（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

从论文、专利到工业机器人，从“任务—技能”到收入分配，一文看懂：AI时代，中国人力资本正在经历什么？

2026年6月，北京大学易君健、周子煜发布《2026人工智能时代的中国人力资本研究报告》。报告的核心判断很清晰：

人工智能在中国的大规模应用，已经不可逆转。真正的问题不再是“AI会不会来”，而是“人与技术如何和谐发展”。

这不是一句空话。它关系到数以亿计劳动者的就业、收入、技能投资，甚至关系到家庭生不生、孩子学什么、年轻人往哪流动。

今天这篇文章，带你用最通俗的方式，读懂这份报告。

一、中国AI到底有多猛？四个维度看清楚了

报告开篇用四组数据，描绘了中国AI发展的“系统性爆发”。

1. 基础研究：从跟跑到并跑

2010—2020年，中国在计算机科学领域的人工智能论文发表量大幅增长。更关键的是质量：中国AI论文被引量占比从2010年的约12%，上升到2020年的23%，超过同期美国和欧洲。

专业解读： 这说明中国不只是“论文多”，国际学术影响力也在实质性提升。

2. 技术转化：专利授权“J型曲线”

2010—2023年，中国人工智能相关专利授权量在2019年后爆发式增长，2023年达到约85万件，远超世界其他国家总和。

专业解读： 专利是技术落地的前哨。中国已经成为全球AI技术落地的重要策源地。

3. 产业应用：企业采用率快速追平

2023年，大中华区企业广义AI采用率约48%，低于欧洲57%、北美61%；但2024年迅速升至约75%，基本追平。生成式AI更明显：2023年大中华区约30%，2024年升至约73%，追平欧洲和北美。

专业解读： 中国企业对新技术的响应速度和采用意愿非常强。

4. 工业自动化：中国已是全球领导者

中国工业机器人年装机量从2010年起持续增长，2017年开始超过世界其他国家总和。2021—2023年稳定在27—29万台，占全球一半以上。

专业解读： 中国制造业自动化转型的需求，不是未来时，而是现在进行时。

四组数据拼在一起，形成一条完整链条：基础研究—技术转化—产业应用—工业自动化。

但报告随即抛出根本问题：

科学技术蓬勃发展的背景下，人与技术如何实现和谐发展？

二、传统经济学解释失灵了：技术进步为何会让一些人收入下降？

在传统经济学模型中，技术进步通常像“涨潮”：全要素生产率提高，所有要素回报都会上升。也就是说，AI来了，大家应该都受益。

但现实不是这样。

美国上世纪以来出现：技术性失业、技能极化、收入不平等加剧。一部分劳动者的绝对收入甚至持续下降。传统模型很难解释：为什么技术进步会让某些技能的需求“绝对下降”？

报告重点介绍了目前劳动经济学的主流分析框架：

任务—技能框架

它的核心思想是：生产不是直接由资本和劳动完成，而是由一系列“任务”完成。不同任务，可以由资本、不同技能劳动来干。

打个比方：一份工作不是一整块铁板，而是一堆乐高积木。AI可能替代其中几块，补上另外几块，甚至创造新积木。

这个框架把技术进步的效应拆成四个：

1. 1. 自动化效应：资本在单个任务层面替代劳动。
2. 2. 任务替代互补效应：不同任务之间发生替代或互补，改变对不同技能的需求。
3. 3. 新任务创造效应：技术进步创造需要新技能的新任务。
4. 4. 全要素生产率效应：整体效率提升，增加对所有要素的绝对需求。

专业解读： 前两个效应解释“为什么有人被替代”，第三个解释“为什么新岗位会出现”，第四个解释“为什么总就业不一定下降”。四个效应合在一起，才是AI对劳动力市场的完整冲击。

三、计算机和机器人时代，已经验证过这套逻辑

报告回顾了两次技术浪潮。

计算机普及：常规任务被替代

Autor等2003年提出“常规—非常规”分类。计算机价格下降后：

• • 常规性技能需求下降；
• • 非常规性技能需求上升；
• • 常规任务投入占比上升，非常规任务占比下降。

美国1970—1998年，大学毕业生相对需求变化中，60%可归因于常规技能需求下降。

随后，就业极化成为热点：中等技能岗位萎缩，高技能和低技能岗位增加。

工业机器人：中国制造业出现极化

中国整体劳动力市场过去十五年更多转向高技能就业，但制造业内部出现明显就业极化：低技能和高技能制造业职业就业占比上升，中档制造业职业下降。

王永钦和董雯的研究发现：工业机器人渗透度每增加1%，企业劳动力需求下降0.18%，且不同技能影响不同。

但也有相反证据：李磊等发现工业机器人使用整体促进劳动力需求，主要来自产出规模扩张；陈东和秦子洋发现智能化在产业内促进包容性增长，但产业间有负面溢出；杨飞和范从来也得到相似结果。

城乡移民方面：工业机器人应用显著减少外来劳动力迁入，主要来自低技能劳动者。汪前元等估计，2005—2015年移民占当地人口比例下降4.5个百分点。同时，户籍改革与机器人普及共同促进高技能劳动力流入。

专业解读： 中国的研究结论有分歧，恰恰说明：只看技术不够，还要看企业决策、劳动者流动、制度环境。

四、AI时代的新关键词：暴露度

过去分析技术冲击，常用“高技能—低技能”“常规—非常规”分类。但生成式AI太特殊：它能写代码、做分析、生成创意，任务广度和深度远超以往。

于是，一个新概念成为核心：职业/任务/技能对AI的暴露度。

报告梳理了几种代表性测算：

• • Brynjolfsson和Mitchell：用八类指标主观评判机器学习对任务的替代性。
• • Frey和Osborne：基于O*NET数据，用专家评分+机器学习，估计美国约47%就业岗位面临高风险被计算机化。
• • Felten等：把AI进展与职业能力映射，可动态更新暴露度。
• • Eloundou等：用GPT-4对任务评分，发现80%职业超过20%任务暴露，超过50%职业有超过50%任务暴露，接近20%职业超过90%任务暴露。高技能、高收入职业暴露更高。
• • 王林辉等：中国约19.05%劳动就业面临高替代风险，程式化非认知交互型职业组群可替代风险最高，超过50%。

专业解读： 生成式AI的冲击不是“只打低端”，反而可能先冲击白领、高学历、高收入岗位。这和过去“机器替代体力劳动”的逻辑很不一样。

实证也支持AI生产率提升：

• • Noy和Zhang：ChatGPT使任务完成时间减少40%，输出质量提高18%，工人效率差异缩小。
• • Brynjolfsson等：客服场景中AI辅助使每小时解决问题数量平均提高15%，经验少、技能低的工人提升更大。
• • Hui等：内容创作自由从业者受生成式AI冲击，受雇和报酬显著下降，顶尖自由职业者也可能受不成比例影响。
• • Makela和Stephany：AI互补性技能需求增加，替代性技能需求下降，互补效应比替代效应大50%，净影响为正。
• • 陈琳等：中国线上招聘中，AI降低常规职业劳动力需求，增加非常规职业需求，尤其管理类、技术类。
• • 王林辉等：AI带来“再技能化”和“去技能化”双重效应。

五、报告最大创新：不能只看技术，要看“人怎么决策”

报告指出，传统“任务—技能框架”有一个关键不足：把企业、劳动者、家庭当成被动接受者。

但现实中：

• • 企业不会无条件采用所有技术；
• • 劳动者会迁移、转行、退出；
• • 家庭会调整教育、生育、退休决策。

于是出现一个悖论：宏观研究常发现技术替代劳动，企业微观研究却常发现采用AI后雇佣扩张。

报告用两个启发案例说明。

企业决策案例：两家企业，可能一家用AI，一家不用

假设两家企业古诺竞争。技术革新后，任务2可由AI完成。经典框架预测两家都会用AI、都减少技能2雇佣。

但加入企业竞争和劳动力供给曲线后，可能出现非对称均衡：一家采用AI，另一家不采用。结果：

• • 微观上，采用AI的企业减少技能2需求，未采用的企业反而增加；
• • 宏观上，技能2总需求和工资仍下降。

专业解读： 企业异质性像“缓冲器”，延缓技术冲击，也解释了为什么实证结果经常打架。

报告还特别提到中国所有制结构：国企可能成为传统技能“蓄水池”，民企成为新技能“孵化器”。

劳动者决策案例：AI来了，低技能移民为何减少？

假设城市和乡村两个地区。AI可替代城市任务2后：

• • 城市低技能工资被锁定在1/ψ，随AI生产率提高而下降；
• • 城市高技能工资随AI生产率提高而上升；
• • 低技能从乡村向城市迁移减少，高技能继续流入。

专业解读： 劳动者不是被动挨打，他们会根据预期收益主动迁移、转行、学习。技术冲击的最终结果，是技术可能性与人的理性决策共同决定的。

报告最终提出四类主体均衡：

• • 创新者：决定研发方向、投资、商业化；
• • 企业：决定技术采纳、雇佣、培训；
• • 家庭：决定教育、生育、退休；
• • 劳动者：决定迁移、职业转换、技能更新、参与率。

价格信号在其中协调一切。

六、宏观后果：增长与收入分配

1. 增长：AI可能改变“知识生产函数”

人工智能发展高度依赖高质量人力资本。家庭生育、教育、婚姻决策，长期影响人力资本数量和质量。

同时，AI可能直接参与创新过程。报告提出两种路径：

• • 缓解创新耗竭：AI作为研发工具，提高研发效率；
• • 技术奇点：AI成为创新主体，自我改进，知识生产函数根本改变。

专业解读： 过去是“人力资本推动技术进步”，未来可能是“AI推动AI”，人力资本的角色会被重新定义。

2. 收入分配：劳动收入份额与内部差距

中国劳动收入份额呈U形：1992年约54%，2006—2011年触底48%—49%，2023年回到53%。由于居民财产性收入占比低，大量居民依赖劳动收入，这个指标非常重要。

AI对劳动收入份额有四个效应：

• • 自动化效应：负向；
• • 任务替代互补效应：复杂，取决于替代弹性；
• • 新任务创造效应：补偿，新岗位、新职业、工资溢价；
• • 全要素生产率效应：中性。

劳动收入内部也会分化：技能、代际、地区、教育、性别差异，且可能相互强化，形成累积效应。

专业解读： AI时代，收入差距可能加速扩大。初期的技能差异，会被技术放大成收入鸿沟。

七、政策启示：效率与公平，必须动态平衡

报告最后强调：人工智能时代的人力资本政策，面临前所未有的复杂性。

要在促进效率与维护公平、推动创新与保障稳定之间寻求动态平衡。

政策框架需要：

• • 充分灵活性；
• • 能针对不同技术路径和社会影响动态调整；
• • 多层次政策工具组合；
• • 多阶段实施机制。

既要防止市场失灵和社会失序，也要避免过度干预抑制创新。

给普通人的三个提醒

1. 1. 别只问“我的岗位会不会被AI替代”，要问“我的任务中哪些会被替代”。
   岗位不会一夜消失，任务会先被重构。
2. 2. 与AI互补的技能更值钱。
   报告提到：数字素养、团队合作、适应力、复杂判断、创造性，需求在上升。
3. 3. 人力资本投资要动态化。
   教育、迁移、职业转换、终身学习，不再是“一次选择”，而是持续调整。

一句话总结

北大这份报告告诉我们：

AI不是简单抢饭碗，而是重写饭碗。
它重塑任务、技能、企业决策、家庭选择和收入分配。
谁能更快理解“任务—技能—决策—均衡”这条链条，谁就更可能在AI时代找到自己的位置。

未来已来。不是AI淘汰人，而是会用AI、能适应AI、能与AI协作的人，正在重新定义人力资本。

【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

如需获取更多报告

扫码加入

“人工智能产业链联盟”

知识星球，任意下载相关报告！

报告部分截图

声明

来源：北京大学，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

编辑：Zero

文末福利

1.赠送800G人工智能资源。

获取方式：关注本公众号，回复“人工智能”。

2.「超级公开课NVIDIA专场」免费下载

获取方式：关注本公众号，回复“公开课”。

3.免费微信交流群：

人工智能行业研究报告分享群、

人工智能知识分享群、

智能机器人交流论坛、

人工智能厂家交流群、

AI产业链服务交流群、

STEAM创客教育交流群、

人工智能技术论坛、

人工智能未来发展论坛、

AI企业家交流俱乐部

雄安企业家交流俱乐部

细分领域交流群：

【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

入群方式：关注本公众号，回复“入群”