二三十年后，AI 将如何改变工作的价值？

写作说明：本文借助 AI 收集和梳理相关研究、报道与不同观点，并结合个人思考完成。文中对未来的判断属于基于现有资料的推论，欢迎讨论与指正。

今天突然想到一个问题：再过二三十年，当 AI 更深入地参与生产与科研，社会的职业分工会发生怎样的变化？什么样的工作会变得更有价值？

我们很容易把高学历、高技术门槛和职业安全联系起来。学习足够复杂的知识，掌握足够专业的技能，似乎就能在社会分工中占据一个比较稳固的位置。

但如果 AI 能越来越好地写程序、分析数据，甚至提出科学假设、证明数学结论，这种判断还可靠吗？反过来，那些让人感到被理解、被关心，帮助人建立关系、获得归属感的工作，会不会变得更加重要？

我最初的直觉是：未来，一些看起来“高精尖”的工作可能被 AI 接手，而提供精神价值的行业可能迎来发展。

查阅相关研究后，我发现，这个想法有依据，但需要加上几个重要的条件。知识和分析能力正在变得更容易获得；人的价值可能因此发生转移。但情感服务也已经进入 AI 的能力范围。

科研也开始成为 AI 可以参与的生产过程

2026 年 3 月，发表于《Nature》的研究介绍了 The AI Scientist：在机器学习研究场景中，系统能够提出想法、编写代码、运行实验、分析结果并生成论文。研究报告，其中一篇系统生成的论文通过了一个机器学习会议工作坊的首轮同行评审。¹

这里有必要把尺度说清楚：这是工作坊，录取率为 70%，并不等于 AI 已经能够独立完成所有学科的一流研究。介绍这套系统的《Nature》论文，也不能和系统生成的论文混为一谈。

不过，它仍然触及了一个过去常被视为人类专属的领域：AI 开始参与从想法到研究报告的连续过程。

同年 5 月，《Nature》发表的 Co-Scientist 研究则把重点放在科学假设的生成与改进上。研究者在药物再利用、治疗靶点和抗菌药物耐药机制等方向进行了验证，部分结果获得了体外实验支持。这仍然是科学家参与、引导和验证的协作系统。²

这些研究无法证明“科学家将被取代”，但足以提醒我们：一个任务很难、需要多年专业训练，并不意味着它天然无法被自动化。

如果未来 AI 能可靠承担更多科研环节，同样规模的团队可能完成更多研究，也可能出现某些岗位缩减。方向取决于研究需求、资金投入，以及人类还需要承担哪些任务，不能仅由一次技术突破决定。

数学界的争议，让这个问题变得更具体

最近数学界围绕 AI 的争论，让我对这件事有了更直接的感受。

2026 年 9 月 11 日，陶哲轩在博客上发布了一份由 25 位菲尔兹奖得主作为初始联署人的声明。他们承认 AI 解题能力的进步，同时担忧企业把攻克开放问题当作模型竞赛，会损害数学中的概念理解、研究传承与学术规范。³

10 月 6 日，OpenAI 批量公开了一批内部模型生成的数学结果，并提供部分证明的 Lean 形式化文件，用于计算机检查。次日，人类数学协会（AHM）发表抗议声明，并由陶哲轩博客转载，反对这种大规模发布方式，呼吁数学家停止与 OpenAI 合作。^{4 5}

这里需要分清几件事：企业声称得到结果、证明通过形式化检查，以及数学共同体理解并吸收这些结果，是不同的环节。批量发布也不意味着每项结果都已得到独立确认。把这场争议概括成“数学家不愿意让 AI 解题”，容易忽略真正的问题。

独立的数学与人工智能咨询小组（AGMAI）提出了更具体的要求：正确引用已有研究，说明模型、尝试过程和计算成本，改善证明的可读性，并支持数学家理解这些成果。他们也担心，只有少数企业掌握强大内部模型，会让其他研究者失去平等参与前沿研究的机会。⁶

这个小组在 10 月 6 日的回应中还强调，自己的咨询角色不代表认可发布过程，也不代表整个数学界；数学研究的未来不能只剩下理解 AI 企业提供的结果。⁷

“AI 很轻易地证明了难题”也需要谨慎表述。哈佛大学 6 月对 First Proof 独立测试的报道显示，一些 AI 解答正确且新颖，另一些存在错误、引用问题，或需要研究者花费很长时间辨读。这项较早测试不能裁定 10 月新模型的全部成果，却提醒我们：生成候选证明和确认其学术价值，有着不同的成本。⁸

争议也仍在发展。OpenAI 在 10 月 15 日宣布，向一项由 Simons Foundation 管理的计划提供 500 万美元，支持数学家检验、理解并发展 AI 生成的结果。⁴

我觉得，这个案例与最初的问题紧密相连：当机器越来越擅长交付结果，一项专业工作的价值，还包括人在其中获得的理解、判断、成长与共同探索。

数学本身就包含求知的满足、思想交流和代际传承。精神价值并不只存在于某些单独的服务行业。如果 AI 改变了证明的生产方式，社会也需要重新讨论，如何支持这些同样重要、却不能简单按“解出多少题”计量的活动。

这仍然不能证明数学家的岗位即将消失，也不能证明理解和提问永远只能由人完成。它让我的思考更进一步：未来需要重新衡量的，可能是许多职业内部各种活动的价值。

先被改变的，可能是岗位内部的分工

国际劳工组织与波兰 NASK 在 2025 年发布的全球研究估计，全球约四分之一的劳动者所在职业，对生成式 AI 存在某种程度的暴露。但报告认为，更可能发生的是工作转型。文职岗位的暴露程度仍然最高，部分高度数字化的专业和技术岗位也在增加。⁹

这里的“暴露”，指的是职业中的任务可能受到技术影响，不能直接读成相同比例的人会失业。

一项在 2026 年 3 月修订的丹麦研究也提供了有价值的观察：企业采用 AI、任务重新组织已经发生，但在研究覆盖的早期阶段，工资和记录工时尚未出现显著的平均变化。¹⁰

这让我觉得，未来职业变化未必表现为某一天“科学家消失了”“工程师消失了”。更可能先发生的是：一个职业的名字还在，内部的工作内容、入门要求，以及获得报酬的理由已经改变。

过去需要亲自完成的分析，可能逐渐成为随时可调用的能力。人的工作则可能更多转向选择问题、评估结果、协调资源和承担后果。当然，这些环节本身也会继续受到 AI 的影响。

这个想法，有一个相近的名字：情感经济

2019 年，Huang、Rust 与 Maksimovic 在《California Management Review》提出“情感经济”（Feeling Economy）：当 AI 承担更多分析和思考任务，人类工作的重心可能向人际互动、共情和情绪相关任务移动。¹¹

这篇论文比本文其他参考资料更早。我保留它，是因为它与最初的问题直接对应，适合作为概念来源，而不能拿它当作今天技术能力或未来就业数量的证明。

较新的全球观察与这个方向存在呼应。普华永道 2026 年的《全球 AI 就业晴雨表》分析了六大洲、27 个国家和地区超过十亿条招聘广告。报告发现，AI 对职业的影响出现分化：一些岗位因 AI 而更容易由非专家完成，另一些岗位则更加重视人的专业判断和领导能力。后一类的招聘与工资增长表现更好。¹²

这是一份观察性行业报告，无法单独证明 AI 导致了这些变化。但它提示了一种可能：当部分技能变得普遍可得，企业会重新衡量剩余任务的价值。

这种转移也可能发生在同一个职业内部。医生、教师和工程师，原本就同时需要专业知识、沟通与判断。未来并不一定是人们离开技术行业，而可能是这些职业越来越重视人与人之间的工作。

精神需求有空间，产业繁荣却需要条件

这里说的“精神价值”，可以具体理解为被倾听、得到支持、建立归属，以及参与有意义的共同体验。心理支持、教育陪伴、社区活动和文化体验，分别回应着其中一些需要。

这些需要并非凭空想象。世界卫生组织在 2025 年发布的全球报告指出，约六分之一的人受到孤独感影响。这说明社会连接是一项广泛存在的需求，但不能据此认定 AI 造成了孤独，也不能直接推算一个商业市场的规模。¹³

世界经济论坛《2025 年未来就业报告》对 55 个经济体的雇主进行调查，预计护理、社会工作、咨询及教育相关岗位到 2030 年将显著增长。不过，报告同时预计 AI、软件和大数据等技术岗位增长；这些预期还受到人口结构等因素影响。¹⁴

所以，我愿意提出一个有条件的推论：如果 AI 带来的生产率收益能够改善普通人的收入和时间条件，人们可能把更多资源投入关系、体验和精神生活。

这里最重要的是“如果”。效率提升不自动意味着每个人都更有钱、更有闲。需要陪伴的人，也未必付得起陪伴服务；一个市场扩大，也不等于其中的人类岗位和工资同步增长。

AI 也能安慰人，这恰恰让问题更值得讨论

“情感行业会发展”和“情感工作只能由人完成”，是两件不同的事。

《Journal of Consumer Research》一项于 2025 年在线发表、编入 2026 年卷期的研究发现，AI 陪伴能够缓解使用者当下的孤独感。其一周研究观察到的主要是使用后的即时改善，不能据此推断它可以长期替代人际关系。¹⁵

与之形成补充的是，2026 年《Psychological Science》一项覆盖四个西方国家、持续十二个月的追踪研究，发现部分指标下 AI 社交使用增加与后续孤独感上升有关；但更广义的社会连接指标没有显示同样的结果。作者也强调，探索性观察不足以确立因果。¹⁶

短时得到安慰，与长期形成良好的关系生活，需要分别检验。对于文化娱乐和其他精神消费，也需要继续问：增长的是人的劳动需求，还是 AI 生成服务的消费？

情感经济的提出者 Huang 在 2026 年 9 月的一篇新文章中，同样讨论了 AI 识别情绪、回应情感和支持客户关怀的进展。¹⁷ 因而，我们不能把今天的技术边界，当作未来职业分工的固定边界。

但还有一项发现让我印象很深。2026 年《Communications Psychology》的四项研究发现：参与者总体上更愿意选择真人提供共情，却可能在收到 AI 回复后，给它更高的质量与“被倾听感”评价。¹⁸

这说明，人们选择的对象和对回复效果的评价，并不完全相同。有时我们在意对方说得怎样，也在意是谁愿意为我们投入注意。

我由此猜想，一部分未来服务的价值，可能来自真实的人际投入、持续关系和共同经历。但这仍然只是推论：当前的选择偏好，还不能证明人们愿意长期支付更高价格，更不能保证二三十年后的人们保持同样偏好。

二三十年后，值得追问的是什么

从今天推到 2046—2056 年，没有哪一项研究足以给出可靠的职业清单。技术可靠性、组织采用、制度安排和人的偏好，都可能发生变化。

我会继续关注三个问题：AI 是否能在更少监督下可靠完成复杂工作；效率收益是否转化为普通人的收入和可支配时间；人们是否愿意持续为真人关系与共同体验付费。

这三个问题的不同答案，会导向不同的未来。我们可能看到专业工作扩张、人机分工深化，也可能看到某些知识任务和情感服务同时被自动化，收益集中在少数平台。

因此，我最初的想法可以修正为：AI 的发展可能削弱一部分知识与分析技能的稀缺性，同时提高人际关系、情境判断和共同体验的相对重要性；但这些价值能否形成广泛、体面的就业，取决于技术之外的分配与选择。

数学界的争议还让我意识到，这种变化可能发生在科研等专业内部。一个社会愿意支持怎样的探索、教育与共同生活，也会影响未来职业的形态与人们的生活方式。

当很多答案都可以随时获得，人如何决定值得追问的问题，又如何与别人共同生活，也许会成为更重要的功课。

资料检索截至 2026 年 10 月 18 日。本文是基于现有研究的个人推论，不是对特定年份就业结果的预测。下列年份按论文正式发表或明确标注的修订时间列示。

参考资料