关于本中文版的说明  /  Note sur cette version chinoise

本日报作者不通中文。这些译文由人工智能自动生成,作者本人无法亲自核对其语言准确性和文化适切性。我们以谦逊和真诚的态度发布此版本,希望与中文读者建立连接。若发现翻译错误、表达不当或文化误读之处,恳请告知 — 我们将虚心接受并改进。

L'auteur du Journal d'un Progressiste ne parle pas chinois ; ces traductions sont produites par intelligence artificielle et n'ont pas été vérifiées par lui. Cette version est publiée dans un esprit d'échange et d'humilité — vos retours sur les erreurs éventuelles ou les contresens culturels sont les bienvenus.

— 《进步者日报》编辑部  /  La rédaction

韩国每万名员工现有 1,066 台机器人,是全球平均水平的七倍。据国际机器人联合会数据,2020 年至 2025 年间,亚洲机器人密度从每万名员工 134 台升至 144 台;韩国从 932 台升至 1,066 台,增幅约 14%。这些数字指向一个分配问题:制度规则影响生产率收益的分配方式,但不是唯一的决定因素。

要点

  • 据国际机器人联合会(《世界机器人 2026》)数据,2020 年至 2025 年间,韩国机器人密度从每万名员工 932 台升至 1,066 台,增幅约 14%。
  • 韩国(每万名员工 1,066 台)、新加坡(873 台)和日本(452 台)均大幅超过全球平均的 152 台,但三国走的是各自不同的政策路径。
  • 快速老龄化和劳动力短缺推动了三个经济体的机器人部署。它们都在设法维持生产能力,同时应对劳动年龄人口下降的压力。
  • 关键分歧在于制度层面:培训投资和行业谈判协议,影响机器人替代浪潮中保留岗位的质量。
  • 未来数十年的核心问题是:在劳动年龄人口持续萎缩的经济体中,生产率收益将如何在资本与劳动之间分配。

韩国、新加坡、日本:密度相近,选择不同

一个数字可能掩盖三种不同的故事。韩国机器人密度全球最高,新加坡第二,日本在主要经济体中居第三——但日本的机器人存量依托的工业基础规模远大于前两者。三国沿着各自的路径达到了相近的水平。

韩国的高密度集中在少数几个行业。电子和汽车——三星、现代、起亚——构成存量主体。部署速度很快,资金主要来自内部培训劳动力的大型一体化企业。工会就此谈判了转型协议,有时谈得很艰难,从而限制了相关厂区的硬性岗位替代。

新加坡走的是另一条路。这个没有廉价劳动力储备的城市国家,从 2010 年代起就把机器人化列为国家战略。经济发展局向购置机器人设备的中小企业提供补贴,条件是同步开展员工培训。每万名员工 873 台这一数字,反映的是有意为之的政策,而非自发的市场动力。

日本是工业机器人化的主要先驱,机器人化起步很早,但并非早于所有国家。它的难题在于维持一个与业主同步老去的中小企业产业网络。对许多日本企业来说,机器人是生存条件,不是战略选择。

老龄化与机器人:一桩理性婚姻

这三个经济体有一个共同点,它比任何竞争力论据都更能解释部署速度:缺年轻劳动力,而且这种短缺还会加剧。日本人口中已有四分之一超过 65 岁。韩国将在 2030 年代达到这一门槛。新加坡已接近。

机器人填补的缺口,是移民政策不足以填补、而这些社会目前也没有政治意愿大规模引进外来人口的那种缺口。经典论点”机器人抢走工作”在这里失效了:在劳动力短缺的经济体中,机器人让生产水平得以在劳动年龄人口萎缩时维持。这是负担的转移,不是岗位的消灭。

对个人的影响是真实的。一名 55 岁的工人,岗位围绕机械臂重新配置,可能获得身体上的安全,却失去了掌控感。生产率收益确实存在,但如何分配取决于制度选择。

机器人密度不能说明工作质量

2020 年至 2025 年间,韩国机器人密度从每万名员工 932 台升至 1,066 台,增幅约 14%。这个数字醒目,但它说不了员工在这段时间里究竟做了什么。韩国劳动研究院的研究记录了大型厂区引入机器人后维护与监督任务的分配情况,至少电子行业如此。机器人化与岗位消失之间的关系,并不像流行说法中那样呈线性。

但这种细微差别有地理边界。它适用于有能力培训和转岗的大集团。对二、三级供应商就不那么适用——这些往往是家族中小企业,买了机械臂却没有配套的人力资源。这些企业只做替代,不做培训。生产率收益堆积在利润率里,而不是工资里。

大集团与供应商之间的裂痕,是机器人密度统计的盲区之一。国际机器人联合会统计的是安装的机器,不是机器周围保留下来的岗位质量。要看后者,需要追踪相关行业中位数工资的变化——而很少有政府以足够的细粒度公布这一指标。已机器人化行业中生产率收益在资本与劳动之间如何分配这个问题,在现有公开数据中仍然难以看清。

起决定作用的政策

新加坡提供了最完整的刻意配套政策案例。其 2016 年启动的产业转型计划规定,与机器人设备项目挂钩的某些培训补贴,需要提交培训计划并事先获批。在这一特定机制下,补贴最多可覆盖企业仍须承担的培训支出的 70%,但设有上限和资格条件。

结果并不完美。餐饮和零售行业的小企业——工会化程度低、组织化程度弱——从该机制中获益少于制造业。能否拿到补贴,仍与企业的行政管理能力挂钩,最脆弱的企业依然被排除在外。这是一个结构性问题:配套政策最先惠及的,往往是最不需要它的人。

韩国走了另一条路,更富冲突性。各工会联合会在某些行业谈成了行业协议,力图把机器人部署与转岗计划、员工参与技术采用委员会的权利挂钩。这些协议确实存在,但覆盖范围仅限于已工会化的大企业。韩国劳动力市场中相当大一部分人——独立劳动者、合同工、未工会化中小企业员工——无法获得这些保障。

日本选择了第三种方式:弘扬”改善”(kaizen),即由操作者自身推动的持续改进。在这种制造业文化中,机器人被定位为员工掌握的工具,而非取代员工的替代品。现实更复杂,但这一理念塑造了在岗培训的实践,在机器人化最早的行业里缓冲了去技能化的冲击。

培训、谈判与分配:未来二十年的关键

2020 年至 2025 年的机器人部署已成过去。现在的博弈是下一波——更快、更深,由更灵活的机器和向价值链下游延伸的自动化软件推动。新一代机器人成本更低,能更快适应小批量生产,也能在标准化程度较低的环境中作业。它们将触及此前未受影响的领域:物流、企业服务、某些护理职业。

对老龄化的亚洲经济体来说,有两条可信的轨迹。

第一条:企业投资于操作者培训,把技艺记录下来,围绕机器保留高附加值的技能岗位。生产率收益通过薪酬机制和劳动条件改善部分地分享出去,从而支撑国内消费。这条轨迹需要活跃的行业协议、有资金支持的持续培训,以及关于相关行业岗位质量的公开指标。它源于有意为之的决策。

第二条:机器人替代任务,但不投资于技能提升。生产率收益可能堆积在利润和分红中。部分中间岗位消失,取而代之的只有薪酬更低的服务业职位。技能最高的劳动者勉强撑住;其他人滑向更不稳定的工作。一些劳动经济学家已在美国制造业观察到这种动态,那里的就业增长集中在低薪岗位,而非中间层职业。

用来区分这两条轨迹的信号是已知的。第一:机器人密度高的行业中位数工资的变化——亚洲各国政府公布这一指标时通常滞后两到三年。第二:机器人部署期间实际接受培训的劳动者比例——很少有企业主动披露,但行业协议可以使其成为强制要求。第三:制造业中劳动的份额——经合组织记录了它自 1990 年代中期以来在多数成员国中的下降,各国之间及不同测量方法之间差异较大。

与先进技术相关的技能在地理上的集中,又增加了一层难度。与人工智能领域一样,工业机器人方面的专长集中在少数大都市——首尔、东京、新加坡——使周边工业地区只有机器,却缺少优化机器的工程师和辅导操作者的培训师。

对其他经济体的启示

全球平均为每万名员工 152 台机器人。据国际机器人联合会数据,德国每万名制造业员工 469 台,瑞典 392 台,意大利 246 台。法国为 197 台,落后于主要竞争对手。这些差距折射出各国在投资决策、产业结构和公共政策上的不同选择。

东北亚为机器人化较慢的经济体提供了一份经过实践检验的选项清单。新加坡把补充培训补贴与获批的生产率项目挂钩,但这一来源并未确立其对机器人扩散和员工就业的因果效应,且该机制未能完全覆盖组织化程度较低行业中的中小企业。韩国表明,工会谈判可以在大企业设置保护机制,但不稳定劳动者仍被排除在外。日本表明,把机器人融入劳动文化可以缓冲阻力,但不能保证收益的分享。

这些模式没有一个可以照搬。每一个都植根于特定的制度、劳资关系史和产业结构。但十年密集部署积累的经验是一笔资源,机器人化较慢的经济体在自己那一波到来之前,有必要认真研究。

2020 年至 2025 年间,韩国机器人密度从每万名员工 932 台升至 1,066 台,增幅约 14%。这个数字已成定局。仍然悬而未决的,是决定这一跃升如何在未来几年影响员工与股东之间收益分配的游戏规则。


来源

  1. 国际机器人联合会,《世界机器人 2026》
  2. 韩国劳动研究院(Korea Labor Institute),关于机器人化行业就业的研究(无网址:出版物见 kli.re.kr)
  3. 日本经济产业省(METI),关于制造业企业传承的数据(无网址:出版物见 meti.go.jp)
  4. 新加坡经济发展局,产业转型计划(Industry Transformation Maps),见 edb.gov.sg