中國製造業過去二十年的技術進步，通常被描述成一條不斷提高效率的路線：數控機床減少手工作業，機械臂進入焊接、噴塗與搬運，MES把生產節拍數位化，機器視覺逐漸承擔重複檢驗，如今生成式AI與人形機器人又分別從認知勞動與剩餘體力勞動兩端繼續推進自動化。從企業經營角度看，這條路線非常清楚：機器能降低單位產品所需人工，提高生產穩定性，把更多經驗寫進程式、資料庫與設備，使生產越來越不依賴某一個具體的人。真正值得追問的變化發生在另一邊：企業替換一個具體勞動者的成本也在持續下降，而普通人的住房、食品、交通、醫療、教育與養老仍然主要依賴工資。

2026年夏末，中國大陸製造業連續出現兩起性質不同的勞動事件。星宇股份後來公布，2025年秋季與2026年春季校招期間，公司與440名2026屆高校畢業生簽訂就業協議，其中372人畢業後正式建立勞動關係；到2026年8月，公司與140名新員工協商崗位調整與減員，最終107人與公司解除勞動合同。公司隨後承認管理層「研判失誤，決策草率」，並稱自己「錯誤地作出了對部分新入職同學進行調崗減員的決定」。這107人中既有研發技術崗，也有生產製造、品質與專案崗位。對他們而言，消失的不只是眼前一份工資，還包括原本用來形成第一年、第二年、第三年職業經驗的入口。星宇股份整改情況報導

幾天以後，另一段電池工廠影片進入公共視野。最初的網路說法把地點指向寧德時代宜賓基地，並把原因解釋成基層員工受到如廁限制。寧德時代否認事件發生於本公司。9月10日，瑞浦蘭鈞確認影片發生在自己的嘉善基地，並稱當事員工提出離職、要求即時辦結，公司認為辦理需要一定時間，雙方沒有就時間達成一致，隨後發生過激行為；公司同時否認「限制員工如廁」的網路說法，並表示已經報案。企業事後又表示將完善員工溝通機制。第一財經：瑞浦蘭鈞回應嘉善基地事件

關於如廁限制的具體起因，目前公開材料不足以把網路版本寫成確定事實。但企業自己的說明已經暴露了另一個現實：一件本來應由勞動關係與內部溝通程序處理的離職衝突，最後升級到車間極端行為、警方介入與企業公開致歉。現代工廠已經能把設備停機精確到分鐘，把產量精確到件，把人員、節拍、品質與成本持續數位化；員工能夠怎樣退出、怎樣休息、怎樣改變職業路徑，也應被當成同樣具體的制度問題。

本文真正討論的因此不是「機器人會不會搶工作」這一句口號，而是一條更長的變化鏈：機器越來越便宜以後，企業越來越容易降低對某一個具體員工的依賴；勞動者為了繼續留在工資體系中，則可能透過承擔更多機器、更寬職責、更慢工資成長與更弱退出能力來降低自己的單位價格。技術真正減少崗位以後，問題又會繼續向前：如果社會需要的人類勞動小時不斷下降，工時、失業、收入、社保與工作的公平回報應該怎樣逐步改變。

一、機器節省出來的時間不會自動屬於勞動者

人工上下料CNC是觀察這一問題最直觀的現場。數控系統已經接管刀具軌跡、主軸轉速、進給、自動換刀與切削循環中的大量動作，普通操作人員仍然承擔工件搬運、裝夾、上下料、量測、巡視、警報處理、切屑清理以及不同設備之間的移動。一台機床能夠自動加工十分鐘，只說明這十分鐘不再需要人持續控制刀具，並不意味這十分鐘已經成為員工自己的時間。

現實中的生產管理可以把這十分鐘重新計算成下一台設備的可用工時。一個人原本負責8台設備，後來增加到12台、16台甚至更多；原本只承擔上下料，後來同時負責補料、清潔、簡單品質檢查與基礎點檢。設備越來越自動，員工每天出售給企業的八小時卻沒有縮短，同樣一小時裡需要覆蓋的機台、任務與異常數量反而增加。機器降低的是單位產品所需人工，而勞動者本人獲得的自由時間可能接近零。

因此，「一人管理多少台CNC」不能獨立代表先進程度。20台已經自動上下料、集中監控、工件輕且故障率低的機床，與20台仍然需要人工搬運、裝夾、量測與頻繁處理警報的設備，對人的要求完全不同。真正能夠描述勞動負荷的是加工節拍、機台距離、工件重量、上下料時間、量測頻率、並發警報機率、異常恢復時間以及員工能否安全地短暫離開崗位。

美國職業安全與健康管理局OSHA對廁所使用的規定正好體現了這一原則。OSHA要求雇主保證員工在需要時能夠及時使用衛生設施，並明確要求允許勞動者離開工作位置、避免不合理限制。對於生產線等需要持續有人值守的崗位，企業可以設置替崗制度，但需要有足夠替崗人員，使等待時間不會變得不合理。OSHA在解釋中寫道，流水線可以使用relief worker system，但前提是員工不會等待過長時間。OSHA：Restrooms and Sanitation Requirements

美國加州又把同一思路寫進倉儲生產率監管。AB 701限制會妨礙員工用餐、休息、使用廁所與遵守安全要求的生產配額。2024年，加州勞工專員辦公室因Warehouse Quotas Law違規向Amazon兩座倉庫開出5,901,700美元處罰，並明確指出這項法律要防止秘密配額以及妨礙員工吃飯、休息與如廁的生產要求。California DIR：Amazon Warehouse Quotas處罰

這些制度承認連續生產的工程現實，卻沒有把解決成本全部交給人的身體。機器節省出來的一分鐘可以變成利潤，可以變成下一台機器，也可以真正變成員工少勞動一分鐘。技術只創造了「可以少勞動」的可能，最後怎樣分配仍然是勞動關係與制度選擇。

二、機器真正替掉員工以前，它已經進入工資談判

生產率紅利回答一個人現在能生產多少，另一種同樣重要的變化則是企業失去眼前這個人以後損失多少。本文繼續把後一種變化稱為「替代性紅利」。SOP、數控程式、故障資料庫、MES、標準化工藝與AI知識庫都在把原本集中於個體員工的經驗沉澱進組織。人員仍然重要，但某一個具體人的不可替代程度下降。

Leduc和Liu在2024年《American Economic Journal: Macroeconomics》發表的研究直接討論了自動化與工資談判之間的關係。摘要原文是：「the threat of automation weakens workers' bargaining power in wage negotiations」，也就是自動化的威脅會削弱勞動者在工資談判中的議價能力。AEA：Automation, Bargaining Power, and Labor Market Fluctuations

這裡關鍵的詞是「threat」。機器人不需要已經站到員工旁邊。只要它從展會上的概念設備變成採購部門能夠詢價、財務部門能夠計算投資報酬的方案，就已經成為企業的外部選擇。傳統的「你不做還有別人」開始疊加另一層含義：以後甚至可能不再需要另一個人。

勞動者對這種壓力的適應不一定表現為名義降薪。工資保持5000元，同時一個人從負責8台設備增加到12台；原本只有生產任務，後來附加補料、質檢與基礎維護；原來兩個人承擔的職責逐漸合併到一個崗位。名義工資沒有減少，但企業每支付一元工資獲得的任務與產出增加了。本文把這種工資數字不降、單位勞動價格下降的過程稱為「防禦性降價」。

Fan、Hu和Tang研究2004至2012年的中國企業資料後發現，在2008至2012年樣本中，最低工資提高10%與企業採用機器人機率提高0.11個百分點相關，而同期平均機器人採用機率約為0.19%。影響在生產率較高、沿海、民營與技能密集企業中更強。ScienceDirect：Labor costs and the adoption of robots in China

這類結果說明企業會隨著相對成本改變技術選擇，卻不能被翻譯成「為了保就業就應該讓人工長期足夠便宜」。技術成本仍然會繼續下降。勞動者今天透過增加人機比重新獲得的成本優勢，幾年以後仍然要面對下一輪更便宜的設備。企業可以等一年再買機器人，普通人的房租、食品與家庭支出卻不會停一年。失業保障越薄弱，勞動者越缺少等待能力，也越容易接受更低的實際勞動價格。

因此，失業保險在一個人失業以前就已經具有作用。一個知道自己失去崗位以後仍然能夠維持數月正常生活、接受職業轉換的人，比一個下個月就無法支付房租的人，更有能力拒絕明顯惡化的工時與勞動條件。

三、機器人出現以前，人與人之間的替代已經先被工業化

製造業持續招聘並不等於持續擴張。一座穩定需要1000人的工廠，如果每個月有60人離職，再補入60人，一年可以出現720次招聘行為，年底淨就業人數仍然是1000。

Liu和Zhu對長三角製造業勞動力市場的田野研究發現，企業周圍已經形成由勞務公司、多層中介與招聘代理構成的人員供應鏈。研究所在地一個工業園區內就有約150家中介公司。論文指出，這套體系的經營方式會「consistently aggravating labor turnover」，持續加劇人員流動。Springer：Why workers’ turnover is so high

這種體系改變的是離職成本。過去一個熟練員工離開以後，企業可能需要很久才能補齊；人員中介與標準化流程成熟以後，離職逐漸變成流失率、補員速度與返費成本。管理層不必先解決「為什麼這個崗位留不住人」，只要確保離開的速度沒有超過補人的速度。

星宇股份的公開資料也可以看到勞動投入重新組合。2024年末，公司在職員工10,426人，其中生產人員7,911人、技術人員1,734人；2025年末，在職員工下降到7,532人，其中生產人員4,729人、技術人員增加到2,080人。勞務外包工時同期由約863.8萬小時增加到約1087.4萬小時。公開資料不能證明某一個正式工被某一個外包工一比一替代，也不能單憑這些數字分解自動化、訂單與組織調整各自造成多少變化，但它清楚顯示公司可以在正式生產人員、技術人員與外部勞動之間重新組合投入。星宇股份2025年年報（巨潮資訊）

星宇2024年年報還出現過一個很有代表性的統計問題：「勞務外包支付的報酬總額（萬元）」一欄填入了明顯不合理的數字。它提醒我們，資料公開並不意味資料天然可靠。自動化時代真正需要的不是更多漂亮儀表板，而是能夠把人員、外包、工時、工資、生產率與技術投資放在一起核驗的資料體系。

標準化降低替換人的技術成本，中介降低替換人的交易成本，機器人進一步降低維持生產所需的物理人工。三者不是彼此無關的現象，而是一條持續增強企業替代能力的鏈條。

四、企業越來越需要成熟技術工時，第一年的經驗可能越來越難獲得

一個能夠獨立處理PLC、伺服、電氣圖、機器人、複雜停機與品質問題的技術人員，不可能在畢業當天直接形成。他需要從點檢、簡單警報與輔助維修開始，在真實生產裡累積第一年，再進入第二年與第三年。

企業培養這種通用技能存在明顯的外部性。A公司花兩年把新人培養成熟以後，B公司可以透過更高工資直接招聘。對單個企業來說，減少通用培訓、直接購買成熟經驗具有吸引力；大量企業同時這樣做以後，整個行業就會共同面對經驗人才不足。

新加坡Skills Development Levy提供了一種現實處理方法。企業需要為所有在新加坡工作的員工繳納SDL，目前費率為月工資的0.25%，每名員工最低2新元、最高11.25新元。CPF Board對用途寫得非常直接：「SDL is used to support workforce upgrading.」徵費進入Skills Development Fund，用於勞動力技能提升與培訓補助。CPF Board：Skills Development Levy

這項制度的重要性不在0.25%本身，而在於它改變了「不培訓就完全不用承擔行業培養成本」的結構。企業可以自己培養，也可以從市場招聘，但整個行業仍然共同承擔一部分技能形成成本。

德國雙元制職業教育進一步解決技能可遷移問題。學徒在企業與職業學校之間接受訓練，最終資格由行業商會等主管機構透過外部考試認可，而不是只由原企業內部評價。一個人在A企業形成的真實能力因此可以帶到B企業繼續使用，離開當前公司不會讓職業資格重新歸零。

自動化讓這個問題更加緊迫，因為機器人進入的往往正是職業階梯最下面的任務。BMW披露，Figure 02在美國Spartanburg工廠真實生產環境中運行十個月，支援超過3萬輛BMW X3生產，累計移動超過9萬件零部件，在約1250個運行小時裡承擔鈑金件取放與焊接前定位。BMW Group：Figure 02生產專案

Hyundai則已經給出Atlas進入生產的路線：2028年從零件排序開始，2030年擴展到部件組裝，隨後逐漸處理重複、重載與更多複雜任務。官方原文是：「Beginning in 2028 … parts sequencing. By 2030, applications will extend to component assembly.」Hyundai Motor Group：Atlas路線

這些任務技術含量未必最高，卻長期承擔新人認識零件、設備、節拍、安全與品質體系的入口功能。第一層任務被機器接走以後，行業必須主動設計新的經驗入口，否則未來會同時出現兩件事：招聘廣告越來越要求「三年以上機器人維護經驗」，願意提供第一年經驗的職位卻越來越少。

五、就業變化很可能先發生在「不再招人」，然後才表現成崗位數量下降

未來就業變化不太可能等到某一天突然出現「機器人正式替掉所有人」。更現實的路徑是：同樣數量的員工使用更強工具，一個人能夠完成更多任務；企業隨後減少新人招聘；員工退休或離職以後不再按過去比例補人；總人工小時在幾年裡逐漸下降。

國際勞工組織2025年的全球研究估計，全球約四分之一勞動者所在職業對生成式AI存在一定程度暴露，同時指出，由於大量任務仍然需要人的輸入，「most jobs will be transformed rather than made redundant」。這意味當前主要變化首先發生在任務結構，但「職業仍然存在」並不等於「過去需要十個人的崗位以後還需要十個人」。ILO：Generative AI and jobs: A 2025 update

Stanford Digital Economy Lab利用ADP覆蓋數百萬美國勞動者的工資資料更新到2026年6月後發現，22至25歲勞動者在高AI暴露職業中的就業，已經比跟隨同齡低暴露職業相同趨勢時所對應的水準低約19%；研究者同時寫道，調整「appears to operate primarily through reduced hiring of young workers rather than increased separations」，主要發生在減少年輕人招聘，而不是已有員工突然大量離職。Stanford Digital Economy Lab：Canaries in the Coal Mine?

研究團隊明確把這些結果稱為描述性事實，因此不能把19%直接寫成AI單獨造成的因果損失。它最重要的意義在於展示了一種已經出現的調整路徑：技術衝擊可以在總體失業率明顯上升以前，先表現為年輕人沒有被招進來。

製造業完全可以透過同樣方式減少人員。老師傅繼續工作到退休，退休以後不再補人；基礎任務逐漸交給機器人；剩餘員工承擔更多設備與複雜異常。幾年以後總員工數明顯下降，整個過程甚至不需要發生一次轟動性的大裁員。

Volkswagen 2024年的德國重組就是現實參照。公司計畫到2030年透過社會協商、自然減員、退休與招聘變化等方式減少超過3.5萬個德國崗位。現有員工避免立即被集中裁掉，並不等於未來年輕人的入口沒有減少。技術性就業衝擊因此不能只統計「今天裁掉多少人」，還需要同時看新人招聘率、學徒名額、退休崗位補招比例與實際總工時。

六、從當前社會走向高度自動化社會，不會從40小時工作突然跳到「所有人不用工作」

生產力提高以後，最早應該發生的變化是減少過度勞動。社會仍然需要絕大多數勞動人口時，機器提高效率帶來的第一批時間紅利可以表現為更少加班、更短標準工時與更高時薪。這個階段的核心仍然是把CNC已經節約的十分鐘真正還一部分給勞動者，而不是立刻再裝進下一台機器。

當總勞動需求進一步下降以後，工作共享開始變得重要。德國Kurzarbeit已經證明，在勞動需求突然下降時，減少工時能夠阻止產出下降直接轉換成同等規模裁員。2009年高峰期約150萬人進入短時工作安排，OECD估計這套制度最多保住約58萬個崗位。OECD：德國短時工作制度案例

德國當時面對的是經濟危機，未來技術提高生產率的原因不同，但分配邏輯相通。同樣總工作量從4000小時降到3200小時，社會可以讓80個人繼續40小時、20個人完全失業，也可以讓更多人共同減少工時。技術沒有規定必須選擇前一種。

隨著工具繼續提高生產率，縮短工時會逐漸出現邊界。原本100個人每週40小時需要4000小時，如果長期只需要2000小時，把所有人降到20小時仍然能夠共享；如果以後只需要1000小時，繼續要求每一個勞動年齡人口都必須擁有傳統崗位，就會開始人為製造沒有實際必要的工作。

因此，過渡階段會出現越來越多中間狀態。一個人可以一週工作三天，另外時間學習；工作幾年以後進入半年系統學習；家庭出現照護需求時暫時減少市場勞動；一部分人利用AI、軟體與數位製造進行自己的小規模生產；也會有人在某些時期確實沒有市場崗位。醫療、養老與基本生活如果仍然只能依靠一份標準全職勞動合同取得，這些狀態就無法穩定存在。

到了市場所需勞動明顯少於勞動人口的階段，繼續讓所有人爭奪越來越少的全職崗位，會重新把社會推回本文最開始的問題。假如100個勞動年齡人口長期只需要50個全職崗位，另外50個人仍然必須依靠就業才能取得正常生活，那麼人的價格自然會向下競爭：更低工資、更寬職責、更差條件都會成為進入這50個崗位的籌碼。

高度自動化社會因此最終需要改變工資在收入體系裡的角色。工資逐漸從「取得全部生活資源的唯一入口」，變成承擔市場勞動、占用個人時間與承擔責任以後得到的明顯額外回報。護理、維修、電力、複雜設備、安全與應急等仍然需要人的崗位如果難以招聘，就應該提高時薪、縮短工時、改善休假，而不是透過故意讓沒有工作的人陷入貧困來逼迫他們接受崗位。

高度自動化也不等於人類什麼都不做。市場崗位減少與社會活動減少是兩回事。照護、學習、創作、社區參與、研究興趣、小規模生產與人與人之間的關係仍然可以大量存在，只是越來越多活動不必先變成一份企業勞動合同才能獲得生活資格。

七、失業保障必須讓人活得下去，同時讓繼續工作得到明顯更多

這裡存在一個現實的公平問題。如果原本收入相近的兩個人，一個繼續每天通勤、工作八小時、承擔績效與責任，另一個暫時沒有市場工作卻取得幾乎相同甚至更高的可支配收入，繼續工作的人產生不公平感完全合理。社會不能要求勞動者每天額外交出幾十小時，同時讓這段時間幾乎沒有額外價格。

美國2020年的疫情失業保險提供過一個極端案例。CARES Act在各州失業保險之上增加每週600美元Federal Pandemic Unemployment Compensation。NBER研究發現，2020年4月至7月，76%的普通失業保險合資格勞動者法定替代率超過100%，中位數達到145%；把雇主福利與稅收差異考慮進去以後，仍有69%的合資格勞動者綜合替代率超過100%。NBER：US Unemployment Insurance Replacement Rates During the Pandemic

疫情期間還存在封鎖、健康風險、照護責任與崗位直接消失等特殊條件，所以這項資料不能被簡化成「福利高導致大家不工作」。它說明的是一個更基礎的設計問題：如果不工作取得的現金收入長期接近甚至超過原工資，繼續工作者會認為自己的時間與責任缺少明確額外回報。

因此，收入保障需要同時處理兩端。失去崗位的人不能因為幾週沒有工資就跌入貧困，因為迫切需要下個月房租的人會迅速接受任何低價工作，進而壓低所有在職者的談判能力；繼續工作的人則必須透過工資、退休金累積與其他制度獲得明顯更多收入。

新加坡Workfare Income Supplement體現了後一方向。WIS向符合條件的較低收入在職勞動者提供現金與CPF補充，截至2026年2月累計已有113萬名勞動者獲得超過129億新元。CPF Board寫道：「Workfare is paid in the form of CPF payments and cash to supplement their incomes.」CPF Board：Workfare Income Supplement

加拿大Employment Insurance的Working While on Claim則處理福利懸崖。領取EI期間重新開始部分工作時，在一定範圍內，每賺1加元只減少0.5加元福利。加拿大政府目前示例中，一名原本每週領取330加元EI的人，找到每週350加元兼職後仍保留155加元EI，總收入達到505加元，明顯高於完全不工作時的330加元。Canada.ca：Working While on Claim

未來技術轉換還需要處理「已經重新就業，但工資明顯下降」的情況。一個工作十年的技術人員原來月收入8000元，崗位消失後進入新行業只能拿6000元，傳統統計已經把他算成重新就業，家庭實際生活卻發生了明顯下台階。美國過去的Reemployment Trade Adjustment Assistance曾為部分貿易衝擊勞動者提供限期工資保險，補償舊工資與新工資的一部分差額。類似機制可以用於技術轉換：補貼直接給勞動者、限期並逐步退出，使一個人敢於進入新行業累積經驗，而不是在長期失業等待原工資與一次性永久降薪之間二選一。

高度自動化社會真正穩定的公平原則因此是：沒有市場工作不能使一個人失去正常生活資格；真正參加勞動必須得到明顯額外收入。前一條維持人的拒絕能力，後一條維持勞動本身的公平價格。

八、社會保險不能永遠主要建立在「每個人都長期領取工資」這一前提上

當前中國大陸職工養老保險仍然高度依賴工資勞動與繳費關係。2025年開始實施的漸進式延遲法定退休年齡，把男職工法定退休年齡最終逐步延遲至63歲；原法定55歲的女職工逐步延遲至58歲，原法定50歲的女職工逐步延遲至55歲。從2030年開始，按月領取職工基本養老金的最低繳費年限又將由15年逐年增加6個月，到2039年達到20年。全國人大：漸進式延遲法定退休年齡決定

這項改革主要針對人口老齡化、人均預期壽命、健康水準與勞動力供給，並不是為AI或機器人設計。它卻提供了一個很重要的未來參照：如果以後勞動年齡人口仍然很多，而市場真正需要的全職崗位與工資總小時明顯下降，繼續主要依靠「更晚退休、更長繳費」來維持體系，會與技術減少必要勞動的方向產生越來越明顯的衝突。

一個年輕人如果未來因為AI與自動化經歷更多間斷就業、部分工時、長期學習與職業轉換，同時又面對更長最低繳費要求，他取得完整養老權益的難度可能上升。一個社會如果已經不需要每個人工作40小時，卻為了維持一個建立在大量工資勞動上的社會保險體系而繼續要求人盡可能工作更久，就會把機器節約出來的勞動重新塞回繳費制度。

這不意味繳費型養老保險應該突然取消。與個人工作歷史與收入相關的退休金仍然適合保留繳費屬性。需要逐漸改變的是基礎保障的融資範圍。

現有制度已經提供了幾條不同方向。日本基礎年金目前有一半財源由國庫負擔，厚生勞動省直接寫道：「基礎年金の財源の半分は国庫負担で賄われています。」日本厚生勞動省：基礎年金財源

德國法定養老保險同樣並非純粹依靠工資繳費。德國養老保險機構公布的2025年資料中，約76.9%的收入來自繳費，聯邦補助約占22.3%。Deutsche Rentenversicherung：2025年融資情況

法國則把部分社會保障融資擴展到財產與投資收入。CSG、CRDS等社會徵收可以適用於部分資產與投資收入，說明社會保障稅基並不必然等於工資總額。Service-Public.fr：Prélèvements sociaux sur les revenus du patrimoine

中國大陸自己也已經存在比單純延長繳費年限更值得繼續發展的另一條方向。2017年國務院決定劃轉部分國有資本充實社保基金，中央與地方國有及國有控股大中型企業、金融機構原則上劃轉10%的國有股權；劃轉股權的分紅與運作收益可專項用於彌補企業職工基本養老保險基金缺口。文件把目標之一寫成「使全體人民共享國有企業發展成果」。財政部：劃轉部分國有資本充實社保基金實施方案

這項制度已經包含了一條與高度自動化社會非常接近的邏輯：社會保障可以直接取得資本收益，而不必全部等待工資繳費。

更穩妥的過渡因此應該分層進行。與個人工作歷史直接相關的退休金與保險繼續保留繳費屬性；維持正常生活所需要的基礎養老、基本醫療與一部分失業保障，財政責任逐漸提高；當勞動收入占比下降時，資本收入、企業利潤與更廣的稅基承擔更多融資；公共資本與國有資本收益則進入長期社會保障基金。社會保險的收入來源由「勞動者工作多少」逐漸擴展到「整個經濟創造了多少收入與資本回報」。

九、公共資本收益可以減少「只有失業的人才能分享技術紅利」的衝突

如果技術進步產生的公共支持只有失業以後才能領取，社會很容易被切成兩個身份：繼續工作的人認為自己承擔通勤、工時、責任與稅費，失業的人才有資格分享新的技術紅利。這會放大工作者與非工作者之間的公平衝突。

共同資本收益提供了另一種思路。阿拉斯加Permanent Fund把部分礦產資源收入累積成長期公共資產，再用投資收益向符合條件的居民支付年度分紅。繼續工作的人同樣領取，因此這筆收入不會產生「必須先失業才能獲得」的激勵。Alaska Permanent Fund Dividend

挪威Government Pension Fund Global則採用規模更大的代際資產模式，把石油活動淨現金流累積進基金，再透過財政規則進入公共預算，使資源財富同時服務當前與未來世代。Norway Ministry of Finance：Government Pension Fund

AI與機器人產業並不是自然資源，公共資本邏輯仍然具有啟發意義。現代技術產業大量依賴大學研究、公共基礎設施、能源、電網、政府採購與產業融資。公共部門在部分專案中保留股權、基金份額或長期收益權以後，技術成功產生的資本回報可以直接進入公共收入，而不是等一個勞動者被替代以後才透過救濟補償。

這樣，繼續工作的人可以得到工資加共同收益；暫時沒有市場崗位的人擁有基本保障、保險與共同收益；進入學習階段的人再獲得學習支持。共同基礎人人擁有，勞動仍然有明顯額外價格。

十、學習不能變成「機器會了什麼，人就趕緊逃到下一項技能」的永久追趕

自動化轉型很容易把全部責任重新放回個人：今天學PLC，明天機器人能夠自診斷以後學機器人；機器人更容易示教以後再學AI；AI繼續提高以後再尋找下一項暫時不會自動化的技能。這樣的人生仍然完全圍繞「怎樣證明自己還值得被雇用」組織。

職業學習當然重要，但成年人真正缺少的往往是時間與收入，而不是課程目錄。新加坡SkillsFuture Mid-Career Training Allowance已經把收入支持直接加入長期學習。符合條件的中年勞動者參加全日制長期培訓時，補助按照過去平均月收入的50%計算，每月最高3000新元，一生最多使用24個月。官方還明確解釋，這種比例既用於彌補部分收入損失，也要「preserving the incentive for them to return to work」。SkillsFuture：Mid-Career Training Allowance FAQ

瑞典的轉型學習支持進一步承認成年人重新成為學生可以是一種正常人生狀態。職業穩定因此可以從「幾十年持續待在同一工作狀態」逐漸轉變成「換軌以後不會掉出收入、保險與學習體系」。一個人30歲工作，35歲系統學習一年，之後重新工作；40多歲因為產業變化再次學習或承擔家庭照護，後來再回到市場。

非職業學習也應該保留獨立價值。維修人員學習歷史、工程師學習攝影、普通員工學習音樂，都沒有義務先證明未來工資會提高。生產率提高以後，教育的一部分紅利應該表現為成年人有更多理解世界與發展興趣的時間。

十一、AI最大的另一種意義，是普通人的idea更容易越過工具牆

生成式AI對就業的影響還有另一條經常被忽略的方向：它正在降低普通人實現小規模想法時需要購買的專業執行能力。過去一個人想做網站，需要系統學習前後端與部署；做遊戲需要程式、美術、動畫與聲音；製作3D角色需要建模、拓撲、UV、材質與渲染。很多idea沒有經過市場驗證，就先死在第一版原型出現以前。

Brynjolfsson、Li和Raymond研究5179名客服人員使用生成式AI助手後的效果，發現平均生產率提高14%，其中新手與低技能人員提高34%，而經驗豐富的高技能人員改善很小。論文原文是：「a 34% improvement for novice and low-skilled workers」。研究還提供了AI幫助新人更快獲得高績效員工實務經驗的證據。NBER：Generative AI at Work

這對普通勞動者尤其重要。真正維修汽車的人知道維修流程中哪些小問題一直沒人解決，真正操作CNC的人知道哪些警報紀錄與交接流程浪費時間，小店經營者知道自己真正需要什麼簡單軟體。他們過去擁有領域經驗，卻缺少程式設計師、設計師與產品團隊。AI降低第一版程式、網頁、圖片、資料工具與3D原型的執行成本以後，領域知識與實現能力之間的距離縮短了。

未來減少的就業時間因此不必全部變成「閒置」。一部分人可以做小型軟體、開源專案、角色、遊戲、3D原型與實體產品，透過AI、3D列印與CNC完成過去需要一個小團隊才能驗證的idea。大量規模太小、傳統公司沒有商業動力處理的問題，可以由真正生活在問題中的人自己嘗試解決。

真正的AI賦權還需要退出能力。一個人的模型記憶、檔案、提示、工作流與專案上下文如果全部被鎖在一家供應商內部，依賴企業的舊結構只會換成依賴平台。開放權重、開放介面、資料匯出、上下文遷移與本地運行的重要意義就在這裡：使用者能夠把累積帶走，供應商才真正可以被替換。

企業越來越不依賴某一個具體員工時，個人也應該越來越不依賴某一家企業；AI平台越來越能夠參與個人工作時，使用者也應該越來越容易離開某一個平台。

十二、照護機器人最值得替代的是負擔，而不是關係

高度自動化社會並不意味所有人類活動都應該追求最低人工配置。照護領域尤其能說明這一點。日本長期推動移乘機器人、監測設備、ICT與其他介護技術，目的包括提高照護品質、減輕護理人員身體負擔並支持老年人自主生活。機器承擔每天反覆搬抬老人、物品配送、夜間重複巡視與跌倒監測，都具有非常明確的價值。

真正的差別發生在機器節約出來的時間怎樣使用。護理人員少做兩小時機械搬運以後，可以用這些時間和老人交談、觀察身體與情緒變化、聯絡家屬；機構也可以直接減少人員配置，讓剩餘員工繼續滿負荷工作。

PARO機器海豹的研究說明機器人可以在部分場景改善躁動、焦慮與互動，但2023年的系統綜述與Meta分析納入12篇研究、1461名參與者後，同時指出：「The overall quality of evidence for all outcomes were graded as low.」PubMed：PARO系統綜述與Meta分析

機器人能夠產生讓老人感到安慰的互動，這種安慰完全可以是真實的。照護關係仍然包含判斷與責任。老人突然拒絕進食、意識變化或者需要做高風險決定時，需要有人結合病史、藥物、過去習慣與家庭關係承擔後果。

所以照護領域真正值得追蹤的是兩組資料：腰傷、夜間機械任務與危險搬運應當下降；人與老人真正交流、觀察與個體照護的時間應當增加。機器人優先替代照護中的負擔，而不是把照護中的關係也一起壓縮掉。

十三、任何制度都會被利用，所以不能把現實重新壓成一個漂亮數字

新人招聘率、培訓小時數、內部晉升率、平均工資與正式員工人數都可以提供資訊；只要其中任何一個直接決定補貼、評級或監管結果，組織就會開始圍繞數字優化。

要求新人比例，企業可以增加短期實習生；要求培訓小時，可以堆課程；要求內部晉升，可以改職位名稱；要求平均工資提高，減少最低工資員工就能自動提高平均值；要求留存率，企業又會獲得提高員工退出成本的動力。

所以真正可靠的觀察必須看多年職業軌跡與多組互相制約的資料。一個企業可以同時出現產值增加30%、平均工資提高8%、正式員工減少25%、外包工時增加40%、新人招聘下降30%。這些矛盾本身就是現實。生產率需要和實際工時、人機比一起看；工資需要和時薪、人員構成一起看；培訓需要和幾年後的外部認證、職業流動一起看；就業規模需要和正式工、外包、派遣、招聘與離職流量一起看；新人入口需要追蹤兩三年以後是否真正獲得技能。

制度成熟的標誌不在於找到一個無法作弊的指標，而在於企業如果想製造一個漂亮故事，就必須同時讓很多獨立資料都能夠互相解釋。

十四、工會和其他組織真正改變的是「一個人只能單獨與機器競價」的處境

一個基層員工認為一人承擔的機器已經超過能夠安全處理的範圍時，個人最容易採取的行為是離職。十個人分別離職，會成為十條流失紀錄，再由招聘系統補十個人。同樣十個人如果能夠共同掌握設備距離、工件重量、上下料節拍、並發警報、異常處理與工傷資料，再要求討論定員，問題就從個人忍耐能力變成生產制度必須解釋的工程安排。

2010年南海本田零部件廠罷工展示過這種力量變化。單獨一名年輕生產工人高度可替代，關鍵零部件同時停止供應以後，多座整車廠受到停產影響。個體的可替代性與集體的可替代性完全不同。

自動化進一步要求這種組織能力發生在技術部署以前。Hyundai公布Atlas生產路線以後，韓國現代汽車工會已經公開提出機器人進入生產現場需要勞資協商。真正需要討論的並不只有「機器以後裁掉誰」，還包括機器人先進入哪些工序、退休以後哪些崗位不再補人、留下的人承擔多少設備、生產率提高以後工資與工時怎樣變化。

企業天然以法人、管理系統、財務與律師形成持續行動的集體。如果普通人的利益只能以一次離職、一次工傷與一次個人投訴出現，企業越容易替換個人，雙方力量差距就越大。工會、行業組織、媒體、學術研究、NGO、宗教福利機構與其他中間共同體因此不會因為自動化與社會保障增加而失去價值。資本需要監督，負責分配資本收益與公共資金的行政系統同樣需要監督。

十五、真正高度自動化以後，充分就業會逐漸變成充分收入、充分參與和充分選擇

今天直接放棄充分就業並不現實。住房、食品、醫療、教育與養老仍然高度依賴工資，普通人失去工作以後實際消費能力與生活選擇真的會下降。一句「人的價值不能由工資衡量」無法替代這層現實。

但「每一個成年人長期保持40小時全職工作」也沒有理由成為永恆目標。生產率提高的早期階段，應當減少加班與勞動強度；隨後透過縮短工時共享減少的總勞動需求；再往後，工作、學習、照護與個人專案開始在同一人生裡循環存在；當市場真正只需要少量人類勞動時，工資逐漸成為承擔必要勞動的額外報酬，基本生活則越來越少依賴某一家企業是否願意購買一個人的40小時。

這條過渡路線同時處理兩個極端。一端是為了逼人工作而故意讓沒有市場崗位的人陷入貧困，結果只會製造更多廉價勞動力；另一端是讓工作與不工作的淨收入幾乎一樣，使每天交出大量時間的人覺得自己的勞動沒有價值。

最終更合理的原則仍然很簡單：沒有市場崗位的人不失去正常生活；真正承擔市場勞動的人明顯多得；特別稀缺、危險或責任重大的工作繼續透過更高時薪與更短工時吸引人。

高度自動化社會最終並不是「全民失業社會」，而是「越來越多有價值的活動不再必須先變成一份全職勞動合同」的社會。

結語：機器真正應該減少的，是普通人不得不出售的人生時間

工業社會長期形成了一條穩定的資源交換鏈：人把自己的時間與勞動出售給企業，企業支付工資，人再使用工資取得住房、食品、交通、教育、醫療與養老。工資因此同時承擔勞動價格與生活資源入口兩種功能。當這兩種功能高度綁定時，機器越有能力替代勞動，普通人就越容易把技術進步理解成自己的生活資格受到威脅。

機器真正替掉員工以前，這種壓力已經存在。一個人管理更多設備，同樣工資承擔更多職責，休息更少，工資成長更慢，勞動關係更加靈活。企業獲得更強的替代選擇，員工則受到每個月生活支出的約束。機器變得越來越便宜，人先透過降低自己的單位價格繼續留在工資體系裡。

機器真正開始減少崗位以後，社會又很容易要求勞動者立刻學習下一種暫時不會被機器替代的技能，再尋找另一份40小時工作。這樣的循環提高了生產效率，卻沒有兌現技術最基本的承諾：相同生活水準原本應該需要越來越少的人類必要勞動。

真正的過渡需要在幾個方向同時發生。技能能夠跨企業遷移，員工失去當前崗位以後擁有足夠等待時間；勞動需求下降首先有一部分表現為工時下降；新人仍然擁有形成第一年經驗的入口；繼續工作的人取得明確額外收入；社會保險逐漸減少對單一工資稅基的依賴，把一般財政、資本收入與公共資本收益引入長期保障；機器釋放出來的時間則可以進入照護、學習、創造、社會參與，也可以保持空白。

中國大陸已經在同一個社會保險體系裡同時展示了兩條可能的方向。一條是延遲退休與逐步延長最低繳費年限，讓勞動者更長時間留在繳費體系；另一條是劃轉部分國有資本充實社保基金，讓資本本身承擔一部分養老責任。前者在應對今天的人口老齡化時有自己的制度邏輯，後者對於未來工資勞動占比可能下降的社會更具有延展性。真正高度自動化以後，社會不能無限透過要求人工作更久來維持一個建立在大量工資勞動上的制度。

生產系統當然可以不斷去關鍵人化。老師傅離開以後，工廠不應該停止；程式設計師離職以後，軟體知識不應該全部消失。這是工程進步。

人的社會地位需要朝另一個方向發展：企業越來越不依賴某一個具體員工，社會也應該讓這個員工越來越不依賴某一家企業。

機器真正應該淘汰的是一部分重複、危險與不得不完成的勞動，以及一部分為了取得生活資格不得不出售的人生時間。

最壞的未來，是機器越來越便宜以後，人為了繼續被購買，只能讓自己的工資、休息、健康與時間一起更加廉價。

更值得追求的未來，是機器越來越便宜以後，人的時間越來越珍貴。技術生產出更多財富以後，普通人終於能夠少出售一部分人生，而且不會因為少出售這部分時間就失去正常生活資格。

主要線上資料與原文