报告概述
本报告聚焦人工智能技术对中国人力资本研究的深刻挑战，系统介绍任务-技能分析框架，从需求侧出发梳理技术进步对劳动力市场的自动化、替代互补、新任务创造及全要素生产率四大效应。报告回顾计算机普及、工业机器人应用等历史经验，并专门讨论生成式人工智能对职业暴露度与技能需求的影响。进一步，报告指出现有框架对经济主体决策行为描述不足，提出应整合企业、劳动者、家庭及创新者的决策，构建统一的均衡分析体系。最后，从经济增长与收入分配两个维度探讨人工智能与人力资本互动的宏观结果，为制定兼顾效率与公平的公共政策提供理论依据。
报告的核心结论
人工智能通过任务层面的替代与互补效应重塑劳动力市场需求
报告指出，人工智能技术在单个任务层面对资本生产率的增强引发对特定劳动技能的直接替代（自动化效应），同时异质性改变任务生产率导致任务间替代或互补，从而改变不同技能的相对需求。这种机制超越了传统要素替代弹性框架，能解释特定技能绝对需求下降等特征事实。
生成式人工智能作为通用目的技术对高技能职业的暴露度更高
基于暴露度测度研究，报告表明生成式人工智能（尤其是大语言模型）影响范围极广，且高收入、高教育职业的暴露度显著高于低技能职业。这与以往技术浪潮不同，暗示人工智能可能替代部分认知型任务，同时催生新技能需求。现有实证显示人工智能可提升生产效率，但对劳动力需求的净影响尚存在替代与互补效应的拉锯。
现有任务-技能框架对经济主体决策描述不足，需纳入均衡分析
报告通过两个启发性案例说明，经典框架假设企业无条件采用技术、劳动者无弹性供给技能，导致宏观与微观证据矛盾。引入企业竞争、技术采纳异质性和劳动者迁移决策后，能解释企业层面技能需求非单调变化与宏观替代趋势的并存现象，凸显将创新者、企业、家庭和劳动者决策整合为均衡分析的必要性。
人工智能可能改变知识生产函数，影响经济增长长期动力
报告讨论人工智能直接参与创新过程的可能性，认为其既可能作为工具缓解创新耗竭（提高研发效率），也可能引发技术奇点，使知识生产函数发生根本改变。这将重塑人力资本在增长中的作用，并通过影响家庭决策（教育、生育、退休）间接改变人口与人力资本长期动态，给经济增长轨迹带来不确定性。
人工智能通过四种效应复杂影响劳动收入份额与收入内部分化
报告从自动化、任务间替代互补、新任务创造和全要素生产率四个效应分析收入分配。自动化直接降低劳动收入份额，新任务创造提供补偿，任务间效应方向取决于互补/替代关系。劳动收入内部分化则因技能异质性冲击而加剧，代际、地区、教育、性别等因素相互累积，可能扩大收入鸿沟。
报告回答的关键问题
人工智能如何改变劳动力市场的技能需求？
报告基于任务-技能框架指出，人工智能通过自动化效应直接替代特定技能（如常规性任务），同时通过新任务创造效应产生对互补技能（如与AI协作的能力）的新需求。不同职业的暴露度差异显著，高技能白领工作反而面临更高替代风险，但人工智能也可能提升部分任务的效率，从而扩大对互补性劳动力的需求。总体呈现技能极化趋势，中等技能常规工作受冲击最大。
为什么企业层面的自动化效果与宏观数据不一致？
报告通过一个古诺竞争模型说明，传统任务-技能框架假设所有企业同步采用技术，但现实中企业因竞争策略、市场定位等差异会做出异质性决策。当一家企业采用自动化后，可能降低自身对某技能的需求，但未采用的企业因产品市场竞争变化反而增加雇佣。宏观上加总后技能需求下降，但微观上不同企业方向相反，解释了为何企业层面常观察到就业扩张而宏观层面呈现替代。
中国劳动力市场在人工智能时代面临哪些特殊挑战？
报告指出，中国兼具超大规模劳动力、快速技术扩散、显著区域与城乡差异、独特所有制结构以及产业升级背景。这使得人工智能的冲击更为复杂：工业机器人普及导致制造业就业极化，但整体就业未出现极化；城乡移民受自动化影响，低技能劳动力迁入减少，而高技能劳动力流入增加。公有制企业可能扮演技能“蓄水池”，私有制企业则更激进地替代劳动，形成独特的调节机制。
人工智能会加剧收入不平等吗？
报告认为，人工智能通过四个效应影响劳动收入份额，整体方向取决于效应强弱。自动化效应压低份额，新任务创造效应提升份额，而任务间替代互补效应方向不定。在劳动收入内部，技能异质性冲击导致高技能者受益、低技能者受损，且代际、地区、教育、性别等分化因素相互累积，可能加速收入鸿沟扩大。政策需在效率与公平间寻求动态平衡。
任务-技能框架如何帮助理解人工智能对就业的影响？
任务-技能框架将生产过程分解为任务，分析人工智能对单个任务生产率的影响，从而区分自动化效应（替代劳动）、任务间替代互补效应（改变任务组合）、新任务创造效应（增加新岗位）和全要素生产率效应（扩大总需求）。该框架能够解释为何技术进步既可能减少某些工作的绝对需求，又可能通过创造新任务和提升总产出增加整体就业，比传统生产函数方法更贴合实际。
报告中的代表性数据
中国人工智能论文被引量占比
2020年，中国人工智能论文被引量占比从2010年的约12%上升至2020年的23%，超过同期美国和欧洲，表明中国AI研究质量与国际影响力显著提升。
中国人工智能专利授权量
2023年，中国AI专利授权量在2023年达到约85万件历史新高，远超世界其他国家的总和，显示中国已成为全球AI技术落地的重要策源地。
大中华区企业生成式AI采用率
2024年，基于抽样调查，大中华区企业生成式AI采用率从2023年的约30%快速上升至2024年的约73%，基本追平欧洲和北美水平，体现中国企业对新技术的快速响应能力。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整报告包含中国与世界在AI论文发表、专利授权、企业AI采用率及工业机器人装机量的详细对比图表（图1-4），展示中国AI发展的系统性特征。
- 详细阐述任务-技能框架的数学结构与理论推导，包括最终品与中间品的生产函数设定、要素替代弹性、新任务与旧任务消亡的建模方式。
- 系统梳理计算机普及与工业机器人应用相关的国际实证研究，涵盖就业极化、工资不平等、地区劳动参与率等经典文献。
- 回顾中国劳动力市场研究，包括工业机器人对制造业就业影响的微观证据、就业极化的行业特征、自动化的空间配置效应等。
- 介绍职业/任务/技能对AI暴露度的多种测算方法（如Frey & Osborne、Felten等），并给出中美两国职业替代风险的比较结果。
- 呈现生成式AI（如ChatGPT）对生产效率的实验证据，包括写作任务、客服工作、编程等领域的随机实验与准自然实验研究。
- 包含企业技术采纳与劳动者迁移决策的两个启发性数学模型，展示将企业竞争与劳动者选择纳入任务-技能框架后的均衡分析。
- 详细讨论人工智能时代劳动力市场均衡的四个主体（创新者、企业、家庭、劳动者）的决策机制及其通过价格信号的互动。
- 分析人工智能对经济增长的双重路径：人力资本协同与知识生产函数变革，包括创新耗竭假说与技术奇点的理论探讨。
- 深入剖析收入分配的两个层面：劳动收入份额的四种效应分解，以及劳动收入内部在代际、地区、教育、性别维度的分化机制。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
