诺贝尔经济学奖得主阿西莫格鲁：AI不应追求全面自动化，而应转向“以人为本”的互补模式

事件概述

2026年7月，2024年诺贝尔经济学奖得主达龙·阿西莫格鲁（Daron Acemoglu）在《The Humanist Review of AI》创刊号上发表文章《Will AI Replace Workers? Not If We Build It Right》，对当前人工智能的发展路径提出深刻反思。他认为，业界对AI的炒作与恐惧均偏离了现实，若继续盲目追求自动化和AGI，不仅无法实现预期的生产力飞跃，反而可能引发严重的社会经济问题；唯有转向“以人为本”、与人类智能互补的开发方向，才能释放AI的真正潜力。

核心信息

1. AI对就业和生产的冲击被高估，进展将呈渐进式

• 生产力数据缺失：尽管AI在代码编写、放射诊断等特定领域表现优异，但在企业实际应用中，由于需要调试及专业人员协同，尚未出现显著的生产力提升。这与历史上电力普及耗时数十年类似，新技术的整合需要组织变革和时间沉淀。
• 替代率预测保守：阿西莫格鲁估计，未来10年内，AI能够完全替代的人类工作量不超过5%。虽然AI可自动化约20%的简单办公和认知任务，但涉及复杂判断、社交互动及物理世界交互的工作，因技术成熟度和社会接受度限制，短期内难以实现全面自动化。

2. 语音识别技术的教训：基础设施突破不等于应用普及

• 历史镜鉴：1997年Dragon NaturallySpeaking已实现95%的语音识别准确率，但因后续企业并购、市场错位及兼容性问题，消费者在随后二十年中并未享受到相应益处。微软收购Nuance后延续了这一模式，导致PC端语音识别进步有限。
• “最后一公里”难题：纯机器学习方法在处理细微语境、发音相似词时仍面临挑战，1%的错误率在关键场景中可能导致严重后果。完全自动化需解决所有边缘情况，目前尚不具备条件。

3. 人类智能与AI本质不同，最优路径是互补而非模仿

• 能力差异：人类擅长基于少量样本进行推理、试错、社会学习及多模态思考，具备独特的“幻觉”机制以模拟不同可能性；AI则擅长从海量数据中识别模式并进行预测。
• 互补策略：强行让AI模仿人类智能是徒劳的。应借鉴麦金塔电脑设计中乔布斯与沃兹尼亚克的合作模式，发挥各自优势。理想状态是构建“以员工为中心的AI”，如为教师提供学生困难预测工具，而非取代教师，从而实现人机协同增效。

4. 行业痴迷自动化的四大驱动力

• 商业模式局限：大型科技公司依赖向企业销售软件和数字广告收入，缺乏开发辅助人类工作工具的内在动力。
• 市场垄断：科技行业高度集中，巨头垄断资本、数据和人才，初创企业难以突围或被收购，导致现有商业模式固化。
• 意识形态执念：受图灵“模仿游戏”及科幻文化影响，行业普遍存在对超人机器和AGI的执念，视人类为易犯错的个体。
• 低估人工技能：技术领袖普遍低估人类专业技能和知识价值，倾向于通过自动化消除人力成本。

5. 引导AI走向良性发展的政策建议

为实现从“自动化”到“互补”的视角转变，需协同推进以下四类措施：

• 税制改革：统一劳动与资本的税率。目前劳动收入的有效边际税率远高于资本收入，变相补贴了资本替代劳动的行为。公平税负有助于市场重视与人互补的技术。
• 政府示范效应：通过政府补贴示范项目，鼓励开发以人为本的AI技术，避免沦为科技公司的敛财工具，重点支持试验性项目。
• 打破垄断壁垒：征收数字广告税，削弱依靠广告盈利的科技巨头优势，为新进入者和替代商业模式创造生存空间。
• 建立高质量数据市场：构建规范的数据交易体系，保护专家数据的创建者权益，确保面向劳动者的AI能获得来自顶尖专家的高质量、专业化数据，同时限制科技巨头的反竞争数据积累行为。

值得关注

阿西莫格鲁强调，AI的未来并非注定，关键在于人类的自主性选择。社会应避免陷入对超级智能的盲目崇拜或末日恐慌，转而关注如何通过制度设计和技术创新，使AI成为增强人类能力、促进社会繁荣的工具，而非导致不平等和失业的根源。