> **来源：[研报客](https://pc.yanbaoke.cn)** # 人工智能时代的中国人力资本研究总结 ## 核心内容 本文探讨了人工智能技术在中国的快速发展对人力资本理论和劳动力市场带来的深刻影响。研究指出，中国在人工智能基础研究、技术转化、产业应用和工业自动化方面均取得了显著进展，形成了完整的创新链条和产业生态。然而，这种技术进步也带来了新的挑战，包括就业结构调整、技能需求变化、收入分配差异等。因此，有必要调整传统的人力资本研究框架，以适应人工智能时代的新特征。 ## 主要观点 - **人工智能的迅猛发展**：中国在人工智能领域实现了从基础研究到产业应用的全面突破，成为全球人工智能技术落地的重要策源地。 - **传统人力资本理论的局限性**：经典的人力资本理论难以解释人工智能对人力资本参与生产方式、技能形成机制以及技术进步与经济增长之间关系的复杂影响。 - **任务—技能分析框架的重要性**：该框架通过将生产过程分解为任务层面，能够更精确地分析技术进步对不同任务和技能的差异化影响，从而解释就业极化、技能需求变化等现象。 - **人工智能对劳动力市场的多维影响**： - **替代效应**：人工智能可能替代部分常规性、程式化的工作任务，导致特定技能的绝对需求下降。 - **互补效应**：在某些情况下，人工智能与人类技能形成互补，提升生产效率。 - **新任务和新技能创造**：人工智能可能催生新的任务和技能需求，推动劳动力市场结构的调整。 - **收入分配与技能分化**：人工智能的广泛应用可能加剧收入分配不平等，尤其是对低技能劳动者的冲击更为明显。 - **企业、劳动者和家庭的决策行为**：传统模型忽略了这些主体的主动决策行为，因此在分析均衡效应时存在不足。需要将这些因素纳入统一的框架中进行综合研究。 ## 关键信息 - **人工智能论文与专利发展**：2010年至2020年间，中国人工智能论文发表量和被引量显著增长，专利授权量呈现“J型”增长曲线，2023年达到约85万件。 - **中国劳动力市场与人工智能**：中国制造业中，工业机器人装机量在2017年后超过世界其他国家总和，2021-2023年保持在27-29万台的高位。 - **就业极化现象**：在2005年至2020年间，中国制造业中，低技能和高技能职业的就业占比上升，而中技能职业的就业占比下降，呈现出就业极化趋势。 - **人工智能对技能需求的影响**：约19.05%的中国就业面临高替代风险，尤其是程式化非认知交互型职业。 - **技术暴露度的测算**：通过职业、任务和技能的分类，结合机器学习和人工评分，可以评估不同职业对人工智能的暴露程度。 - **人工智能对劳动力市场的影响**：既有直接替代效应，也有互补效应，同时可能创造新的岗位和技能需求。 ## 研究框架与方法 - **任务—技能框架**：该框架将生产过程分解为任务层面，分析技术对不同任务和技能的差异化影响，适用于解释自动化、人工智能等技术对劳动力市场需求的影响。 - **技术暴露度测算**：通过机器学习和人工评分，评估不同职业对人工智能的暴露程度，包括任务结构、数据可用性、任务目标、长链条因果推理能力等。 - **企业决策模型**：引入企业间的竞争行为（如古诺博弈），分析企业是否采纳新技术对劳动力需求的异质性影响。 - **劳动者与家庭决策模型**：通过移民决策模型，分析人工智能对劳动力市场中的技能错配、收入分配和区域流动的影响。 ## 未来研究方向 - **扩展任务—技能框架**：需纳入企业、劳动者和家庭的决策行为，构建更全面的均衡分析模型。 - **深入分析技能错配与收入分配**：关注人工智能对不同技能群体的异质性影响，特别是对低技能劳动者和城乡移民的影响。 - **政策制定与人力资本积累**：研究人工智能对经济增长和人力资本积累的互动机制，为制定兼顾效率与公平的公共政策提供理论支持。 - **跨区域与跨行业研究**：探讨人工智能对不同地区和行业的劳动力市场结构、技能需求和收入分配的影响，特别是中国二元经济结构下的不同企业类型对技术采纳和技能需求的影响。 ## 中国的人力资本研究前景 - 中国拥有超大规模劳动力市场、快速技术扩散和显著的区域与城乡差异，这为人工智能与人力资本研究提供了丰富的经验基础。 - 未来研究有望在人力资本形成机制、技能需求变化、劳动力市场调整和收入分配效应等方面形成更系统的认识。 - 人工智能技术的进一步发展，将推动中国劳动力市场和人力资本理论的深化研究，为全球提供独特的经验与理论贡献。