AI教父楊立昆疾呼：別聽我的，去聽經濟學家的！

楊立昆資料圖。本文為新經濟學家智庫專稿，轉載請注明來源。

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

AI教父疾呼：別聽我的，去聽經濟學家的！——在最重要的社會議題上，硅谷最聰明的人有多少算真正的權威？

旻宏

新經濟學家智庫特約研究員

摘要

2026年4月底，AI三巨頭之一、圖靈獎得主楊立昆（Yann LeCun）在X平臺發出一句話，讓AI圈的辯論突然變換了語言：他批評Anthropic CEO關于AI將摧毀大量就業的預測，卻沒有停在他說錯了這里，狠狠補刀說，也別聽奧特曼（Altman，OpenAI創始人）們的，甚至別聽我的，去聽經濟學家的。這句話的分量，不在于它謙虛，而在于它揭開了一個在AI熱潮中長期被掩蓋的問題：在最重要的社會議題上，硅谷最聰明的人有多少算真正的權威？

一、賣技術的人，不該來講失業的故事

今天美國最擅長制造AI議程的人，大多供職于AI實驗室或大模型公司。

這本不奇怪。技術議題天然需要技術背書，公眾也早已習慣從OpenAI、Anthropic或Meta的發言人那里，獲取關于AI未來的基本想象。這其中就包括AI和經濟社會交叉最敏感也最被各個階層所關心的那個問題——就業。當Anthropic CEO 阿莫迪（Dario Amodei）公開預警，AI可能在未來一到五年內沖擊50%的初級白領崗位，并把大規模失業當成可見的社會風險來描述時，他做的事情就已經不再是技術判斷，而是一種社會情緒的定義和塑造。

楊立昆的反應是不尋常的。他沒有用技術指標來反駁，而是把話題本身切開：AI公司的領袖，無論立場多開明，都不該是這道題的裁判。在勞動力市場問題上，別聽阿莫迪，別聽奧特曼，別聽本吉奧（Yoshua Bengio），別聽辛頓（Geoff Hinton），也別聽我。去聽那些用一輩子研究這件事的經濟學家怎么說。楊立昆這不是客氣，而是試圖劃定一個話語權的邊界：技術判斷可以由技術專家做，但社會后果的估算，不能由利益相關者主導。

這道劃分的意義遠大于一次口水戰。如果AI公司被允許同時扮演技術供給者和風險解釋者，它們實際上掌握了一種雙重敘事權力：既能定義技術能做什么，又能定義社會應當恐懼什么。這種結構本身就值得被質疑。歷史上，沒有任何一個工業化浪潮的社會影響，是由該行業的工程師最先講清楚的。蒸汽機的經濟學、電氣化的勞動市場影響、互聯網對就業的改造，這些敘事誠然由技術推動，但最終將時代梳理出脈絡、拿出路線圖的是經濟學家、社會學家和政策研究者，而不是機器制造商。

Brookings、Yale Budget Lab和哈佛的研究提醒我們：AI對就業市場的影響路徑，遠比替代或不替代更復雜。真實的問題是任務分解后如何重組、什么類型的勞動力有緩沖能力、政策能否補上調整期的斷層。這些問題，沒有一個可以完全從AI模型的訓練日志里讀出來。

二、什么叫懂就業？經濟學家到底在看什么

楊立昆并非泛泛而談，他在X文中點名推薦的五位經濟學家，也不是隨機抽取的。

比如Daron Acemoglu，2024年諾貝爾經濟學獎得主，長期研究技術變遷如何重塑生產結構與勞動分配；他關于平庸自動化（so-so automation）的研究警示，當企業用不成熟的自動化替代勞動力，不產生真實效率提升時，會造成工資萎縮和生產率停滯雙重損失。再比如David Autor，他在麻省理工長期追蹤技術如何改變工作任務的結構，發現自動化并不均勻消滅崗位，而是把勞動力從常規任務中推擠出來，能否找到新位置，取決于政策、教育、地區、行業等復合條件。還比如Erik Brynjolfsson在數字經濟框架內持續討論AI生產率悖論：技術進步肉眼可見，生產率和工資增長卻滯后多年。

這幾位學者給出的，都不是AI無害或AI災難的結論，而是充滿條件句和數據支撐的結構性分析。他們講的是就業市場如何在摩擦、制度和時間延遲中對技術作出反應；他們關注的是分配結果而非技術表演。這與AI實驗室或大模型CEO們的敘事在質地上完全不同，后者講的是能力邊界和商業場景，前者講的是社會如何消化一次新的生產率沖擊。

高盛集團3月發布了《人工智能將如何影響美國勞動力市場？》（How Will AI Affect the US Labor Market?）以及4月發布了《AI可能促進哪些崗位，又可能沖擊哪些崗位》（The Jobs AI Is Likely to Boost—and Those It May Disrupt），兩份報告為我們提供了一個中間層的參照。高盛估計，AI會使大量工作崗位面臨自動化暴露，但轉型時間線和產業采用速度的差異，使這一過程遠比末日突降更接近分批消化。這就與經濟學家們的基本判斷一致：風險真實存在，但影響的烈度、速度和覆蓋面，取決于一系列并非技術本身決定的變量，例如政策響應速度、再培訓機制的可及性、工會談判能力、產業政策導向等等。這些變量里，沒有一個是AI實驗室能夠解答的。

這里有一個注意的對比：當AI公司談就業時，他們使用的是能力替代率這類工程語言；當經濟學家談就業時，他們使用的是任務結構、工資彈性、調整成本這類市場語言。兩者不只是表述方式不同，而是在提問完全不同的問題。楊立昆呼吁公眾聽經濟學家，本質上是在呼吁：別用工程問題的框架來回答社會和經濟問題。這就如同說AI時代理工科完全可以代替除其以外一切、特別是人文社科經濟類專業一樣荒謬。

三、Anthropic是誰，為什么會成為靶子

楊立昆是三巨頭中爭議最大也是最“猛”的一位。他不是第一次與AI圈同行發生爭執，但這次矛頭指向Anthropic又有其特殊邏輯。

Anthropic在當下的美國AI產業里，扮演著一個罕見的雙重角色：它既是前沿模型公司，又是安全敘事的系統化輸出者。Reuters記錄的這家公司的原始使命，幾乎從一開始就把比競爭對手更安全、更克制寫入品牌DNA。創始人阿莫迪兄妹也是因為安全敘事與奧特曼反目，從而出走OpenAI。Anthropic的Constitutional AI框架，試圖把價值觀和約束寫進模型行為本身；它的AI Safety Levels分級體系，試圖為危險能力劃定紅線，觸線即暫停。這不是普通的公司策略，而是一種把安全治理神圣化、內生化的企業哲學。

這種做法有其正當性，同時也有其權力效應。當Anthropic把安全變成公司身份和商業護城河時，它實際上獲得了一種優勢話語權：既能解釋技術風險的大小，又能宣稱自己是應對風險的最佳方案。在這個結構里，阿莫迪關于就業災難的預測，很難被看成純粹的技術判斷，它更接近一種敘事戰略：讓恐懼保持足夠的熱度，讓負責任AI的故事保持足夠的吸引力。

楊立昆其實直擊的就是這個結構。他反對的不只是50%失業這個數字，而是一個更大的機制，即全球頭部AI公司負責人是否有資格，以安全顧慮為名，持續向社會輸出未經同行、相關行業嚴格檢驗的就業預測，并以此來塑造公眾恐懼和政策討論的基調。從這個角度看，他之所以說也別聽我的，并非謙虛，而是要奮力拆掉這整個框架：AI公司無論是誰，都不該是社會未來的總規劃師。

VB（VentureBeat）的報道也提供了一條佐證線索：在加州SB1047AI監管法案問題上，辛頓支持更嚴格規制，楊立昆立即公開反對，認為此類立法會扼殺開放研究。所以楊立昆和因阿莫迪引起的這次“較勁”，不是偶發的人際摩擦，還是在AI被社會廣泛關后就在碰撞的兩條系統性路線框架中：一條相信AI還遠未成為社會級威脅，因此開放探索優先；另一條相信風險邊界已經逼近，因此約束和監管必須前置。

四、恐慌是最廉價的預言，理性是最昂貴的堅持

這場爭論的終極問題，并不是楊立昆和阿莫迪誰更聰明，而是：在AI時代，誰有資格定義什么是對社會的真正風險？

這是一個關于知識分工和話語權力的問題。美國新聞評論網站VOX將當前AI產業的分裂描述為一場無聲內戰，一邊是加速主義，主張技術突破本身能夠產生社會福利；另一邊是謹慎主義，主張超前限制是防范災難的唯一保險。兩邊都有真實的價值支撐，也都有容易失控的極端版本。加速主義容易無視真實分配問題；謹慎主義容易把技術敘事建立在過度放大的恐懼之上。

楊立昆當然更偏向開放研究、鼓勵創新的一端。他多次強調，現有LLM雖然有用，但距離真正的通用智能仍很遙遠；如果把通往人類級智能的希望完全押在LLM路線之上，可能會走進一條“死胡同”。也正因此，他對世界模型、視覺表征學習和具備預測能力的新架構保持更高期待。他旗幟鮮明地反對把“距離災難可能只有幾步”的末日式框架變成公共討論的默認底色，更反對讓銷售AI解決方案的公司同時扮演風險預言者和解決方案提供者。這一點，恰好與不少勞動經濟學研究的審慎判斷相重疊：技術預言越來越劇烈，數據卻尚未支撐那些最極端的結論。

《紐約客》John Cassidy在《AI豐裕的危險悖論》(The Dangerous Paradox of A.I. Abundance)中提出的觀察，則更觸及這場爭論的根本：問題從來不只是AI工作機會與人類工作問題，而是技術進步的收益，是否會被有效分配給那些首當其沖的勞動者。如此，這個問題就變得不再是技術問題，而是政治經濟問題。它需要經濟學、政策研究和勞動法來回答，而不是靠AI實驗室的CEO在發布會上預判。楊立昆堅持把討論權移交給經濟學家，某種意義上也是在說：把這個問題還給那些更接近它真實機制的人。

結語

在AI所有爭論中，最容易制造熱度的，往往是那些把不確定性包裝成確定性的論斷，就比如把“未來五年失業率將升至50%”加工成一種確定性表達；而經濟學家所強調的影響路徑復雜，且高度依賴政策響應，則是對不確定性的一種極具專業素養的誠實承認。前者更容易上頭條，后者更接近真相。楊立昆的那句也別聽我的，在這個意義上是一種在科技界難得的反常清醒，要求公眾做一件困難的事：不要用情緒管理代替認知判斷。

這場爭論最終會以什么形式落地，暫時還不清楚。勞動市場數據的積累需要時間，AI的真實社會影響也要在更長的時間軸上才能看清。但有一點已經足夠明確：當一項技術開始以足夠快的速度重新定義工作的意義，社會需要的不是更多來自硅谷的預言，而是更多來自經濟學、社會學和公共政策領域的、經得起檢驗的分析。那些經濟學家，比任何AI實驗室都更早開始研究這個問題，也比任何AI實驗室都對這道題的難度更誠實。

別聽賣鏟子的人講淘金的故事。這或許是楊立昆在這場紛亂的辯論中留下的最有價值的東西。

楊立昆資料圖。

附錄：楊立昆點名的五位經濟學家簡介

Daron Acemoglu，麻省理工學院教授，2024年諾貝爾經濟學獎得主。他與合作者Pascual Restrepo建立的任務框架（task-based approach）是當前分析AI就業影響最具影響力的理論工具：技術的沖擊不是均勻地消滅崗位，而是把特定任務從人類手中剝離，剩余任務如何重新分配，決定了最終的就業結果。他同時提出平庸自動化（so-so automation）的警示概念：當企業用AI等自動化技術替代人力，卻只帶來有限的真實生產率提升時，結果可能不是共同富裕式的效率躍升，而是勞動者工資增長受壓、勞動份額下降，社會整體生產率改善卻并不顯著。2026年2月，他與Autor、Johnson聯署NBER工作論文《構建有利勞動者的人工智能》，直接呼吁政策介入，以確保AI收益不被少數企業壟斷。

David Autor，同樣來自麻省理工，是任務極化模型（task polarization model）的奠基人之一。他的核心發現是：自動化對就業的影響不是全面替代，而是一種結構性分化。常規性、中等技能的任務被機器承接，勞動力被向上（高技能創造性工作）和向下（低技能服務性工作）兩端擠壓，中間層空洞化。放到AI時代，這一框架提示人們此模式正在向白領延伸：AI擅長接管的，是那些可預測、有規律、可系統化描述的認知任務，這正是大量初級專業崗位的核心工作內容。但Autor并不把AI簡單理解為白領崗位的終結者，他認為AI如果用得好，可能幫助重建中等技能、中產階層崗位。他更強調，AI究竟削弱勞動者，還是擴展更多人的專業能力，取決于技術使用方式、制度設計和政策選擇共同作用的結果。

Erik Brynjolfsson，斯坦福大學教授。他與Andrew McAfee合著的《第二次機器時代》（The Second Machine Age）出版于2014年，是理解數字技術、自動化與勞動市場關系的早期經典。在生成式AI時代，他更重要的貢獻，是繼續圍繞AI、生產率悖論和組織變革展開研究。他是“生產率悖論”（productivity paradox）的重要研究者和闡釋者之一。他主張，盡管技術快速擴散，生產率統計數據卻長期滯后。原因不在于技術本身失效，而在于組織變革、技能培訓和流程創新跟不上技術部署的速度。這一框架直接適用于今天：按照Jonathan S. Hartley等人的2026的研究報告口徑，當35.9%的美國工人已在使用生成式AI，而整體生產率增長和工資改善仍然遲緩。問題不是AI有沒有在改變工作，而是收益何時、以何種方式才能轉化為普遍的勞動者福利。

Philippe Aghion，2025年諾貝爾經濟學獎得主，法蘭西公學院教授，創造性破壞（creative destruction）理論的重要闡發者。他建立在熊彼特基礎上的增長理論認為，技術創新天然地摧毀舊秩序、建立新秩序，但這一過程能否真正造福社會，取決于三個關鍵條件：市場是否保持開放競爭、創新成果是否可持續分配、以及技術資源是否高度集中于少數巨頭手中。他的框架可以歸結為，AI時代最大的風險，不是技術本身的失控，而是少數控制AI數據、算力和人才的公司形成事實性壟斷，窒息真正的創造性破壞。Aghion也曾在AI討論中強調，AI的增長潛力可能受到不當競爭政策和超級明星企業壟斷的制約，因而需要更新競爭政策，以避免“贏家通吃”式格局固化。這個判斷，與楊立昆對Anthropic和整個大模型公司話語權壟斷的批評，在結構上高度呼應。

Andrew McAfee，麻省理工學院數字經濟研究者，與Brynjolfsson長期合作并共同提出與機器賽跑（Race Against the Machine）的框架：與其把AI看作就業的終結者，不如把它看作一種重新定義人機分工邊界的力量，即人類需要不斷向AI難以企及的領域遷移，而不是固守被替代區。他同時對AI無條件樂觀保持警惕，強調技術收益的分配問題至關重要，如果AI只是讓少數人的資產增值，而大多數勞動者的實際收入和工作穩定性持續下降，那么即便總量上的GDP增長，也無法掩蓋社會結構的裂變。■

掃描下方二維碼，參加至少全年12場直播加