分类 Finace 下的文章

这篇博文旨在整合三份关于中国社会代际流动性、公众感知以及人工智能对劳动力市场冲击的研究报告。通过数据解构“阶层跨越”的底层逻辑，对比主观期待与客观现实的偏差，并审视 2026 年最新出现的结构性预警。

*文末有论文和研报下载链接

*文章由AI总结

根据《经济学（季刊）》的文献综述，代际流动性（Intergenerational Mobility）通常通过父代与子代在收入、教育或职业上的相关性来刻画。这种相关性越强，意味着“代际持久性”越高，流动性则越低。

在量化研究中，两个核心指标定义了这种“粘性”：

$$ln y_{1i} = \alpha + \beta ln y_{0i} + \epsilon_i$$

其中 $\beta$ 越大，代表阶层越趋于固化。研究显示，中国 1981—1988 年出生的人群，其 IGE 较 70 后显著上升，意味着收入的代际相关性在加强。

代际排序相关性（Rank-Rank Slope, RRS）：描述子代在同龄人中的收入排名对父辈排名的回归斜率。该指标对极值更稳健，已成为目前国际前沿的主流测度方式。

代际传递主要通过禀赋继承（基因、文化、社会网络）和人力资本投资（私人与政府投入）两条路径实现。研究共识指出，中国目前的代际流动性仍有较大提升空间，且阶层固化的趋势尚未得到有效缓解。

发表于《中国季刊》的研究揭示了一个显著的现象：中国公众对社会流动性的主观感知与客观现实之间存在巨大的“乐观偏差” 。

这种乐观情绪可能源于传统文化对教育的重视，以及政府在公平竞争方面的政策宣传，但也预示着当现实与预期发生撕裂时，可能会产生更强的心理冲击。

*此研报解读可以去看老厉害的视频

进入 2026 年第一季度，花旗银行（Citi Research）的报告指出，中国劳动力市场出现了“GDP 与就业脱节”的加深迹象。

青年失业率创纪录：2026 年 3 月，16-24 岁人群失业率维持在 16.9% 的高位，而 25-29 岁人群失业率攀升至 7.7% 的历史新高 。

AI 替代效应显现：报告估计约有 9.6% 的工作（约 7000 万个）面临 AI 驱动的直接裁员风险 。年轻职场人（20-29 岁）由于工作内容与 AI 的重合度更高，暴露程度高达 13.6% 。

将这三份报告连在一起看，可以勾勒出一个极其冷静甚至是冷峻的现实图景：

数据的诚实性：虽然大众的直觉是乐观的，但经济学指标（IGE/RRS）揭示了阶层间的摩擦力正在变大。
系统的黑天鹅：2026 年的 AI 冲击并不是简单的“替代”，它首先打击的是那些处于职业生涯早期、原本试图通过教育杠杆实现跃升的年轻人群。
布局的逻辑：
- 对抗粘性：既然客观“粘性”比感知的高，那么依赖常规的“学历积累”已经不足以完成跃升。必须通过极高的执行力和对高阶技能（如 AI 工程、量化建模）的垄断，来对冲系统性的阶层惯性。
- 识别风险暴露：2026 年的数据明确了 20-29 岁群体在 AI 面前的脆弱性。这意味着，与其去做能被 AI 自动化的“存量任务”，不如去做那些“增强人类能力”或“创造新任务”的增量开发。
- 孤独的理性：在大众普遍乐观时保持冷静，在系统性失业风险逼近时提前建立“主权个人”的护城河。像章北海那样，在噪声中提取真实的信号。

结论：不要被“感知”欺骗，要向“算法”借力。在这个 GDP 与就业脱节、AI 重塑岗位的 2026 年，硬核的技术资产和跨地域的流动性，才是真正的生存筹码。

原文下载