自动化加剧劳动力市场种族不平等

核心发现

• 1993年至2014年间，机器人的引入估计使非白人就业率下降4.5个百分点，白人仅下降1.8个百分点（Lerch，2025；Acemoglu & Restrepo，2020）。
• 男性就业率下降3.7个百分点，女性下降1.6个百分点。工业机器人集中替代以男性为主的制造业岗位，而非白人工人在这些岗位中占比偏高。
• 直接就业损失还因本地服务业萎缩而被放大。这些服务业依赖制造业工人家庭的消费，进一步拉大了种族差距。
• Acemoglu和Restrepo指出，自动化的分配效应主要取决于岗位替代效应、生产率提升以及新工种的创造。
• 到2040年，若生产率提升未能惠及受冲击最大的工人，新一轮人工智能浪潮可能重演同样的格局。

二十年数据指向同一批输家

Acemoglu和Restrepo研究了1993年至2014年的美国劳动力市场，用数据量化了"创造性破坏"话语中长期被忽视的分配效应。在机器人部署较多的地区，就业率明显下滑。Jason Lerch（2025）进一步按人口群体拆解数据，结果显示：损失的分布远非均匀。

这二十年间，机器人的引入估计使非白人就业率下降4.5个百分点，白人仅下降1.8个百分点，差距接近2.5倍。男性与女性之间的差距相近：3.7个百分点对1.6个百分点。这些数字衡量的是二十年间就业损失的累计规模，涉及美国数百个工业区的真实经历。

差距源于行业集中。1993年，非白人工人——尤其是黑人和西班牙裔男性——在美国工厂的生产和装配岗位上占比偏高，而这些恰恰是第二代工业机器人优先替代的目标。女性则更多集中在服务业、零售业和医疗护理领域，这些行业在同期受工业机器人冲击相对较小。

职业隔离的历史遗留没有制造自动化不平等，但将其放大了。1993年的美国劳动力市场已带着数十年排斥与歧视的印记。自动化充当了加速器，击中的恰恰是弱势工人集中聚集的地方。

间接损失拉开第二道鸿沟

第一层效应是直接的：一家工厂引入机器人，工人随之失业。研究揭示的第二层机制不那么显眼，却同样有力。

当一个工业区失去制造业岗位，被替代的工人削减本地消费。餐馆、杂货店、修车铺、洗衣店赖以为生的客源随之流失，进而裁减员工。Acemoglu和Restrepo量化了这一扩散效应：本地服务业的间接损失叠加在制造业的直接损失之上。

这一环节中，种族差距再次被放大。破坏沿着本已脆弱的地方经济蔓延，同一群体被击中两次：先是在工厂，再是在对面的咖啡馆。

自动化的影响不止于工厂大门。受冲击地区经历的是全面的地方经济衰退，非白人工人承担了不成比例的代价——他们在地方经济中的处境，使他们暴露在这条传导链的每一个环节。

这是架构选择，不是技术宿命

Acemoglu在有关制度与技术进步收益分配的研究中反复强调一点：技术本身不决定其分配效应。投资决策、监管框架和社会政策，才是决定谁受益、谁受损的关键。

自动化一条生产线的机器人，不会自动为被替代的工人创造出别的岗位。自动化可以提升附加值，同时压缩劳动所得的份额。这些收益是否再分配，取决于政治选择，而非经济规律。

这一时期，再分配政策力度十分有限。美国的职业再培训项目长期资金不足，受冲击的工业区往往得不到有力的结构性支持。联邦政府最主要的工人援助机制——专门帮助因外国竞争和自动化而失业工人的《贸易调整援助法》——所覆盖的群体仅是实际需求的一小部分。

对自动化长期效应持乐观态度的经济学家指出，历次技术浪潮最终创造的就业岗位多于消灭的。Carl Benedikt Frey证明，19世纪的农业机械化在数十年间释放出大量劳动力，推动了工业兴起。这一论断在长时段上成立。然而，正如Lerch所指出的，1993年至2014年间机器人的引入已与非白人就业率下降4.5个百分点相关联，对于这些工人而言，"长期乐观"既无法立竿见影，也对转型代价的持续时长和分配方式毫无说明。

Acemoglu在近期研究中发展出"技术方向"这一问题，是对上述判断的延伸。企业投资机器人，是因为这能降低人工成本。美国数十年来实行的税收优惠和设备加速折旧制度，使自动化相对于雇佣人工显得人为偏低。资本与劳动之间不对称的税收负担左右着投资取向，也因此左右着损失的分配。

损失地图呈现出一张可预测的版图

Benjamin Lerch的数据以就业区为分析单元，涵盖各地方劳动力市场。数据显示，自动化对非白人工人的冲击更为严峻，因为他们更集中于可被替代的蓝领岗位。

锈带是记录最为详尽的案例。底特律、克利夫兰、加里和扬斯敦自1970年代起持续失去制造业岗位，先因国际竞争，后因机器人化。这些城市工人区的居民以黑人为主，先后经历了去工业化与自动化的双重冲击。机器人每增加一单位对应的4.5个百分点就业损失，对应的是具体街区里真实发生的人生，而非一个抽象的全国平均值。

这一地理分布有一层政治含义常被忽视：全国性或州级职业再培训项目与局部集中爆发的危机之间存在错位。印第安纳州加里市一名55岁的工厂工人失业后，能够选择的再就业路径远比芝加哥的年轻大学毕业生少得多。低收入工人的地理流动性很低，许多人还是房主，而他们的房产价值已随当地工业衰退而缩水。

亚太地区对自动化的暴露遵循同样的逻辑：转型之前最脆弱的群体，在转型期间和之后依然脆弱，除非有刻意的干预。

人工智能的下一轮浪潮及其2040年前的预期影响

Lerch的研究聚焦于1993年至2014年的工业机器人。下一轮浪潮——生成式人工智能和软件代理——暴露风险的结构有所不同。它首先冲击常规认知类岗位：数据录入、文件处理、标准化客服。这些岗位集中在女性和部分非白人群体手中，他们当初正是为了逃离制造业的冲击，才转向了服务业。

如果过去二十年的模式重演——自动化集中替代弱势群体高度聚集的岗位、收益被资本吸收、缺乏系统性再分配——劳动力市场上的种族和性别不平等可能进一步恶化，这一次发生在服务业。

根据未来几年的政策选择，2040年前大致呈现三种走向。

第一种走向：人工智能的发展方向继续主要由当前私人激励机制主导。人工智能持续自动化最易编码化的任务，而这些任务正是低技能工人集中所在，非白人群体在其中比例偏高。收益留在资本一侧，职业再培训政策依然零散。Lerch记录的历史将在新的行业中重演。

第二种走向：在损失大规模积累之前，再分配机制率先到位。布鲁金斯学会2026年发布的一项关于机器人化与职业流动的分析建议，将政策精准定向于受冲击最严重的地区和群体，而非面向全体人口。替代性认证、面向成长型行业的快速培训项目，以及对失业工人的直接转移支付，都是这一体系中已知的政策工具。无论在美国还是其他地方，缺乏的与其说是对工具的了解，不如说是在足够规模上为其提供资金的政治意愿。

第三种走向，是Acemoglu所称的"增强"而非"替代"：人工智能让工人更有生产力，而不是消除他们的岗位。此类案例已经存在——辅助编程工具提升了开发者的生产力，医疗诊断系统增强了护士的能力——但它们仍集中在本已技能较高、薪酬较好的行业。将这些工具扩展到非白人工人高度集中的低技能岗位，需要在研究方向和投资决策上做出刻意的选择，而这种选择不会自发发生。

未来几年值得持续追踪的信号清晰可辨：人工智能高暴露服务业中各人口群体的就业率变化、联邦职业再培训项目的规模与精准度，以及人工智能设备折旧的税收政策走向。这三个变量足以在2027至2028年间揭示美国将走上哪条轨道。

决策者可用的政策工具

Lerch和Acemoglu的数据不只是诊断，它们也界定了干预的着力点。

第一个着力点是税收。自动化激励力度较强，部分原因在于资本享有相对于劳动的税收优惠。纠正这一不对称，可以在不抑制增强型创新的前提下放缓纯替代性技术的采用速度——增强型创新创造价值，不消除岗位。Daniel Susskind等经济学家已探讨过如何将税制调整与对自动化生产率收益征税相结合，以为转型提供资金。

第二个着力点是地理。自动化相关的就业损失在地理上高度集中，全国或州级职业再培训政策距离这些集中区域太远，难以精准响应。以受冲击最严重的就业区为目标、附有明确覆盖弱势群体授权的地方适应基金，比一般性项目更为有效。

第三个着力点是技术治理。Acemoglu多年来持续追问：谁在主导人工智能研发方向？大型科技公司的投资以利润最大化为导向，在当前背景下，这往往意味着自动化劳动而非增强工人能力。公共研究方向的政策引导、与分配效应挂钩的资助标准，以及针对部分依靠公共资金开发的技术要求披露成本承担方信息，是单靠市场力量或人工智能风险监管都无法覆盖的政策路径。

工业机器人用了二十年，才积累出足以清晰测量其分配效应的数据。生成式人工智能已经大规模部署。如果决策者等到2040年才拥有与Lerch研究相当的数据，损失届时将已积累完毕，而且从一切迹象来看，仍将集中在同样的群体身上。

来源

1. Daron Acemoglu, Pascual Restrepo，《机器人与就业：来自美国劳动力市场的证据》，《政治经济学杂志》，2020年。https://drodrik.scholars.harvard.edu/robots-jobs
2. Jason Lerch（2025），美国劳动力市场自动化不平等效应分析，美国经济学会经济研究。https://www.aeaweb.org/research/automation-employment-gaps-us
3. 布鲁金斯学会（2026），《机器人化与职业流动》（无保证链接，报告引用无网址）。
4. Carl Benedikt Frey，《技术陷阱：自动化时代的资本、劳动与权力》，普林斯顿大学出版社，2019年。
5. Daniel Susskind，《没有工作的世界》，Metropolitan Books，2020年。