为衡量标尺？

关键词：人工智能（Artificial intelligence，AI）、通用人工智能（Artificial general intelligence，AGI）、劳动者友好型人工智能（Pro-worker AI）、自动化、技术性失业、收入不平等

王璇丨作者

赵思怡丨审校

论文题目：Why we must stop talking about artificial general intelligence — and instead build “pro-worker” AI 论文链接：https://doi.org/10.1038/d41586-026-02566-6 发表时间：2026年8月21日 论文来源：Nature-World View

人工智能正在我们眼前重塑世界。然而，人们对AI的担忧，并不只涉及其他任何重大技术变革都会伴随的不确定性和冲击。这些担忧还部分源于AI已经采取的发展方向：许多领先企业正在一门心思地追求通用AI（AGI）。

AGI通常被理解为一种能够在大多数具有经济价值的任务上达到或超越人类能力的AI系统。在这样的世界里，工作的自动化将不再局限于特定行业或常规岗位。相反，机器将接管多种形式的工作，其中包括需要高度技能的专业职业。人类劳动力由此遭到替代，其后果将是前所未有的。

为了引起人们对这一紧迫公共政策挑战的关注，我与数千名经济学家和AI研究人员共同签署了《我们必须立即行动》（We Must Act Now）声明。该声明敦促政策制定者和科技行业领导者引导AI走向补充人类劳动、而不是取代人类劳动的发展方向（参见 go.nature.com/4cgckwk）。

图1：来自go.nature.com/4cgckwk

对美国劳动力市场的研究表明，自1980年以来，自动化通过减少对从事常规任务的劳动者的需求，在加剧不平等方面发挥了关键作用（D. Acemoglu and P. Restrepo Econometrica 90, 1973–2016; 2022）。制造业采用工业机器人就是一个鲜明的例子：证据显示，尽管生产率有所提高，但许多受自动化影响最严重的社区却经历了就业和工资下降（D. Acemoglu and P. Restrepo J. Polit. Econ. 128, 2188–2244; 2020）。

随着AI应用范围的扩大，工业机器人领域已经显现的这种态势很可能进一步加剧。面临风险的不仅是共同繁荣，也包括我们的民主制度。如果大量人口被排除在经济机会之外，社会便不可能保持稳定。

然而，这种结果并非不可避免。技术并不具有预先确定的社会目的，也不会决定唯一的未来。对于涵盖一系列不同技术的AI而言，尤其如此。目前的发展重点是自动化，即尽可能地取代人类劳动。

但是，我们还有另一条道路可以选择。AI工具也可以被设计成劳动者的补充，通过增强劳动者的能力和生产率为其赋能，而不是取代他们。这种有利于劳动者的路径可以带来由更广泛群体共享的收益，其中也可能包括更强劲的生产率增长。

以教学为例。AI工具不必取代教师，而可以帮助教师识别学生在哪些方面遇到了困难，使教师能够大规模地提供更加个性化的支持。政策制定者可以通过监管和有针对性的激励措施，鼓励这种与劳动者形成互补的创新。

为什么目前有利于劳动者的AI工具实例如此之少（参见 go.nature.com/4g5ugh2）？部分原因在于经济因素：事实已经证明，以自动化为重点的AI可以为参与其中的企业带来利润。但是，当前的发展轨迹也受到了意识形态的塑造。AI热潮在很大程度上由一个构成同质化的群体推动。他们受到一种共同观念的影响——这种观念部分源自哲学和科幻作品，认为机器最终将超越并取代人类。

图2：来自go.nature.com/4g5ugh2

社会各界必须共同努力，把AI的发展引向另一个方向。任何政府都无法规定技术进步的进程，任何监管机构也无法准确决定AI将如何演进。但是，公共政策和民主参与能够塑造激励机制。以下三项措施可以帮助AI走上一条更加有利于劳动者的道路。

第一，许多国家的税收制度补贴资本、对劳动征税，由此形成了偏向自动化、排斥人机互补的强烈倾向。例如在美国，即使机器和劳动者能够以相近的成本完成一项任务，选择自动化的企业仍会由于税法中固有的偏向而获得20%至25%的成本优势。一种解决办法是以更加中性的方式对所得征税，无论其被归类为劳动所得还是资本所得，从而减少对劳动替代型技术的偏向。

图3：来自https://www.brookings.edu/articles/does-the-u-s-tax-code-favor-automation/

第二，我们需要在美国联邦层面设立一个专门的AI机构，英国和欧盟也需要建立此类机构。该机构可以部分参照美国国立卫生研究院的模式，积累有关AI社会影响的专业知识，并制定最佳实践指南。与美国国立卫生研究院一样，这一机构应当拥有资金，以支持目前研究不足但有益于社会的发展路径，其中包括一些有利于劳动者的路径。

第三，我们需要为数据市场建立法律框架。数据经常被称为AI经济的命脉，但规范数据所有权和使用方式的规则仍不完善。这不仅使实力雄厚的科技企业能够攫取数据的大部分价值，也削弱了生产和共享高质量数据的激励，而构建能够补充人类专业能力的AI系统正需要这些高质量数据。

最重要的是，我们需要以清醒、务实的态度讨论AI能够做什么，以及我们希望它做什么。AI的未来不应由少数技术专家的梦想决定，而应由我们通过民主方式作出的选择来决定，我们究竟希望建设一个怎样的社会。

“社会各界必须共同努力，把AI的发展引向另一个方向。”

Daron Acemoglu teaches economics at the Massachusetts Institute of Technology in Cambridge. e-mail: daron@mit.edu

与其竞相用机器取代人类，我们更应该构建能够增强人类专业能力、拓展发展机会的AI系统。 ——达龙·阿西莫格鲁在位于剑桥的马萨诸塞理工学院教授经济学

世界模型读书会

目前，世界模型并非边界明确的单一技术范式。强化学习、生成模型、认知科学、具身智能与复杂系统等领域，对“世界”“状态”及其动力学机制有着不同理解。世界模型究竟应预测感知信号、学习隐空间中的状态转移，还是刻画行动、物理约束与因果关系？预测能力又如何转化为有效的规划、决策和行动？这些问题仍有待系统梳理。

为此，集智俱乐部联合认知科学、具身智能、AI Agent、复杂系统与高阶网络等领域的研究者发起，围绕世界模型的思想源流、理论基础、技术路线与应用边界展开专题分享和讨论。读书会自2026年8月7日起，每周五晚19:30-21:30，将以“世界如何被表征、其动力学如何被建模、内部模型如何服务于智能体”为主线，尝试讨论整理世界模型统一框架。

详情请见：

1.

2.

3.

4.

5.

6.

7.

8.