内容提要  人工智能技术迅速发展所产生的劳动力市场风险需要引起高度重视。与工业自动化时期的技术进步相比，人工智能技术对劳动力市场的影响呈现更为广泛、深入和复杂的特点。人工智能主要对认知型的工作任务和工作岗位产生影响，且对处于较高发展阶段的国家和具有较高人力资本水平的劳动力产生更大影响。基于中国城市劳动力调查（CULS）数据，本文发现：专业技术人员是受人工智能影响最大的群体，而制造业工人受到的影响较小。人工智能对劳动力市场的整体影响还受一国就业结构、工作任务构成、技术渗透率和法律规制的影响。因此，相比美国，从短期来看，人工智能不太可能对中国的整体就业形势产生显著影响。但考虑到中国独特的经济结构、庞大的劳动力市场以及正在进行的产业升级，人工智能的影响可能更为复杂和深远。因此，为应对人工智能带来的劳动力市场风险，应加强劳动力市场监测和基础数据收集、发展人工智能互补性技术和产业、进一步开展人工智能影响的前瞻性研究。

关键词  人工智能  劳动力市场  就业

作者简介 

贾朋  （中国社会科学院人口与劳动经济研究所 ）

都阳  （中国社会科学院人口与劳动经济研究所  中国社会科学院人力资源研究中心）

刊 期  2024年第5期

党的二十届三中全会通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》（以下简称《决定》）强调，“完善生成式人工智能发展和管理机制”“建立人工智能安全监管制度”。《决定》在强调人工智能等技术进步在发展新质生产力方面的基础性作用的同时，首次将“人工智能安全”提升到国家安全的高度，体现了统筹发展和安全的理念。建立人工智能安全监管制度，要求对人工智能可能对经济社会产生的各种风险进行动态分析和评估预警。而在人工智能可能产生风险的诸多领域中，其对劳动力市场特别是就业的冲击尤为深远，已经引起学术界和政策制定者的广泛关注。

与工业自动化时期的技术进步相比，人工智能技术对劳动力市场的影响呈现更为广泛、深入和复杂的特点。首先，人工智能技术已表现出通用目的技术（General Purpose Technologies，GPTs）的性质，不仅影响制造业等传统领域，还深入影响金融、医疗、专业服务等认知密集型行业。其次，人工智能具有学习和适应能力，可以执行更复杂的任务，这使得其对就业的影响更加深远和难以预测。与传统自动化技术主要替代体力劳动不同，人工智能有潜力替代或增强各种认知型任务，包括决策制定和创造性工作等。最后，人工智能对不同国家的影响存在显著的异质性，取决于其经济结构、技术准备度、人力资本水平和法律规制等。

中国拥有世界上规模最大的劳动力市场，正处于通过产业升级和经济转型推动经济高质量发展的关键时期，研究人工智能的劳动力市场风险具有更加突出的重要性和紧迫性。本文将在梳理人工智能技术进步特征的基础上，探讨人工智能对中国劳动力市场可能产生的影响，并提供相应的政策建议。

纵观人类社会发展和技术进步的历史，并不是所有的技术进步都会对劳动力市场产生显著影响。对劳动力市场产生重大影响的技术进步通常具有以下特征：普适性，能够在多个行业和领域广泛应用，易于大规模部署；变革性，能够彻底改变现有的工作模式或创造新的产业；效率提升，能够显著提高生产效率并降低成本；智能化，能够独立完成复杂任务；动态性，能够快速发展和迭代，具有强大的网络效应（Agrawal et al.，2019）。工业自动化技术和人工智能技术作为技术进步的典型代表，符合所有特征，因而对劳动力市场产生了重要影响。

工业自动化技术自19世纪末的机械化起步，经历了20世纪中期的电子控制和计算机技术引入，发展到21世纪的智能制造阶段，其核心特征是通过自动控制系统、机器人技术、传感器和数据采集、信息集成和管理，实现生产过程的高效自动化和精细化管理。工业自动化极大地提高了制造业的生产效率和产品质量，降低了生产成本，对制造业的转型升级起到了关键作用。

自20世纪50年代以来，人工智能技术经历了几次重要的技术突破，从早期的逻辑推理和专家系统，到20世纪末的机器学习，再到21世纪初的深度学习和强化学习。近年来，作为生成式人工智能的代表，大语言模型（如GPT系列）在理解和生成人类语言、执行复杂的认知任务方面展现出巨大潜力，标志着人工智能技术进入了一个新阶段。目前，没有证据表明人工智能的发展将停滞或减慢，头部科技企业正在竞相开发通用人工智能系统（Generalist AI Systems），力求在大多数认知工作中赶上或超越人类的能力（Bengio et al.，2024）。随着算法的不断改进和硬件的快速发展，人工智能已经从实验室走向实际应用，涵盖了图像识别、语音识别、自然语言处理、自动驾驶、医疗诊断等多个领域。每一次人工智能技术迭代都伴随着计算能力和数据处理能力的提升，使人工智能在处理复杂问题和大规模数据时表现得越来越出色。每一次技术迭代不仅带来性能上的提升，还拓展了应用场景，显著提高了相关行业的效率和创新能力。

工业自动化技术和人工智能技术对劳动力市场的影响既有共性，也存在显著差异。

首先，两者都显著提高了生产效率和精确度，减少了对人力劳动的依赖。通过自动化设备和智能系统的应用，许多重复性、危险性和高强度的工作可以由机器完成，从而减少了劳动力需求。此外，随着技术的进步，新的岗位需求也在不断涌现，如自动化设备维护、人工智能算法开发、数据分析等领域，为劳动力市场创造了新的就业机会。

其次，工业自动化技术和人工智能技术对劳动力市场的影响在深度和广度上存在明显的差异。工业自动化主要集中在制造业和一些特定的生产环节，对低技能、重复性工作任务的替代作用较为明显（Acemoglu and Restrepo，2020；Graetz and Michaels，2018）。此外，自动化技术还具有极化效应，即自动化对中等技能、从事常规工作的岗位替代效应更强，导致劳动力市场出现两极分化的趋势（Autor and Dorn，2013；Goos and Manning，2007）。人工智能技术则具有更广泛的应用潜力，不仅对制造业，还对金融、医疗、教育、服务等行业产生深远影响。人工智能能够处理复杂的认知任务，如数据分析、决策支持、客户服务等，甚至在某些领域超越人类的能力。因此，尽管短期内，人工智能技术的应用可能主要体现为效率提升和增强效应，但长期来看，随着技术的不断发展和渗透，人工智能对中高技能工作任务的潜在替代效应可能会逐渐显现，对劳动力市场的结构性调整带来更大的挑战。

最后，工业自动化技术的影响相对稳定，主要依赖于硬件设备的更新和维护。人工智能技术则处于快速迭代和不断创新的状态，新的算法和应用场景不断涌现，带来的影响更加动态和不可预测。这种快速变化要求劳动力市场具备更高的适应能力和灵活性，劳动力需要不断提升技能，以适应新的技术环境。

人工智能主要对认知属性高的工作任务和工作岗位产生影响，而整体上发达国家劳动力市场中认知属性高的工作任务和工作岗位占比高于中国。因此，人工智能技术可能更早地对发达国家的劳动力市场产生影响。

（一）人工智能技术的主要风险

有着“人工智能教父”之称的杰弗里·辛顿（Geoffrey Hinton）在谈到人工智能的极端风险时，强调了滥用、失控和就业三方面的主要风险，这些风险在他与合作者的研究中得到进一步阐释（Bengio et al.，2024）。滥用风险主要是指人工智能可能被用于恶意目的，如自动化战争、大规模操控和广泛的监视等。这种滥用可能性会导致一系列负面后果，包括放大现有的社会问题、破坏社会稳定以及导致大规模犯罪活动等。失控风险主要是指随着人工智能系统在黑客攻击、社会操纵和战略规划等领域的进步，可能会超越人类的控制或遏制努力。这种失控可能产生连锁反应，最终威胁人类的自主性，甚至生存。就业风险是指人工智能的发展可能在多个领域超过人类，劳动力市场将发生重大变化，可能导致大量工作岗位流失。如果管理不当，大量岗位流失可能引发更广泛的社会问题，如经济不平等和社会动荡。

相对于滥用和失控等极端风险，人工智能的就业风险可以被视为一个中等偏上的风险，需要引起高度重视。这是因为：第一，就业问题直接关系到大量普通人的生计和社会稳定，影响范围广；第二，相比其他一些更长远或假设性的风险，人工智能对就业的影响已经开始显现，并可能在近期内加速；第三，相比人工智能可能“接管”人类或完全脱离人类控制等更极端的风险，就业问题的可控性更强，通过教育、再培训、社会保障等政策可以得到缓解；第四，人工智能发展尽管可能会替代一些工作岗位和工作任务，但同以往的技术创新一样，人工智能也可能创造新的行业和就业机会，人类社会在历次技术革命中也都经历过类似的就业转型，积累了一些应对经验。正如Autor 等（2024）指出，1900年美国约35%的就业在农业领域，由于一个世纪的生产率增长，到2022年这一比例下降到约1%。这种转变并不是由于食品消费的下降，而是由于经济中全新行业和领域的出现。同样地，现在的大多数工作也并不仅仅是过去职业的延续，而是与技术创新密切相关的“新工作”，需要以前不存在或无法想象的专业知识。

总的来说，人工智能的就业风险虽然严重，但相对可控，且不太可能导致人类文明的存亡危机。因此，就业风险可以被视为一个重要但不是最极端的人工智能风险。

（二）人工智能对就业的影响

由于正处于人工智能应用的早期阶段，现有关于人工智能对就业影响的研究主要关注不同职业暴露于人工智能的风险，这与实际的岗位替代存在较大的差别。不过，正如Autor 等（2024）所发现的那样，早期主要执行常规任务的职业在随后经历了更大的就业份额下降。因此，研究不同工作岗位暴露于人工智能的风险对于预测未来就业岗位替代和就业结构变化仍然具有一定的意义。

从现有的实证研究文献来看，人工智能主要对认知属性高的工作任务和工作岗位产生影响。人工智能对于就业的影响有以下几个特点。

第一，全球就业市场中暴露于人工智能风险的岗位占较高比例。Eloundou等（2024）针对美国的一项研究发现，大约80%的美国劳动力的工作任务中至少有10%可能会受到大语言模型的影响，19%的劳动力可能有至少50%的工作任务受到影响；随着大语言模型的发展，受影响的工作任务占比还会大幅增加。Felten等（2021）基于美国O*NET数据库，结合人工智能的10个应用场景以及人类在工作中需要的52种不同能力，根据专家评分的结果，得出了每种人工智能应用场景替代每种工作能力的可能性，构造了“人工智能职业暴露指数”（AIOE）这一概念。Pizzinelli等（2023）在此基础上进一步提出了“人工智能互补性”的概念，该概念考虑了社会、伦理和物理环境的影响，以评估人工智能在特定应用中与人类劳动互补的可能性。这种方法有助于区分人工智能可能提高生产率的职业（如法官）与面临潜在岗位流失的职业（如文员）。Felten等（2021）和Pizzinelli等（2023）的工作奠定了这一领域研究的基础。Cazzaniga等（2024a）基于他们的研究，结合国际劳工组织142个国家的数据发现，全球就业市场中40%的岗位有暴露于人工智能影响的风险。案头工作任务的人工智能暴露风险显著高于其他职业。Gmyrek等（2023）发现，24%的案头工作任务有高暴露风险，58%有中等风险，而其他职业高暴露风险的比例为1%～4%，中等风险的比例为25%。

第二，发达经济体将经历更大的人工智能就业冲击。由于各国经济结构和人工智能采用准备程度的差异，人工智能对劳动力市场的影响将显著不同。发达经济体的工作岗位由于高度集中于认知任务，因而面临更大的人工智能冲击风险。Cazzaniga等（2024a）发现，发达国家暴露于人工智能影响的工作岗位占比为60%，新兴经济体为40%，低收入国家为26%。然而，由于发达国家优越的数字基础设施、熟练的劳动力和灵活的监管框架，它们也更有能力利用人工智能带来的优势（发达国家拥有更高的高暴露—高互补就业岗位占比，见图1）。相比之下，新兴市场国家和发展中经济体虽然初期暴露于人工智能影响的岗位较少，但由于其较低的人工智能准备水平，将阻碍其从人工智能驱动的生产率提升中受益。这种人工智能采用和准备程度的差异可能会加剧国家之间的收入差距。

图1 经济发展阶段与人工智能对就业岗位影响的差异性

资料来源：Cazzaniga等（2024a）。

第三，人工智能对就业的影响在各国内部也会显著不同，女性、高学历和高收入劳动力面临更大的风险。关于英国的一项研究发现，女性在高风险职业中就业的比例高于男性10个百分点。拥有大学学历的劳动力在高风险—高互补职业中的就业比重高于高中学历劳动力10～40个百分点（Cazzaniga et al.，2024b）。Eloundou等（2024）还发现，生产率增长较快的高收入工作受到人工智能的影响更大。

（三）人工智能对生产率的影响

人工智能对生产率的影响是多方面的。一方面，人工智能技术的应用可以大幅提高生产效率，减少人为错误，加速决策过程；另一方面，人工智能的广泛应用也带来了新的挑战，如数据安全、伦理问题等，这些因素可能在短期内影响生产率的提升。总体而言，大多数经济学家认为，长期来看，人工智能将显著提高全球生产率水平。

Czarnitzki等（2023）利用德国创新调查数据发现，人工智能的使用与企业生产率之间存在正相关关系。他们的分析表明，使用人工智能会提高销售额，范围在29%～33%，在观察期内，采用人工智能的企业生产率增长了6.2%。Briggs 和Kodnani（2023）关注生成式人工智能的生产率提升效应。他们基于O*NET数据库中的职业任务数据发现，广泛采用生成式人工智能会使整体劳动生产率的年增长率提高约1.5个百分点。Noy和Zhang（2023）提供了生成式人工智能对劳动生产率影响的实验证据，研究发现，使用基于生成式人工智能的写作助手可以使劳动力完成的任务数量显著增加11.8%，任务完成的质量提高4.2%。这些效果在经验较少的劳动力中更为明显。

与这些乐观的预测相反，经济合作与发展组织的一项研究承认人工智能对生产率提升的潜力，但强调实证证据仍不充分，认为人工智能带来的生产率提升有限（OECD，2023）。同样地，Comunale和Manera（2024）也认为目前尚缺乏人工智能对生产率积极影响的明确证据。

（四）人工智能对劳动收入份额的影响

人工智能对劳动收入份额的影响是一个复杂的问题。一方面，人工智能可能取代部分劳动力，导致劳动收入份额下降；另一方面，人工智能创造的新工作岗位，特别是高技能岗位，可能带来高薪酬，部分抵消这种影响。此外，人工智能提高生产率可能带来经济增长，间接增加劳动收入。然而，如果收益主要流向资本所有者，可能加剧收入不平等（蔡昉，2019）。因此，需要通过政策干预确保人工智能带来的收益能够公平分配。从实证研究文献看，Acemoglu和Restrepo（2022）指出，人工智能等因素驱动的自动化部分造成了美国工资不平等的上升。他们的研究表明，由自动化导致的工作任务替代可以解释过去40年美国工资结构变化的50%～70%。Wang等（2023）通过分析中国私营企业的数据发现，人工智能应用提高了企业利润，但对工资的影响有限。他们的研究结果表明，人工智能的“红利”未能在资本和劳动之间公平分配。整体上看，关于人工智能对劳动收入份额的影响，还需要更多的实证证据。

结合中国城市劳动力调查（CULS）数据，本文分析了人工智能对中国劳动力市场的影响，并从就业结构、工作任务分布、技术渗透率以及人工智能规制等方面讨论决定人工智能影响程度的因素。

（一）分析框架

Felten 等（2021）提供了52种工作能力的人工智能暴露指数。本文在Felten等（2021）和Pizzinelli等（2023）研究的基础上，将工作任务的分析方法纳入其中（都阳等，2017），构建了“工作任务—工作活动—工作能力”的分析框架，得到40种工作任务的人工智能暴露指数。

具体来说，首先，对于每一种工作任务（task），本文借助大语言模型（LLMs）强大的文本分析和语义理解能力，将其与O*NET数据库中的41种工作活动进行一一对应。如果开展某种工作任务时需要执行某种工作活动，则取值为1，否则取值为0。这样就得到了0-1矩阵A（40×41）。其次，针对O*NET数据库中的每一种工作活动（act）和工作能力（abl）的组合，本文根据O*NET数据库872种职业中工作活动和工作能力的重要性指数（importance level）和普遍性指数（prevalence level）的乘积，计算其相关系数ρ_act，abl，形成了矩阵B （41×52）。再次，针对每一种工作能力，本文将其和Felten等（2021）提供的能力层面的人工智能暴露指数进行连接，形成了矩阵C。最后，将这3个矩阵连乘，就得到了工作任务层面的人工智能暴露指数AITE（40×1），即

AITE_task=A_task，act×B_act，abl×C_abl

表1分别列出了受人工智能影响最大和最小的5种工作任务。可以发现：受人工智能影响最大的工作任务基本都是与语言、计算机、阅读、写作等相关的认知型工作任务；受人工智能影响最小的工作任务基本都是与手工操作相关的工作任务。

资料来源：根据中国城市劳动力调查（CULS）第五轮数据、O*NET数据库、Felten 等（2021）计算得到。

（二）人工智能对个体影响的特征

根据工作任务层面的人工智能暴露指数，结合中国社会科学院人口与劳动经济研究所于2023年开展的中国城市劳动力调查（CULS）第五轮微观数据中关于工作任务的度量（中国城市劳动力调查课题组，2024），计算个人需要执行工作任务的人工智能暴露指数的算术平均值，就可以得到个体层面的人工智能暴露指数。

从个体层面观察，人工智能的影响呈现出一些规律性的特征（见图2）。第一，人工智能的影响呈现较为明显的生命周期特征。人工智能的影响随着年龄的增长呈现倒“U”形趋势。新进入劳动力市场的青年人和即将退出劳动力市场的老年人受到的影响最小，而人工智能影响的峰值出现在25~29岁。这一年龄段的青年通常具有较高的失业率，叠加人工智能的影响，就业将面临更大的挑战。第二，人工智能的影响随着受教育年限的提高呈现不断增强的趋势。这主要是由于受教育年限较高的劳动力在执行认知型任务上具有较大优势，而人工智能技术主要对认知型的工作任务产生替代。这与Cazzaniga等（2024b）的研究结论一致。

图2 人工智能影响随年龄和受教育年限的变化

资料来源：根据中国城市劳动力调查（CULS）第五轮数据计算得到。

从职业层面可以进一步观察人工智能影响的特征。表2给出了受人工智能影响最大和最小的5种职业。可以发现，受人工智能影响最大的5种职业主要是专业技术人员，约占全国城市就业的7.34%；受人工智能影响最小的5种职业大部分为制造业和建筑业工人，约占全国城市就业的12.62%。需要强调的是，人工智能暴露度高的职业或工作任务，既可能面临被人工智能替代的风险，也可能受益于人工智能的增强效应，提高生产率和工作效率。

注：就业占比为对应职业占全国城市就业人员的百分比。

资料来源：根据中国城市劳动力调查（CULS）第五轮数据、2020年第七次全国人口普查数据计算得到。

（三）决定人工智能劳动力市场风险的因素

关于人工智能对中国劳动力市场影响的深入分析尚需更加细致的工作，不过从以下几方面的讨论可以对人工智能影响的程度以及中国与其他国家的差异进行初步分析。

首先，中国与美国等发达国家在就业结构上存在明显差异，导致人工智能应用在短期内对中国总体就业的影响风险较小。人工智能技术主要替代非重复性认知工作任务，如文字处理、记账、法律服务、证券分析和广告等。然而，在中国劳动力市场上，这些工作对应的职业和行业的就业比重远低于发达国家。

美国是全球就业受人工智能影响风险最大的国家。相比之下，中国的职业结构与美国有很大不同。在中国，从事生活服务、生产制造等职业的人员占全部非农就业人员的比例高达55.1%，这些工作受人工智能冲击的可能性较小。在美国，超过70%的就业岗位集中在专业技术人员、办事人员和生产服务人员等职业，这些恰恰是受到人工智能影响的高风险职业（见图3）。

图3 中国和美国职业结构的比较

资料来源：中国数据源于2020年第七次全国人口普查、美国数据源于CPS月度调查，以2020年末数据为参考。

因此，至少从短期来看，人工智能不太可能对中国的整体就业形势产生显著影响。此外，考虑到中国的劳动力成本仍远低于发达国家，目前人工智能在中国的应用相对优势也不如发达国家明显。

其次，人工智能冲击风险较大的认知型工作任务的比重虽然略有增加，但总体上占比还不大。人工智能技术对就业的影响从本质上看是对工作任务的替代，尤其是非重复、认知型的工作任务。劳动者执行的任务属性可以按照两个维度进行分类：第一个维度为“是否执行重复性的任务”，第二个维度为“是否为认知型的任务”（都阳等，2017）。因此，工作任务可以按照这两个维度分为四种（2×2）类型。一般认为，工业自动化技术（如工业机器人）对重复性的工作任务有较大的替代，而人工智能则更可能影响非重复性、认知型的工作任务。

根据中国社会科学院人口与劳动经济研究所在2016年和2023年所做的住户调查，可以观察两类工作任务分布的变化情况（见图4）。可以看出，重复性工作任务的分布曲线从2016—2023年明显左移，意味着工业自动化等技术对工作任务分布产生了明显的影响，就业替代效应明显。需要指出的是，这种分布的变化并不意味着就业总量必然减少。实际上，尽管这一时期中国工业机器人的使用数量大幅增长，成为世界上工业机器人使用量最大的国家，但就业总量仍然保持了显著增长。可见，以静态的、局部的观点看待技术进步的就业影响有很大的局限性。图4右图给出了两个信息：其一，虽然非重复认知型的工作任务暴露于人工智能的风险最大，但当前中国劳动力市场上该类型的工作任务占比并不高，两年的分布曲线都明显左偏；其二，2016—2023年中国该类型的工作任务的分布变化并不明显。可见，人工智能不太可能对中国的就业产生冲击性的影响。当然，具体的影响程度尚需要进一步分析。

图4 中国劳动力市场上工作任务的分布变化

资料来源：根据中国城市劳动力调查（CULS）第四轮和第五轮数据计算得到。

再次，目前人工智能技术在企业层面较低的渗透率决定了人工智能的劳动力市场风险较低。尽管人工智能技术的发展迅速，并在多个领域表现出巨大的应用潜力，但真正商用的并不多。即便在美国等发达国家，人工智能技术在企业层面的渗透率仍然较低。近期针对美国85万家企业的一项调查研究表明，仅有不到6%的企业使用了人工智能相关的技术；即使按就业人数加权后，平均采用率也只有18%左右（McElheran et al., 2024）。Svanberg 等（2024）发现，由于人工智能较高的使用成本，在美国的企业中仅有23%的视觉处理工作任务具有人工智能自动化的经济可行性。根据欧盟数字经济和社会指数（DESI），2022年仅有7.91%的欧盟企业使用了人工智能技术，其中渗透率最高的丹麦为23.89%，渗透率最低的罗马尼亚为1.38%。B尽管目前还没有关于中国人工智能渗透率的权威数据，但一些研究表明，发展中国家人工智能的渗透率整体上明显低于发达国家（Carbonero et al., 2023）。这种相对有限的渗透率意味着短期内人工智能取代大量人类工作岗位的风险相对较小。

最后，完善人工智能治理和规制可以帮助减轻或延缓人工智能的劳动力市场风险。目前，世界主要经济体已经就人工智能治理和规制达成广泛共识。中国政府对待人工智能的态度总体上是鼓励发展，同时加强监管。2023年10月，习近平主席在第三届“一带一路”国际合作高峰论坛开幕式主旨演讲中提出了《全球人工智能治理倡议》，倡导“以人为本”“智能向善”的人工智能发展理念。国务院在2017年就印发了《新一代人工智能发展规划》。为了促进生成式人工智能健康发展和规范应用，中国比较早就公布实施了《生成式人工智能服务管理暂行办法》。党的二十届三中全会进一步提出，“建立人工智能安全监管制度”。欧盟通过了世界上第一部《人工智能法案》，旨在针对人工智能产生的不同等级的风险实施分类监管。美国、英国和日本等国家都成立了国家层面的人工智能安全研究机构。在鼓励人工智能发展的同时，加强对人工智能的治理和监管，有利于管控人工智能技术的极端风险，减轻或延缓对劳动力市场的冲击，确保人工智能始终朝着不断增进人民福祉的方向发展。

本文分析了人工智能技术与传统工业自动化技术对劳动力市场影响的差异，并对人工智能在中国劳动力市场中的潜在影响进行了初步探讨。人工智能技术的快速发展和广泛应用，不仅带来了生产效率的提升，也对就业岗位、技能需求和收入分配产生了显著影响。人工智能对劳动力市场的影响除了遵循一般规律外，还受到一国产业和就业结构、工作任务的组成、人工智能技术渗透率以及有关人工智能发展的法律规制的影响。

对中国而言，作为世界第二大经济体和人口大国，人工智能的影响可能更为复杂和深远。中国独特的经济结构、庞大的劳动力市场以及正在进行的产业升级，都将影响人工智能技术的应用及其对就业的影响。为应对人工智能带来的劳动力市场风险，本文提出以下政策建议。

（一）加强劳动力市场监测和基础数据收集

开展人工智能对中国劳动力市场影响的科学评估依赖于完善的劳动力市场监测体系和基础数据资料。首先，进一步完善劳动力市场监测体系，建立覆盖面更广、颗粒度更细的劳动力市场监测网络，跟踪各行业、各地区、各类型企业的就业情况、工资水平、技能需求等关键指标。其次，加强对新兴职业和岗位的监测，及时捕捉人工智能带来的就业结构变化。由美国劳工部建立的职业信息网络（O*NET）数据库提供了一个很好的参考。O*NET数据库包含每种职业所需的技能、知识、能力和工作环境等信息，并定期更新，催生了大量关于劳动力市场的基础研究。建立中国版的O*NET数据库需要政府、学术界和产业界的密切合作。再次，完善个人层面的劳动力调查，了解劳动者的技能、培训、职业流动等情况。最后，加强对人工智能应用情况的统计，包括人工智能在各行业的渗透率、企业采用人工智能的程度等。

（二）发展人工智能互补性技术和产业

人工智能发展在改造传统技术和产业的同时，也会催生新的技术和产业。因此，努力发展人工智能互补性技术和产业是应对人工智能挑战的关键。人工智能互补性技术是指能够与人工智能技术协同工作，发挥人类独特优势，提升整体生产力或创造新价值的技术。人类的独特优势包括创造力、判断力、情感交流能力、复杂问题解决能力等。首先，重点发展需要人机协作的技术和产业。例如，在医疗领域，人工智能可以协助医生进行诊断和治疗方案制定，但医生的临床经验和情感交流能力仍然不可替代。在教育领域，人工智能可以提供个性化学习内容，但教师的引导和启发作用仍然至关重要。其次，提高全民数字素养以及人工智能技术的相关知识和能力，大力培养能够开发、维护和优化人工智能系统的人才，包括人工智能工程师、数据科学家、算法专家等。同时，也要培养能够将人工智能应用到各行各业的复合型人才。再次，鼓励创新创业，支持基于人工智能的新兴产业发展，如智能家居、自动驾驶、个性化定制等。最后，重视发展难以被人工智能替代的创意产业和服务业，如艺术设计、文化创意、高端咨询等。

（三）加强人工智能对劳动力市场和收入分配影响的前瞻性研究

人工智能技术正处于快速发展之中，其对劳动力市场和收入分配的影响尚未得到充分显现。因此，需要加强人工智能影响的前瞻性研究，未雨绸缪防范人工智能极端风险。首先，需要深入分析人工智能在不同行业、职业和技能水平上的渗透速度和程度，预测可能被人工智能替代或与人工智能具备互补关系的工作岗位。其次，要研究人工智能对就业结构、工作性质和劳动力需求的长期影响，包括新兴职业的出现和传统职业的转型。再次，评估人工智能对工资水平和收入分配的影响，特别是对不同技能群体的影响。最后，还应该探讨人工智能带来的生产率提升如何在资本所有者和劳动者之间进行分配。通过这些前瞻性研究，政策制定者可以及时识别潜在风险，制定有针对性的政策措施，如调整教育培训体系、完善社会保障制度、制定公平的税收政策等，从而更好地应对人工智能时代的挑战，确保技术进步带来的收益能够更加公平地分配，促进社会的包容性发展。