当AI绘画出现的时候，有人认为画师从此将被取代，也有人反驳“AI绘制的二次元没有一个‘手’是正常的”。但是当 chatGPT 出现的时候，好像所有人都在担心：自己的饭碗是不是要被AI打翻了？chatGPT可以和人类流畅的对话，甚至可以写作出质量极高的文章，并且“手画的难看”这种在AI绘画普遍存在的缺陷似乎在 chatGPT 身上并不存在。那么我们是否很快就要被AI替代了呢？

（因笔者为金融专业，故文中可能存在其他专业领域知识性错误，并且主要分析金融行业，其他行业的分析只好烦请各位读者参考文中逻辑自行分析。能力有限，还请谅解）

一、对于“替代”的定义

人类社会发展至今，机器替代人工的案例数不胜数，然而替代也分不同类型，文章开篇先为文章所研究的“替代”下个定义。

第一类替代为替代重复性、机械性的工作。以会计为例，根据商业汇票、报销凭证等原始票据，将数据填写至会计账簿中，这类工作即为重复性、机械性的工作。这类工作不需要多么高级的判断，只要根据会计准则，将账户科目、金额大小、借贷方向等一一对应即可。

第二类替代为替代具有“艺术性”的工作。同样以会计为例，在会计工作中有许多需要根据经验“拍脑袋”决定的科目，比如固定资产的折旧年限、无形资产的减值判断、研发费用资本化的时机等。这类需要经验以及复杂判断的工作，将其抽象概括为“艺术性”的工作。

本文所研究的“替代”，即为AI对“艺术性”工作的替代。

AI替代重复性、机械性的工作已经实现，但是AI是否有可能大规模替代“艺术性”的工作，把人们赶出工作岗位呢？

二、AI替代的可能性。

沿用上文会计的案例。目前来说，AI还做不到判断固定资产合适的折旧年限这样的工作，但是随着人类不断对AI进行训练，AI未来是可以做到的。

AI绘画在绘制二次元人物时最常见的问题就是手部出现变形，但是AI绘画在生成真人图片时表现堪称完美。究其原因，就是因为真人图片数据量远大于二次元图片。相信随着二次元图片数据的增多，AI绘画也能绘制出完美的二次元图像。

而会计估计在思维上的难度和绘图应该相差不大，甚至比绘图的要求还低。绘图要求十分精细，对误差的容忍度很低；但是会计估计只要能做到80%以上的准确度即可，因为就算是人来估计也不会有太高的准确度。这样的话，只要输入的变量和数据足够多，AI可以完全替代会计。

延伸到金融领域的其他岗位也一样，不论是一级市场承做承销的文件撰写、编辑，还是二级市场投资标的的选择、管理，甚至是企业融资决策等工作，只要输入数据量足够多，理论上AI都能够替代。

所以，只要数据“喂饱”，AI完全替代“艺术性”的工作，是完全有可能的。

那么是否有足够多的数据来训练AI呢？如果有，AI又是否能在短期内完成替代呢？

三、从理论分析、科技发展角度看AI替代

AI变聪明、完成替代不可或缺的是海量数据，数据的可得性以及完备性限制了AI替代的进程。

同样以会计估计中固定资产的使用年限举例。要推断一条生产线的使用年限主要从其产品需求入手，而影响产品需求的因素多种多样：新竞争者进入市场、出现了该产品的替代品或者产品价格波动乃至宏观经济情况都会影响到需求。

各个企业所处行业以及行业地位等情况都不一样，最极端的情况可能每个企业都得自己训练自己的AI模型，此时数据量必定不足，即AI不可能替代人类。

那么我们放宽标准：各个行业内的特征共通，同行业的企业可以使用同一套算法。此时数据量的问题可能能够得到解决，但是数据可得性成为了新的问题。如何将新竞争者的威胁、替代品出现的可能等变量量化输入数据库是一个问题，该问题目前仍未有效解决；当解决了这个问题之后，则需要时间来进行数据收集，因为没解决量化问题之前的数据是缺失的。这么看来，AI有替代人类的可能，但是要实现则需要较长的时间。

就算我们将要求放置最宽，所有企业的数据都是共通的，那么也只是缩短了解决量化问题后收集数据训练模型的时间而已。

对于金融领域其他岗位也是一样，举一个最普遍、最显著的例子——资产定价。不论是一级市场业务还是二级市场业务，资产定价都是要解决的核心问题之一。进行定价要对资产未来现金流、折现率、投资期限等变量进行估计，这其中就需要很多“拍脑袋”，而“拍脑袋”要考虑的因素也包括大至世界经济、地缘政治，小到个人边际消费倾向、市场情绪等多种目前仍未有效量化的变量。而且经济形势不断变化，AI模型至少需要学习的数据最保守需要涵盖一个50年~60年的康德拉季耶夫周期，最激进也要涵盖一个3~4年的基钦周期。

所以，从理论分析、科技发展角度来看，AI替代虽有可能发生，但是短期内较难实现。

四、从资源禀赋角度看AI替代

上文分析主要从AI深度学习所需要的元素出发讨论AI替代，这一小节让我们来从经济学中资源禀赋比较优势的角度分析AI替代的可能性与所需的时间。

在经济生产中，需要投入的生产要素可被分为两大类：资本与劳动力。企业为了实现自身的收入最大化，会在购买资本与购买劳动力之间进行权衡，选择成本最低的资本-劳动力组合。比如美国明显劳动力要相对缺乏而资本相对充足，所以其产业大多为资本密集型，企业生产都是大机器生产，人力使用很少，或者是高科技、金融等人力资本密集的企业。相比之下，我国就是劳动力密集特征明显，随着经济的发展近几年逐渐向资本密集转型。

能够替代“艺术性”工作的AI毫无疑问是“密集资本要素”，不论是购买已经训练好的模型还是自己训练模型无疑都要投入大量资金。所以在提供的劳动质量等其他方面相同的条件下，只有当花钱使用AI相对于雇佣劳动力而言成本更低时，企业才会放弃使用人力而转向AI。

这样看来，在AI训练等科学技术能够无阻碍的在全球传播的条件下，大规模的AI替代将会在发达国家首先发生，其次才会在中国发生。

五、从政治角度看AI替代

当AI能够大规模替代“艺术性”工作时，经济的运行机制必定会发生极大的变革。但是“物质决定意识”，在没有实际见到变革后的经济前，我们只能根据现有信息对其进行猜想。

当然也有可能经济运行机制仍和当下一样，那么此时发生大规模AI替代，会产生大规模的失业，这将导致社会危机，而这是政府所不能忍受的。作为以公有制为主体的社会主义国家，我们有意愿也有能力解决这个问题，虽然可预见的是在问题解决过程中会有很多新问题出现，比如经济运行效率下降，但至少“饭碗”是保住了。其实现在就有现实的例子。ETC高速公路收费站显然效率高于人工，但是目前很多收费站仍然保留了人工收费站，其中一个考虑即为政治考虑。

但是能替代“艺术性”工作的AI和ETC对于经济的影响不是一个等级的。我个人认为，当AI发展到能够大规模替代“艺术性”工作时，其实需要人类的岗位也不剩几个了。从供应链的角度看，不论是播种收割、畜牧养殖、挖矿精炼等原材料生产，还是包装分配、运输物流把产品送到消费者手上，其实几乎全部都可以由机器人完成。从经济学的角度来看，不论是生产生产资料、消费资料还是产品的分配，同样也都可以全部依靠机器人。此时的经济便实现了物质的极大丰富，人类要做的事情就是追求自由与全面的发展了。

六、从历史角度看AI替代

纵观古今，其实AI替代所做的事情从资本主义出现开始就一直存在——机器替代人工。如果被机器替代人就一直失业的话，那么随着科技变革和人工替代，失业率应该逐渐上升，但实际情况是失业率保持稳定，大量失业的出现是因为经济危机而非先进技术的替代。

究其原因应该是三方面，第一是科技进步创造了新岗位，比如大机器替代了人工，但是创造了制造大机器和修理大机器的就业岗位；第二是新增劳动力会调整技能训练方向，使得已经要被替代的岗位不会堆积失业人口；第三是人具有主观能动性，人会根据现实变化调整自己，而非坐以待毙。

以AI绘画为例。现在的AI绘画已经做到了一部分替代“艺术性”工作的程度，但是还不完美。当前的画师可以利用AI绘画画出作品，然后针对其有瑕疵的地方进行修改、完善，比如二次元人物的手。此外，目前的AI绘画很难针对具体要求作画，比如AI目前无法做到根据导演的要求制作出成品动画，所以动画制作对于画师的需求还未消失。跳出画师的圈子，AI绘画在画图领域还创造了训练AI画图的新职业。

总结

我们担心AI替代主要是担心失业，但是由上文分析可知，出现大规模AI替代需要不短的时间，并且如果真的到了AI技术极其发达的时候，可能已经进入共产主义社会了。从过往科技进步替代人工的历史来看，收入的公平分配才是在AI发展过程中更需要关注、解决的问题。