陆铭
AI不仅改变就业结构与空间结构，也正在改变政府治理的目标和方式。传统工业化阶段以土地开发、制造业扩张和静态户籍管理为核心的治理体系，正在面临新的约束。未来政府治理的重点，将转向技术普惠、人口流动、服务经济支撑以及社会保障重构。
AI时代的国家战略选择
面对AI发展所带来的就业替代与收入分化风险，各国实际上有两种不同的政策路径。第一种路径是市场主导和事后再分配模式，即允许AI在市场机制作用下快速扩张，并被动接受由此产生的就业替代与收入分化后果，再通过税收与福利体系进行再分配。第二种路径则是鼓励开源和普惠赋能模式，即政府主动降低AI的使用门槛，使更多劳动者能够直接参与技术红利分享，而不是等到收入差距扩大之后再进行二次分配。这一路径的核心，不是单纯依靠福利补偿，而是通过公共投入减少劳动者因不会使用AI而带来的能力和财力劣势。
从当前政策方向看，中国更接近第二种路径。这一战略选择具有重要意义，它意味着政府在AI时代的角色，不再只是传统意义上的事后救济者，而成为技术扩散过程中的能力赋能者。与工业化时代侧重资本积累不同，AI时代国家竞争力的重要来源之一，在于是否能够形成广泛的人机协作能力。
与此同时，中国在AI发展上还具有另一项独特优势，即超大规模人口与城市体系所形成的数据资源优势。大量人口、高频互动以及丰富的城市场景，为AI训练提供了海量数据基础。但数据优势能否转化为现实能力，关键取决于政府能否突破数据壁垒。现实中，无论企业之间、平台之间还是政府部门之间，都普遍存在数据壁垒。数据具有明显的“护城河”属性，谁掌握数据，谁就更容易形成市场优势，因此市场主体往往缺乏主动共享的激励。在这种情况下，仅依靠市场自发协调，很难形成有效的数据整合机制。因此，AI时代的一个重要治理问题，是政府激励机制如何调整。传统政府部门更多按照条块分割方式运行，各部门围绕自身职责形成相对封闭的信息体系。但AI发展涉及数据、产业、财政、教育、就业、能源、城市治理等多个领域，单一部门已经难以独立应对。这意味着，未来政府治理需要从部门治理转向跨部门跨地区协同治理，需要建立更高层级的统筹协调机制。对于地方政府而言，也需要在鼓励地方创新竞争与避免地方间重复建设之间形成新的平衡。
更深层的问题在于政府激励机制本身需要调整。传统地方政府竞争主要围绕土地财政、工业投资与GDP增长展开；而在AI时代，地方竞争力取决于数据开放能力、公共服务供给能力、人才吸引能力以及城市生活环境。政府行为的激励目标，也需要从增量开发逐步转向人口吸纳与服务经济支撑。
AI时代的能力培养与就业制度调整
AI时代稳定就业的概念正在发生变化。传统意义上的稳定，更多意味着拥有固定雇主；而在新的就业形态下，更重要的稳定体现为持续获得收入的能力。部分灵活就业者虽然没有长期雇佣关系，但可以通过跨平台、跨岗位和跨项目流动维持持续的收入。就业的灵活化趋势意味着，社会保障制度必须进行系统性调整。当前中国失业保险制度更多具有救济性质，而非真正意义上的保险性质。其待遇水平与个人缴费关联较弱，当AI冲击高收入高教育群体就业时，现有的失业保险机制难以有效降低这部分人群的就业和收入冲击。在AI时代，更合理的方向应当是建立保险型失业保障体系，即待遇与缴费水平相匹配，但同时设置合理封顶机制，避免保险支出过高，这才能使不同收入水平的劳动者都能够真正通过保险制度对冲失业风险。与此同时，养老保险制度也需要适应高流动性就业结构。目前灵活就业者参保积极性偏低，一个重要原因在于跨地区流动背景下社保体系尚未完全实现全国一体化，账户转移与权益衔接仍存在障碍。对于大量跨区域流动人口而言，如果无法形成稳定定居预期，其参与长期社保的激励自然不足。因此，AI时代社会保障制度改革的关键，并不只是提高缴费率或扩大覆盖范围，而是提高社会保障权益的可流动性、可携带性与全国统一性。只有当劳动者无论在何地流动，其社保权益都能够稳定累积时，高流动社会与保障体系之间才可能形成兼容。
更重要的是，教育体系本身也需要根本性调整。AI时代对教育提出的挑战，并不只是知识更新速度加快，而是能力结构本身发生变化。未来教育的重要任务，不再只是传授标准化知识，而是培养人与AI协同工作的能力。表达能力、沟通能力、跨学科协作能力、问题组织能力以及情绪理解能力，这些“人能”将成为核心能力。此外，大学与企业之间的关系也需要重新调整。在传统工业化阶段，大学是知识创新的中心；而在AI时代，大量关键创新直接发生于企业内部，并迅速通过市场机制实现商业化。因此，大学如果仍停留于论文导向而缺乏产业协同，其创新体系的重要性将受到削弱。
AI时代人口再集聚背景下的城市政策
AI将大量取代制造业里的就业，而服务经济成为人类就业的护城河。AI时代服务经济扩张将强化人口再集聚趋势，最终将落实到城市治理层面的变革。
首先，大城市政策需要从限制人口流入转向提高人口承载能力。在服务经济主导下，人口规模与人口密度本身成为城市竞争力的重要来源。因此，外来人口不再只是工业化时期的劳动力补充，而成为服务经济运行的重要基础。尤其对于流动儿童而言，更早进入城市、接受城市教育并积累城市生活经验，意味着其更容易形成适应未来服务经济的人力资本结构。因此，加快外来人口特别是流动儿童的市民化，已经不仅是社会公平问题，更是AI时代的人力资本投资问题。这意味着，大城市需要进一步扩大教育、住房、医疗等公共服务供给，并逐步实现常住人口基本公共服务均等化。未来城市竞争力的重要来源之一，将是其持续吸纳并稳定留住人口的能力。
其次，城市内部空间结构也需要调整。过去相当长一段时间里，一些城市规划仍然延续人口过密有害的思维逻辑，设法降低中心城区人口密度。但服务经济的发展，本身就依赖高密度的人口互动与消费场景。因此，未来城市更新的重点，不再只是物理空间扩张，而是中心城区功能复兴。
中心城区需要进一步集聚文化、商业、公共服务以及社交空间，形成高密度、多功能、可互动的生活场景。这不仅有助于服务业发展，也有助于提升知识外溢与创新效率。与此同时，郊区与中小城市则需要进行功能再定位。由于其人口密度较低，不利于形成高度复杂的服务经济，因此更适合通过集中化场景建设提高服务供给效率，例如在郊区与中小城市的核心区域集中布局商业、文化与社区服务设施，并借助数字化平台提高供需匹配能力。对于部分制造业依赖度较高的中小城市而言，AI带来的就业结构调整可能更加明显。因此，中央与地方政府需要通过财政转移支付保障其基本公共服务能力，避免因就业收缩导致公共服务供给能力下降。
从总体上看，AI时代的城市治理核心，已经不再是控制人口流动，而是如何通过制度改革、公共服务扩容与政府激励机制调整，更有效地适应人口再集聚与服务经济扩张所带来的新型城镇化阶段。
（作者为上海交通大学安泰经济与管理学院教授）
陆铭
AI不仅改变就业结构与空间结构，也正在改变政府治理的目标和方式。传统工业化阶段以土地开发、制造业扩张和静态户籍管理为核心的治理体系，正在面临新的约束。未来政府治理的重点，将转向技术普惠、人口流动、服务经济支撑以及社会保障重构。
AI时代的国家战略选择
面对AI发展所带来的就业替代与收入分化风险，各国实际上有两种不同的政策路径。第一种路径是市场主导和事后再分配模式，即允许AI在市场机制作用下快速扩张，并被动接受由此产生的就业替代与收入分化后果，再通过税收与福利体系进行再分配。第二种路径则是鼓励开源和普惠赋能模式，即政府主动降低AI的使用门槛，使更多劳动者能够直接参与技术红利分享，而不是等到收入差距扩大之后再进行二次分配。这一路径的核心，不是单纯依靠福利补偿，而是通过公共投入减少劳动者因不会使用AI而带来的能力和财力劣势。
从当前政策方向看，中国更接近第二种路径。这一战略选择具有重要意义，它意味着政府在AI时代的角色，不再只是传统意义上的事后救济者，而成为技术扩散过程中的能力赋能者。与工业化时代侧重资本积累不同，AI时代国家竞争力的重要来源之一，在于是否能够形成广泛的人机协作能力。
与此同时，中国在AI发展上还具有另一项独特优势，即超大规模人口与城市体系所形成的数据资源优势。大量人口、高频互动以及丰富的城市场景，为AI训练提供了海量数据基础。但数据优势能否转化为现实能力，关键取决于政府能否突破数据壁垒。现实中，无论企业之间、平台之间还是政府部门之间，都普遍存在数据壁垒。数据具有明显的“护城河”属性，谁掌握数据，谁就更容易形成市场优势，因此市场主体往往缺乏主动共享的激励。在这种情况下，仅依靠市场自发协调，很难形成有效的数据整合机制。因此，AI时代的一个重要治理问题，是政府激励机制如何调整。传统政府部门更多按照条块分割方式运行，各部门围绕自身职责形成相对封闭的信息体系。但AI发展涉及数据、产业、财政、教育、就业、能源、城市治理等多个领域，单一部门已经难以独立应对。这意味着，未来政府治理需要从部门治理转向跨部门跨地区协同治理，需要建立更高层级的统筹协调机制。对于地方政府而言，也需要在鼓励地方创新竞争与避免地方间重复建设之间形成新的平衡。
更深层的问题在于政府激励机制本身需要调整。传统地方政府竞争主要围绕土地财政、工业投资与GDP增长展开；而在AI时代，地方竞争力取决于数据开放能力、公共服务供给能力、人才吸引能力以及城市生活环境。政府行为的激励目标，也需要从增量开发逐步转向人口吸纳与服务经济支撑。
AI时代的能力培养与就业制度调整
AI时代稳定就业的概念正在发生变化。传统意义上的稳定，更多意味着拥有固定雇主；而在新的就业形态下，更重要的稳定体现为持续获得收入的能力。部分灵活就业者虽然没有长期雇佣关系，但可以通过跨平台、跨岗位和跨项目流动维持持续的收入。就业的灵活化趋势意味着，社会保障制度必须进行系统性调整。当前中国失业保险制度更多具有救济性质，而非真正意义上的保险性质。其待遇水平与个人缴费关联较弱，当AI冲击高收入高教育群体就业时，现有的失业保险机制难以有效降低这部分人群的就业和收入冲击。在AI时代，更合理的方向应当是建立保险型失业保障体系，即待遇与缴费水平相匹配，但同时设置合理封顶机制，避免保险支出过高，这才能使不同收入水平的劳动者都能够真正通过保险制度对冲失业风险。与此同时，养老保险制度也需要适应高流动性就业结构。目前灵活就业者参保积极性偏低，一个重要原因在于跨地区流动背景下社保体系尚未完全实现全国一体化，账户转移与权益衔接仍存在障碍。对于大量跨区域流动人口而言，如果无法形成稳定定居预期，其参与长期社保的激励自然不足。因此，AI时代社会保障制度改革的关键，并不只是提高缴费率或扩大覆盖范围，而是提高社会保障权益的可流动性、可携带性与全国统一性。只有当劳动者无论在何地流动，其社保权益都能够稳定累积时，高流动社会与保障体系之间才可能形成兼容。
更重要的是，教育体系本身也需要根本性调整。AI时代对教育提出的挑战，并不只是知识更新速度加快，而是能力结构本身发生变化。未来教育的重要任务，不再只是传授标准化知识，而是培养人与AI协同工作的能力。表达能力、沟通能力、跨学科协作能力、问题组织能力以及情绪理解能力，这些“人能”将成为核心能力。此外，大学与企业之间的关系也需要重新调整。在传统工业化阶段，大学是知识创新的中心；而在AI时代，大量关键创新直接发生于企业内部，并迅速通过市场机制实现商业化。因此，大学如果仍停留于论文导向而缺乏产业协同，其创新体系的重要性将受到削弱。
AI时代人口再集聚背景下的城市政策
AI将大量取代制造业里的就业，而服务经济成为人类就业的护城河。AI时代服务经济扩张将强化人口再集聚趋势，最终将落实到城市治理层面的变革。
首先，大城市政策需要从限制人口流入转向提高人口承载能力。在服务经济主导下，人口规模与人口密度本身成为城市竞争力的重要来源。因此，外来人口不再只是工业化时期的劳动力补充，而成为服务经济运行的重要基础。尤其对于流动儿童而言，更早进入城市、接受城市教育并积累城市生活经验，意味着其更容易形成适应未来服务经济的人力资本结构。因此，加快外来人口特别是流动儿童的市民化，已经不仅是社会公平问题，更是AI时代的人力资本投资问题。这意味着，大城市需要进一步扩大教育、住房、医疗等公共服务供给，并逐步实现常住人口基本公共服务均等化。未来城市竞争力的重要来源之一，将是其持续吸纳并稳定留住人口的能力。
其次，城市内部空间结构也需要调整。过去相当长一段时间里，一些城市规划仍然延续人口过密有害的思维逻辑，设法降低中心城区人口密度。但服务经济的发展，本身就依赖高密度的人口互动与消费场景。因此，未来城市更新的重点，不再只是物理空间扩张，而是中心城区功能复兴。
中心城区需要进一步集聚文化、商业、公共服务以及社交空间，形成高密度、多功能、可互动的生活场景。这不仅有助于服务业发展，也有助于提升知识外溢与创新效率。与此同时，郊区与中小城市则需要进行功能再定位。由于其人口密度较低，不利于形成高度复杂的服务经济，因此更适合通过集中化场景建设提高服务供给效率，例如在郊区与中小城市的核心区域集中布局商业、文化与社区服务设施，并借助数字化平台提高供需匹配能力。对于部分制造业依赖度较高的中小城市而言，AI带来的就业结构调整可能更加明显。因此，中央与地方政府需要通过财政转移支付保障其基本公共服务能力，避免因就业收缩导致公共服务供给能力下降。
从总体上看，AI时代的城市治理核心，已经不再是控制人口流动，而是如何通过制度改革、公共服务扩容与政府激励机制调整，更有效地适应人口再集聚与服务经济扩张所带来的新型城镇化阶段。
（作者为上海交通大学安泰经济与管理学院教授）
