七、逆全球化与中美脱钩：外部位置的消失
如果说康波周期是经济维度的内生变量，那么逆全球化就是外生冲击。二者叠加，效果倍增。
过去四十年，中国之所以能容纳巨量劳动力，一个关键原因是全球化提供了一个庞大的外部市场。中国制造卖向全世界，工厂开工，港口繁忙，物流运转，从流水线工人到货车司机到外贸业务员，一条产业链上挂满了位置。这些位置不是中国国内需求创造的，是全球需求创造的。
逆全球化打掉的就是这些位置。
2018年以来，中美贸易摩擦持续升级。到2025至2026年，脱钩已经从口号变成了现实。
美国对华关税层层加码，中国大陆占美国货物贸易逆差的比重从2018年的47.5%降到2025年的16.0%。但整体逆差没降。2025年全年美国货物贸易逆差12409亿美元，创历史新高。订单只是换了地方走，从中国转到了越南、墨西哥。对越南逆差1782亿美元，对墨西哥逆差1969亿美元，合计已超过当年对华逆差。
科技领域脱钩更深入。美光科技停止向中国数据中心供应服务器芯片，芯片管制层层加码。
贸易脱钩的本质，是贸易流的重新路由，而非生产能力的彻底转移。摩根士丹利2026年报告指出：中美直接贸易大幅减少，但全球贸易总量保持韧性，底层生产结构并未根本改变。亚洲新兴市场从中获益，中国通过向高价值制造业转型和市场多元化，维持了在全球出口中的份额。
但这并不意味着没有代价。代价是：低附加值环节的外迁，带走了一大批位置。
那些做来料加工的工厂、做低端制造的流水线、做劳动密集型出口的企业，它们提供的位置正在消失。2025年在华新设外资企业同比增长19.1%，2026年上半年近4800家外资企业追加对华投资。但这些投资流向的是高价值制造业、电动汽车、机器人等领域，是资本密集型的，不是劳动密集型的。新投资创造的位置，远少于旧产业消失的位置。
这就是逆全球化对中国劳动力市场的真实影响：不是全面的产业空心化，而是位置的结构性替换。低端位置消失，高端位置创造，但被淘汰下来的人，不一定能填进新创造的位置里。一个做了十五年服装加工的女工，没法转去做机器人的调试工程师。
被替换下来的人，就是溢出的人。
八、人工智能与机器人替代：溢出的技术必然
前面讲了康波周期、逆全球化、王朝周期律，都是从宏观层面分析位置为什么减少。但有一个更直接、更具体的力量正在制造溢出，而且速度比任何宏观周期都快：人工智能和机器人对劳动的替代。
这不是预测，是正在发生的事。
2025至2026年：替代加速的拐点
2026年第一季度到第二季度，一组数据让所有人坐不住了。
Layoffs.fyi的追踪数据显示，2026年所有裁员事件中，有54%的企业在裁员说明里明确提到了人工智能、自动化或机器学习作为裁员原因之一。超过17万名员工受影响。而就在一年前的2025年，这个比例还不到8%。一年之内，从不到8%跳到54%，这不是渐进，是突变。
具体到公司层面，数字更触目。
微软CEO萨提亚·纳德拉公开承认，公司30%的代码现在由AI编写。2025年5月微软裁员，超过40%的被裁者是软件工程师。副总裁们要求400人的工程团队把一半编码工作交给AI，然后几个月后把这些工程师裁掉。入门级开发岗位消失最快，因为代码生成、文档编写、bug修复这些初级工作，AI做得比人快、比人便宜。
IBM的AskHR系统每年处理1150万次员工交互，几乎不需要人工介入。然后IBM在2025年裁掉了8000名HR员工，直接因为这套系统替代了他们。
亚马逊在2025年10月裁了14000个岗位，2026年1月又裁了16000个，三个月内干掉了企业员工总数的9%。
Salesforce裁了4000人，因为AI能处理50%的客户咨询。Atlassian专门针对客服和内容运营团队裁员。
这些不是小公司的挣扎求生，是全世界最大、最赚钱的科技公司在主动缩减人力。它们不是活不下去了，是发现不需要那么多人了
替代的本质：从体力到脑力
前几轮技术革命替代的是体力劳动。蒸汽机替代了人的肌肉，汽车替代了马车夫，流水线替代了手工匠人。但这一轮不一样，AI替代的是脑力劳动。
斯坦福大学数字经济实验室2026年8月的研究给出了一个精准的发现：AI对就业的冲击不是全面性的，而是高度集中在特定人群。22至25岁的年轻人，在AI高暴露岗位上的就业率，比低暴露岗位的同龄人低了19%。关键在于，这个调整不是通过裁员实现的，而是通过减少招聘实现的。企业没有大量解雇现有员工，但不再招新人了。入门级的梯子被抽掉了。
这意味着什么？意味着一个应届毕业生投出去五十份简历，三十份石沉大海，不是因为他不优秀，是因为那个岗位被AI吃掉了。他连进入正规体系的机会都没有，直接从入口处溢出。
更可怕的是，这个效应会向上传导。今天不招初级工程师，五年后就没有中级工程师可用。组织的中间层会空心化。但那是未来的问题，眼下的问题是：大量年轻人进不了门。
世界经济论坛2025年报告估算，到2030年将创造1.7亿个新岗位，淘汰9200万个旧岗位，净增7800万。听起来是正数？但净增的7800万岗位需要的技能，跟被淘汰的9200万岗位的技能完全不同。一个被淘汰的流水线工人不会自动变成一个AI运维工程师。麦肯锡的预测更激进：到2030年，全球最多有8亿个工作岗位可能被自动化替代。
核心问题：红利归谁？
这就引出了最尖锐的问题：因为机器人替代导致溢出的人应该如何安置？他们能不能享受到机器人替代的红利？溢出的这些人和享受机器人红利的人是不是同一批？
先回答最后一个问题，因为答案最残酷。
不是同一批人。不仅不是同一批，而且几乎不可能交叉。
Anthropic（Claude的母公司）2026年发布了一份AI经济影响报告，其中"极端场景"的预测是这样的：到2030年，AI可使GDP年增长率达到15%，GDP累计增长32%。但劳动收入占国民收入的比重从60%降到45%，资本收入占比从40%升到55%。认知型岗位的就业下降21.5%，17.9%的认知型劳动者失业，整体失业率达到11.9%。
翻译成大白话：AI创造了巨大的经济增量，但这个增量的绝大部分流向了资本所有者，不是劳动者。劳动者的工资不仅没涨，反而跌了。认知型岗位的工资比没有AI的路径低11.5%。
PIMCO（太平洋投资管理公司）2025年的研究证实了这个趋势：美国工人的实际工资增长放缓到略高于1%的水平，劳动收入占国民收入的比重降到了数十年来最低点。AI带来的生产率提升，工人几乎没有分享到。
黄益平（北京大学国家发展研究院教授）2026年7月的研究把机制讲得更清楚。他识别了四条导致红利错配的路径。
第一条，资本偏向机制。AI技术落地需要大量资本投入，即便技术提升了劳动生产率，新增收益也大多被资本和技术持有者占有，劳动收入份额持续下降。
第二条，任务替代分化机制。掌握AI适配技能、实现人机协同的劳动者获得更多机会，从事标准化、重复性工作的从业者被替代，收入持续下滑。
第三条，数字鸿沟与技能分化。不同能力、行业、区域的劳动者获益差异显著，平台经济的规模效应催生"赢者通吃"格局，只有掌握核心平台和专业技能的群体能享受技术红利。
第四条，财富放大机制。资本和技术的叠加收益加速社会财富分层，进一步拉大贫富差距。
四条路径指向同一个结论：AI红利的主要受益者和AI替代的主要受害者，是两个几乎不交叉的群体。享受红利的人是资本所有者、技术精英、平台控制者。被替代的人是流水线工人、初级程序员、客服代表、数据录入员、内容写手。前者越富，后者越穷，中间的鸿沟越来越深。
IMF（国际货币基金组织）2025年的研究报告给出了全球视角：全球约40%的就业岗位将受AI影响，发达经济体这一比例高达60%，低收入国家约26%。AI红利在国家和国家之间同样分配不均，具备数字基础设施的国家吃肉，缺乏数字化基础的国家连汤都喝不上。
被替代的人怎么办？
这是真正难的问题。技术进步不可逆，你不能把AI塞回瓶子里。但被AI替代的人不会自动消失，他们要吃饭、要住房、要养孩子。
目前全球讨论的方案主要有三种。
第一种，全民基本收入（UBI）。想法很简单：不管你有没有工作，政府每个月给你一笔钱，够基本生活。这个想法不是新东西，托马斯·潘恩在18世纪就提过类似概念。但以前是乌托邦，现在有了紧迫性。OpenAI联合创始人资助了美国迄今规模最大的UBI实验。逻辑是：AI创造了足够多的生产力增量，从增量中切一部分出来分配给所有人，保证基本生存。
但UBI的问题也很明显。钱从哪来？如果向AI企业征税，会不会抑制创新？如果人人有基本收入，还有没有人愿意干脏活累活？芬兰2017至2018年做了UBI实验，结论是参与者的幸福感提升了，但就业行为没有显著变化。实验规模太小，参考价值有限。
第二种，机器人税。比尔·盖茨2017年公开支持这个想法：一个机器人替代了一个工人，就应该按这个工人的工资水平缴税。2026年4月，OpenAI发布报告《智能时代的产业政策》，系统阐述了AI时代税制改革构想，指出AI重塑生产方式后，"企业利润和资本利得扩大，劳动收入和工资税的税基可能萎缩"，将对依赖工资税的社保体系构成严峻挑战，明确建议征收与自动化劳动相关的税收。
江小涓（中国社科院学部委员）2026年提出了更具体的方案：对使用机器人替代员工的企业征收机器人税或补偿费；研究推行全民基本收入；推动AI公司上市时拿出部分股份，形成全民基本资产，让社会共同分享技术红利。她特别强调了一点："当下之善必须高于未来之善。"意思是，不能为了未来的技术进步，让今天这批被替代的人"手停口停"。在他们基本生活没有安排好之前，技术进步不能以牺牲一代人为代价。
但也有反对意见。中国经济网2026年9月的讨论中指出，短期内不宜征收AI税，理由是当前AI仍处于产业化早期，征税可能抑制技术发展和应用落地。这个争论还在进行中。
第三种，技能再培训。世界经济论坛的报告显示，近一半的雇主计划把员工从AI高暴露岗位转移到其他岗位，而不是直接裁掉。39%的劳动者核心技能将在2030年前发生变化。这个方案的逻辑是：旧岗位消失了，新岗位会出现，把人从旧岗位培训到新岗位就行。
但这个方案有一个致命假设：假设被替代的人有能力完成转型。一个48岁的流水线工人，初中文化，让他去学AI运维？一个35岁的客服代表，让他去学数据分析？不是不可能，是对绝大多数人来说不现实。培训需要时间、需要基础、需要钱，还需要心理上接受自己前半生的经验全部清零。能做到的人是少数，做不到的人才是多数。
替代螺旋：最危险的循环
北大数字金融研究中心的研究提出了一个更深的担忧：替代螺旋。
企业用AI降本增效，从个体看是合理的。企业主通过智能化缩减用工、压缩成本，提高利润。但所有企业同时这么做，宏观层面就出问题了。用工收缩带来居民劳动收入下降，收入下降带来消费需求走弱，需求走弱让企业产品卖不出去，企业为了活下去继续裁员、继续上AI、继续压缩成本。循环往复，越转越快。
这就是"供强需弱"的结构性矛盾：AI让供给端越来越强，但需求端越来越弱，因为人没有工作就没有收入，没有收入就没有消费，没有消费就没有市场。
财新网2026年9月的报道指出，AI热潮可能削弱中国推动消费主导型增长的努力。AI提升供给能力的同时压制劳动收入，削弱消费者需求。对中国来说，这恰好撞在了一个敏感的时间窗口上：房地产下行、消费谨慎、供强需弱的老问题还没解决，AI又从结构上加剧了这个矛盾。
历史的参照：工业革命的教训
AI替代劳动这件事，历史上发生过类似的版本。第一次工业革命，机器替代了手工织工。1811至1816年，英国爆发了卢德运动，纺织工人砸毁织布机，因为机器抢了他们的饭碗。
但工业革命最终创造了更多岗位。工厂需要工人，铁路需要司炉，电报需要报务员。被替代的手工织工虽然痛苦了一代人，但他们的孩子进了工厂，当了技工，甚至当了工程师。技术进步在摧毁旧岗位的同时创造了更多新岗位，前提是新旧岗位之间的技能差距不大。从手工织布到机器看管，培训几个月就够了。
但AI时代不一样。从流水线工人到AI运维工程师，不是几个月培训能跨越的。技能断层的深度前所未有。这就是为什么这一次的替代比工业革命更危险：新岗位确实在创造，但被替代的人填不进去。
工业革命还有一个缓冲条件：殖民地。英国把过剩人口输出到美洲、澳洲、非洲，缓解了国内压力。今天没有殖民地了，地球上每一个角落都挤满了人。溢出的人口无处可去。
机器人替代机械、重复的劳动是必然。这不是谁的选择，是技术发展的内在逻辑。资本追求效率，效率追求自动化，自动化追求无人化。只要AI能做得更便宜更可靠，企业就会用AI替代人。这不是残忍，是竞争压力下的必然选择。不用AI的企业会被用AI的企业淘汰。
但必然不等于合理。技术进步的目的是让人过得更好，不是让一部分人过得更好另一部分人失去生存基础。如果AI创造了巨大的财富增量，但这个增量被极少数人拿走，大多数人反而变得更穷，那这个技术进步就出了问题。不是技术有问题，是分配机制有问题。
溢出的人能不能享受到机器人替代的红利？在当前的分配机制下，答案是：基本不能。因为红利流向资本，溢出流向劳动。资本和劳动是两个不同的分配通道，中间没有自动转换的桥梁。
要让溢出的人享受到红利，必须人为搭建桥梁。机器人税、UBI、全民基本资产、强制利润分享，都是搭桥的方案。哪个方案最终可行，现在还没有定论。但有一点是确定的：如果不搭桥，任由红利向上集中、溢出向下积累，最终的结果不会是技术乌托邦，而是社会断裂。
黄益平说得好："技术变革伴随的各类风险不容忽视，需提前出台针对性政策，做好兜底与赋能。"兜底是保命，赋能是给出路。两条腿走路，缺一不可。
江小涓说得更好："当下之善必须高于未来之善。"你可以相信AI最终会让所有人过上更好的生活，但不能要求今天被替代的人为这个"最终"买单。他们没有这个义务，社会也不应该让他们有这个义务。
