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

与AI相关的招聘集中在数量有限的企业和大都市中。根据澳大利亚政府2026年公开发布的报告,2024年有100家机构占据了58%的AI相关招聘岗位,其中三分之二的岗位位于四座城市。AI的普及程度,与其说取决于软件是否可得,不如说取决于本地培养、招聘和整合相关技能的能力——而这种能力的分布极不均衡。

要点

  • 根据澳大利亚政府数据,2024年100家澳大利亚机构占据了58%的AI招聘岗位。
  • 非创新型小企业中只有4%使用AI,创新型小企业为19%,相差五倍。
  • 澳大利亚数据确认AI招聘集中于四座大都市和少数雇主,但并不能证明生产率收益也因此在这些地方集中。
  • 当前的集中态势可能使AI向中小企业和地区扩散更加困难。报告认为有针对性的干预或可扩大覆盖面,但并未预测锁定效应必然出现。
  • 可选路径包括:共享基础设施、为中小企业提供咨询、分布式培训。其中部分属于战略建议,另一些(如AI Adopt Centres)已投入运作。

四座城市、一百家企业,其余的一切

悉尼、墨尔本、布里斯班和珀斯吸纳了澳大利亚三分之二的AI岗位。这些大都市集中了企业总部、大型高校和资本。集中程度十分突出:在数百万家构成澳大利亚经济的企业中,100家机构拿走了该行业全部招聘岗位的一半以上。

这个数字精确说明了AI普及的本质。软件到处可得:文本自动化工具或数据分析工具在达尔文和悉尼都能下载。无法下载的,是把它有效整合进来所需的人力生态——配置系统的数据科学家、负责部署的管理者、管控风险的律师、能写出完整招标文件的公共采购人员。这些技能在已有类似技能的地方形成和流通。集中吸引集中。

澳大利亚不是孤例。量子计算遵循同样的极化逻辑,少数高校和产业中心拿走了全球投资和人才的绝大部分。AI的地理格局复制了创新的一般规律:节点密集,边缘空心。

创新者与非创新者之间的差距揭示了真正的障碍

澳大利亚报告区分了两类企业:已在创新的企业和尚未创新的企业。创新型小企业中,相当比例在2024年使用了AI;非创新型企业中,这一比例明显更低。2024至25年间,从事创新活动的小企业比其他企业更频繁地报告使用AI。

这一差距背后有具体原因。把AI工具整合进业务流程,需要实验文化、执行能力和对不确定性的容忍——部分小型企业尚未具备这些条件。这一相关性存在,但数据并未证明其因果机制。

这一格局延续了就业统计所记录的更广泛趋势。就业增长集中在高附加值行业,多数企业仍停留在生产率收益有限的活动中。AI有可能加速这一分化,而非纠正它。

租金消散及其具体影响

经济学家达龙·阿西莫格鲁(Daron Acemoglu)提出了一个有助于解读这些数据的机制。在他近年关于自动化的研究中,他表明:当一项技术提升某类劳动者或企业的生产率时,可能同时削弱无法获得该技术的更脆弱劳动者的工资优势,即”租金”。结果可能出现悖论:总量生产率上升,但收益分配向未能转型者倾斜压缩。

应用到澳大利亚,这一框架揭示了远离大都市的中小企业处境。中小企业可能承受AI普及的间接冲击,却难以获得直接收益。在某些情境下,中小企业员工的工资处境可能因AI配置更好的企业竞争而承压。这些动态可能导致中小企业的相对地位逐步恶化。

另一种更乐观的视角由接近熊彼特学派的菲利普·阿吉翁(Philippe Aghion)等经济学家提出。在这一框架下,采用初期集中于最具活力的企业,是通用技术扩散的正常阶段。创新型企业开辟道路、确立用法、培养第一批实践者,技能随后通过人员流动、做法模仿或工具成本下降扩散至其他企业。时滞不是失灵,而是转型的正常节奏。

澳大利亚数据可以检验这两种解读。数据显示,自2015年以来AI招聘持续集中。数据还表明,创新型与非创新型企业之间的差距,根源在于整体创新能力,而不仅限于AI。不从事创新的企业更少报告使用AI,但这一差距的成因尚未由现有数据确立,外部干预的有效性也有待验证。

AI生产率收益的归属问题

当AI在大型组织中大规模普及,生产率收益的分配值得关注。这些收益如何在资本与工资之间分配,对AI而言仍不明朗——尽管此前几轮自动化浪潮中,收益向资本倾斜的趋势有案可查。

在澳大利亚,AI集中于少数大型组织,叠加了收益被资本攫取的风险,尽管确切机制尚未确立。采用AI的大型组织,其结构倾向于将收益导向资本回报,但现有数据并未量化这一机制。若雇主以工资形式分享部分收益,员工可从中获益;但市场机制本身不保证这种分配,尤其当本地劳动力市场为求职者提供的替代选择有限时。

中小企业面临双重不利处境。它们较少采用AI,因而较少获得潜在的生产率收益;同时可能面临AI配置更好的企业带来的更激烈竞争——尽管这一效应尚未被数据量化。这些动态可能对中小企业的利润率和薪资吸引力形成压力。

偏远地区面临的风险

澳大利亚AI招聘岗位的地图与大都市分布地图高度重合。北部地区、珀斯以外的西澳、布里斯班以外的昆士兰,在AI就业市场中几乎缺席;这种集中的具体成因仍有待记录。

这一格局对人口流动产生了实际影响。在地区高校接受AI培训的年轻毕业生流向悉尼或墨尔本,因为岗位在那里。地区恰恰在最需要这些人才推动数字转型的时候失去了他们。这一循环并非不可打破,但若无干预,它会迅速自我强化。

据国际货币基金组织,新技术采用放缓是澳大利亚低生产率的多个结构性因素之一。AI的地理集中是又一症状。若领土采用不均的现状持续,根据若干前瞻性情景,地区不平等可能维持或进一步加剧。

需要什么样的制度来避免锁定

澳大利亚数据提出了一个明确的前瞻性问题:哪些制度能让中小企业和偏远地区分享AI收益,并将AI的覆盖面扩展至主导中心之外。

若干机制在其他技术转型中已有成效。共享资源中心——为无力独立招募AI技能的中小企业提供集中渠道的机构或联合体——在2010年代多个北欧国家的数字转型中发挥了作用。逻辑简单:一家20名员工的中小企业负担不起一名全职数据科学家,但可以负担共享结构中三分之一岗位的费用。这一做法需要公私协调,澳大利亚在其他行业尝试过,但在AI领域尚未充分展开。

分布式培训是第二个杠杆。澳大利亚拥有覆盖各地区的技术与职业教育网络,即TAFE体系。这些机构可以成为应用型AI短期培训的入口,面向中小企业管理者、会计和物流负责人——也就是决定是否采用某项工具的人。这类短期实用培训成本低,潜在乘数效应高。

面向中小企业的咨询常被低估。非创新型企业往往低估自身可自动化的空间,高估实施的复杂度,且在本行业缺乏参照。补贴性咨询安排——参照英国或德国部分公共机构为数字转型设立的做法——可以降低这种信息层面的入门门槛。

这些路径是澳大利亚数据使之合理的假设,正在进行的实验将在未来数年加以检验。两个信号值得跟踪:非创新型中小企业的AI采用率若停在4%,差距将持续扩大;若出现上升,扩散机制开始起效。AI招聘岗位的地理分布若在四座大都市之外趋于多元,则说明再平衡制度正在产生效果。

时间表仍是开放变量。主导中心可能继续吸引新人才、形成新专长,这一过程在其他技术情境中已有先例。缺乏积极的扩散政策,可能使现有差距持续或加深。工具已经存在,部分实验已显示出成效,是否部署取决于澳大利亚公共机构和经济主体的选择。


参考来源

  1. 澳大利亚政府,澳大利亚人工智能生态系统:增长与机遇,2025年6月
  2. 澳大利亚统计局,澳大利亚企业特征2024-25
  3. 达龙·阿西莫格鲁,自动化与租金消散:对工资、不平等和生产率的含义(2025),麻省理工学院经济学系