撰文｜凉音、李珊珊

 ●                  ●                   ●

在中国的经济学家中，蔡昉常常扮演一个温和的预警者——一直以来，他坚持不懈地提醒着人们，繁荣的数字背后，还有另一道必须回答的问题：增长的果实，如何到达最需要的人手中？

2003年3月，北京，中南海。十六届中央政治局进行第三次集体学习，主题是"世界就业发展趋势和我国就业政策研究"。走上讲台的，是时年46岁的中国社会科学院人口与劳动经济研究所所长蔡昉，此后将近十年，他又两度受邀。三进中南海，在中国经济学家中极为罕见。三次授课，主题各异，却有同一条问题主线：中国的经济增长，究竟能不能真正惠及最广泛的劳动者？

这个问题，致力于研究人口、就业、收入分配以及“三农问题”的中国社会科学院学部委员、一级研究员蔡昉用了40年去追问。他曾以"刘易斯拐点"预警中国人口红利的终结，以“就业是最大的民生”为就业优先政策奔走呼号。

当GPT等人工智能产品骤然降临，蔡昉面对的历史语境，比以往任何时候都更为复杂。他的两本近作——《中国就业新趋势：人工智能如何重塑劳动力市场》与《投资于人》，正是在这一背景下写就，构成一个相互呼应的思想整体。

《中国就业新趋势》勾勒的，是AI冲击下中国劳动力市场的结构性图景：青年和大龄劳动者面临结构性就业困难、新就业形态劳动者权益保障不足、农村转移劳动力流动性减弱。书中有一个判断尤其令人警醒：新技术对就业的破坏往往来得快而集中，而对就业岗位的创造则滞后而分散，受益的又往往不是同一批人。这种时间错位，在AI时代只会更加剧烈。

《投资于人》则是对这一形势该如何应对的系统性梳理，以学术话语对党中央这一部署进行解读。书中，蔡昉直面人口老龄化与人工智能崛起两股力量同时在场的局面，并得出一个清醒的结论：两者在不利情景下，非但不会相互抵消，反而可能彼此强化——AI替代劳动力，就业减少，收入压低，消费需求随之萎缩；老龄化则使需求侧承压，两股力量咬合，足以形成一个自我强化的下行螺旋。

但蔡昉并不止步于诊断。他认为，这个螺旋并非宿命，打破它的钥匙，恰恰就藏在问题本身之中——人工智能带来的生产率跃升，如果能够通过正确的公共政策加以引导，让红利真正流向劳动者而非只是资本持有者，需求侧的塌陷便可以被对冲，不利循环也就失去了得以自我复制的条件。这也是他何以如此强调制度安排的根本原因：在他看来，人工智能带来的最深刻挑战，从来不是技术本身，而是分配——劳动生产率的跃升，能否通过制度安排，转化为每个人生活质量的切实改善。

蔡昉对“不患寡，而患不均”的转义借用，是在他与《知识分子》的交流中最让人印象深刻的一句回答，他认为，仿拟这句古语尤其适用于AI时代的特质——未来的我们缺的不是资源，因为劳动生产率的提升空间是无限的；我们真正需要警惕的，是提升后的生产率能否被普通劳动者分享，是使那些最先被技术冲击的人得到社会保护，用于扶助劳动力市场上的“一老一小”重点人群——大龄和青年劳动者。

他用一个思想实验来支撑这一立场：按照合理的人口赡养比推算，未来十年老龄化带来的抚养比每年约提高4.6%；而劳动年龄人口的劳动生产率每年可以提高5.6%；若持续对人投资，劳动生产率可以达到更高的增长速度，足以跑赢老龄化，满足老龄化的需求。那个令所有精算师焦虑的养老"不可能三角"——在提高缴费、降低保障、延迟退休之间被迫取舍——并非铁板一块，只要生产率红利能够通过制度被充分分享，就有被打破的可能。

面向AI的冲击，最有力的平衡方式是通过教育，发展一种能够匹配AI时代的人力资本。在新书《投资于人》中，蔡昉写道：“经济学对人类知识的一大贡献，便是把教育和培训视为对人的投资。”

在他的框架里，AI时代对教育的冲击，首先是对“文凭逻辑”的颠覆。过去，受教育年限是衡量人力资本的核心代理指标——上学越久、学校越好，在劳动力市场上的回报就越高。这套逻辑在AI时代正在失效：一纸文凭，无论学历高低，都不再能保证劳动力市场所需的技能。ChatGPT发布以来，市场对具有高学历和入门级技能的新成长劳动力需求，在英国减少了接近三分之二，在美国减少了43%。入门级技能的系统性贬值，使年轻人无辜地成为第一批受冲击者——那条经由“学徒制”的经验积累路径，正在被AI悄然截断。

但蔡昉的结论并非“教育无用”，而恰恰相反：人力资本比以往任何时候都更加重要，只是培养的内容与方式必须根本转变。他认为，未来的教育需要做两件事：一是从以认知能力为中心，转向更重视非认知能力——终身学习的热情与方法、好奇心、同理心、审美能力、沟通能力、团队协作；二是打破“一学定终身”的旧模式，将学校教育与终身培训体系真正打通，使后学校教育阶段的学习与学校教育并重。他甚至提出，如果过去学校教育与工作后培训的比例是9比1，那么在AI时代，这个比例至少要朝着5比5的方向转变。

然而，这同样意味着，政府的教育支出必须大幅扩张。他在书中指出，中国财政教育支出占GDP的4%，相当于世界各国的中位水平，与中国人均GDP已显著高于中位数的地位不尽相符。他呼吁向高收入国家平均水平的5%及以上看齐，并将义务教育向两端延伸——把学前教育与高中都纳入进来，让国家为尽可能多的学习“买单”。在他看来，这不是福利主义的奢侈，而是精明的公共投资：人力资本培养的社会收益率，在生命早期阶段最高，此后随年龄递减，在就业培训阶段再次提升，构成一条清晰的U形曲线——可见，恰恰是那些最容易被忽视的“一老一小”，最需要公共资源的优先投入。

以下是我们与蔡昉的对话。

01

“人口红利”到“AI红利”：我们会被机器替代还是救赎？

知识分子：您在《中国就业新趋势》中特意提到，我们得注意AI对就业的冲击不仅表现在数量方面（失业），还有质量方面，比如：工资水平的降低和劳动条件的降级，以及大量的派遣就业和非稳定就业都是这些就业质量降低的表现。

如果算法让雇主在财富"初次分配"中占据了绝对的、压倒性的优势，我们靠什么来守住劳动报酬的底线？在数字化时代，现行的劳动法律框架，是不是已经到了必须从“重塑劳资力量平衡”这一底层逻辑上进行重写的时候？

蔡昉： 劳动作为一种生产要素，它的配置方式本来就与其他要素不同——劳动与资本之间的谈判地位，天生就不可能是对等的。所以从一开始，劳动力资源的配置就不能单靠市场，既要遵循供求规律，也需要立法与规制，以及配套的劳动力市场制度和社会保障制度——这是劳动关系的内在性质，历来如此。

而现在的问题是，这种不对称正在被进一步加剧。过去，资本与劳动之间虽有替代性，但也有相当强的互补性；而人工智能出现之后，替代性已经高度确定，互补性却还是一个开放的问题。在这种情况下，劳资之间的谈判地位有可能发生失衡。算法管理不过是这一趋势最直观的体现——资本借助技术，将对劳动者的控制精细化、隐蔽化，而劳动者几乎没有反制的手段。

我不会说要建立一套全新的立法理念，但我们都必须承认，现有框架在新的就业形态面前已经力有不逮，需要在实践中不断丰富和强化。我认为，目前，优化的几个方向是比较清晰的：最低工资制度必须切实保障，并尽可能向"生活工资"标准靠拢，让劳动报酬能够覆盖体面生活的基本需求。另外，各种社会保障项目要真正落实到位，这在《中国就业新趋势》中曾经提到，要弱化社会福利作为特定群体权益的属性，增加全民普惠性和可及性，也需要探讨建立非缴费型的全民保障机制。

还有一点需要正视：未来的就业形态不会回到传统的单位制模式，平台用工、零工经济不仅会持续存在，还会有更多我们尚未预见的形式涌现。劳动法律和社会保障体系都需要持续适应这种变化，而不是固守为稳定雇佣关系设计的旧框架。劳动者保护的边界，需要随着就业形态的演变而不断重新划定。

知识分子：不管是在您的书，还是讲座中，您都特别提到AI应成为人的“互补者”，甚至在书中您特意强调：应该有意地优先发展能够增加就业的AI，引导企业不以替代就业为目标。但在现实商业逻辑中，“替代”才是最快的降本路径。我们靠什么机制引导企业主动选择人机协作，而非一味裁员？

蔡昉： 从每个企业的角度来说，采用人工智能的动机就是节约投入、减少人工，这是微观层面的理性选择，你没有办法去改变它。但所有企业都这样做的结果，就是就业整体减少、消费需求萎缩、产能无法消化——这就是"合成谬误"，个体理性汇总成大家都不愿意看到的结果。

所以，单靠呼吁企业"选择人机协作"是没有用的，必须有宏观与微观激励相容的政策引导。宏观层面，要做出分享生产率红利的制度安排，确保人们的消费需求与日俱增；有了新的消费需求，就会产生新的行业、新的就业岗位，微观层面的就业压力才能得到疏解。市场本身可能会失灵，这正是公共政策"投资于人"的出发点——不是市场意义上的投资，而是用制度安排来分享两个红利，才能保持经济合理运行。

知识分子：AI最先冲击的往往是入门级岗位——而这恰恰是年轻人积累经验、建立职业轨迹的起点。与此同时，大龄劳动者面临"智能鸿沟"，女性则长期承受就业与家务的双重压力。AI对这几类群体的影响，您能否分别评估一下，以及讲一讲如何应对？

蔡昉： 这几类群体面临的处境各有其结构性原因，不能混为一谈。

年轻人的问题在于，入门级技能正在被系统性贬值，AI 正在截断年轻人的职业起跑线。过去，一个法律专业的应届毕业生，虽然还没有独立执业的能力，但可以给资深律师做助手——查阅文件、整理材料、做实地调查，这是传统的"学徒制"路径，也是积累人力资本的必经之路。但现在，这些工作人工智能做得更快更好，年轻人在进入职业轨道的第一步便受阻。这是一个严重的结构性矛盾，虽然目前还没显现出很大的规模。

大龄劳动者的处境则更为脆弱。AI的发展进一步扩大了"智能鸿沟"——总体而言，年龄越大，适应新技术的难度越大，理解和使用人工智能的可能性越低，也就越容易在这场技术浪潮中被边缘化。这不是完全靠个人努力能克服的问题，而是需要制度性应对的社会挑战。

女性的情况更为复杂，有一组数据很能说明问题：中国女性将全部时间的约11%用于家务劳动，与许多国家相比并不算高。但与此同时，中国女性的劳动参与率高达60%，远超大多数国家。这意味着，中国女性是在保持高就业率的前提下，还承担了相当繁重的家务负担——儿童照料压低了生育意愿，老人照料则使老龄化在现实中成为家庭的负担而非社会的红利。如果能大力发展照护经济，将人的温情与人工智能、机器人的效能有效结合，既推进银发经济，也能真正减轻这种双重挤压。

知识分子：您在讲座中提到一个观点：人工智能或许能够“打破”养老领域的“不可能三角”。这是不是你认为AI有可能在中国人口红利消退，老龄化加深的未来起到正向作用的原因？

蔡昉： 英国金融监管局前主席阿代尔·特纳有一个著名判断：老龄化之后，现收现付的养老保障制度只有三条出路——提高缴费率、降低保障水平、延长退休年龄，你可以选其中一条、两条或三条，但不能一条都不选。我把这称为“特纳三角”，或者说是社会保障领域公认的“不可能三角”。

但我做了一个思想实验，当然，这里面没有精密的模型，也不是预测。我们粗略来看，按照合理的假设推算，未来十年老龄化导致的老年赡养比每年大约提高4.6%。而按照中国的潜在增长率推算，适龄劳动者的劳动生产率每年可以提高约5.6%，已经能跑赢老龄化约一个百分点。如果再把一些学者对人工智能拉动劳动生产率的估算叠加进来，劳动生产率增速或可达到每年7%以上，就能远远跑赢老龄化，足以缓解由此带来的养老压力。

当然，前提是——只有对人持续投资，这一切才有可能实现。所以我一直在说，与其陷入“精算恐慌”，不断担心养老资金的缺口，不如把眼光放在劳动生产率的提升上。劳动生产率的提升空间是无限的，我们真正需要警惕的，是提升后的生产力红利能否被老年人、被普通人公平分享。用一句改造过的古语来说——“不患寡，而患不均”。

02

文凭逻辑的终结，高人文价值行业永存

知识分子：您主张把学前教育纳入义务教育。此前也有学者提出把高中纳入义务教育、将部分大学改造成职业技术学院。您如何看待这一思路？

蔡昉： 我一直认为，学者的建议越具体，可行性和说服力往往反而越低，也越容易犯错。但总体方向上，我有几点想法。

第一，教育起点应该尽量往前延伸，越早越好。国际上有一个普遍认可的概念，叫"前1000天"——从怀孕那天算起，到孩子出生大约1000天时期中形成的人力资本，是终身任何其他阶段的教育都无法替代的，一旦错过，无论以后上多少学，有些东西也补不回来。这类能力，也是人类相对于人工智能最有可能保持比较优势的领域。

第二，延长义务教育的核心逻辑，是让国家来为尽可能多的学习"买单"。学前教育入园率不足，有些是客观条件不具备，更多是家庭负担不起；不读高中，也往往是由于经济原因。所以，把学前和高中两头都纳入义务教育，对于延长受教育年限，是有含金量的。

但我不赞成将大学改为职业技术学院。在人工智能时代，职业技能的"保质期"越来越短——你在孩子学习能力最强的年华，让他掌握一项可能毕业就已过时的技能，这是一种浪费。相反，孩子在那段时间里形成的学习能力、社交能力、团队合作能力和领导力，才是终身受益的财富。从这个意义上说，如果真的要做调整，应该是把职业技术学院有条件地升格为大学，而不是相反。

此外，如果过去学校教育与工作后培训的比例是9比1，那么在人工智能时代，这个比例至少要朝着5比5的方向转变。

知识分子：您书中曾经提到，过去三十年，"知识改变命运"几乎是一条铁律——学历越高，在劳动力市场上的红利越大。但这次生成式AI反过来，最先冲击的恰恰是白领阶层，知识和技能壁垒正在被快速抹平。支撑几代中国家庭向上流动的"文凭逻辑"，是否真的走到了尽头？在AI时代，学校教育究竟应该培养什么？

蔡昉：如果这里的“知识”是指人力资本的话， "知识越多越有优势"这个底层逻辑并没有终结，但它的具体表现形式变了。过去，经济学家用"受教育年限"来衡量人力资本——上学越久、学校越好，回报越高，这几乎是一个铁定的模型。现在，受教育年限本身的决定性作用在下降，重要的不再只是你上了多少年学，而是你在学校里究竟得到了什么，以及终身有多少学习机会、累计多长时间。

过去，我们的教育有一条清晰的逻辑链：学越"硬"的东西，腰杆越硬——学数学、计算机、编程，通常回报高，因为这些领域都是直接提升劳动生产率。人工智能的方向也恰恰沿着这条路延伸，推理、演算、记忆是它的比较优势。这里有一个著名的"莫拉维克悖论"：AI在逻辑推演上远超人类，随便一个小模型都能击败最顶尖的棋手；但在动作感知、身体协调这些对人类来说轻而易举的事情上，它的表现像个婴儿——我们看到很多机器人"出洋相"的视频，这是它结构性的弱势。虽然人工智能赋能的机器人仍将不断进步，但在这类能力上，人类与人工智能及机器人之间，很可能存在着一个持续性的“时滞”。

所以，人的技能培养应该走比较优势的道路：同理心、好奇心、审美、社交能力与团队精神。李飞飞在她的书《我所看见的世界》里讲过一个故事：他们早期训练AI做图像识别，AI看到一张非洲草原的照片，准确识别并描述出"一匹斑马在吃草"，意味着了不起的进步。但他们很快发现，那张图片里真正令人动容的，是画面中的一道彩虹，而AI完全没有注意到。这种对"彩虹"的感知力，是人类独特的能力，但也不是与生俱来的。我们现在很多年轻人，看得见斑马、看得见草地，却看不见那道彩虹——审美教育、好奇心的培养，在AI时代不是软技能，而是人与AI协作中的相对优势。

因此，未来学校教育需要做两件事：一是改变内容，从以认知能力为中心，转向更重视非认知能力——终身学习的热情与方法、自我更新的意愿；二是改变结构，不再把"硬科学"作为唯一的高回报路径，让人文、艺术、社会性培养在教育体系中占有真正的一席之地。

知识分子：您刚才谈到审美、情感感知是人类的比较优势，也是未来就业的来源之一。但现实是，除了超级明星，包括传统戏曲和室内乐在内的表演艺术行业，市场规模天然有限，很难靠劳动生产率创造出就业——海顿弦乐四重奏的演出，常常吸引不到足够的观众，演员难以养活自己。这类"低生产率行业"，在AI时代究竟有没有未来？如果有，它的生存逻辑是什么？

蔡昉： 这里有一个经济学概念叫"鲍莫尔成本病"，非常值得重新审视。鲍莫尔观察到，有一类行业长期存在、始终有需求，但劳动生产率几乎不增长——他最早举的例子是表演行业：几百年来演出形式几乎没有变化，没有生产率的提升，但人们始终要听，演员也依然能维持生计。他把这种现象称为“成本病”，因为成本高、效率低。但我觉得，这未必真的是"病"。去污名化的关键是看是否有需求。比如，周杰伦演唱会，可能有数万人去听，有强烈的需求，市场规模也十分庞大；但如果是个法语版的音乐剧《巴黎圣母院》，观众则大大受限，但需求仍然还有的。

这类之前深陷成本病的行业，特别是一些表演艺术、教育和医疗卫生等领域的行业，可能正是AI时代最具生命力的就业来源——它有真实的、持久的人类需求，不会被AI替代，而且这个需求还可能会随着人们品味的提升而扩大。问题在于，因为品味需要培养，这种需求目前还不够充分。但可以想像，随着生活水平提升，人们对更精细、更有深度的文化体验的需求是会增长的，比如表演艺术方面，花鼓戏、上党梆子、京剧、弦乐四重奏，都有它们的受众，只是还没有被充分激活。

要让这类行业真正活下去，光靠需求培育还不够，还必须解决一个根本矛盾：这类行业的从业者无法靠"提高劳动生产率"来提高报酬，他们的劳动性质决定了生产率的天花板就在那里。所以，必须让就业、报酬与劳动生产率适度脱钩。这正是全民基本收入（UBI）这类制度设计真正的价值所在——如果每个人每个月已经有一笔基本收入作为保障，那么一个人去唱梆子、演四重奏、做社区照护甚至义工，就不再是"养不活自己"的选择，而是一个真实可行的职业路径。是一种体面的职业选择。

分享生产率红利的制度安排，不仅是为了宏观层面的再分配，也是为了使这些低生产率、高人文价值，或者扩展而言具有良好消费体验的行业得以永续存在、花样翻新。

03

谁来为未来买单：从“投资于物”到“投资于人”

知识分子：这一轮AI浪潮到来的时间节点，对中国有一种特殊的戏剧性——它恰好撞上了人口红利加速消退的历史关口。表面上看，劳动力短缺了，智能体、机器人来补位，似乎来得正是时候。但问题在于：AI可以替代劳动，却不会自动创造消费。如果大规模替代同步压缩就业和居民收入，需求侧的塌陷可能比供给侧的补位来得更猛。在您的研究框架下，这两种效应叠加，究竟更接近相互抵消，还是彼此强化？

蔡昉： 的确，在最坏的情景下，这两种力量不是相互抵消，而是可能彼此强化，形成恶性循环。老龄化在供给侧已经造成了投资回报率下降、全要素生产率增速放缓等问题；人工智能进来，似乎可以填补生产率的缺口，但与此同时会导致劳动力被替代——就业减少、收入减少，进而压低消费需求；需求侧拉力不足，又反过来抑制经济活力，让那些新增的生产能力找不到出口。这不是一个你退我进的抵消关系，而是两股相互咬合的下行力量。

但是，就像习近平总书记谈到人工智能时说过的，它带来前所未有的发展机遇，也带来前所未遇的风险挑战。正因如此，这个矛盾靠市场自身无法化解，必须引入系统性的政策与制度安排。我理解的"投资于人"，核心就是建立能够分享人工智能生产率红利的制度——让人们在生产率提升的同时维持乃至提高消费能力，从而催生新需求、新行业、新就业。这是打破恶性循环的唯一出路。

知识分子：您一直呼吁大幅提升教育投入、完善养老保障、发展照护经济。方向无人反对，但约束很具体：经济放缓、地方财政承压，钱，究竟从哪里来？"投资于人"这个转向，最大的阻力是财政能力的不足，还是政策优先级的主观排序未变？

蔡昉： 这个账很难精确地算，算账是财政专家的事，提建议是我们的事。但我想就“钱从何处来”说几点看法。

第一，中国的经济体量庞大，在保持中速增长的同时，也存在失业、就业不足和产能利用率不足的现象。这意味着应有的经济活动与实际的货币数量之间存在落差——从理论上说，如果向这台经济机器注入一定规模的资金用于民生，是不会引发通货膨胀的。这涉及所谓的"现代货币理论"，在中外都是颇有争议的主张，但是，把货币政策、财政政策和社会政策相结合，“创造出”更多的资金用在人身上，利大于弊。

第二，中国经济继续增长，蛋糕还在做大。即便在财政盘子固定的情况下，蛋糕做大了，分配的规模理应相应扩大。何况，随着中国越来越接近于实现现代化目标，投资于人、用之于民的份额应该明显扩大。这也是各国现代化的共性。

第三，很多钱可以来自资源的重新配置。以教育为例：学龄人口下降，幼儿园、小学数量在减少，但资金却因行政归属不同而分散在各部门——0到3岁归卫健委，3岁以后归教育部门，职业教育的资金又归其他部门。这种碎片化管理导致资源无法有效整合。如果能通过改革打通这些壁垒，可以释放出相当大的潜力。

归根结底，我们的责任是改变理念。理念一旦真正改变，形成新的政策部署，办法总是有的。

知识分子：我们曾与哈佛的理查德·弗里曼教授交流过，他认为，解决AI时代分配问题的根本出路，是让每个普通人成为AI资产的持股者，直接分享技术红利；另一个在西方被广泛讨论的方案是无条件基本收入（UBI），也是您之前曾经提到过的。您如何评价这两种思路？它们是否触及了问题的根本？您在《投资于人》中主张的路径，与这两者相比，核心分歧在哪里？

蔡昉：理查德是个老朋友。对于 “全民持股”这个说法，我了解得不多，但觉得面临过多的技术难题。持谁的股？把美国七大科技公司控制起来？那"全民"又是谁？这在操作层面很难落实，从制度层面改变资本与劳动的关系，可能在美国的情况下更具有针对性，对于中国而言这个概念有点语焉不详。

分享生产率红利，最可靠的机制还是通过国家财政和基本公共服务供给体系进行再分配：一方面，该收的税要收上来——如果人工智能带来的劳动生产率提升是过去的数倍，相应的税收规模也应大幅扩大；另一方面，收上来的钱要切实用于改善民生，实现更符合公平正义目标的分配。

在“全民持股”和“全民基本收入”之间，如果让我选，我倾向于后者——它更符合分享的原则，实施也更简便，且不依赖于某种特定资产的归属安排。当然，具体采用哪种方式，还有很多值得探讨的空间。但核心逻辑是一致的：分享是目的，制度是手段。

要知道，人工智能的就业冲击性质表明，识别社会保障受益人的难度日益凸显。在过去，社会保障制度力图保障真正陷入困境的人群，以尽量避免“养懒汉”。然而，在人工智能时代，这种模式的运行条件将发生根本性变化。一个日益显现出来的现象是，无论是劳动者作为个人，还是社会作为整体，都越来越难以预先判断：何种劳动者技能可以同人工智能形成互补关系，从而可以预期由新技术予以增强；何种劳动者技能与人工智能恰好形成竞争关系，因而正好是岗位被人工智能替代的对象。

从这个意义上，劳动力市场上的人力资源错配不是劳动者个人的过错。劳动者一旦从遭遇就业冲击的经历中懂得这个道理，理性的选择便是不断接受培训和再教育，有时甚至需要一些时间观察和等待。对社会而言，更好的方式则是以更加普惠的方式对此给予兜底保障，允许受冲击劳动者试错和等待。概而言之，如果劳动者个人的就业意愿、失业原因和劳动参与状态均无法得到确定性的识别，那么社会保障制度应该更具普惠性，以便为劳动力市场行为留出更充分的余地。

所以，我更希望看到的，不只是GDP数字的增长，而是民生有切实可见的改善。因为幸福感、生活质量越来越体现在公共品的供给上——这正是福利国家的逻辑所在。我也希望中国能走出一条有自身特色的福利国家道路。