刘诚/文

在英国工业革命初期，德国思想家、革命家弗里德里希·恩格斯曾观察到一种现象：尽管机器大工业极大提升了社会生产力，但工人阶级的生活状况却在相当长的时期内持续恶化，技术进步的红利并未即时惠及普通劳动者。

这一历史性的“停顿”，可被概括为技术革命与人的福祉之间的时滞效应。如今，当人工智能浪潮席卷全球，一个相似的追问正在浮现：AI时代是否也在经历某种“恩格斯停顿”？

引发这一关注的是人们对智能经济认知上的两个显著反转：其一，此前社会各界对AI能否真正促进经济增长存有疑虑，“索洛悖论”的阴影挥之不去，但如今这一疑虑已基本消散，AI对生产率和产业跃迁的拉动作用日益明朗；其二，过去人们普遍认为AI对就业的冲击尚属“假象”，未在现实中大规模显现，但今年以来，从短剧行业到程序开发，从网约车到物流配送，AI替代效应突然以肉眼可见的速度在多个领域集中爆发。两个反转叠加，“恩格斯停顿”指出的“有增长无收入”的迹象已若隐若现。

AI对经济增长和产业跃迁的作用

回顾历史，每一次重大技术革命都伴随着类似的质疑周期。

在互联网时代，人们曾长期争论信息技术是否真正提高了生产率；在数字化浪潮初期，“索洛悖论”——即计算机无处不在，唯独在生产率统计中看不到——成为学界热议的话题。

经济学家们对此提出了多种解释：从技术研发、设备安装到应用场景落地需要漫长的时间；新技术的充分释放需要大量互补性基础设施投资；企业组织形式、业务流程再造和社会制度变革的配套严重滞后；大量新业态、新服务尚未被传统统计体系有效覆盖等等。

不论是网络化、信息化还是数字化，随着时间推移，人们最终普遍接受了这些新技术能够大幅提升生产效率的事实。如今，AI时代同样遭遇了“索洛悖论”的质疑，值得注意的是，这一质疑的持续时间明显缩短。

与以往技术革命动辄十余年的悖论期不同，AI从引发争议到展现实际经济效用的周期大幅压缩，人们很快看到了AI对经济增长、全要素生产率和产业跃迁的实质性推动作用。

2026年以来，中国AI相关产业对宏观经济的拉动效应全面显现。

从投资端看，AI基础设施投资持续高速增长，算力中心、Token（词元）工厂、大模型训练集群等新型基础设施成为各地竞相布局的重点，带动固定资产投资增速回升。

从产业端看，AI赋能下的工业企业利润有所改善，智能制造、智能质检、智能排产等应用场景大规模落地，推动工业增加值保持较高增速。

从贸易端看，AI驱动的智能产品出口增势强劲，智能驾驶汽车、AI终端设备、智能机器人等高附加值产品在国际市场上的竞争力持续增强。

值得关注的是，大模型词元消耗量呈爆发式增长，算力需求持续攀升，这不仅反映了AI应用的深度和广度在快速拓展，也意味着一个庞大的智能经济生态正在加速成型。

不仅在宏观统计数据中，普通人也能切身感受到AI的渗透。

AI产品已经遍布工作和生活的各个场景：机械手臂、遥控机器人走进工厂车间、春晚舞台、展览展厅、体育赛场、股票市场，自动驾驶出租车在多个城市实现商业化运营，AI眼镜等可穿戴设备从概念走向量产，AI漫剧走进了一个个智能手机屏幕、电视屏幕和电影屏幕，重塑着内容产业的格局。

以AI短剧为例，2026年已有超过95%的微短剧在制作环节引入了AI生成技术，从剧本创作、分镜设计到画面生成、配音配乐，AI几乎覆盖了全流程，制作成本大幅降低的同时，产出效率提升了数倍。这一领域的爆发式增长，是AI产业赋能效应的一个极端缩影。

从更深层次看，AI对经济增长的推动并非简单的工具替代，而是正在引发一场产业范式的根本性跃迁，是产业结构升级、新旧动能加速转换的积极表现。

传统产业升级的路径是线性演进，AI带来的变革却是非线性、跨领域、系统性的。它不仅在单一环节提升效率，更在重构整个产业链的价值分配逻辑——从研发设计到生产制造，从营销服务到售后运维，AI正在每一个节点上创造新的可能性。

这种系统性的产业跃迁，正是AI时代区别于以往技术革命的核心特征，也是“索洛悖论”在AI时代被迅速打破的根本原因。

AI对就业和收入的实质性冲击

然而，硬币的另一面同样清晰可见。AI在推动经济增长的同时，正在对就业市场和收入分配形成前所未有的实质性冲击。

笔者在2025年上半年曾提出“数字经济新岗位或成AI时代下岗重灾区”这一观点，如今已被现实充分验证。

以短剧直播行业为例，这个在两年前还被视为数字经济新蓝海的领域，正在经历AI冲击下的剧烈调整。随着AI生成技术的成熟，大量原本需要人工完成的编剧、剪辑、配音、特效等工作被AI替代，从业者收入大幅下滑，岗位数量急剧缩减。

横店影视城——这个曾经中国影视产业的风向标，出现了群演失业潮，大量临时演员、群众演员失去了赖以生存的工作机会。这一现象的根源正是AI对影视内容生产流程的全面渗透。

更令人警醒的是，AI替代的触角正在从低技能岗位向高技能脑力劳动领域延伸。程序员——这个曾被视为AI时代“不可替代”的职业群体，正在经历前所未有的冲击。

随着AI编程助手的快速迭代，大量基础的代码编写、调试、测试工作已被AI高效完成，程序员的就业空间被大幅压缩。一些互联网企业已经开始缩减技术团队规模，用更少的高级工程师配合AI工具来完成过去需要大量人力投入的项目。这种替代的广度和深度，远超此前社会的普遍预期。

在体力劳动和服务业领域，替代效应同样在加速显现。

网约车司机和外卖配送员——这两个吸纳了大量劳动力的“蓄水池”行业，正面临自动驾驶和智能配送系统的直接竞争。

工信部等多部门公布《智能网联新能源汽车产业发展“十五五”规划》提出，到2030年，高速公路、城市快速路、部分城市道路等场景实现高度自动驾驶。这意味着网约车和配送行业的就业替代将从“潜在风险”转变为“现实进程”。

与此同时，一些平台企业已开始大规模采集、蒸馏配送员、家政人员等一线从业者的工作数据，这些数据一旦被充分学习和内化，将直接转化为自动化系统的能力，进一步加速对人工的替代。

这种替代的深刻性在于，它与以往的技术革命有着本质区别：AI对劳动的替代范围更广、力度更大。

在汽车替代马车的时代，马车夫虽然失去了工作，但可以转型成为汽车司机，新技术创造了新的、规模更大的就业岗位。

而自动驾驶替代人工驾驶时，人类被彻底“抛弃”：后台控制者和维修人员的数量相比原来的司机群体规模极小，根本无法吸纳被替代的劳动力。AI带来的新岗位在数量上远远不足以弥补被消灭的旧岗位，这种“净减少”效应是前所未有的。

在美国，尽管整体就业率仍维持在高位，AI造成的失业在宏观数据中尚不甚明显，但美国多项研究已开始高度关注就业替代问题，多项调查显示AI相关岗位流失正在加速累积。

在2025年及今年年初时，人们还更加关注AI的赋能。当时，AI对个人的赋能效应更为显著：AI是工具，人借助AI提升效率。

现在，AI已在某些行业从“赋能”转向“取代”，从辅助角色变成了主角，其角色的变化速度之快前所未有。95%的微短剧由AI生成，横店群演失业潮，这些不再是孤立的个案，而是AI就业替代浪潮的缩影。

当AI不仅能辅助创作，还能独立完成从策划到成片的全流程时，大量中间环节的从业者便失去了存在的价值。

这种从“人机协作”到“机器独奏”的转变正是“恩格斯停顿”在AI时代最鲜明的体现：技术进步了，但相当一部分劳动者的处境却在恶化。

政策启示

面对这一趋势，我们首先需要认识到，AI驱动的新一轮科技革命和产业变革进程是不可逆的。在国际竞争加剧、企业追求利润最大化、消费者持续寻求新产品新体验的多重驱动力下，这一进程不会因任何单一群体的利益诉求而停滞。每个人只能坦然面对，主动提升技能，适应人机协作的新范式。

对于全社会而言，作为一项通用目的技术，AI总体上利大于弊：提升了生产效率，创造了新的产品和服务，推动了经济增长。

然而，局部的受损群体却可能陷入一种“囚徒困境”：他们不会（也难以）自觉地联合抵制技术进步，每一个个体都无法单独改变趋势。

现实的无奈境遇是：他们一边配合企业采集、蒸馏自己的工作数据，一边清楚地知道自己可能很快就会被这些数据训练出的系统所替代；他们一边享受AI带来的生活工作便利，一边不得不顺应技能演变的趋势重新寻找定位。

这种个体理性与集体困境的矛盾，正是AI时代社会治理面临的核心挑战。

基于以上分析，笔者提出以下政策建议。

第一，加强弱势群体就业保护，针对AI替代效应最为集中的行业和群体，建立专项就业保障机制。对于短剧直播从业者、网约车司机、配送员等高风险群体，提供转岗培训、技能提升和过渡性生活保障。探索建立“AI替代保险”或“技术性失业基金”，为因AI替代而失去工作的劳动者提供兜底保障。

第二，保留必要的劳动者就业岗位，在推进AI应用的同时，对涉及公共安全、人文关怀、复杂决策等领域保留一定比例的人工岗位。在公共服务领域，避免过度自动化导致的服务“去人性化”。通过政策引导，鼓励企业在效率与就业之间寻求平衡。

第三，提高劳动者初次分配份额，AI带来的生产率提升不应仅转化为企业利润和资本回报，劳动者也应分享技术进步的红利。探索建立AI生产率的共享机制，通过工资协商、利润分享、股权激励等方式，确保劳动者在AI时代的收入水平不降反升。

第四，加大政府再分配能力和力度，面对AI可能加剧的收入分化趋势，政府需要强化再分配功能。探索对AI替代劳动力的企业征收“自动化税”或“机器人税”，将所得用于社会保障和公共服务的投入。同时，研究制定全民基本收入、负所得税等制度设计，确保AI时代的社会保障网足够坚实。

“恩格斯停顿”并非不可逾越的历史宿命。在工业革命时期，经过数十年的制度调整和社会变革，技术进步最终惠及了更广泛的群体。在AI时代，我们同样有机会通过前瞻性的政策设计和制度创新，缩短停顿的周期，让AI的红利更快、更公平地惠及每一个人。关键在于我们能否在技术狂飙突进的同时，始终将人的福祉置于发展的中心。

（作者系中国社会科学院财经战略研究院研究员）