十年后，全人类将面临“双无”绝境：没工作，也没钱？

2026年4月24日凌晨，OpenAI把GPT-5.5扔了出来。

没有预热，没有倒计时。距离GPT-5.4发布，只有七周。七周换一个大版本，这节奏已经不像产品迭代，更像军备竞赛。

一位英伟达工程师在内测后给出的反馈只有六个字——＂失去GPT-5.5，就像被截肢。＂什么样的工具，让人产生＂被截肢＂的依赖感？

答案很简单：它开始干活了。不是帮你查资料、润色文字那种＂干活＂，而是独立拆解任务、调用工具、检查结果、一条龙跑完的那种。

它不仅能更快速地理解用户意图，还能承担更多实际工作，擅长编写和调试代码、在线研究、数据分析、创建文档和表格，甚至能够跨越多个软件工具直到完成任务。

21世纪经济报道的评价更直接——OpenAI想要卖的，是一个可以替代初级员工、独立完成工作流的＂数字打工人＂。＂数字打工人＂这四个字值得反复咀嚼。

当一家市值8520亿美元的公司把战略锚点从聊天机器人转移到＂替代初级员工＂上，它传递的信号再清晰不过：AI的商业化路径，就是吃掉人类的工位。这件事并不孤立。

2025年年底，诺贝尔奖得主、＂AI教父＂杰弗里·辛顿在CNN的访谈里把话挑明了。他指出，AI已从＂编写一分钟代码＂发展到＂完成长达一小时的完整项目＂，大约每七个月，AI就能完成时长翻一倍的任务。

他接着补了一刀：＂再过几年，AI就能够完成长达数月的软件工程项目。到那时，人力需求将会变得非常少。＂

辛顿说的不是科幻，而是一个正在兑现的趋势曲线。于是，那个听上去耸人听闻的判断浮出水面：＂十年之后，人类将既没有工作，也没有钱。＂

这话乍听像危言耸听，但仔细拆一下逻辑，它并不是凭空捏造。过去每一次技术革命——蒸汽机也好，电力也好——替代的是人类的体力。

机器比你力气大，但你脑子比它好使，所以新岗位总能冒出来。这一次不同。AI直接进攻的是认知劳动。

分析、编程、写作、设计——这些原本被视为＂不可替代＂的技能，正在被大模型一项一项地接管。对外经贸大学教授陈建伟直言，AI正替代分析、编程、写作、设计等传统高技能、高认知岗位，其冲击已从预言变为现实。

过去的技术替代好歹给人留了一条上升通道：流水线工人可以转去做技术员，打字员可以转去做行政管理。但当AI连管理、研究、创意这些＂高级活＂都干得有模有样，人还能往哪升？

这才是＂双无＂逻辑中最冷的那一层——不是某个行业出了问题，而是＂用脑子换钱＂这条路本身变窄了。更耐人寻味的是一个经济学家发明的新词：＂无就业繁荣＂——企业利用AI驱动的自主系统在不增加人头的情况下提升产出。

GDP还在涨，利润还在增，但招聘冻结了。企业不是活不下去，恰恰是活得太好——好到不需要人了。

毕马威首席经济学家Diane Swonk指出，在AI时代，企业正以更少的员工完成更多工作。把这条链条拉长十年看，确实触目惊心：AI替代劳动→劳动者失去收入来源→消费市场萎缩→企业利润下滑→进一步用AI压缩人工成本→更多人出局。

这个螺旋一旦转起来，＂没工作＂和＂没钱＂就不是两个独立事件，而是一对互为因果的孪生困局。资本追逐效率极限的同时，正在一点点拆除效率赖以变现的地基——消费者的钱包。

但是。恐慌归恐慌，数据归数据。把＂双无＂当成板上钉钉的末日预言，同样经不起推敲。

国家统计局4月16日发布的数据显示，2026年一季度中国GDP同比增长5.0%，比上年四季度加快0.5个百分点。这是＂十五五＂开局之年的首份成绩单。

外贸表现超预期，一季度货物进出口总额118380亿元，同比增长15.0%，季度增速为近五年最高。经济并没有因为AI的冲击而崩盘，反而在结构转型中找到了新的增长极。

3月份人工智能日均词元调用量突破140万亿，比上年末增长超40%。AI不仅是＂抢饭碗＂的威胁，它本身也在创造增量——算力基础设施、芯片制造、数据中心运维、AI应用开发，一整条产业链都在疯狂招人。

问题从来不在＂AI会不会取代工作＂——这个答案是确定的，它会。问题在于＂被取代的速度＂和＂新岗位诞生的速度＂之间，谁跑得更快。

这两条腿目前跑得并不均匀。国家统计局2026年4月发布的数据显示，2026年3月全国城镇不包含在校生的16至24岁劳动力失业率升至16.9%，结束了此前连续六个月的下降，再度上升。

每六个走出校门找工作的年轻人里，就有一个暂时没着落。而今年全国高校毕业生规模预计达到1270万人。

有效校招岗位仅约567万个，整体供需比接近2:1。两个人争一个坑。年轻人的困境尤其值得警惕。

AI每多渗透一个职业10%，该职业到2034年的就业增长预期就会下降0.6个百分点。

Anthropic在2026年3月发布的报告更指出，对于初入职场的年轻人来说，他们原本的核心竞争力是完成基础、重复性的工作，而这部分工作恰恰是AI最容易替代的。

年轻人不是被＂裁掉＂的，而是被＂挡在门外＂的——企业不再需要雇新人来做那些AI已经能做的事。这扇门一关，比裁员更可怕，因为你连上场的机会都没有。

有意思的是，厨师、摩托车修理工、调酒师等蓝领职业的AI暴露度为零，成为当下就业市场中最＂稳＂的群体。AI能写十万行代码，却修不了一根水管。

这是一个值得深思的信号：在AI时代，＂会动手＂可能比＂会动脑＂更值钱。过去二十年，全社会拼命追求＂知识经济＂，鼓励年轻人坐到电脑前、钻进写字楼。

如今风向调了个头——最安全的岗位，恰恰是那些需要双手、需要身体在场、需要面对面互动的工作。这不是说读书没用了。

而是＂读什么书＂＂学什么技能＂的筛选逻辑变了。如果你学的东西能被一个API调用替代，那你学得再好也危险。

如果你学的东西需要真人在场、需要情感判断、需要应对物理世界的随机性，那AI暂时还追不上你。中国的政策层面已经在做调整。

2026年1月27日，人社部官宣推出重点行业就业支持举措，还专门出台了AI促就业专项政策。全国两会上，这个话题更是引发了激烈讨论。

全国政协委员连玉明给出了一组数据：世界经济论坛预测，到2030年，全球将创造1.7亿个新岗位，同时替代约9200万个岗位，净增7800万个岗位。＂从总量看，岗位规模实际在增长。＂

总量在涨，结构在裂。这八个字基本概括了2026年就业市场的真实面貌。

不是没有岗位，而是旧岗位在塌、新岗位的门槛又高。中间那道沟——从被替代到重新上岗之间的转型期——才是最危险的地带。

中共中央党校教授赖德胜提出的＂中间替代效应＂精准概括了这种结构：程序化、标准化的中等技能岗位受冲击最显著，而需要高度原创的高端岗位、依赖情感互动的低端服务岗位，短期内相对安全。换句话讲，AI这把刀不是从底部往上砍，而是从腰部横切。

最受伤的是中间层——那些靠标准化技能吃饭、既不够顶尖也不够＂接地气＂的白领。这和大众的直觉完全相反，大部分人以为蓝领最先倒霉，实际上白领才站在火线上。

然后我们再回头看＂十年后没工作也没钱＂这个命题。它的逻辑链条是：AI能力指数级增长→绝大部分认知劳动被覆盖→劳动力彻底失去定价权→普通人无法通过出卖劳动获取收入→消费瓦解→整个经济循环断裂。

这条链条在理论上是自洽的。但理论和现实之间，隔着一个巨大的变量：政策。＂双无＂的前提假设是＂一切交给市场自发运转＂。

在纯粹的市场逻辑下，资本确实有动力把人全部替换成算法。但没有哪个负责任的政府会坐视消费市场坍塌——那等于自掘坟墓。

政策的作用恰恰是在市场失灵时踩刹车、打方向盘。中国在这件事上的反应速度，比很多人想象的要快。

＂十五五＂规划纲要已经把就业稳定写进了核心目标。全国政协委员连玉明建议增加预防性技能储备的制度安排：在职学习补贴、转型期生活补助，＂资金来源可探索失业保险基金增值收益、企业技能培训税收抵扣等渠道＂。

不是等人失业了再救济，而是在失业发生之前就介入。这种＂防守前置＂的思路，比西方讨论多年却迟迟落不了地的＂全民基本收入＂务实得多。

西方的UBI方案听上去很美——无论你工作与否，每月发一笔钱养活你。但账根本算不过来。

给两亿美国成年人每月发一千美元，一年就是将近三万亿美元，占美国联邦收入的六七成。政治上不可能，财政上更不可能。

这条路在可预见的未来走不通。中国的思路不是＂发钱＂，而是＂建底座＂。

通过产业政策引导AI与传统行业融合、通过职业培训帮劳动者转型、通过社会保障兜住转型阵痛期的基本生活。中国的产业政策强调＂AI+＂战略，推动AI与传统产业融合发展，同时加强职业技能培训，帮助劳动者适应新的工作要求。

这种路径不性感、不炫酷，但它有一个UBI永远给不了的优势：它让人有事可做，而不是让人坐吃等死。人一旦长期无事可做，精神上的瓦解比经济上的困窘更致命。

UBI能填饱肚子，但填不了一个人对自身价值的需要。中国的做法——把人推向新赛道，而不是塞进安乐窝——在这一点上更尊重人的主体性。

当然，转型的速度够不够快，是另一个问题。2026年国内AI人才供需比仅为0.5，平均两个岗位争抢一位候选人，部分核心岗位甚至出现＂十岗抢一人＂的情况。

AI领域疯狂缺人，传统岗位却在萎缩。人才错配的沟壑摆在那里，不是喊几句＂终身学习＂就能填平的。

一个四十岁的会计，让他三个月内变成AI训练师？这不现实。

转型需要时间，需要资源，需要制度设计上的精细化——而不是把所有压力甩给个体，然后说一句＂适者生存＂。当所有人都涌向体制内避险，系统风险反而上升。

人才过度挤入少数赛道，加剧竞争；市场化部门＂招不到人＂，创新活力受限。个体理性选择叠加后，可能带来系统性效率损失。

经济观察网的这段分析点出了一个怪圈：年轻人越焦虑，越往安全区挤；越往安全区挤，整个社会的创新活力越低；创新活力越低，经济转型越慢；经济转型越慢，就业前景越差；就业前景越差，年轻人越焦虑。循环往复。

打破这个循环，不能只靠个人的＂觉醒＂，更要靠制度的＂托举＂。让年轻人敢于走出安全区，前提是摔了之后有人接着。

如果创业失败就万劫不复、转行试错就断了社保，谁敢冒险？＂十年后没工作也没钱＂——这句话最大的价值，不在于它是否精准，而在于它逼着所有人提前想清楚一个根本问题：当机器能干所有＂有用的活＂，人靠什么证明自己存在的价值？

也许答案藏在AI的短板里。AI现阶段最擅长处理的是标准化、流程化的脑力劳动，而蓝领职业大多依赖物理世界的实操技能和线下场景的即时互动，这些都是当前AI技术难以突破的短板。

能在一间真实的屋子里、面对一个真实的人、做出一个带有温度的回应——这件事看起来没什么技术含量，却可能是未来人类最稀缺的能力。过去一百多年，我们拼命把人训练成更好的＂工具＂：更快、更准、更高效。

现在AI来了，它比你更快更准更高效。那我们只剩下一条路——重新学着做＂人＂。

做有判断力的人，做有共情能力的人，做能在模糊和混沌中找到方向的人。这场AI引发的就业地震，归根到底不是一道技术题，而是一道分配题。

技术从来不是问题，问题永远是：红利归谁？代价谁扛？过渡期怎么过？

＂双无＂是一面照妖镜。它照的不是十年后的必然，而是此刻的选择。是让市场惯性把人碾进去，还是提前修好缓冲带、拉好安全网？

是让焦虑吞掉一代人的勇气，还是用制度给冒险者兜底？十年不长。GPT的版本号可能已经冲到两位数。

但十年也不短，足够一个社会在恐慌与行动之间，做出决定命运的抉择。