「服务业是人类最后的护城河」：AI 时代就业讨论里的两种时间尺度

2026 Inclusion·外滩大会见解论坛现场：圆桌「AI 对社会的影响——就业、教育与社会保障重构」

整理说明：本文整理自封面新闻 2026-09-10 报道《陆铭回应马斯克之问：AI不会取代就业，只会取代能力》（记者孟梅、张越熙），保留原报道的引述与表述；同题讨论另见新京报、信息时报报道。文首配图为该报道的现场照片（论坛圆桌，背景板可见邢自强、陆铭等嘉宾名单）；两张示意图为本站据报道内容自制。

AI 越来越能干，人的工作会被替代吗？9 月 9 日，在 2026 Inclusion·外滩大会《AI经济增长新范式与社会价值重构》见解论坛上，一场关于 AI 与就业的讨论，把这个问题拉回了现实。

香港科技大学（广州）协理副校长熊辉、摩根士丹利中国首席经济学家邢自强、上海交通大学安泰经济与管理学院讲席教授陆铭、北京大学数字金融研究中心执行主任沈艳等围绕 AI 对就业、教育和社会保障的影响展开讨论。

几位嘉宾争论的重点，从「机器会不会抢走工作」，转向另一个问题：AI 新经济创造更多生产率之后，怎样让人仍然有能力参与其中，并分享到增长？

一、「AI 不会取代就业，也不会取代职业，它只会取代能力」

这是陆铭给出的判断，它与「AI 大规模消灭岗位」的流行叙事不同。

他把人的能力分成两类：一类是标准化、重复、可编码的**「机能」；另一类是理解力、沟通力、表达力、共情力、组织力、审美和价值判断等难以被编码的「人能」**。

在他看来，一个岗位并不会因为 AI 出现就整体消失，而是其中不同任务被重新拆分：越标准化、越重复的部分越容易被机器接手；越需要理解人、适应复杂场景、作出价值判断的部分，人的优势反而更加突出。

他把这一判断称为「回应马斯克之问」——2025 年 11 月，马斯克曾预测随着 AI 和机器人发展，未来 10 到 20 年「工作将变成可选项」。

「机能」与「人能」的任务拆分示意图 — 「机能／人能」二分与岗位的任务化拆分：越标准化的任务越先交给机器，越需要理解与判断的部分人的比较优势越突出（据封面新闻报道整理，本站自制示意）

二、「服务业是人类最后的护城河」：一笔成本账

面对「未来大量岗位都会被机器取代」的观点，陆铭提出：「服务业是人类最后的护城河。」

原因不只是技术能不能做到，还要算经济账。

扫地、搬运等发生频率高、流程标准的任务，机器容易规模化替代；但在养老、餐饮等服务场景中，大量需求低频、非标准，还包含沟通、情绪价值和随机应变。机器每增加一种能力，都意味着新的成本。

「人是从娘胎里出来就预装了各种各样技能的系统。」陆铭表示，随着任务越来越非标准化，人类的比较优势反而会更加明显。

这也让 AI 时代的就业问题出现了另一种可能：技术不是简单把「人」从生产中拿走，而是在重新划分人和机器各自更适合做什么。

三、另一种时间尺度：新岗位可能接不上旧岗位

长期乐观，不意味着短期没有压力。

邢自强提醒，这一次 AI 技术扩散的速度可能显著快于过去几轮工业革命。过去蒸汽机、电气化、互联网等技术通常需要几十年逐渐进入企业和家庭，劳动力市场有两三代人的时间完成职业培训和转型；但这一轮 AI 可能在十年左右迅速普及。

「这种冲击速度扩散非常快。」邢自强说，这种「时间差」已经开始受到学界关注：AI 首先提高了有经验劳动者的生产率——资深专业人士拥有知识、经验和判断力，借助 AI 可以进一步放大自己的能力；与此同时，一些过去入门级工作，可能率先减少。

因此，AI 时代的就业问题不能简单归结为「岗位增加还是减少」，更现实的问题是：技术变化的速度，能不能和人的学习、转型速度匹配。

两种时间尺度对照示意图：过去技术革命的几十年 vs 这一轮 AI 的约十年 — 两种时间尺度：过去的技术革命以「几十年／两三代人」为单位完成转型，这一轮 AI 的普及窗口可能只有「约十年」（据封面新闻报道整理，本站自制示意）

四、「没有作业可以抄」：政策不能只等新就业自然出现

邢自强认为，中国这一次第一次与美国几乎同时站在新一轮技术革命的起点，「没有作业可以抄」。

历史上每一次重大技术革命，在创造新生产力的同时，也伴随社会保障、劳动制度的更新。他表示，面对这一轮更快速的 AI 扩散，制度创新可能无法等待，而是今天就要提前应对的问题。

五、效率提高之后，谁能分享到增长

讨论最终又回到了 AI 新经济最核心的一笔账：效率提高之后，谁能分享到增长？

邢自强认为，AI 和未来的具身智能会进一步增强供给能力，进入工厂、制造业和服务业。但在「供强需弱」的环境下，「最珍惜的还是人。」他提出，未来应该更多转向「以人为本」，包括支持服务消费、育儿等居民需求，并在中长期进一步完善外出务工人员等群体的社会保障。

陆铭则把目光投向失业保险。他建议，让失业保险真正发挥「保险」功能，在一定时期内更好地帮助劳动者平稳度过转型周期。

写在后面

把这场讨论读下来，最有价值的其实不是「AI 会不会抢走工作」这个是非题，而是两种时间尺度被放在了一起：

长期看，岗位不会整体消失，而是任务被重新拆分——可编码的部分外包给机器，难编码的部分留给人；
短期看，扩散速度可能快过人的转型速度，新岗位未必接得上旧岗位，压力先落在最缺经验的入门者身上。

这两句话并不矛盾，但常常被分开引用：只引前者，容易得出「不必担心」的乐观结论；只引后者，又容易滑向「一切都要被替代」的恐慌。放在一起看，它们指向的其实是同一件事——转型期的长度，决定了这次冲击是「换工作」还是「掉队」。

对教学而言，这里有一个直接的问题：如果「机能」可以被迅速外包，那么课程与评价的重心是否还应当放在可编码、可标准化考核的部分？而「入门级工作率先减少」意味着初级岗位作为学习通道正在变窄——这可能是教育面临的最直接压力，因为它动摇了「先做简单工作、再逐步成长」的传统成长路径。

最后一个我自己还没有答案的问题：服务业的「护城河」，到底是人的比较优势使然，还是机器当前的成本还不够低？ 若是后者，这条护城河会随着成本下降而变窄——那才是真正需要提前准备的场景。